社交機制、關系結(jié)構(gòu)與社群網(wǎng)絡知識協(xié)作

劉征馳 陳文武,2 馬 滔,2

(1.湖南大學經(jīng)濟與貿(mào)易學院；2.湖南省物流信息與仿真技術重點實驗室)

1 研究背景

社交網(wǎng)絡平臺不僅顯著改變了人們的社交方式，也極大拓寬了人們的知識獲取途徑，其快速發(fā)展引起了學界和業(yè)界的關注。社交網(wǎng)絡平臺既具有“知識社交”功能，又具有“知識協(xié)作”功能。知識社交是指個體以知識為介質(zhì)，為滿足自身的認知需求而與其他個體建立社交關系。比如，在Facebook、Twitter、微博、知乎等知識信息社交平臺上，存在明顯的“大V效應”，被標V的用戶往往可以吸引到更多人的關注。也有大量用戶會明確知道自己的知識短板，有針對性地尋找與自己知識互補的用戶。此外，由于隱性知識的模糊性質(zhì)以及環(huán)境的動態(tài)隨機性，個體在選擇其他個體作為知識社交關系建立對象時，也存在隨機性。知識協(xié)作是指社群個體之間進行相互知識學習與新知識創(chuàng)造的過程。在知識社群網(wǎng)絡中，知識協(xié)作的結(jié)果主要體現(xiàn)為社群知識存量、社群學習能力與社群創(chuàng)新能力的共同演化。在當前互聯(lián)網(wǎng)知識經(jīng)濟時代，探討不同知識社交機制下的社群關系結(jié)構(gòu)差異及其所帶來的社群知識協(xié)作結(jié)果差異具有重要意義。

“社交機制”與“社群網(wǎng)絡”之間存在什么關系？這是一個重要卻往往被忽視的理論問題。關于個體社交動機的研究，現(xiàn)有文獻主要基于使用與滿足理論[1]、社會影響理論[2]、理性行為理論[3]等進行了探討。例如，HSU等[4]指出，獲取和分享知識信息是個體社交行為的主要驅(qū)動因素。HANAKI等[5]認為，在社交網(wǎng)絡中，人們建立或斷開社交關系存在短視的成本比較效應。胡磊等[6]利用經(jīng)驗數(shù)據(jù)分析了微博社區(qū)的用戶參與動機，研究發(fā)現(xiàn)信息價值是成員參與社區(qū)的重要動因。然而，這些研究大多停留于“就社交談社交”層面，未考慮個體知識社交機制對社群網(wǎng)絡構(gòu)建的影響。盡管BHATTACHARY等[7]從用戶生成內(nèi)容視角構(gòu)建了面向行動者的動態(tài)統(tǒng)計模型，研究發(fā)現(xiàn)個體傾向基于知識相似性建立社交關系，但模型缺乏對個體知識社交機制的刻畫，導致對知識社群網(wǎng)絡演化的解釋力有限。

隨著知識增長與創(chuàng)新逐漸趨于知識資源集成化和行為主體協(xié)同化，社群網(wǎng)絡已經(jīng)成為知識協(xié)作的重要載體。已有研究表明，關系結(jié)構(gòu)不僅會影響社群知識協(xié)作效率[8]和個體知識表現(xiàn)[9，10]，而且也會影響社群個體之間的知識交互過程[11]。在知識作為一種公共物品的情境下，LIN 等[12]發(fā)現(xiàn)冥律網(wǎng)絡的知識協(xié)作效率最高。然而，COWAN等[13]研究發(fā)現(xiàn)小世界網(wǎng)絡的知識協(xié)作效率最高。MORONE等[14]對COWAN等[13]所提出的模型進行了擴展，研究表明隨機網(wǎng)絡的知識協(xié)作效率最高。從社群網(wǎng)絡的結(jié)構(gòu)屬性出發(fā)，現(xiàn)有文獻也考察了社群關系的連通性與集聚性[15]、結(jié)構(gòu)洞[16]、關系強度[17]以及社會資本[18]等因素對知識協(xié)作的影響。在微觀視角下，大量的經(jīng)驗研究表明個體位置會顯著影響其知識表現(xiàn)[19]。此外，社群網(wǎng)絡的宏觀特性也會影響個體知識表現(xiàn)，UZZI等[20]指出，社群網(wǎng)絡的小世界性與個體創(chuàng)新正相關。

