基于網絡演化博弈的互動創新社區用戶知識共享行為影響因素研究
2021-04-02 12:08:33李從東黃浩張帆順
現代情報 2021年4期
李從東 黃浩 張帆順
收稿日期：2020-08-02
基金項目：國家自然科學基金項目“基于動態語義X列表互動知識空間的產品持續創新模型及其優化、應用”（項目編號：71672074）;廣東省自然科學基金項目“B2C模式下閉環選址-庫存集成優化模型研究”（項目編號：2019A1515010045）;廣州市創新領軍團隊項目“面向‘電商-工業聯動物流智能多級管控的運作服務平臺研究及應用”（項目編號：201909010006） 。
作者簡介：李從東（1962-），男，教授，博士，研究方向：產品互動創新、知識管理、工業工程等。張帆順（1994-），男，博士研究生，研究方向：產品互動創新、應急管理。
通訊作者：黃浩（1997-），男，碩士研究生，研究方向：知識管理。
摘要：[目的/意義]為辨析網絡演化博弈視角下互動創新社區用戶知識共享行為影響因素以促進社區用戶間的知識共享行為。[方法/過程]在傳統演化博弈理論與網絡演化博弈理論的基礎之上，分別構建互動創新社區知識共享模型，通過計算與仿真，對比兩種方法下社區知識共享的演化結果，分析社區用戶知識共享行為的影響因素。[結果/結論]研究發現，利用傳統演化博弈方法與網絡演化博弈方法得到的互動創新社區演化均衡點并不一致;協同收益、社區獎勵與知識共享成本對互動創新社區知識共享演化深度有顯著影響;社區網絡規模與知識共享風險對互動創新社區知識共享演化速度有顯著影響。
關鍵詞：互動創新社區;知識共享;社區網絡;網絡演化博弈
DOI：10.3969/j.issn.1008-0821.2021.04.005
〔中圖分類號〕G203;G252〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0036-10
Research on Influencing Factors of Knowledge Sharing Behavior of Open
Innovation Community Users Based on Network Evolutionary Game Theory
Li Congdong1，2Huang Hao1*Zhang Fanshun1
（1.School of Management，Jinan University，Guangzhou 510632，China;
2.Institute of Physical Internet，Jinan University，Zhuhai 519070，China）
Abstract：[Purpose/Significance]This paper aims to analyze the influencing factors of knowledge sharing behavior of open innovation community users from the perspective of network evolutionary game，and to promote knowledge sharing behavior among users.[Method/Process]The knowledge sharing model of open innovation community was developed based on the theory of traditional evolutionary game and network evolutionary game.Through calculation and simulation，the evolution results of knowledge sharing under the two methods were compared，and the influencing factors of knowledge sharing behavior of community users were analyzed.[Result/Conclusion]The paper found that the evolutionary equilibrium point obtained by the traditional evolutionary game method and the network evolutionary game method was inconsistent.Synergy revenue，community reward and the cost of knowledge sharing had a significant impact on the evolution depth of knowledge sharing in communities.The scale of the community and the risk of knowledge sharing had a significant impact on the evolution speed of knowledge sharing in communities.
