知識(shí)耦合視角下在線問(wèn)答學(xué)習(xí)社區(qū)的知識(shí)共享演化博弈

【中圖分類號(hào)】G40-057【文獻(xiàn)標(biāo)識(shí)碼】A【論文編號(hào)】1009—8097（2025）05—091—10【DOI】10.3969/j.isn.1009-8097.2025.05.010

一研究背景

在線問(wèn)答學(xué)習(xí)社區(qū)因其開(kāi)放性、交互性、及時(shí)性等特征受到眾多學(xué)習(xí)者的喜愛(ài)，成員數(shù)量呈噴井式增長(zhǎng)，并為學(xué)習(xí)者提供了一個(gè)“群體眾包”型的知識(shí)共享交流平臺(tái)。知識(shí)共享是組織或個(gè)體適應(yīng)世界與維持核心競(jìng)爭(zhēng)力的關(guān)鍵1，其相關(guān)研究集中在三個(gè)方面： ① 知識(shí)共享網(wǎng)絡(luò)特征。例如，宋雪峰等[2發(fā)現(xiàn)在線社區(qū)多數(shù)成員聯(lián)系較為松散，核心角色和外圍角色分化鮮明。 ② 知識(shí)共享行為。例如，陳明紅等[3]、Sun等4]提出結(jié)構(gòu)資本對(duì)社區(qū)知識(shí)共享具有正向影響，而關(guān)系資本、認(rèn)知資本對(duì)社區(qū)知識(shí)共享的數(shù)量與質(zhì)量具有正向影響。 ③ 知識(shí)共享影響因素。例如，侯貴生等[5]認(rèn)為知識(shí)外化的難度直接影響知識(shí)共享策略；姚慧麗等回、冀鴻等[]、Lou等[8]認(rèn)為知識(shí)共享會(huì)產(chǎn)生知識(shí)協(xié)同收益，且收益與知識(shí)共享意愿、知識(shí)存量、知識(shí)吸收轉(zhuǎn)化等緊密相關(guān)；而 Hendriks[9]、李從東等[10]、王鵬民等[11]提出，共享收益還受到知識(shí)獲取能力、知識(shí)轉(zhuǎn)化能力等因素的影響。

知識(shí)耦合是兩個(gè)或兩個(gè)以上的知識(shí)系統(tǒng)相互滲透、重組，以促進(jìn)新知識(shí)生成的過(guò)程[12]。在知識(shí)耦合視角下探究知識(shí)共享行為的獨(dú)特優(yōu)勢(shì)，在于能夠通過(guò)動(dòng)態(tài)交互分析知識(shí)共享行為的規(guī)律。知識(shí)活動(dòng)個(gè)體傾向于以有限的思考、有限的時(shí)間投入?yún)⑴c知識(shí)耦合過(guò)程，這意味著知識(shí)共享具有不確定性，需要在演化博弈的過(guò)程中探索知識(shí)共享策略。知識(shí)耦合的相關(guān)研究聚焦三個(gè)方面： ① 企業(yè)/產(chǎn)業(yè)知識(shí)交流，包括產(chǎn)學(xué)研知識(shí)耦合[13]、新興產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)知識(shí)耦合[14]等; ② 知識(shí)體系的耦合，包括知識(shí)共同體與德育共同體的耦合[15]、學(xué)科知識(shí)生產(chǎn)系統(tǒng)的耦合[16]等； ③ 知識(shí)耦合的技術(shù)效應(yīng)，包括技術(shù)突破與創(chuàng)新[17]、技術(shù)耦合度[18]等。

既往研究忽略了知識(shí)共享在知識(shí)流動(dòng)和知識(shí)耦合過(guò)程中的動(dòng)態(tài)作用機(jī)制，因此有必要從動(dòng)態(tài)視角對(duì)知識(shí)耦合過(guò)程中的知識(shí)共享行為進(jìn)行深入分析?；诖?，本研究采用演化博弈方法，嘗試構(gòu)建在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈模型，并借助仿真實(shí)驗(yàn)分析社區(qū)成員知識(shí)共享的發(fā)生機(jī)制與演化規(guī)律，以期為在線學(xué)習(xí)社區(qū)的知識(shí)共享行為研究與平臺(tái)功能優(yōu)化提供參考。

二在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈模型的構(gòu)建

演化博弈方法是一種研究群體成員行為隨時(shí)間變化而發(fā)生變化的方法，重在探究群體策略的調(diào)整與選擇機(jī)制，以解釋社會(huì)行為的形成與演化。采用此方法，本研究構(gòu)建了在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈模型，包括四個(gè)步驟： ① 分析知識(shí)耦合過(guò)程，揭示演化博弈涉及的“知識(shí)外化、知識(shí)群化、知識(shí)內(nèi)化、知識(shí)創(chuàng)造”四個(gè)階段； ② 構(gòu)建收益矩陣，即在四個(gè)階段的基礎(chǔ)上分別探究成員群體的收益成本； ③ 構(gòu)建復(fù)制動(dòng)態(tài)方程，即在收益矩陣的基礎(chǔ)上，探究用戶知識(shí)共享決策隨時(shí)間變化而呈現(xiàn)的變化趨勢(shì)； ④ 制定演化博弈穩(wěn)定策略，即在復(fù)制動(dòng)態(tài)方程的基礎(chǔ)上，分析用戶知識(shí)共享決策的穩(wěn)定行為模式。