由上述文獻討論可知，已有研究主要探討了個體社交機制和外生網(wǎng)絡結(jié)構(gòu)對知識協(xié)作的影響，忽視了社交機制、網(wǎng)絡結(jié)構(gòu)與社群知識協(xié)作之間的動態(tài)聯(lián)系，這為本研究提供了契機。本研究嘗試將社交機制、網(wǎng)絡結(jié)構(gòu)與社群知識協(xié)作納入統(tǒng)一模型框架，在演化視角下，利用計算實驗方法進行研究。試圖在以下3個方面做出邊際貢獻：①現(xiàn)有文獻通常外生給定網(wǎng)絡結(jié)構(gòu)，本研究則從“知識驅(qū)動社交”的獨特視角，基于個體社交行為特質(zhì)動態(tài)構(gòu)建知識社群網(wǎng)絡。這一重要轉(zhuǎn)變將傳統(tǒng)的“網(wǎng)絡結(jié)構(gòu)決定論”縱向拓展為“個體行為決定論”，或?qū)O大深化對知識社群網(wǎng)絡構(gòu)建與運行機制的理解。②現(xiàn)有對社群知識協(xié)作的研究主要涉及知識學習和知識創(chuàng)造兩個方面，然而這兩種行為之間是否存在“此消彼長”的影響機制？本研究考慮個體“知識學習”和“知識創(chuàng)造”之間的替代效應，深入刻畫了知識存量、學習能力和創(chuàng)新能力的共同演化問題，構(gòu)建更契合現(xiàn)實行為特征的社群知識協(xié)作模型。③本研究從個體行為及其適應性調(diào)整出發(fā)探討社群知識協(xié)作問題，顯然傳統(tǒng)數(shù)學建模方法難以應對個體異質(zhì)性與行為演化建模挑戰(zhàn)。計算實驗方法填補了微觀行為與宏觀涌現(xiàn)之間的斷層，“從過程到結(jié)果”全方位揭示知識社交機制影響社群知識協(xié)作的作用機理。

2 數(shù)理模型

社群知識協(xié)作是一個動態(tài)演化過程，社群個體需要針對環(huán)境變化主動采取適應性行動，從而實現(xiàn)自身知識存量、學習能力和創(chuàng)新能力的不斷增長。此外，社群個體之間的相互知識學習過程也具有復雜適應性特征。計算實驗方法強調(diào)主體的智能性、主動性及其動態(tài)適應性，通過賦予社群知識主體簡單的學習和創(chuàng)新規(guī)則，可以得到復雜的社群知識動態(tài)演化現(xiàn)象。計算實驗方法為研究復雜的知識協(xié)作自組織、動態(tài)演化及其宏微觀之間相互作用提供了新的研究工具，為人們理解社群個體的適應性提供了新的視角。鑒于此，本研究擬采用計算實驗方法，探討社交機制、網(wǎng)絡結(jié)構(gòu)與社群知識協(xié)作之間的動態(tài)演化關系。