Key words：open innovation community;knowledge sharing;community network;network evolutionary game
不同于傳統的知識共享渠道，互動創新社區利用互聯網交互、開放、共享等特性，將具有共同愛好和目標的個體聚集在一起，使大家可以在一個平等、開放的網絡空間中進行知識的溝通和共享[1]。BMW、IBM、Samsung、Starbucks等企業通過互動創新社區獲取用戶的創新想法與知識，大大提高了企業的研發效率[2]。然而，互動創新社區中大部分用戶只單純地瀏覽社區中的信息和知識，在社區中扮演了潛水者的角色，導致互動創新社區整體活躍度低下和內部知識匱乏[3]。因此，如何更好地促進互動創新社區用戶間進行知識共享，從而提高企業的競爭力已經成為一個值得關注和研究的重點。
促進用戶進行知識共享以實現互動創新社區的持續發展是學界和業界關注的焦點，現有互動創新社區用戶知識共享研究注重分析影響用戶知識共享行為的關鍵因素。Tseng F C等基于社會認知理論和社會資本理論研究了自我效能感對社區知識共享的影響，結果表明自我效能感與知識共享呈正相關關系[4]。Liu J等在社會資本理論的基礎之上，研究社區意見領袖的不同特征（互動性、權威性、活躍度）對互動創新社區知識共享的影響[5]。王婷婷等研究了開放式創新社區用戶的持續知識共享行為，發現用戶自我展示程度、可獲得的社會學習機會、企業的認可和一般用戶的認可對用戶持續知識共享行為有顯著影響[6]。王楠等基于社會資本理論分析了用戶社會資本在領先用戶特征和知識共享水平之間的中介作用，研究發現用戶的領先用戶特征對知識共享水平存在顯著正向作用[7]。曲霏等從社會交換理論的視角提出了關系型虛擬社區用戶個人收益對持續知識共享意愿的影響模型及人際信任的調節作用[8]。經過文獻梳理可以發現，盡管上述文獻采用實證研究的方法識別了大量的用戶知識共享行為影響因素，但缺少這些因素對知識共享的定量化研究，對影響因素與社區用戶知識共享行為之間的作用機理還不清楚，而這個問題的解決是社區管理者在制定社區管理政策和促進社區發展時關注的熱點[9]。此外，雖然上述文獻從不同的角度分析了社區用戶知識共享行為的影響因素，但卻未考慮現實互動創新社區網絡的拓撲特征，忽視了用戶間的動態交互關系對知識共享的影響。而現有文獻提出社區用戶間交互關系與社區網絡的拓撲結構都會影響用戶的知識共享行為[10-11]，忽視網絡因素對知識共享的影響會導致研究與實際情形脫節，所得結論可能難以應用于現實。
網絡演化博弈是解決上述問題的有效方法，它以復雜網絡和演化博弈分別刻畫用戶間的交互關聯結構以及策略選擇范式，為理解和分析復雜交互環境下群體的決策行為提供了一個新的研究模式[12-13]。基于此，本文首先在演化博弈理論的基礎之上，構建互動創新社區用戶知識共享的傳統演化博弈模型，分析社區知識共享的局部穩定性;其次，結合復雜網絡理論與演化博弈理論，構建互動創新社區用戶知識共享的網絡演化博弈模型，利用計算機仿真技術對知識共享演化過程進行模擬仿真實驗，對比兩種方法下結果的差異，分析影響社區用戶知識共享行為的重要因素;最后，依據仿真結果給出相應的管理啟示，并對文章進行總結與展望。
1互動創新社區用戶知識共享的傳統演化博弈模型
1.1問題描述
互動創新社區中的用戶是否選擇知識共享策略是一個復雜的博弈過程，知識共享行為的產生往往依賴于相應的激勵與引導。王鵬民等、杜智濤根據用戶行為類型差異將創新社區中的用戶分為“主動型用戶”和“被動型用戶”[14-15]，基于此，本文將創新社區用戶群體的博弈策略劃分為“主動共享”策略與“被動共享”策略。主動共享是指用戶積極發帖、評論等知識共享行為，而被動共享是指用戶單純瀏覽、搜索他人帖子而不進行知識共享的行為。
