基于蔡氏混沌的隱性知識轉移仿真研究

蘇屹 劉桐赫 張傲然

收稿日期：2022-06-28? 修回日期：2022-09-01

基金項目：國家自然科學基金項目（72074059）；黑龍江省社會科學基金項目（20GLB120）；黑龍江省重點研發計劃指導類項目（GZ20210003）

作者簡介：蘇屹（1983-），男，黑龍江哈爾濱人，博士，哈爾濱工程大學經濟管理學院教授、博士生導師，研究方向為數字經濟與創新管理；劉桐赫（1997—），男，遼寧沈陽人，哈爾濱工程大學經濟管理學院碩士研究生，研究方向為知識管理與數字化轉型；張傲然（1995-），女，遼寧西豐縣人，黑龍江省對外科技合作中心科普外聯部助理工程師，研究方向為科技管理。

摘? 要：在知識經濟時代，知識轉移過程已成為管理學研究的熱點問題。為分析隱性知識轉移阻力變化對隱性知識轉移過程及形態的影響，在梳理現有隱性知識轉移文獻的基礎上，運用混沌理論構建蔡氏混沌隱性知識轉移模型并進行仿真分析，研究隱性知識在主體間轉移規律。研究結果表明：隱性知識轉移具有初始狀態敏感性等混沌特征，隨著知識主體間合作與競爭平衡關系的變化，輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度也隨之變化，隱性知識轉移呈現出隱性知識轉移全阻力類型、隱性知識轉移高阻力類型、隱性知識轉移中阻力類型、隱性知識轉移低阻力類型以及隱性知識轉移零阻力類型5種類型。基于仿真研究結果，提出隱性知識轉移效果提升對策，同時，為隱性知識具有反饋機制的雙向非線性轉移過程研究提供新的量化方法和研究思路。

關鍵詞關鍵詞：隱性知識轉移；知識管理；混沌理論；蔡氏混沌

DOI：10.6049/kjjbydc.2022060761

開放科學（資源服務）標識碼（OSID）????? 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F272.4

文獻標識碼：A

文章編號：1001-7348（2024）02-0119-11

0? 引言

隨著知識經濟時代來臨，知識逐漸成為企業的一種戰略性資源，對企業創新和發展起重要作用[1]，擁有高質量知識以及快速轉移知識是企業成功的關鍵[2]，其中，知識的高質量轉移是重中之重[3]。隱性知識是邁克爾·波蘭尼（Michael Polanyi）于1958年在《個人知識》（Personal Knowledge）一書中提出的新概念，他認為知識可以區分為顯性知識（Explicit Knowledge）和隱性知識（Tacit Knowledge）。其中，顯性知識是能夠被人類以符碼系統予以完整表述的知識；隱性知識是指那些難以清晰表達，通常只能通過經驗、深度互動和實踐學習獲得的知識。隱性知識具有復雜度高、不易轉移等特征[4]，是知識管理系統最具價值的資產[5]，已成為組織創造價值的核心資源，其有效利用對知識共享和知識創新具有重要意義[6]。隱性知識轉移（Tacit Knowledge Transfer）的發生以廣泛接觸、定期互動以及雙方信任為基礎。隱性知識難于編碼并具有情景依附性[7]，在轉移活動中是一個動態過程且流向性具有非線性[8]。研究隱性知識的表征及傳遞過程，對豐富企業知識積累、促進企業創新具有重大意義[9]。

在隱性知識轉移影響因素方面，國內外學者從隱性知識轉移意愿[10]、隱性知識特征[11]等角度深入分析隱性知識共享影響因素，指出意愿[12]是隱性知識轉移過程中的重要影響因素。也有部分學者通過大數據分析、魚骨圖和層次分析法[13-15]等方法研究了知識轉移影響因素。在知識轉移模型構建方面，國內外學者利用通信系統方法[9]、TWD和FRS方法[16]、理性行為理論[17]和計算機科學中的CNN方法[18]、DNN方法[19]、BIM方法[20]、知識管理系統[21]、知識管理模型[22]、改進GSK算法[23]和路線圖[24]等研究范式構建了相應的知識轉移模型。在知識轉移研究方面，國內外學者探討了知識外部嵌入對企業雙元性[25]、個體對知識轉移的信心[26]、供應鏈管理和發展[27]、租賃地點[28]、明星科學家[29]和濫用監督[30]等因素在知識轉移過程中的作用機理。也有學者研究了PKT方法[31]、KT流程[32]和遠程實驗[33]在知識轉移教育領域的應用。

現有的知識轉移研究中，較多應用卷積神經網絡（CNN）、深度神經網絡（DNN）等深度學習方法，其需要大量的訓練集與測試集來訓練模型，且在教育領域的應用效果較好，但不太適用于難以清晰表達的隱性知識轉移。已有關于隱性知識轉移的研究多停留在定性分析層面上，對隱性知識轉移的影響因素和轉移過程等方面缺乏深入研究。相比已有文獻，本文的創新之處在于：第一，通過引入混沌動力學研究范式，構建蔡氏混沌隱性知識轉移模型，補充了已有文獻中傳統線性知識轉移模型不適用于研究特征的兼有表達、反饋且雙向交互特征的轉移的不足，為研究隱性知識轉移這一非線性過程提供了新的研究方法和途徑；第二，相較于已有文獻通過魚骨圖等抽象方法對隱性知識轉移影響因素進行研究，本文通過Multisim14.0軟件進行仿真分析，探究了隨著兩個知識主體間輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度的變化即隱性知識轉移阻力變化對隱性知識轉移效果的影響，為隱性知識轉移研究補充了定量研究方法。