2.1 基于知識社交的社群網(wǎng)絡構(gòu)建

社群網(wǎng)絡的演化是大量主體在各種微觀機制作用的基礎上，產(chǎn)生宏觀層面復雜網(wǎng)絡結(jié)構(gòu)的過程。已有研究表明，個體之間社交關系的建立受理性決策、目標引導、環(huán)境隨機性等內(nèi)外部多方面因素影響。然而，隨著互聯(lián)網(wǎng)知識經(jīng)濟時代的到來，知識已成為影響個體社交關系建立的一個重要因素。根據(jù)知識社交對象選擇差異，本研究認為，存在流行、互補和隨機3種以知識為驅(qū)動因素的社交機制。具體如下：①流行知識社交機制，指微觀主體在建立新的社交關系時，其首要考慮的是其他個體的受歡迎程度。個體受歡迎程度越大，建立新的社交關系的概率越大。例如，人們熱衷于加“大V”個體為好友。②互補知識社交機制，指微觀主體在建立新的社交關系時，其首要考慮的是其他個體與自身的知識互補程度。知識互補度越高，建立新的社交關系的概率越大。例如，科研人員主動尋求跨專業(yè)學者進行合作。③隨機知識社交機制，指除上述兩種因素影響以外，受其他隨機因素影響的社交關系建立機制。這主要是由于隱性知識的模糊性質(zhì)和個體所處環(huán)境的動態(tài)隨機性，微觀個體在與其他個體建立社交關系時也受到隨機因素的影響。

(1)

2.2 社群網(wǎng)絡知識協(xié)作模型

“外部知識”學習與“原創(chuàng)知識”創(chuàng)造[22]是社群知識存量、社群學習能力與社群創(chuàng)新能力增長的主要方式?！巴獠恐R”學習是指個體以社交關系為紐帶吸收其他個體知識的過程。其學習結(jié)果往往可以跳出個體原有知識軌道，是對領域外知識的快速獲取?！霸瓌?chuàng)知識”創(chuàng)造是指個體在已有知識的基礎上進行局部性或改良性創(chuàng)新。其創(chuàng)新結(jié)果往往遵循個體原有知識軌道，是對領域內(nèi)知識的深化。個體學習能力是指個體從與其存在知識勢差的其他個體那里吸收“外部知識”的能力。個體創(chuàng)新能力是指個體利用自身已有知識進行“原創(chuàng)知識”創(chuàng)造的能力。所有社群個體的“外部知識”學習和“原創(chuàng)知識”創(chuàng)造的加總即構(gòu)成社群網(wǎng)絡知識協(xié)作，所有社群個體的學習能力、創(chuàng)新能力分別加總即構(gòu)成社群學習能力、社群創(chuàng)新能力。

在知識協(xié)作過程中，個體知識存量增長包括“外部知識”學習與“原創(chuàng)知識”創(chuàng)造兩個方面，即

(2)

2.2.1基于知識勢差的互補學習

“外部知識”學習條件為，當且僅當個體間既存在知識社交關系，又相互具有知識勢差。具體地，構(gòu)建“外部知識”學習函數(shù)[13]為

(3)

2.2.2基于知識存量的個體創(chuàng)新

“原創(chuàng)知識”創(chuàng)造與創(chuàng)新能力成正比，但也受外部隨機環(huán)境的影響，從而表現(xiàn)出正態(tài)隨機性[23]。基于此，構(gòu)建知識創(chuàng)新函數(shù)[24]：

(4)

2.2.3替代效應下學習與創(chuàng)新能力演化

已有研究大都認為，個體學習能力與創(chuàng)新能力的提升主要是通過知識整合[25～27]。事實上，個體在相應知識活動上的時間注意力資源投入，才是其能力提升的內(nèi)核驅(qū)動力[28,29]，個體學習能力、個體創(chuàng)新能力分別與其在“外部知識”學習、“原創(chuàng)知識”創(chuàng)造上的時間注意力資源投入成正比。

假設“外部知識”學習與“原創(chuàng)知識”創(chuàng)造之間存在替代效應。具體地說，一方面，在“外部知識”學習上，當個體與社群平均水平相比具有比較優(yōu)勢時，個體用“外部知識”學習替代“原創(chuàng)知識”創(chuàng)造，減少在“原創(chuàng)知識”創(chuàng)造上的時間注意力資源投入，反之則增加；另一方面，在“原創(chuàng)知識”創(chuàng)造上，當個體與社群平均水平相比具有比較優(yōu)勢時，個體用“原創(chuàng)知識”創(chuàng)造替代“外部知識”學習，減少在“外部知識”學習上的時間注意力資源投入，反之則增加。