對于互動創新社區中的用戶來說，直接知識共享收益、協同收益與社區獎勵是其可從博弈中獲得的3類主要收益[16]。直接知識共享收益是指社區用戶吸收博弈對方提供的知識并轉化為自身能力所帶來的收益，因此，當博弈對手選擇主動共享策略時，用戶便可獲得直接知識共享收益。協同收益是指由于創新社區中用戶之間進行知識共享時雙方知識融合而產生的收益，只有當博弈雙方均選擇主動共享策略時，用戶才可獲得協同收益。除此之外，當用戶選擇主動共享策略時，將獲得社區為其提供的物質或精神獎勵，如虛擬金幣、積分、產品體驗資格等。另外，知識共享行為需要用戶付出時間和精力，也就是說知識共享是有一定成本的，包括傳遞成本、溝通成本及機會成本等[17]。與此同時，用戶在知識共享過程中面臨著喪失知識專有優勢、個人信息被曝光等風險[18]。以上就是社區用戶在博弈過程中可能涉及的收益及成本。
1.2模型構建
根據互動創新社區中用戶的知識共享博弈特征以及當前文獻的總結[17-18]，本文假定了一系列的博弈支付矩陣參數，如表1所示。以下參數的具體測度方法已由文獻[19-22]提出。
當互動創新社區中任意用戶1和用戶2發生博弈時，不同策略組合下雙方收益不同，以下是4種博弈情況的具體分析。
情況1：（主動共享，主動共享）。如果用戶1與用戶2均采取主動共享策略，則兩者可獲得直接知識共享收益、協同收益、社區獎勵3類收益，并需要承擔知識共享成本及風險。因此，用戶1的收益為H1=σ1α1η2k2+μtβ1η1k1+λη1k1-c1η1k1-R1，用戶2的收益為H2=σ2α2η1k1+μtβ2η2k2+λη2k2-c2η2k2-R2。
情況2：（主動共享，被動共享）。如果用戶1采取主動共享策略，而用戶2采取被動共享策略，則用戶1只能獲得社區獎勵，但需要承擔知識共享成本及風險，即用戶1的收益為P1=λη1k1-c1η1k1-R1，而用戶2利用“機會主義”從用戶1處獲取直接知識共享收益，因此，用戶2的收益為Q2=σ2α2η1k1。
情況3：（被動共享，主動共享）。如果用戶1采取被動共享策略，而用戶2采取主動共享策略，則用戶1的收益利用“機會主義”變為Q1=σ1α1η2k2，而用戶2的收益受用戶1機會主義行為的影響變為P2=λη2k2-c2η2k2-R2。
情況4：（被動共享，被動共享）。如果用戶1和用戶2都選擇被動共享策略，則兩者收益將不受彼此機會主義的影響，均為0。
綜上所述，對互動創新社區中任意用戶1和用戶2建立知識共享博弈支付矩陣，如表2所示。
1.3局部穩定分析
假設互動創新社區由兩個有差別的群體1和群體2構成，群體1選擇主動共享策略的成員比例為x，選擇被動共享策略的比例為（1-x）;群體2中選擇主動共享策略的成員比例為y，選擇被動共享策略的成員比例為（1-y）。根據表2列出的4種策略組合可得用戶1選擇主動共享策略的平均收益為：
Ex=yH1+（1-y）P1=y（σ1α1η2k2+μtβ1η1k1）+（λ-c1）η1k1-R1（1）
用戶1選擇被動共享的平均收益為：
E1-x=yQ1=yσ1α1η2k2（2）
用戶1分別以x和1-x的概率選擇主動共享和被動共享策略的平均收益為：
Ex（1-x）=xEx+（1-x）E1-x=xyμtβ1η1k1+yσ1α1η2k2+（λ-c1）xη1k1-xR1（3）
假定該策略比例的調整速度與其平均收益超過混合策略平均收益的幅度成正比，則關于用戶1的復制者動態方程為：
dxdt=x（Ex-Ex（1-x））=x（1-x）[yμtβ1η1k1+（λ+c1）η1k1-R1]（4）
相似的，關于用戶2的復制者動態方程為：
dydty（Ey-Ey（1-y））=y（1-y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（5）
令dxdt=0，dydt=0，可得均衡點為（0，0），（0，1），（1，0），（1，1）。當0 x*=R2+（c2-λ）η2k2μtβ2η2k2， y*=R1+（c1-λ）η1k1μtβ1η1k1（6） 根據Friedman（1991）提出的雅克比矩陣（Jacobin Matrix）的局部穩定分析法，對上述均衡點進行穩定性分析。 J=a11a12 a21a22（7） 其中： a11=（1-2x）[yμtβ1η1k1+（λ-c1）η1k1-R1]（8） a12=x（1-x）μtβ1η1k1（9） a21=y（1-y）μtβ2η2k2（10） a22=（1-2y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（11） 雅克比矩陣的行列式detJ與trJ跡的表達式為： detJ=a11a12-a12a21;trJ=a11+a22（12） 當某平衡點使得detJ>0、trJ<0時，則可以判斷該平衡點處于局部漸進穩定狀態，也就是該點是演化穩定策略（ESS）。