1? 基于蔡氏混沌的隱性知識轉移隱喻分析

隱性知識是未來知識創新的來源之一，同時，也是組織核心競爭力的重要組成部分[7]。但是，隱性知識與可以書面文字、圖表和數學公式等方式表述的顯性知識不同，隱性知識難以言述與清晰量化，所以不能采用現有文獻中研究顯性知識轉移的方法來研究隱性知識轉移。因此，引入隱喻分析方法分析雙向非線性的隱性知識轉移過程，以便對隱性知識轉移難以量化的抽象概念進行仿真研究。隱喻（Metaphor）是以描述另一事物的方式來描述某個事物，通過使用熟悉的概念理解另一個陌生概念，因此隱喻普遍存在于日常生活中[34]。隱喻作為人類認知的一種基本方式，具有重要意義[35]。通過隱喻分析，在非線性物理學基礎上可以更形象地研究隱性知識轉移過程。首先，回顧非線性物理學中的部分基本概念，非線性物理學的分支主要包括復雜系統（Complex System）、耗散結構（Dissipative System）、自組織（Self-organization）和混沌（Chaos）。其中，混沌是一種源自決定性規律的無序狀態，即沒有結構的均勻狀態。蔡氏混沌（Chua's Chaos）是由蔡氏二極管搭配簡單的半導體元器件產生的混沌狀態，因結構簡單、現象復雜而被譽為混沌系統的典范[36]，它是由蔡少棠教授在1983年于日本早稻田大學提出的[37]。在隱性知識轉移過程中充斥著正反饋與負反饋，二者相互交疊、錯綜復雜，整個過程中飽和性、多態環等非線性特征十分明顯，并由此誕生了種種不確定性（馮斯波，盛亞，2003）。隱性知識系統是一個開放、復雜的系統，是一個在創造各種知識和技能的過程中存在大量正、負反饋活動的非線性復雜系統（魏鋼焰，2007）。隱性知識創新不是突然間從無到有，更多情況下是“站在巨人肩膀”上，成為下一代創新知識產生的基礎。隱性知識的不斷迭代符合循環因果理論，即隱性知識轉移系統是建立在隱性知識自我迭代基礎上的動態演化的非線性系統（韓蓉，林潤輝，2013）。知識轉移方與知識接收方間不是簡單的相互依存關系而是相互影響[38]。不難發現，隱性知識轉移過程與顯性知識轉移過程存在顯著不同。在顯性知識轉移過程中，顯性知識單向線性地從高知識存量主體向低知識存量主體轉移，知識接收方的知識存量會增加，知識發出方的知識存量并沒有減少而是保持不變。隱性知識轉移過程中則存在大量的自我迭代、正負反饋以及循環因果等非線性過程，說明隱性知識轉移過程是一個表達與反饋相結合的雙向轉移過程，兩個主體相互交流、相互啟發、相互提升，即雙方的隱性知識存量都得到提升。因此，相較于傳統的知識轉移模型，蔡氏混沌模型因具有自我迭代、正負反饋以及循環因果等顯著的非線性特征，更適合隱性知識轉移過程研究。綜上，本文采用蔡氏混沌模型研究隱性知識轉移過程。

一方面，基于混沌系統特征對隱性知識特征進行隱喻：①初態敏感性（Sensitive to Initial Conditions）。隱性知識難以用文字、圖像等手段進行可視化的精準表達，知識接收方會依據自身掌握的知識基礎對隱性知識進行篩選和過濾，因此隱性知識初始條件的微小差異在傳遞和迭代過程中會被無限放大進而產生巨大差異，正所謂“差之毫厘，謬以千里”，隱性知識轉移對初始狀態具有極強的敏感性；②臨界性（Boundedness）。隱形知識轉移的運動軌道是稠密且復雜的，由于是在兩個主體間相互轉移，隱性知識的轉移軌道也會呈現出周期性，但始終限定在一個確定范圍內，表現出一定邊界性，說明隱性知識轉移過程具有混沌特征；③分形維（Fractal Dimension）。隱性知識轉移是一個非線性過程，具有內在隨機性，雖然知識發出方輸入的隱性知識確定，但受到非線性傳遞過程中狀態不確定性的影響，隱性知識在知識接收方接收時是不確定的，即隱性知識轉移具有拓撲混合性，從局部看，隱形知識轉移過程是不穩定的，轉移過程類似于一個未知的“黑箱”；從整體上分析隱性知識轉移規律，即通過“黑箱”的輸入和輸出分析未知的轉移過程，其又具有穩定性并表現出混沌特征。

另一方面，在相互作用層面上兩個主體間的內隱性作用力與兩個主體隱性知識存量成正比，與兩個主體間距離成反比。這是因為距離越遠，阻力越大，兩個知識主體間的知識作用也越弱。在知識存儲方面，隱性知識可以作為一種內隱性存在存儲于主體中；在轉移流向方面，與顯性知識不同，隱性知識不會單向地從高知識存量主體轉移至低知識存量主體，其轉移過程更多是一種經驗的表達與反饋，表現為隱性知識在兩個主體間交流互動，是一個雙向轉移過程。電荷與隱性知識的類比分析見表1。

2? 蔡氏混沌隱性知識轉移模型構建與推導

2.1? 蔡氏混沌隱性知識轉移模型構建

基于馮斯波（2003）、魏鋼焰（2007）、韓蓉（2013）、吳小桔（2017）等的研究以及隱性知識轉移過程的隱喻分析，可知隱性知識轉移過程與顯性知識轉移過程存在顯著不同。隱性知識轉移過程中存在大量的自我迭代、正負反饋以及循環因果等非線性過程，即隱性知識轉移過程是一個表達與反饋相結合的雙向轉移過程。構建蔡氏混沌隱性知識轉移模型旨在對隱性知識轉移過程進行更形象的仿真研究。基于隱性知識的隱喻分析，提出構建蔡氏混沌隱性知識轉移模型的前提條件：①兩個隱性知識主體的隱性知識存量存在顯著差異；②隱性知識在知識主體間的轉移受到轉移阻力的影響；③隱性知識在知識主體間的轉移過程受到固定干擾和隨機干擾的影響。

兩個主體間的內隱性作用力與兩個主體的隱性知識存量正相關，與兩個主體間的距離負相關，這是因為距離越遠，阻力越大，兩個知識主體之間的相互作用也越弱。變量定義如表2所示。

根據Coulomb定律的向量形式，結合隱性知識特點，本文構建隱性知識存儲點TK1對隱性知識存儲點TK2的作用力TKF的方程，如式（1）所示。

TKF=14πε0TKS1TKS2TKSD1－TKSD2TKSD1－TKSD23 （1）

根據Kirchhoff定律，結合隱性知識雙向非線性轉移特征，構建蔡氏混沌隱性知識轉移模型。其中，隱性知識存量（TKS）、隱性知識轉移阻力（Tacit Knowledge Transfer Resistance簡寫為TKTR）關系滿足方程（2）和方程（3）。

dTKS1dt=1TKTRTKS2－TKS1－fTKS1TKSA1dTKS2dt=1TKTRTKS1－TKS2+FTKTFDTKSA2dFTKTFDdt=－TKS2TKTFD （2）

f（TKS1）=TKTCbS1+12（TKTCa－TKTCb）×（|TKS1+TKLD|－|TKS1－TKELD|） （3）

具體分析分段函數fTKS1，其中，隱性知識轉移隨機擾動項（Tacit Knowledge Transfer Random Disturbance）的特性曲線具有分段函數特征，可以歸納為式（4）。

f（TKS1）=TKTCbTKS1+TKLDTKTCa－TKTCbTKS1>TKLDTKTCaTKS1－TKLD≤TKS1≤TKLDTKTCbTKS1+TKLDTKTCa－TKTCbTKS1<－TKLD （4）

式中：FTKT表示隱性知識轉移通量（Flux of Tacit Knowledge Transfer），即單位時間內轉移的隱性知識量；TKSA表示隱性知識存儲能力（Tacit Knowledge Storage Ability），即知識主體的隱性知識存儲能力；TKTFD表示隱性知識轉移的固定擾動（Tacit Knowledge Transfer Fixed Disturbance），即隱性知識在兩個知識主體間轉移時受到的固定干擾；TKTC表示隱性知識轉移導通（Tacit Knowledge Transfer Conductance），即隱性知識轉移阻力的倒數；TKLD表示隱性知識動勢（Tacit Knowledge Level Difference），即隱性知識轉移過程中克服轉移阻力的趨勢。