基于上述假設，構(gòu)建個體學習能力、創(chuàng)新能力演化方程如下[24]：

(5)

(6)

本研究模型討論歸納的研究思路見圖1。

圖1 總體研究思路

3 計算實驗

3.1 知識社群網(wǎng)絡構(gòu)建

考慮一個由有限個體組成的知識社群，全部個體的集合記為N={1,2,…，n}，n為社群規(guī)模。個體i、j之間的連邊代表他們之間存在知識社交關系，記為eij=1，則eij=0表示不存在知識社交關系。社群網(wǎng)絡中全部知識社交關系的集合記為E={e11,e12,…,e21,e22,…,enm}，因此，知識社群網(wǎng)絡可記為G={N,E}。與個體i存在知識社交關系的其他個體的集合記為Γi={j∈I∶eij=1}。

鄧巴數(shù)理論指出，人類認知能力的有限性使得個體社群網(wǎng)絡規(guī)模大概是150人左右[30]，因此，本研究將從單個個體衍生出來的知識社群網(wǎng)絡的規(guī)模設為150，即假設N=150。為生成流行、互補和隨機3種知識社群關系網(wǎng)絡，設M0=3,M=2。生成的知識社群網(wǎng)絡可視化圖像見圖2。由圖2可知，流行關系社群的極少數(shù)節(jié)點占據(jù)了絕大部分知識社交關系，而隨機關系社群和互補關系社群中知識社交關系分布則相對均勻。

假設個體初始知識存量ki,cx(0)服從標準正態(tài)分布N(0,1)，知識類型數(shù)量x=10，初始學習能力αi(0)和初始創(chuàng)新能力βi=(0)分別服從(0,0.1]均勻分布?？紤]到現(xiàn)實社群中往往存在一些“專家”個體，因此，針對每種知識類型，隨機選定一個體，將其初始知識存量設為10。由于在T=50之前社群知識協(xié)作已達到穩(wěn)定狀態(tài)，為便于實驗結(jié)果的觀察，設時間T=50。

圖2 知識社群網(wǎng)絡圖

3.2 社交機制對社群知識協(xié)作的影響

社群知識協(xié)作的結(jié)果表現(xiàn)為社群知識存量、社群學習能力和社群創(chuàng)新能力的共同演化。各變量在不同的社群網(wǎng)絡下隨時間動態(tài)演進的情況見圖3。

圖3 社群知識存量、學習能力與創(chuàng)新能力共同演化

圖4 知識社交關系分布

由圖3可知，在初始時刻，3種社群網(wǎng)絡的知識存量、學習能力和創(chuàng)新能力都沒有顯著差別。隨著時間的演進，社群知識存量逐漸分化，隨機關系社群的增長速度快于互補關系社群，快于流行關系社群，并隨后達到以恒定速度持續(xù)增長的穩(wěn)定狀態(tài)。社群學習能力和社群創(chuàng)新能力在T=10左右之后出現(xiàn)明顯分化，且在T=10左右之后，社群學習能力、創(chuàng)新能力分別小幅減小、增大后達到穩(wěn)定狀態(tài)，隨機、互補、流行關系社群的學習能力(創(chuàng)新能力)最后分別穩(wěn)定在0.44(0.67)、0.41(0.59)，0.34(0.57)附近。由此，可得如下命題：

命題1隨機知識社交機制最利于社群知識存量和社群學習能力的提高，流行知識社交機制最利于社群創(chuàng)新能力的提高。

3.3 社群關系結(jié)構(gòu)對知識協(xié)作的影響

前文分析發(fā)現(xiàn)，隨機關系社群最利于社群知識存量和社群學習能力提高，流行關系社群最利于社群創(chuàng)新能力提高。知識社交機制決定社群關系結(jié)構(gòu)，社群關系結(jié)構(gòu)則決定了個體在社群網(wǎng)絡中能夠配置的知識資源。后文將從社群關系結(jié)構(gòu)的宏觀層面(社群關系分布)與微觀層面(個體關系廣度)，進一步分析知識社交機制影響社群知識存量、社群學習能力與社群創(chuàng)新能力共同演化的路徑機理。