由此得出結論：當λη1k1 從表3～表7可以知道，知識共享的協同收益、社區獎勵、成本、風險之間的關系決定了社區的最終穩定狀態。當協同收益及社區獎勵的和大于知識共享及風險的和時，社區用戶更傾向于選擇主動共享策略，最終社區會達到用戶全都選擇主動共享策略的理想狀態。 雖然演化博弈在一定程度上有助于從微觀角度深入了解互動創新社區用戶選擇知識共享的決策過程，但是其假設的個體交互關系過于理想化，與現實中社區用戶之間的知識共享情形差距較大。傳統的演化博弈通常假設個體之間以均勻混合或全連通的方式交互，即所有個體全部相互接觸，然而現實情況中，社區內用戶之間的接觸總是有限的，用戶總是傾向于與更活躍的、影響力更大的用戶進行接觸，不可能有時間和精力與所有用戶進行互動。因此，互動創新社區可以看作是具有特定拓撲特征的復雜網絡，社區中用戶通過互動、競爭和協作等非線性作用機制實現知識的共享。基于此，下文將結合復雜網絡理論與演化博弈理論，采用網絡演化博弈及計算機仿真技術的研究方法分析互動創新社區用戶知識共享的演化規律。 2互動創新社區用戶知識共享的網絡演化博弈模型 2.1互動創新社區用戶知識共享網絡拓撲結構 復雜網絡拓撲結構類型眾多，包括隨機網絡、規則網絡、小世界網絡、無標度網絡等，不同類型的網絡由于生成算法的不同，導致其表現出來的結構、性質是有所差異的。無標度網絡是復雜網絡研究中一個非常重要的模型，解釋了復雜網絡自組織演化過程的自增長和擇優特性，這與互動創新社區用戶知識共享的演化過程相匹配，社區中少數用戶擁有大量連接，而大部分節點只有少數的連接，具有較高的異質性[23]。并且用戶更傾向于與網絡中互動頻率較高、知識總量較高的用戶進行互動，反映出互動創新社區網絡的無標度特征[24]。另外，大量的實證研究表明，現實世界許多的復雜系統都具有無標度網絡特征[25-26]。因此，本文選擇無標度網絡來表示互動創新社區網絡，并將網絡規模設定為50，200，500。需要說明的是，雖然現實互動創新社區網絡規模遠大于本文設定的規模，但不斷增長的網絡規模并不會影響本文的仿真結論。
2.2互動創新社區用戶知識共享網絡演化規則
2.2.1博弈用戶策略更新規則
在每個演化周期，互動創新社區用戶與其鄰居用戶進行博弈，每個博弈方的收益為其與所有鄰居進行博弈所得收益的累加和。博弈個體根據其與鄰居的收益比較進行策略更新，目前最常見的策略更新規則包括模仿收益最大的鄰居策略、復制動力學、配對比較和基于Moran過程的自然選擇規則。根據用戶的有限理性以及互動創新社區內的環境干擾，本文選擇配對比較這一策略更新規則，個體隨機選擇1位鄰居后，個體在下一演化周期中模仿對方策略的概率為：
Psi→sj=11+e（Ui-Uj）/m（13）
其中Psi→sj表示用戶i模仿鄰居j策略的概率，Ui和Uj表示用戶i、j的累加收益和，m表示互動創新社區內的環境噪聲大小，刻畫了個體的非理性程度，當m→0時，代表個體完全理性，只會模仿高于自身收益的策略，而隨著m的增加，個體理性程度降低，模仿低收益鄰居行為的可能性增加。
2.2.2博弈用戶知識總量更新規則
在博弈過程中，用戶i可能獲得來自用戶j的共享知識，導致其自身的知識總量發生變化。假設博弈個體的知識增長只與博弈對手的直接知識共享收益相關，與協同收益、獎勵、成本、風險無關，可得用戶i在t+1時刻的知識總量表達式為：
ki（t+1）=ki（t）+αiηikj（t）用戶j選擇主動共享
ki（t）用戶j選擇被動共享（14）
因此，個體知識總量在不同的演化周期是動態變化的，從而導致與個體知識總量相關的博弈支付矩陣也會發生變化，即每輪演化周期的博弈支付矩陣是動態變化的。
3仿真實驗及結果分析
3.1仿真步驟及初始參數設置
為驗證模型的有效性與科學性，本文利用Matlab 6.0軟件模擬了互動創新社區用戶知識共享行為的演化過程，通過比較不同條件下的仿真圖形，探討影響社區知識共享的關鍵因素，并對仿真結果進行分析。具體仿真步驟如下：