為了實現無量綱化，作如式（5）所示的變量代換。

x=TKS1TKLD，y=TKS2TKLD，z=FTKTFDTKLD（TKTG）α=TKSA2TKSA1，β=TKSA2TKTFD（TKTC）2a=TKTCaTKTC，b=TKTCbTKTCτ=tTKTCTKSA2 （5）

無量綱處理后的蔡氏混沌隱性知識轉移模型方程如式（6）（7）所示。

dxdτ=α［y－x－f（x）］dydτ=x－y－zdzdτ=－βy （6）

其中，

f（x）=bx+a－bx>1ax－1≤x≤1bx－a+bx<－1 （7）

2.2? 平衡點及穩定性分析

觀察式（2）—式（4），不難發現，隱性知識蔡氏混沌隱性知識轉移模型的非線性項實質是一個分段函數，因此可將蔡氏混沌隱性知識轉移模型劃分成一組獨立的仿射區域即可進行仿射變換（Affine Transformation）。仿射變換（又稱仿射映射）是指在幾何中對一個向量空間進行一次線性變換并進行一個平移，變換為另一個向量空間。

將無量綱處理后的蔡氏混沌隱性知識轉移模型轉換為線性矩陣形式，當蔡氏混沌隱性知識轉移模型平移時如式（8）所示。

X=x·y·z·=－αα01－110－β0xyz－αf（x）00=0 （8）

分段函數式（7）可表示為：

f（x）=bx+12（a－b）［|x+1|－|x－1|］ （9）

利用式（8）和式（9），將蔡氏混沌隱性知識轉移模型分解成3個不同的仿射區域（D1、D0、D－1），如式（10）所示。

D1={（x，y，z）∣x>1}D0={（x，y，z）∣－1≤x≤1}D－1={（x，y，z）∣x<－1} （10）

在這個三維空間中劃分出一個仿射區域與另一個仿射區域的平面，為由x=1分割D1與D0的平面U1和由x=－1分割D0與D－1的平面U－1。

U1=D1∩D0={（x，y，z）∣x=1}U－1=D0∩D－1={（x，y，z）∣x=－1} （11）

獲得平衡點的方程組，如式（12）所示。

x+f（x）=0y=0x+z=0 （12）

在3個仿射區域D1、D0、D－1中，蔡氏混沌隱性知識轉移模型都有唯一的平衡點P+，0，P－，即可設：

P+=（k，0，－k）∈D10=0，0，0∈D0P－=（－k，0，k）∈D－1 （13）

其中，k=b－ab+1（14）

再令K=（k，0，－k）T，可將式（8）中的X矩陣改寫為如下形式：

X·=J（X－K）X∈D1JXX∈D0J（X+K）X∈D－1 （15）

將式（6）無量綱處理后，蔡氏混沌隱性知識轉移方程在平衡點處線性化，得到如式（16）所示的Jacobi矩陣。

J=－α（1+c）α01－110－β0（0，P+，P－） （16）

其中，在仿射區域D0中（即|x|≤1時）c=a，而在仿射區域D1與D－1中（即|x|≤1時）c=b。

顯然，Jacobi矩陣的特征方程為：

f（λ）=|λE－J|=βα（1+c）+（β+αc）λ+［1+α（1+c）］λ2+λ3 （17）

根據Routh-Hurwitz Crierion判據，當式（17）滿足時，即可設：

1+α（1+c）1αβ（1+c）β+αc>0 （18）

3個仿射區域中，J特征值的實部為負，此時平衡點漸進穩定，隱性知識轉移過程不發生振蕩。若保證ab＜0，P+、P－存在且位于對應的D1∪ D－1中，當a、b中的一個參數發生變化時，平衡點性質就會改變。當平衡點由穩定變成不穩定且在平衡點附近出現極限環時，即發生了Hopf分岔，此時隱性知識轉移過程的參數α、β、c滿足以下條件：

1+α（1+c）1αβ（1+c）β+αc=0 （19）

2.3? 混沌動力學分析

在非線性動力學層面上分析隱性知識轉移過程，從相空間角度分析問題，耗散系統的一個重要特征就是在系統演化過程中出現體積收縮。蔡氏混沌隱性知識轉移流的散度為：

V=x·x+y·y+z·z=－α（1+c）－1 （20）

Lyapunov指數是判斷系統混沌現象的最常見方法。它能夠定量描述動力系統在相空間中相鄰軌道的發散程度。若動力系統在一定區域內的第1個Lyapunov指數λ1>0，則動力系統在這個區域內就會出現混沌現象，并且對初值敏感。蔡氏混沌隱性知識轉移的Lyapunov維數為：