3.3.1宏觀層面：社群關系分布

社群關系分布是指由社群中所有個體的個體關系廣度所形成的數(shù)量分布。由3種不同知識社交機制所形成的社群網(wǎng)絡，其關系分布見圖4。由圖4可得如下命題：

命題2隨機社群關系呈均勻分布，互補、流行社群關系呈冥律分布，且流行社群關系分布的冥律特性更強。

為確定社群關系分布與社群知識存量、學習能力和創(chuàng)新能力共同演化之間的關系，對每種社群網(wǎng)絡，重復運行實驗100次，得到知識社群演化達到穩(wěn)態(tài)時，社群知識存量、學習能力、創(chuàng)新能力分別與社群關系分布方差之間關系的散點圖(見圖5)。由圖5可得如下命題：

命題3社群關系分布的均勻性(冥律性)與社群知識存量、社群學習能力正(負)相關，與社群創(chuàng)新能力負(正)相關。

圖5 社群關系分布方差與社群知識存量、學習能力、創(chuàng)新能力

命題3說明，社群關系所呈現(xiàn)的均勻分布特征雖然有利于社群知識存量和學習能力的提高，但卻抑制了社群創(chuàng)新能力的提高。原因在于兩個方面：①在關系分布較均勻的社群中，社群內(nèi)部關系資源差距較小，因而社群個體的“外部知識”學習機會差距較小。隨著時間的演進，關系分布均勻的社群更容易滿足知識勢差條件，從而社群內(nèi)部“外部知識”學習機會更多，這有利于社群學習能力的提高。相反，在關系呈冥律分布的社群中，社群內(nèi)部“外部知識”學習機會較少，這有利于社群創(chuàng)新能力的提高。②“外部知識”學習對社群知識存量的增加占主導作用，從而社群關系分布的均勻性與知識存量正相關。

3.3.2微觀層面：個體關系廣度

下面從微觀層面分析個體關系廣度與個體知識存量、學習能力、創(chuàng)新能力之間的關系，以期為前文的社群宏觀結(jié)論找到個體微觀基礎。

在隨機、互補、流行3種知識社群網(wǎng)絡中，當社群知識存量、社群學習能力以及社群創(chuàng)新能力的共同演化達到穩(wěn)態(tài)時，個體關系廣度與個體知識存量、學習能力、創(chuàng)新能力的關系見圖6。由圖6可得如下命題：

圖6 個體關系廣度與個體知識存量、學習能力、創(chuàng)新能力

命題4在隨機、互補、流行3種社群網(wǎng)絡中，個體關系廣度與個體知識存量、個體學習能力正相關，與個體創(chuàng)新能力負相關。

由命題4可知，在隨機、互補、流行3種社群網(wǎng)絡中，個體關系廣度的擴大有利于個體知識存量和個體學習能力的提高，但不利于個體創(chuàng)新能力的提高。原因在于兩個方面：①關系廣度越大的個體，“外部知識”學習機會越多，這有利于個體學習能力的提高，但不利用個體創(chuàng)新能力的提高。②“外部知識”學習對個體知識存量的增長具有主導作用，從而關系廣度越大的個體，知識存量越高。

從社群整體來考慮，由前文的分析可知，隨機社群關系呈均勻分布，而互補社群和流行社群關系則呈冥律分布。在關系呈冥律分布的互補和流行社群網(wǎng)絡中，關系廣度較小的個體占據(jù)了極大多數(shù)，而個體關系廣度的大小又與個體知識存量、個體學習能力正相關，與個體創(chuàng)新能力負相關。由此可見，社群關系分布的冥律性(均勻性)與社群知識存量、學習能力負(正)相關，與社群創(chuàng)新能力正(負)相關。這一分析為命題3奠定了微觀基礎。