步驟1：初始化給定一個互動創新社區網絡，即無標度網絡G（V，E）;
步驟2：將初始策略隨機分配給網絡中的每個節點，并設定博弈支付矩陣的參數值;
步驟3：進行一次博弈;
步驟4：網絡中節點隨機選擇鄰居節點進行收益比較，并以配對比較規則進行策略更新;
步驟5：轉步驟3，直至達到預定時間步長結束。
為體現社區用戶的個體異質性，將用戶分為兩個群體，群體1和群體2，結合傳統演化博弈模型的4種情形以及結論，設置對應條件下的參數值。其中，初始知識共享水平p0=0.5、k1=k2=10、σ1=σ2=0.3、α1=α2=0.2、μ=0.2、t=0.5、R1=R2=1;其余參數取值如表8所示。
3.2仿真結果分析
3.2.1互動創新社區用戶知識共享網絡演化結果
圖1表示在50個節點網絡規模大小的社區中，用戶知識共享水平在D1、D2、D3、D4這4種參數條件設置下隨時間變化的演化過程。可以看出，當互動創新社區所有用戶獲得的社區獎勵小于付出的知識共享成本與風險的和時，最終社區的知識共享水平收斂于0，如圖1中演化曲線D1所示，所有用戶均選擇被動共享策略。當部分用戶得到的社區獎勵大于付出的知識共享成本與風險的和，其余用戶獲得的協同收益與社區獎勵之和小于知識共享成本與風險之和時，最終社區的知識共享水平出現了兩種情況：一種是收斂于1，如圖1中演化曲線D2所示，一種是在0.7上下徘徊，如圖1中演化曲線D3所示。出現這種現象的原因可能是群體1與群體2的數量比例不同，當群體2的數量占多數，且這類用戶獲得的社區獎勵大于付出的知識共享成本與風險的和時，他們更愿意選擇主動共享策略，而群體1由于付出的成本與風險更高，他們可能傾向于選擇被動共享策略，但由于社區網絡中的交互關系，用戶首先能感知到的是鄰居的策略傾向，且受流行性壓力與社會規范的影響，導致群體2的用戶選擇主動共享的概率更大，最終網絡知識共享水平收斂于1;對應地，當群體2的數量占多數，這類用戶付出的成本與風險之和高于協同收益與社區獎勵之和，他們會傾向于選擇被動共享策略，但是，當博弈雙方
在某一演化周期均選擇被動共享策略時，兩者的收益值為0，導致下一階段某一方或者雙方都會模仿主動共享策略，因此，網絡的知識共享比例會上升到較高的水平，但由于“機會主義”的存在，網絡中部分群體2仍會選擇被動共享策略，最終網絡的知識共享水平穩定在0.7左右。當用戶獲得的協同收益與社區獎勵之和大于知識共享成本與風險之和時，社區網絡能夠迅速演化收斂于1，如圖4中演化曲線D4所示。
比較圖1和傳統演化博弈均衡點結果可以看出，D1與D4分別和傳統演化博弈中均衡點為（0，0）與（1，1）的情況一致，最終網絡演化水平收斂于0與1。而D2與D3卻和傳統演化博弈中均衡點為（0，1）與（1，0）的情況不一樣，D2與D3最終演化水平并沒有收斂于網絡中群體1與群體2的數量比例，原因在于社區網絡用戶之間的互動關系影響著用戶的策略選擇，而傳統演化博弈理想化地將社區網絡假定為全耦合結構，違背了用戶間的接觸是有限的這一現實情況，導致所得結論與圖1不一致。
3.2.2網絡規模對知識共享演化影響分析
圖2和圖3分別是在200個節點和500個節點條件下的互動創新社區知識共享網絡的演化結果圖。從圖1～圖3中相同參數設置不同網絡規模的演化仿真結果可以看出，4種參數設置條件下的最終知識共享演化結果一致，即在無標度網絡中，網絡規模幾乎不影響知識共享演化水平。但值得注意的是，除去D3知識共享水平到達穩定狀態所需時間不清晰外，網絡規模為50的社區網絡在5～10個時間步長基本達到穩定狀態，規模為200的社區網絡在10～30個時間步長后基本達到穩定狀態，規模為500的社區網絡則在30～50個時間步長區間內達到穩定狀態。由此可見，互動創新社區網絡規模越大，知識共享最終達到演化穩定狀態的時間就越長，即知識共享演化速度越慢。這可能是因為在規模較小的網絡中，節點度相對較小，能夠快速且穩定地選擇策略。而規模較大的網絡中節點進行博弈時，節點之間的交互關系、收益對比與策略學習過程更為復雜，網絡需要較長時間才能到達穩定狀態。
3.2.3協同效應系數β異質知識比例μ、信任t對知識共享演化影響分析