DL=j+1λj+1∑ji=1λi=2+λ1+λ2λ3 （21）

3? 蔡氏混沌隱性知識轉移模型仿真分析

3.1? 影響因素分析

知識主體間的隱性知識轉移，不僅是一個隱性知識傳遞過程，而且是不同隱性知識之間相互融合、升級乃至產生新隱性知識的過程。知識流動過程的動態性、復雜性決定了其效果受到多種因素影響，準確識別知識流動影響因素有助于及時趨利避害，不斷提升知識流動的穩定性和可持續性[39]。知識發出方的轉移意愿、轉化能力、知識接收方的吸收意愿都會影響隱性知識轉移績效[40]。隱性知識轉移的主體因素包括輸出方轉移意愿、輸出方轉化能力、接收方吸收動機、合作信任強度和互動交流程度等。轉移意愿是指知識發出方轉移隱性知識的動機，轉移意愿的強烈程度代表了知識主體是否愿意消耗更多金錢、時間和精力等資源來進行隱性知識轉移（李南，王曉蓉，2013）。當隱性知識轉移回報大于成本時，有助于進行知識轉移。知識發出方的轉移意識越強烈，其對隱性知轉移就越有利[41-42]。在轉移能力方面：隱性知識往往是主觀經驗或心得體會，難以表達和編碼，知識發出方的隱性知識轉移能力會影響隱性知識轉移效果[43]。隱性知識接收意愿是指知識接收方學習新知識的動機，缺乏知識接收意愿會導致錯誤接收、虛假接收、消極怠工甚至直接拒絕接收隱性知識。接收方接收意愿越強烈，隱性知識轉移效果越好[15]，并且積極自主的學習態度有助于激發知識接收方主動探索、積極思考，拓展接收到的隱性知識深度和寬度，從而獲得良好的隱性知識轉移效果[42]。合作信任程度是隱性知識轉移的前提，信任有利于隱性知識轉移和流動，進而形成隱性知識轉移的良性循環，即知識主體雙方信任度被認為是促成知識轉移的重要因素。互動交流程度方面，長時間面對面交流或者長時間面對面工作及學習，易于融會貫通其他知識主體的文化、語言和習慣，也更易于理解其他知識主體的隱性知識表達形式，有利于隱性知識轉移[40]。隱性知識輸出方轉移意愿、輸出方轉化能力、接收方吸收動機、合作信任強度和互動交流程度對隱性知識轉移均有正向影響。

隱性知識轉移過程中不可避免地會出現噪聲和干擾，因此需要對隱性知識進行確認、解釋和反饋，才能保證隱性知識被準確、完整地理解、吸收和轉移[15]。隱性知識轉移的客體因素包括：隱性知識復雜特性和主體間文化差異程度等。隱性知識內隱于個體意識中，具有極強復雜性。通常情況下隱性知識越隱晦、越復雜，越會阻礙知識主體對隱性知識的發出和接收，即轉移越難。因此，隱性知識的復雜性會影響隱性知識轉移績效[43]。文化差異是指知識主體雙方核心價值和理念的相差度。每個知識主體都具有自己的文化背景和知識結構，形成的隱性知識體系也不相同。如果隱性知識轉移發生在文化背景相似的知識主體之間，二者的價值觀和行為容易得到相互認同，隱性知識轉移就更容易發生；如果參與隱性知識轉移的知識主體的文化背景相差過大，則容易導致文化誤解和沖突，阻礙知識主體間的隱性知識轉移[43]。由此可見，隱性知識復雜特性和主體間文化差異對隱性知識轉移有反向影響。

綜上，本文將隱性知識轉移過程中的影響因素分為三大類，即對應主體因素的隱性知識轉移阻力（TKTR）、對應客體因素的隱性知識轉移固定擾動（TKTFD）和對應其它因素的隱性知識轉移隨機擾動（TKTRD），具體組成見表3。

隱性知識轉移隨機擾動（TKTRD）其它不確定性因素——

將表3隱性知識轉移影響因素中的隱性知識轉移阻力（TKTR）寫成函數表達式，即本文構建的隱性知識轉移阻力模型。

TKTR=ε∑e－Rwi，Rab，Rmo，Rtr，Rco （22）

其中，ε為放大系數，取為103，影響因素Rwi、Rab、Rmo、Rtr、Rco∈（0，+∞）。

隱性知識在主體Φ與主體Ω之間受隱性知識轉移阻力（TKTR）的影響，隱性知識轉移固定擾動（TKTFD）與隱性知識轉移隨機擾動（TKTRD）之間的混沌轉移模型如圖1所示。

影響隱性知識轉移的因素有三類，即隱性知識轉移阻力（TKTR）、隱性知識轉移固定擾動（TKTFD）和隱性知識轉移隨機擾動（TKTRD）。隱性知識轉移阻力（TKTR）是關鍵因素，由輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度5個要素組成。主體間行為與關系顯著影響隱性知識轉移效果。隱性知識轉移固定擾動（TKTFD）和隱性知識轉移隨機擾動（TKTR）通過間接的外部作用影響主體間隱性知識轉移。任何因素的微小變化都可能對隱性知識轉移系統產生較大影響，這也是混沌的特征之一即初始條件敏感性。

3.2? 仿真結果分析

本文設定主體Ω的隱性知識存量與主體Φ的知識存量存在明顯差異，即至少相差一個數量級[44]，通常是10倍的差異[45]，此處取值為TKSΦ=10，TKSΩ=100。隱性知識轉移固定擾動（TKTFD）取固定值，在非線性物理學中蔡氏混沌現象產生通常取值15～20之間[46]，這里選定平均值并向上取整為TKTFD=18;知識轉移隨機擾動（TKTRD）隨時間變化，無需進行參數設定。通過研究輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度變化的共同作用即隱性知識轉移阻力（TKTR）變化對隱性知識轉移系統的影響，TKTR的取值范圍等同于式（22）的取值范圍。知識主體關系可分為競爭與合作，兩種關系相對強弱程度的變化以及不同組合又會形成多種知識主體關系。本文將兩個知識主體之間合作與競爭平衡關系的取值范圍設定為1～1.2。當取值大于1.2時，為合作占據主導位置即合作大于競爭，數值越大表示合作性關系越顯著、競爭性關系越弱；當取值達到正無窮時，兩個知識主體之間將形成極具理想化的主體關系即兼并重組為一個主體；當取值在0.8～1時，競爭占據主導位置即競爭大于合作，此時數值越小表示競爭性關系越顯著而合作性關系越弱；當取值小于0.8時，即認為兩個知識主體間只存在競爭而不存在合作，形成一種完全敵對的關系。將輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度的適值1，1.2設定為主體之間為合作競爭關系，即主體間處于合作競爭平衡狀態點。若知識主體間競爭加劇、合作減弱，則數值落于較低的取值范圍0.8，1并對應競爭關系；若知識主體間合作加強、競爭減弱，則數值提高到較高的取值范圍［1.2，+∞）并對應合作伙伴關系。同時，本文也討論了取值范圍為0，0.8和趨于正無窮的情況，它們分別對應主體間完全競爭和完全合作。針對蔡氏混沌隱性知識轉移模型，使用Multisim14.0軟件進行仿真，帶入取值范圍并根據方程（2）、方程（6）、方程（19）和方程（22），可分別得到如下仿真結果。

3.2.1? 隱性知識轉移全阻力類型

當Rwi、Rab、Rmo、Rtr、Rco∈（0，0.8）時，兩個隱性知識轉移主體間存在完全競爭關系，屬于單一態情形。此時由于阻力過大，兩個主體間的隱性知識轉移路徑被完全切斷。在知識轉移過程中，輸出方轉移意愿極弱、轉移能力極低，接收方吸收動機也極弱，合作信任強度極低，互動交流程度也極低。將5個阻力因素的極低取值范圍代入式（22），運算可得隱性知識轉移阻力趨于極高的取值范圍，即TKTR∈（2 245，5 000）。在知識主體Φ與知識主體Ω之間，因隱性知識無法繼續轉移而呈現停滯狀態，如圖2所示。在停滯型情景下知識主體間對應為敵對關系，不進行隱性知識轉移[47]。