4 敏感性分析

計算實驗研究方法具有天然的隨機性，即使是完全相同的實驗參數(shù)，兩次實驗的結(jié)果也可能存在差異。為驗證上述實驗結(jié)論的穩(wěn)健性，下面從知識社交關系數(shù)量和知識社群個體數(shù)量兩個方面做敏感性分析。重復運行實驗100次，取均值作為實驗的最后結(jié)果。

4.1 知識社交關系數(shù)量

調(diào)整社群知識社交關系數(shù)量參數(shù)的大小，分析本研究結(jié)論的穩(wěn)健性。在3種社群網(wǎng)絡中，設初始社群規(guī)模M0=15，分別設定新建知識社交關系數(shù)量M=2,5,10，得到不同新建知識社交關系數(shù)量情況下，3種知識社群網(wǎng)絡可視化圖像見表1。

表1 不同知識社交關系數(shù)量情況下的社群網(wǎng)絡

由表1可知，隨著新建知識社交關系數(shù)量的增加，社群內(nèi)部的知識社交關系越來越緊密。當M=2，5，10時，社群知識社交關系總量分別為375、780、1 455。

不同知識社交關系數(shù)量的情況下，第50、60、70、80、90、100期時的社群知識存量、社群學習能力和社群創(chuàng)新能力值，以及互補關系社群、流行關系社群分別與隨機關系社群的比值見表2。由表2可知，在社群演化達到穩(wěn)態(tài)后，即T=50后，在不同的知識社交關系數(shù)量情況下，互補關系社群知識存量、學習能力分別與隨機關系社群的比值始終小于等于1，且分別大于流行關系社群與隨機關系社群的比值；在創(chuàng)新能力方面，互補關系社群與隨機關系社群的比值大于1，且小于流行關系社群與隨機關系社群的比值。這說明，在不同知識社交關系數(shù)量情況下，在知識存量、學習能力方面，隨機關系社群優(yōu)于互補關系社群與流行關系社群；在創(chuàng)新能力方面，流行關系社群優(yōu)于互補關系社群與隨機關系社群。

表2 不同社交關系數(shù)量情況下的知識社群演化

總體而言，隨著社群知識社交關系數(shù)量的增加，隨機關系社群的知識存量、學習能力始終高于互補關系社群，互補關系社群的知識存量、學習能力始終高于流行關系社群。在創(chuàng)新能力方面，流行關系社群始終高于互補關系社群，高于隨機關系社群。這表明，在不同知識社交關系數(shù)量情況下，知識社交機制對社群知識存量、社群學習能力和社群創(chuàng)新能力共同演化的影響具有穩(wěn)健性。

4.2 知識社群個體數(shù)量

調(diào)整知識社群個體數(shù)量參數(shù)的大小，分析本研究結(jié)論的穩(wěn)健性。分別設定知識社群個體數(shù)量N=100,200,300,400,500，得到隨機、互補和流行3種知識社群關系網(wǎng)絡可視化圖像。隨著知識社群個體數(shù)量的增加，社群知識社交關系數(shù)量也會增加。當知識社群個體數(shù)量N=100，200，300，400，500時，社群知識社交關系總量分別為197、397、597、797、997。

不同知識社群個體數(shù)量情況下，第50、60、70、80、90、100期時的社群知識存量、社群學習能力與社群創(chuàng)新能力值，以及互補關系社群、流行關系社群分別與隨機關系社群的比值見表3。由表3可知，在社群演化達到穩(wěn)態(tài)后，即T=50后，在不同知識社群個體數(shù)量情況下，在知識存量和學習能力方面，互補關系社群與隨機關系的比值在不同社群規(guī)模情況下都小于1，且都大于流行關系社群與隨機關系社群的比值；在創(chuàng)新能力方面則相反，互補關系社群與隨機關系社群的比值都大于1，且都小于流行關系社群與隨機關系社群的比值。這說明，在不同的社群個體數(shù)量情況下，隨機關系社群的知識存量、學習能力始終高于互補關系社群、高于流行關系社群；在創(chuàng)新能力方面，流行關系社群始終高于互補關系社群、高于隨機關系社群。