為了更好地體現網絡中的用戶交互關系對社區知識共享網絡的影響，后面的仿真實驗均假設網絡規模為500。本節以互動創新社區用戶知識共享網絡演化水平為0的情景為基礎，設置參數值ki=10、σi=0.3、αi=0.2、Ri=1、ηi=0.6、ci=0.6、λ=0.4、i=1，2，分別對協同效應系數β、異質知識比例μ、信任t的大小進行調整，對應得到圖4～圖6。
圖4是在μ=1、t=1、βi（i=1，2）依次取值為0.1、0.3、0.5、0.7、0.9的條件下，協同效應系數對用戶知識共享行為的影響的仿真結果。從圖4可以看出，隨著β值的增大，社區網絡知識共享演化水平由趨近于0轉變為趨近于1，表明協同效應系數會對用戶知識共享行為產生積極的影響，協同效應系數越大，社區中選擇主動共享策略的人數就越多。這是因為協同效應系數越大，用戶在知識共享時雙方知識的融合產生的新知識越多，所帶來的協同收益就越高，從而促進用戶知識共享行為的持續進行。
圖5是在t=1、βi=1（i=1，2）、μ依次取值為0.1、0.3、0.5、0.7、0.9的條件下，異質知識比例對用戶知識共享行為的影響的仿真結果。從圖5可以看出，與圖4的結果一致，博弈雙方之間的異質知識比例與用戶知識共享行為之間呈正向關系。當社區用戶之間共享的知識異質性比例較低時，會導致知識交流的同質化，不利于雙方知識的融合，較難產生新的知識，獲得的協同收益也較低，從而阻礙知識共享行為的發生。
圖6是在μ=1、βi=1（i=1，2）、t依次取值為0.1、0.3、0.5、0.7、0.9的條件下，博弈雙方的信任程度對用戶知識共享行為的影響的仿真結果。從圖6可以看出，當t值取0.5、0.7、0.9時，社區網絡知識共享演化水平趨近于1;而t值取0.1、0.3時，知識共享演化水平趨近于0。這表明用戶之間的信任程度會對知識共享行為產生正向的影響，信任程度越高，用戶越相信其他用戶的未來行動將會有利于或至少不會有害于自己的利益，從而更愿意采取知識共享行為。
3.2.4激勵系數λ對知識共享演化影響分析
取μ=0.2、t=0.5、βi=0.2（i=1，2），其他參數值保持不變，通過對激勵系數λ依次取值為0.1、0.3、0.5、0.7、0.9，得到仿真結果如圖7所示。當λ取值為0.1、0.3、0.5時，社區用戶知識共享演化水平都趨近于0，當λ取值為0.7、0.9時，社區用戶知識共享演化水平趨近于1。圖7表明激勵系數與知識共享行為之間呈正向的關系，隨著激勵系數的不斷增加，用戶可獲得的社區獎勵越來越多，用戶需求可以得到更好地滿足，從而促進用戶知識共享行為的產生。
3.2.5成本系數c、知識共享風險R對知識共享演化影響分析
取λ=0.5，其他參數值保持不變，成本系數ci（i=1，2）依次取值0.1、0.3、0.5、0.7、0.9，仿真結果如圖8所示。當ci取值為0.1、0.3、0.5時，社區網絡的知識共享演化水平趨近于1，而當ci取值為0.7、0.9時，知識共享演化水平趨近于0。這表明成本系數的增大將會阻礙用戶知識共享行為的發生，知識的緘默性越高，將知識顯性化并分享給其他用戶的成本就越高，導致更多的用戶選擇被動共享策略。
取ci=0.4（i=1，2），其他參數值保持不變，知識共享風險Ri（i=1，2）依次取值0.1、10、100，仿真結果如圖9所示。可以看出，隨著R值的增加，知識共享演化水平并沒有改變，而社區網絡趨近于穩定值的時間越來越長。這表明知識共享風險會影響知識共享策略在社區中的傳播速度，但并不會改變社區網絡的演化水平。出現這種現象的原因可能在于本文假定博弈用戶的知識總量是動態增加的，直接知識共享收益、協同收益、社區獎勵與知識共享成本都是與用戶知識量相關的變量，即是動態變化的變量，而知識共享風險是一個常量，因此知識共享風險較難影響社區網絡最終的演化水平。但是，較大的知識共享風險會降低社區網絡趨近于穩定值的速度，這是因為剛開始用戶感知到知識共享風險較大，大部分用戶會選擇被動共享策略，曲線會呈下降趨勢，而協同收益、社區獎勵與成本隨時間變化逐漸增長，當用戶感知到知識共享風險與成本之和小于協同收益與社區獎勵之和時，社區網絡知識共享演化水平會逐漸上升，直至趨近于穩定值。這也與現實情況相匹配，知識共享風險一般不會過大，否則社區難以吸引用戶;即使存在風險，但當用戶感知到風險與成本之和小于收益之和時，用戶在觀望一段時間后仍會選擇主動共享策略。