3.2.2? 隱性知識轉移高阻力類型

當Rwi、Rab、Rmo、Rtr、Rco∈［0.8，1）時，兩個隱性知識轉移主體間處于競爭對手關系，屬于陣發混沌態情形。在兩個主體的知識轉移過程中，輸出方轉移意愿較弱、轉移能力適中，接收方吸收動機較弱，雙方的合作信任強度較低，互動交流程度也較低。將5個阻力因素較低的取值范圍代入式（22），運算可得隱性知識轉移阻力較高的取值范圍，即TKTR∈（1 840，2 245］。主體Φ與主體Ω之間的轉移路徑發生Hopf分岔，呈現為單渦旋洛斯勒吸引子形式，如圖3所示。

在洛斯勒吸引子型情境下，兩個主體間的競爭關系明顯強于合作關系，隱性知識轉移效果不佳。作為隱性知識轉移主體，首先考慮的是努力在混沌態中尋求新路徑，實現由高隱性知識轉移阻力到低隱性知識轉移阻力的情景轉換，即將主體關系調整為合作關系大于或等于競爭關系。若無法進行由高隱性知識轉移阻力到低隱性知識轉移阻力的情景轉換，該主體可在能力范圍內提高隱性知識的傳遞質量與傳遞價值，使得主體間隱性知識轉移效果得到提升。事實上，合理的利益分配與激勵是知識主體雙方進行隱性知識轉移和共享的主觀驅動力。設計一個兼顧知識主體獨特性與未來業績的短期薪酬激勵和長期股權激勵方案，有助于驅動知識主體間的隱性知識轉移[48]。公平合理的利益分配有助于從外部激發知識主體的隱性知識轉移意愿，進而促進隱性知識轉移。

3.2.3? 隱性知識轉移中阻力類型

當Rwi、Rab、Rmo、Rtr、Rco∈［1，1.2）時，兩個隱性知識轉移主體處于合作競爭關系中，屬于混沌雙吸引子態情形。在兩個主體的知識轉移過程中，輸出方轉移意愿適中、轉移能力適中，接收方吸收動機適中，雙方合作信任強度適中、互動交流程度適中。將5個阻力因素的適中取值范圍代入式（22），運算可得隱性知識轉移阻力的適中取值范圍，即TKTR∈（1 505，1 840］。此時，知識主體Φ與知識主體Ω間的轉移路徑呈現為混沌狀態中的雙吸引子形式，可以理解為亂中有序狀態，如圖4所示。

在雙吸引子型情景下，兩個主體間的合作關系略強于競爭關系，處于一種亂中有序狀態，隱性知識也可較為流暢地在兩個主體間轉移。在此情景下知識主體間保持穩定和信任是關鍵，這是在混沌與有序狀態中實現隱性知識轉移的前提。隱性知識通過不同主體間的溝通和互動形成知識轉移與擴散，是一個反復且螺旋上升的過程[49]。事實上，基于混沌理論中的正反饋（Positive Feedback）與負反饋（Negative Feedback）機制實現混沌同步（Chaos Synchronization）及混沌控制（Control of Chaos），這是促進混沌與有序結合的關鍵方法之一。在企業管理實踐中，通常采用正激勵或負激勵手段對戰略協同系統進行調節。通過適當調整和混沌控制，雙吸引子型隱性知識轉移模型也可成為較為高效高質的隱性知識轉移模型。

3.2.4? 隱性知識轉移低阻力類型

當Rwi、Rab、Rmo、Rtr、Rco∈［1.2，+∞）時，兩個隱性知識轉移主體處于合作伙伴關系，并屬于周期態情形。在兩個主體間的知識轉移過程中，輸出方轉移意愿較強、轉移能力較高，接收方吸收動機較強，因此合作信任強度較高、互動交流程度也較高。將5個阻力因素的較高取值范圍代入式（22），運算可得隱性知識轉移阻力的較低取值范圍，即TKTR∈（0，1 505］。可以看到，為了克服阻力作用，在固定擾動和隨機擾動的影響下，隱性知識轉移路徑發生彎曲和分離。此時，因隱性知識轉移阻力較小，主體Φ與主體Ω之間的轉移路徑呈現為極限環形式，如圖5所示。

在極限環型情景下，兩個主體間的合作關系強于競爭關系，這也是比較常見的主體關系。兩個主體間隱性知識轉移路徑的彎曲和分離呈現出非線性的復雜形態。知識主體可以通過增強連接關系來應對這種情景，如知識發出方可以在隱性知識轉移前進行準備工作，降低隱性知識復雜程度以便于接收方理解，調整隱性知識轉移阻力到合理范圍內以提高隱性知識轉移效果。同時，在知識主體間營造良好的共享氛圍、提高雙方信任度，有利于增強雙方隱性知識共享意愿，形成穩定的合作關系，進一步提高隱性知識共享協同增效價值（蘇佳坤等，2020）。知識主體還可以通過舉辦產品展覽會或知識交流分享會促進了解、增加信任，也可通過舉辦相關參觀與知識競賽活動，推動知識主體內部形成良好的學習氛圍。知識主體雙方可以通過建立更多的面對面交流平臺提高主體間交流頻度，利用在線會議推動知識共享服務線上平臺建設[50]。知識主體通過建立學習型組織以及搭建更為便捷高效的交流平臺，將隱性知識轉移阻力調整至合理范圍內，促進隱性知識轉移效果提高。

3.2.5? 隱性知識轉移零阻力類型

當Rwi、Rab、Rmo、Rtr、Rco→∞時，兩個隱性知識轉移主體間處于完全合作關系，甚至可兼并重組為一個知識主體，屬于單一態情形。在兩個主體的知識轉移過程中，輸出方轉移意愿極強、轉移能力極高，接收方吸收動機極強，因此合作信任強度極高，互動交流程度也極高，5個阻力因素的取值均趨于正無窮，且隱性知識轉移阻力趨于零，即TKTR→0。隱性知識在主體Φ與主體Ω之間的轉移路徑極為順暢，呈現為直線型轉移方式，如圖6所示。

在直線型情景下，兩個主體只存在合作關系、不存在競爭關系。在無其它因素干擾的情形下，這是理想化的主體關系，兩個主體間的隱性知識轉移極為流暢即呈現線性形態，但因為這種情景過于理想化，在現實中極為罕見。