表3 不同個體數(shù)量情況下的知識社群演化

續(xù)表3

總體而言，隨著知識社群個體數(shù)量的增加，隨機關系社群的知識存量、學習能力持續(xù)高于互補關系社群，互補關系社群則持續(xù)高于流行關系社群。在創(chuàng)新能力方面，流行關系社群持續(xù)高于互補關系社群，互補關系社群又持續(xù)高于隨機關系社群。這表明，在不同知識社群個體數(shù)量情況下，知識社交機制對社群知識存量、社群學習能力和社群創(chuàng)新能力共同演化的影響具有穩(wěn)健性。

5 結(jié)語

通過以上研究，得到如下結(jié)論：①隨機知識社交機制最利于社群知識存量和社群學習能力的增長，流行知識社交機制最利于社群創(chuàng)新能力的增長；②隨機社群關系呈均勻分布，互補、流行社群關系呈冥律分布，且流行社群關系分布的冥律特性更強；③社群關系分布的均勻性(冥律性)與社群知識存量、社群學習能力正(負)相關，與社群創(chuàng)新能力負(正)相關。

本研究具有如下理論意義：①從知識社交機制視角內(nèi)生化了社群網(wǎng)絡構(gòu)建，提出“社交機制—社群網(wǎng)絡—知識協(xié)作”三階段研究范式，這在一定程度上擴展了社群知識協(xié)作研究的邊界，并為未來相關研究提供了一種新的可行思路；②由于知識本身的默會性以及知識學習、創(chuàng)新活動的復雜性和因果模糊性，收集相關數(shù)據(jù)較為困難。此外，傳統(tǒng)數(shù)學建模方法也難以應對社群個體異質(zhì)性和社群知識協(xié)作的動態(tài)演化建模方法挑戰(zhàn)，本研究采用計算實驗方法克服了上述難題，有力推動了互聯(lián)網(wǎng)環(huán)境下大規(guī)模知識協(xié)作的研究方法創(chuàng)新。

本研究為知識型社群實踐提供如下管理啟示：管理者不僅需要考慮到組織文化以及個體屬性等因素，還應該從社交機制層面考慮社群關系結(jié)構(gòu)的設計。對于學習型社群而言，管理者可以推行扁平化的成員管理結(jié)構(gòu)，鼓勵社群內(nèi)部成員間的交流與合作，充分利用成員間關系互動所帶來的知識溢出效應，以改善社群的發(fā)展速度與質(zhì)量。對于創(chuàng)新型社群而言，則應推行中心化的成員關系結(jié)構(gòu)，鼓勵社群內(nèi)部成員花費更多時間資源在知識創(chuàng)新上，以增強社群創(chuàng)新能力，增加社群創(chuàng)新成果產(chǎn)出。

本研究也存在一定的局限性：①利用計算實驗方法研究知識協(xié)作時的參數(shù)設定僅停留在理論層面，進一步的研究可通過收集現(xiàn)實數(shù)據(jù)進行參數(shù)估計，從而使研究結(jié)果對現(xiàn)實具有更強的解釋力；②在知識社交和知識協(xié)作模型構(gòu)建時，僅考慮了單一的知識因素，而在實際中個體社交行為和社群知識協(xié)作行為更復雜；③采用的計算實驗方法是通過數(shù)學建模和計算機編程技術再現(xiàn)現(xiàn)實微觀主體行為，來研究復雜的宏觀社群知識協(xié)作現(xiàn)象，其數(shù)學建模過程中的現(xiàn)實可驗證性是這一方法的主要缺陷。