3.3管理啟示
根據仿真實驗所得的結果，本文提出互動創新社區知識共享的管理啟示，為社區管理者促進用戶知識共享行為提供有效的管理意見。
1）維護社區的信任氛圍，注重對社區形象的建設與維護，制定社區規章制度來規范社區用戶的行為，防止用戶損害他人利益;另外，還可以建設互動創新社區文化，舉辦豐富的社群活動，通過文化的認同來提高社區用戶間的信任;
2）建立完備的、多元化的知識共享激勵機制，為社區中積極的、活躍的知識共享用戶提供不同程度的獎勵，比如，邀請領先用戶參與新產品的研發與測試環節、為主動共享用戶提供工作機會等。基于互動創新社區用戶參與知識共享的需求，為用戶提供物質和精神相結合的激勵措施，進而激發用戶的知識共享行為。
3）成立專門的知識管理機構，對用戶共享的知識進行顯性化、一致化表達，構建互動創新社區知識資源庫，并將資源庫的知識對用戶進行開放，用戶根據需要搜索知識資源，既可以有效地縮短用戶在知識共享過程中付出的時間和精力，降低知識共享成本，也可以提高互動創新社區的知識利用率，為產品創新提供豐富的外部知識。
4）優化社區整體結構，根據用戶需求與特點將互動創新社區劃分為不同版塊，以避免社區網絡規模過大影響知識共享的效率;在保證各個版塊的用戶知識異質化程度較高的同時，又集中相似背景與興趣的用戶于同一版塊，既保持了一定的知識差異，形成知識互補效應，又具備一定的相似性，為知識共享的發生提供必要條件。
4結束語
本文針對互動創新社區用戶知識共享行為影響因素問題，首先，作為對比實驗，在演化博弈理論的基礎之上，構建互動創新社區用戶知識共享的傳統演化博弈模型，對知識共享演化路徑進行了局部穩定性分析;接著結合演化博弈理論與復雜網絡理論，構建互動創新社區用戶知識共享的網絡演化博弈模型，并利用Matlab軟件對模型進行了仿真實驗，探索了互動創新社區網絡知識共享行為演化的微觀機制，分析了影響社區網絡用戶知識共享行為的關鍵因素;最后，通過對仿真實驗結果的分析與總結，本文得出了以下結論：
1）利用傳統演化博弈方法與網絡演化博弈方法得到的互動創新社區演化均衡點并不一致，其原因在于演化博弈方法所構建的模型過于理想化，未能考慮社區用戶之間的交互關系，忽視了網絡因素對知識共享行為的影響。因此，演化博弈方法雖然在一定程度上模擬了互動創新社區用戶知識共享行為，但卻難以很好地把握實際情形;而網絡演化博弈方法更能與現實場景相匹配，更符合互動創新社區知識共享問題的研究。
2）協同效應系數、異質知識比例、信任與激勵系數對互動創新社區知識共享演化深度有正向促進作用;而知識共享成本系數對互動創新社區知識共享演化深度有負向阻礙作用。
3）網絡規模和知識共享風險不會對互動創新社區知識共享的演化深度產生影響，但兩者會影響互動創新社區知識共享的演化速度，且兩者均對社區知識共享演化速度具有消極影響。
雖然本文構建的模型可以有效地研究互動創新社區用戶知識共享行為的影響因素，但是仍然存在以下的不足：①本文考慮互動創新社區用戶間的兩方博弈，忽視了社區管理者這一角色在社區知識共享過程中的作用，未來可以把社區管理者作為博弈一方，構建互動創新社區知識共享三方博弈模型;②本文從靜態網絡的視角研究網絡拓撲結構與用戶知識共享行為之間的關系，但并未探討用戶知識共享行為如何影響互動創新社區網絡結構，解決這個問題對管理者制定社區管理措施具有重要意義，未來可以采取動態網絡演化博弈的方法展開研究。
參考文獻
[1]萬晨曦，郭東強.虛擬社區知識共享研究綜述[J].情報科學，2016，34（8）：165-170.
[2]Lee H H M，Van Dolen W.Creative Participation：Collective Sentiment in Online Co-creation Communities[J].Information & Management，2015，52（8）：951-964.
[3]嚴貝妮，葉宗勇.環境因素對虛擬社區用戶知識共享行為的作用機制研究[J].情報理論與實踐，2017，40（10）：74-79.