4? 結論

本文在總結其他學者研究的基礎上，結合混沌理論，構建了蔡氏混沌隱性知識轉移模型，并通過Multisim14.0軟件進行仿真分析，探究了兩個知識主體間輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度變化即隱性知識轉移阻力變化對轉移效果的影響。得出以下結論：首先，隱性知識在兩個主體間轉移會顯著受到阻力的影響，微小的阻力變化有可能帶來隱性知識轉移類型的巨大變化，這也是混沌的特征之一，即系統整體對初始值極為敏感。在使用Multism14.0進行可視化仿真后，觀察發現，隨著輸出方轉移意愿、輸出方轉移能力、接收方吸收動機、合作信任強度、互動交流程度的變化（轉移阻力TKTR的變化），隱性知識轉移呈現出隱性知識轉移全阻力類型、隱性知識轉移高阻力類型、隱性知識轉移中阻力類型、隱性知識轉移低阻力類型、隱性知識轉移零阻力類型5種類型。知識主體雙方可以從內外部激勵、營造學習型組織文化氛圍、構建面對面交流平臺方面調整隱性知識轉移阻力，提高隱性知識轉移效果。

在現實汽車制造業中，有兩家公司的發展歷程較為符合蔡氏混沌隱性知識轉移模型，即J公司與L公司，它們分別在20世紀20年代和20世紀40年代創立于英國。通常汽車由發動機、底盤、車身和電氣設備4個基本部分組成，其中，發動機、底盤和電氣設備三部分屬于顯性知識，而車身外觀設計和內飾設計屬于隱性知識。

第一，自公司創立至1990年，為隱形知識轉移全阻力類型階段，在此期間，兩家公司屬于完全競爭關系，公司間隱性知識轉移意愿極小、轉移能力極低、吸收動機極弱，因此合作信任強度極低，互動交流程度也極低，幾乎沒有顯性知識轉移，更不用說隱性知識轉移。

第二，1990-2000年為隱性知識轉移高阻力類型階段。J公司于20世紀90年代被美國F集團收購，成為F集團的子公司，而L公司被德國B集團收購，成為B集團的子公司，因F集團與B集團有少量技術合作，J公司與L公司處于競爭對手關系（競爭大于合作），即J公司與L公司之間隱性知識轉移意愿較弱，轉移能力適中，吸收動機較弱，合作信任強度較低，互動交流程度也較低。此時，J公司與L公司之間隱性知識轉移效果較差，只有底盤部分技術作為顯性知識轉移，車身設計等隱性知識轉移較少，轉移效果較差。十年間J公司從未盈利，并陷入財務危機。

第三，2000—2008年為隱性知識轉移中阻力類型階段。21世紀初L公司被德國B集團出售給美國F集團，此時J公司與L公司同屬美國F集團，在F集團的指示下二者在英國考文垂設立聯合工程中心，共享技術研發成果，共同設計新發動機。在此期間，J公司與L公司處于合作競爭關系（競爭與合作平衡），J公司與L公司之間隱性知識轉移意愿也適中，轉移能力適中，吸收動機適中，合作信任強度適中，互動交流程度適中，隱性知識能較為流暢地在J公司與L公司之間進行轉移。2005年，L公司使用與J聯合研發的 J-V8發動機取代了原B集團的M62 V8發動機。在J公司與L公司聯合研發發動機過程中，由于底盤相關制造零部件通用，使得制造成本下降，同時，在車身內飾與外觀設計等方面也有相關交流，即發生隱性知識轉移，伴隨而來的是，J公司與L公司銷量提升，并在2007年突破400萬輛。

第四，2008—2013年為隱性知識轉移低阻力類型階段。2008年，J公司與L公司同時被美國F集團出售給印度T集團，J公司與L公司屬于合作伙伴關系，此時J公司與L公司之間的隱性知識轉移意愿較強，轉移能力較高，吸收動機較強，合作信任度較高，互動交流程度也較高，J公司與L公司之間的隱形知識轉移非常流暢，并在發動機技術、底盤技術結構和電子設備等方面完全共享技術，在車身外部設計和內飾設計等隱性知識方面也具有較高相似性。此時，J公司與L公司銷量進一步提升。

第五，2013年至今，為隱性知識轉移零阻力類型階段。2013年，J公司與L公司合并為JLR公司并完全共享技術與設計師。J公司與L公司屬于完全合作關系（合并為同一公司），J公司與L公司之間隱性知識轉移意愿極強，轉移能力極高，吸收動機極強，合作信任強度極高，互動交流程度也極高。J公司與L公司之間的隱性知識轉移極為流暢，呈現線性關系。在汽車四大基本組成部分，即發動機、底盤、車身和電氣設備方面實現了完全共享（例如兩公司全系車型都有裝配相同的PT204和PT306發動機），在車身外觀設計和內飾設計等隱性知識方面（例如旋轉升降式檔把）進行了知識轉移，設計成本進一步降低。在此期間，J公司與L公司拿到英國政府和皇室的大量團體訂單，銷量進一步提高，公司發展前景光明。J公司與L公司從創立之初的完全對立，到成為競爭對手，再到合作競爭、成為合作伙伴，最后合并為一個公司，詮釋了本研究中蔡氏隱性知識轉移模型中的五大類型，即隱性知識轉移全阻力類型、隱性知識轉移高阻力類型、隱性知識轉移中阻力類型、隱性知識轉移低阻力類型、隱性知識轉移零阻力類型，也充分證明了隱性知識高效轉移對企業發展的重要性。

本文的貢獻之處在于：隱性知識轉移過程與顯性知識轉移過程存在顯著不同，其中，隱性知識轉移過程是一個表達與反饋相結合的兩個主體間相互交流、相互啟發、相互提升的雙向轉移過程。相較于傳統的知識轉移模型，具有自我迭代、正負反饋等顯著非線性特征的蔡氏混沌模型更為適合研究隱性知識轉移過程。本文通過構建具有非線性特征的蔡氏混沌隱性知識轉移模型，填補了現有文獻中傳統線性知識轉移模型不適用于研究兼有表達與反饋且雙向交互隱性知識特征的轉移活動的不足，為研究隱性知識轉移提供了新思路。本文的不足之處在于沒有選擇實例進行實證研究，未來將進一步予以完善。

參考文獻：

[1]陳懷超， 盧彥丞， 叢貞， 等. 知識型服務企業員工與客戶隱性知識共享的系統動力學研究[J]. 管理評論， 2020， 32（2）： 127-138.

[2]SIEMENS W， SCHWARZER G， ROHE M S， et al. Reply to letter to the editor by Peters： knowledge transfer is the key[J].Journal of Clinical Epidemiology， 2021， 138（1）： 235-236.

[3]BABIC T， MUSA Z. Knowledge transfer through recognition and implementation of the transformational team member Role[C]//2021 44th International Convention on Information， Communication and Electronic Technology （MIPRO）. Opatija： IEEE， 2021： 765-770.

[4]DENNIS A， MICHAEL W， JOHN H. A process model of tacit knowledge transfer between sales and marketing[J].Industrial Marketing Management， 2021， 93（1）： 259-269.

[5]NARENDRA U P， PRADEEP B S， PRABHAKAR M. Externalization of tacit knowledge in a knowledge management system using chat bots[C].//2017 3rd International Conference on Science in Information Technology （ICSI Tech）. Bengaluru： Institute of Electrical and Electronics Engineers Inc， 2017： 613-617.

[6]ZHANG J H， YE J W， LI F F. Research on multi-case induced adaptation of explicit cases of tacit knowledge[J].Information Studies： Theory & Application， 2020，43（1）： 98-103.

[7]金勝勇， 杜坤. 基于過程分解的隱性知識轉移影響因素分析[J].情報理論與實踐， 2012， 35（4）： 21-24.

[8]施琴芬， 崔志明， 梁凱. 隱性知識轉移的特征與模式分析[J].自然辯證法研究， 2004，20（2）： 62-64，68.

[9]高鵬， 安立仁. 隱性知識存在性表征及其傳遞過程模型[J].科研管理， 2015， 36（11）： 131-138.

[10]RUMANTI A A， SAMADHI T M A A， WIRATMADJA I I. Impact of tacit and explicit knowledge on knowledge sharing at Indonesian small and medium enterprise[C].//2016 IEEE International Conference on Industrial Engineering and Engineering Management （IEEM）. Bali： IEEE， 2016： 11-15.

[11]PERRONOSKI F L J. Managing peer-to-peer cooperation using knowledge-based trust and encouraging the willingness to share tacit knowledge[J].Open Journal of Business and Management， 2021， 9（3）： 1246-1262.

[12]晏自翔， 卞藝杰. 隱性知識轉移匹配性分析及對策研究[J].情報理論與實踐， 2017， 40（3）： 48-52，59.

[13]HSSEINOIUN S， ABDULLAH R， JUSOH Y Y， et al. Information system success and knowledge grid integration in facilitating knowledge sharing among big data community[C]//2018 Fourth International Conference on Information Retrieval and Knowledge Management （CAMP）. Kota Kinabalu： IEEE， 2018： 1-5.

[14]CHRISTIAN S， CONSTANCE H， GIANMARIO V. Transferring knowledge by transferring individuals： innovative technology use and organizational performance in multiunit firms[J].Organization Science， 2021， 33（1）： 253-274.

[15]蔣永康， 梅強. 基于魚骨圖和層次分析法的知識轉移粘滯影響因素研究[J].科技管理研究， 2021， 41（10）： 169-177.

[16]張建華， 李方方， 劉藝琳，等. 融合TWD與FRS的隱性知識轉移研究[J].計算機科學與探索， 2021， 16（1）： 1-10.

[17]任旭， 劉佳. 魅力型領導對項目團隊內知識轉移影響研究[J].科研管理， 2021， 42（6）： 150-158.

[18]SUZUKI S， TAKEDA S， TANIDA R， et al. Knowledge transferred fine-tuning for anti-aliased convolutional neural network in data-limited situation[C]//2021 IEEE International Conference on Image Processing. Anchorage： IEEE， 2021： 864-868.

[19]NGUYEN L T， LEE K， SHIM B. Stochasticity and skip connection improve knowledge transfer[C]//2020 28th European Signal Processing Conference （EUSIPCO）. Amsterdam： IEEE， 2021： 1537-1541.

[20]MARINHO A J， COUTO J. BIM's contribution to tacit knowledge sharing in construction projects–a systematic review[C]//2021 16th Iberian Conference on Information Systems and Technologies （CISTI）. Chaves： IEEE， 2021： 1-7.

[21]CHUGH M， BHADORIA. R S. Analysis of the Indian IT sector–investigating the role of technology for software process improvement through knowledge management[C]//2021 10th IEEE International Conference on Communication Systems and Network Technologies （CSNT）. Bhopal： IEEE， 2021： 815-820.

[22]COSTA C， PERES P. A model for knowledge management in the e-learning and innovation unit on the polytechnic of porto[C]//2021 16th Iberian Conference on Information Systems and Technologies （CISTI）. Chaves： IEEE， 2021： 1-5.

[23]MOHAMED A W， ABUTARBOUSH H F， HADI A A， et al. Gaining-sharing knowledge based algorithm with adaptive parameters for engineering optimization[J].IEEE Access， 2021， 9（1）： 65934-65946.

[24]KRULL E， SMITH P， HUSTED K. Knowledge sharing in road mapping： toward a multilevel explanation[J].IEEE Transactions on Engineering Management， 2022，69（1）： 67-80.

[25]LUCA D， ALBERTO F， ARMANDO P， et al. The role of external embeddedness and knowledge management as antecedents of ambidexterity and performances in Italian SMEs[J].IEEE Transactions on Engineering Management， 2019， 68（2）： 360-369.

[26]NAIR S R， PILLAI K G， DEMIRBAG M. Reaping benefits from knowledge transfer–the role of confidence in knowledge[J].Journal of Knowledge Management， 2021， 25（5）： 1059-1080.

[27]WIRATMADJA I I， TAHIR N. Supplier development program through knowledge sharing effectiveness： a mentorship approach[J].IEEE Access， 2021， 9： 13464-13475.

[28]AHEDO V， SANTOS J I， GALAN J M. Knowledge transfer in commercial feature extraction for the retail store location problem[J].IEEE Access， 2021， 9： 132967-132979.

[29]ROY R， SARKAR S. Knowledge transfer in the precommercialization phase of a new industry： star scientists' （im） mobility in the presence of a potential lead user[J].IEEE Transactions on Engineering Management，2023，70（10）：3373-3384.

[30]AGARWAL U A， ANANTATMULA V. Psychological safety effects on knowledge sharing in project teams[J].IEEE Transactions on Engineering Management，2023，70（11）：3876-3886.

[31]NIKOLAOS P， MARIA T， ANASTASIOS T. Probabilistic knowledge transfer for lightweight deep representation learning[J].IEEE Transactions on Neural Networks and Learning Systems， 2020， 32（5）： 2030-2039.

[32]POTLURI R M， ANJAM M. Knowledge transfer in UAE higher education institutions during Covid-19 pandemic： learners' cannot learn surgery by watching[C]//2021 2nd International Conference on Computation， Automation and Knowledge Management （ICCAKM）. Dubai： IEEE， 2021： 25-30.