[4]Tseng F C，Kuo F Y.A Study of Social Participation and Knowledge Sharing in the Teachers Online Professional Community of Practice[J].Computers & Education，2014，72：37-47.
[5]Liu J，Zhang Z，Qi J，et al.Understanding the Impact of Opinion Leaders Characteristics on Online Group Knowledge-Sharing Engagement from In-Group and Out-Group Perspectives：Evidence from a Chinese Online Knowledge-Sharing Community[J].Sustainability，2019，11（16）.
[6]王婷婷，戚桂杰，張雅琳，等.開放式創新社區用戶持續性知識共享行為研究[J].情報科學，2018，36（2）：139-145.
[7]王楠，張士凱，趙雨柔，等.在線社區中領先用戶特征對知識共享水平的影響研究——社會資本的中介作用[J].管理評論，2019，31（2）：82-93.
[8]曲霏，張慧穎.關系型虛擬社區用戶持續使用意向的影響機制研究——人際信任的調節作用[J].情報學報，2016，35（4）：415-424.
[9]趙捧未，馬琳，秦春秀.虛擬社區研究綜述[J].情報理論與實踐，2013，36（7）：119-123.
[10]Lin S W，Lo L Y S.Mechanisms to Motivate Knowledge Sharing：Integrating the Reward Systems and Social Network Perspectives[J].Journal of Knowledge Management，2015，19（2）：212-235.
[11]Jiang G，Ma F，Shang J，et al.Evolution of Knowledge Sharing Behavior in Social Commerce：An Agent-based Computational Approach[J].Information Sciences，2014，278：250-266.
[12]譚少林，呂金虎.復雜網絡上的演化博弈動力學——一個計算視角的綜述[J].復雜系統與復雜性科學，2017，14（4）：1-13.
[13]榮智海，吳枝喜，王文旭.共演博弈下網絡合作動力學研究進展[J].電子科技大學學報，2013，42（1）：10-22.
[14]王鵬民，侯貴生，楊磊.基于知識質量的社會化問答社區用戶知識共享的演化博弈分析[J].現代情報，2018，38（4）：42-49，57.
[15]杜智濤.網絡知識社區中用戶“知識化”行為影響因素——基于知識貢獻與知識獲取兩個視角[J].圖書情報知識，2017，（2）：105-119.
[16]Wang R H，Lv Y B，Duan M.Evolutionary Game of Inter-firm Knowledge Sharing in Innovation Cluster[J].Evolving Systems，2017，8（2）：121-133.
[17]商淑秀，張再生.虛擬企業知識共享演化博弈分析[J].中國軟科學，2015，（3）：150-157.
[18]馮長利，周劍，蘭鷹.供應鏈成員間知識共享行為演化博弈模型[J].情報雜志，2012，31（3）：138-144.
[19]Ritala P，Husted K，Olander H，et al.External Knowledge Sharing and Radical Innovation：The Downsides of Uncontrolled Openness[J].Journal of Knowledge Management，2018，22（5）：1104-1123.
[20]趙健宇，任子瑜，襲希.知識嵌入性對合作網絡知識協同效應的影響：吸收能力的調節作用[J].管理工程學報，2019，33（4）：49-60.
[21]Sedighi M，Van Splunter S，Brazier F，et al.Exploration of Multi-layered Knowledge Sharing Participation：The Roles of Perceived Benefits and Costs[J].Journal of Knowledge Management，2016，20（6）：1247-1267.
[22]商淑秀，張再生.基于社會資本視角的虛擬企業知識共享[J].中國軟科學，2013，（11）：101-111.
[23]Panzarasa P，Opsahl T，Carley K M.Patterns and Dynamics of Users Behavior and Interaction：Network Analysis of an Online Community[J].Journal of the American Society for Information Science and Technology，2009，60（5）：911-932.
[24]Fu F，Liu L，Wang L.Empirical Analysis of Online Social Networks in the Age of Web 2.0[J].Physica A，2008，387（2-3）：675-684.
[25]徐建中，朱曉亞，貫君.基于演化博弈的制造企業研發團隊知識轉移網絡演化[J].系統工程學報，2018，33（2）：145-156.
[26]Choi J，Hyun A S，Cha M S.The Effects of Network Characteristics on Performance of Innovation Clusters[J].Expert Systems with Applications，2013，40（11）：4511-4518.
（責任編輯：孫國雷）