[33]SAMOILA C， URSUTIU D. Correlations determined by remote experiment used for knowledge transfer[J].IEEE Transactions on Education， 2021， 64（23）： 18-23.

[34]LAKOFF G， JOHNSON M. Metaphors we live by[M].Chicago： University of Chicago press， 1980： 10.

[35]黃華新. 認知科學視域中隱喻的表達與理解[J].中國社會科學， 2020，41（5）： 48-64，205.

[36]MADAN， RABINDER N. Chua's circuit： a paradigm for chaos[M].River Edge： World Scientific Publishing Company， 1993.

[37]MATSUMOTO， TAKASHI. A chaotic attractor from chua's circuit[J].IEEE Transactions on Circuits and Systems， 1984， 31（12）： 1055–1058.

[38]吳小桔， 吳潔， 李鵬， 等. 產業聯盟企業知識轉移博弈分析[J].統計與決策， 2017，33（4）： 180-183.

[39]董坤， 許海云， 崔斌. 知識流動研究述評[J].情報學報， 2020， 39（10）： 1120-1132.

[40]劉春艷. 創意團隊隱性知識轉移績效影響因素的實證研究[J].數理統計與管理， 2016， 35（3）： 391-402.

[41]嚴貝妮， 李宇佳. 基于認知結構的圖書館隱性知識轉移研究[J].情報理論與實踐， 2015， 38（10）： 89-94.

[42]盧艷秋， 孫丹丹， 趙彬. 代際知識轉移的關鍵影響因素識別研究[J].情報科學， 2020， 38（10）： 90-96.

[43]張向先， 李昆， 郭順利. 企業研發團隊隱性知識轉移績效的影響因素及實證研究——基于知識生態的視角[J].情報理論與實踐， 2016， 39（10）： 57-64.

[44]HARDY G H， WRIGHT E M. An introduction to the theory of numbers[M].Oxford： Clarendon Press， 1979.

[45]JEFFREYS H， JEFFREYS B S. Methods of Mathematical Physics[M].Cambridge： Cambridge University Press， 1988.

[46]包伯成. 混沌電路導論[M].北京： 科學出版社， 2013.

[47]王向陽， 郗玉娟， 謝靜思. 基于區域創新系統的知識轉移模型研究[J].圖書情報工作， 2017， 61（17）： 13-20.

[48]李春發， 趙樂生. 激勵機制影響新創企業知識轉移的系統動力學分析[J].科技進步與對策， 2017， 34（13）： 128-135.

[49]馬鴻佳， 宋春華， 畢強. 基于創業生態系統的多層級知識轉移模型研究[J].圖書情報工作， 2016， 60（14）： 16-23.

[50]張紫璇， 陳懷超， 呂妍妍. 知識異質性對集群企業知識共享績效的影響研究——有中介的調節模型[J].軟科學， 2021， 35（10）： 79-84.

責任編輯（責任編輯：胡俊健）

英文標題Simulation Research of Tacit Knowledge Transfer Based on Chua's Chaos

英文作者Su Yi 1， Liu Tonghe 1，Zhang Aoran2

英文作者單位（1. School of Economics and Management， Harbin Engineering University， Harbin 150001，China;2. Heilongjiang Centre for Foreign Scientific and technological cooperation， Harbin 150028，China）

英文摘要Abstract：In the era of knowledge economy， the efficient transfer of knowledge has become the key to the success of enterprises， and plays an increasingly important role in the innovation and development of enterprises. The process of knowledge transfer has become a hot issue in management research. However， scholars tend to focus on the process of explicit knowledge transfer and there is less research on the process of tacit knowledge transfer. Because the transfer process of tacit knowledge is significantly different from that of explicit knowledge which is a two-way transfer process of mutual communication， mutual inspiration and mutual promotion between the two subjects combined with expression and feedback. Addressing the issues， the research aims to study the tacit knowledge transfer by constructing Chua's chaotic tacit knowledge transfer model. The study introduces a nonlinear science paradigm for the study of tacit knowledge transfer， and provides a new research idea and method for scholars.

First of all，on the basis of the Chua's chaotic model in chaos theory and the existing literature review of tacit knowledge transfer， the Chua's chaotic tacit knowledge transfer model is constructed considering the characteristics of two-way nonlinear tacit knowledge transfer. Then the model is deduced and decomposed， and the simulation analysis is carried out by using Multisim14.0 to study the transfer rule of tacit knowledge between subjects. The research shows that firstly the transfer of tacit knowledge between two subjects is greatly affected by resistance， and the change of small resistance may bring about great changes in the type of tacit knowledge transfer， which is also one of the characteristics of Chaos， that the whole system is extremely sensitive to the initial value. Secondly according to the visual simulation by Multism14.0 ， it is observed that with the changes of the transfer willingness of the sender， the transfer ability of the sender， the absorption motivation of the receiver， the strength of cooperation and trust and the degree of interaction and communication （namely， the change of the transfer resistance TKTR）， there are five transfer types of tacit knowledge. The full resistance type of tacit knowledge transfer is that tacit knowledge cannot be transferred and shows stagnation. The high resistance type of tacit knowledge transfer is the Rossler attractor form with poor tacit knowledge transfer effect. The resistance type of tacit knowledge transfer is a double attractor form with high tacit knowledge transfer effect. The low resistance type of tacit knowledge transfer which is very smooth presents a nonlinear complexity form. The zero-resistance type of tacit knowledge transfer is a linear form which means the tacit knowledge transfer between the two subjects is super smooth. Both sides of the knowledge subject can adjust the resistance of tacit knowledge transfer from internal and external incentives， create a learning organizational culture atmosphere， and build a face-to-face communication platform， so as to improve the effect of tacit knowledge transfer. Lastly， the research introduces a real case in the automobile industry to prove the effectiveness of the Chua's chaotic tacit knowledge transfer model.

Through the introduction of the research paradigm of chaotic dynamics， Chua's chaotic tacit knowledge transfer model is constructed and added to the existing literature on traditional linear knowledge transfer model which does not apply to the tacit knowledge， and the study expresses the shortage of the two-way interaction between feedback and transfer， providing a new research method and means. Furthermore the study conducts the simulation analysis through Multisim14.0 software to explore the influence of the change of tacit knowledge transfer resistance on the effect of tacit knowledge transfer with changes of the transfer willingness of the sender， the transfer ability of the sender， the absorption motivation of the receiver， the strength of cooperation and trust and the degree of interaction between the two knowledge subjects， and provides a quantitative research method for the study on tacit knowledge transfer. Future research will be focused on the empirical case study.

英文關鍵詞Key Words：Tacit Knowledge Transfer; Knowledge Management

; Chaos Theory; Chua's Chaos