1知識(shí)耦合過(guò)程

本研究基于Nonaka等[9提出的知識(shí)轉(zhuǎn)化模型，將知識(shí)耦合過(guò)程分為知識(shí)外化、知識(shí)群化、知識(shí)內(nèi)化、知識(shí)創(chuàng)造四個(gè)階段，如圖1所示。在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈模型比較關(guān)注知識(shí)耦合過(guò)程中社區(qū)成員與其他知識(shí)系統(tǒng)的知識(shí)轉(zhuǎn)化，但忽略了外部環(huán)境帶來(lái)的影響。而知識(shí)耦合的外部環(huán)境是一個(gè)泛化概念，包括學(xué)校培訓(xùn)、社會(huì)培訓(xùn)等，這些內(nèi)容并不直接作用于在線問(wèn)答學(xué)習(xí)社區(qū)的知識(shí)耦合過(guò)程，但會(huì)通過(guò)豐富個(gè)人知識(shí)存量間接影響知識(shí)耦合質(zhì)量。從知識(shí)外化到知識(shí)群化到知識(shí)內(nèi)化再到知識(shí)創(chuàng)造，對(duì)應(yīng)了知識(shí)呈現(xiàn)、知識(shí)轉(zhuǎn)移、知識(shí)吸收、知識(shí)升華的內(nèi)在過(guò)程，這一過(guò)程是問(wèn)答學(xué)習(xí)社區(qū)知識(shí)生產(chǎn)與傳播、用戶知識(shí)獲得與創(chuàng)造的關(guān)鍵。

2收益矩陣

雖然社區(qū)成員知識(shí)獲得的外部環(huán)境差異較大，但最終都會(huì)影響到個(gè)體知識(shí)存量。因此，外部環(huán)境對(duì)社區(qū)成員的影響，可以間接用知識(shí)存量來(lái)描述。本研究用 K_m ， K_n ，分別表示成員 m 、n的知識(shí)存量。

（1）知識(shí)外化階段的收益

在本階段，知識(shí)提供方通過(guò)外化個(gè)體知識(shí)到在線問(wèn)答學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)知識(shí)與系統(tǒng)的耦合。參考侯貴生等[20]提出的“知識(shí)外化是一種相對(duì)支出狀態(tài)和相關(guān)指標(biāo)”的觀點(diǎn)，本研究用 η_m ， η_n 分別表示成員 m 、n的支出系數(shù)，同時(shí)用 η_mK_m ， η_nKn 分別表示成員 m 、n的知識(shí)支出狀態(tài)。

（2）知識(shí)群化階段的收益

在本階段，社區(qū)成員與知識(shí)系統(tǒng)耦合產(chǎn)生協(xié)同效應(yīng)。依據(jù)姚慧麗等[211、冀鴻等[22]、Lou等[23]等關(guān)于知識(shí)協(xié)同的觀點(diǎn)，本研究將成員知識(shí)存量 （K） 、知識(shí)協(xié)同系數(shù) （α） 、知識(shí)轉(zhuǎn)化能力 （θ） 、異質(zhì)性知識(shí)比例 （H） ！成員知識(shí)共享意愿（S）作為知識(shí)協(xié)同的主要因素。據(jù)此，本研究用 K_mS_mH_mθ_n 表示成員 n 獲得成員 m 的知識(shí)價(jià)值，協(xié)同收益為 K_mS_mH_m（θ_n+α_n） ；同理，成員 m 的協(xié)同收益為 K_nS_nH_n（θ_m+α_m） 。

（3）知識(shí)內(nèi)化階段的收益

在本階段，社區(qū)成員主動(dòng)與知識(shí)系統(tǒng)耦合，并不斷建構(gòu)和拓展已有的知識(shí)體系。依據(jù)李從東等[24]、王鵬民等[25]、Hendriks[26]提出的直接知識(shí)收益計(jì)算方法，本研究用 G 表示知識(shí)獲取能力，則成員 n 的知識(shí)內(nèi)化收益為 K_mS_mG_nθ_n 、成員 m 的知識(shí)內(nèi)化收益為 K_nS_nG_mθ_m 。

（4）知識(shí)創(chuàng)造階段的收益

在本階段，社區(qū)成員基于已有的知識(shí)存量及其與知識(shí)系統(tǒng)的耦合，獲得協(xié)同收益和直接收益。由于個(gè)體的認(rèn)知系統(tǒng)存在差異，故本研究使用 β 表示知識(shí)創(chuàng)造能力，則成員 n. 成員m創(chuàng)造知識(shí)的收益分別為 β_nK_n ！β_mK_m 。通過(guò)知識(shí)創(chuàng)造引發(fā)新的知識(shí)不平衡，可使知識(shí)存量在內(nèi)、外部環(huán)境的作用下迭代更新，從而產(chǎn)生新一輪的耦合效應(yīng)。

綜上，本研究構(gòu)建了社區(qū)成員收益矩陣，如表1所示。其中，T表示其他支出，主要指社區(qū)成員行動(dòng)產(chǎn)生的額外成本。當(dāng)成員 n 與成員m積極共享時(shí)，整體收益為“知識(shí)內(nèi)化、知識(shí)群化、知識(shí)創(chuàng)造三個(gè)階段用戶收益之和”與“知識(shí)外化階段用戶收益”之差；當(dāng)一方成員消極共享時(shí)，收益值為0，即不獲得收益。

3復(fù)制動(dòng)態(tài)方程

本研究采用演化博弈方法，設(shè)成員 m 選擇積極共享策略的概率為y、選擇消極共享策略的概率為1-y，而成員 n 選擇積極共享策略的概率為 x 、選擇消極共享策略的概率為 。對(duì)成員 n （成員 m 同理，故不贅述）兩種策略的期望收益情況進(jìn)行分析，本研究得到積極共享期望收益 N_ps 、消極共享期望收益 N_ns 。在此基礎(chǔ)上，本研究構(gòu)建了成員 n 的復(fù)制動(dòng)態(tài)方程，用函數(shù) F（x） 表示，如公式（1）所示。

公式（1）

根據(jù)函數(shù)穩(wěn)定性原理，僅當(dāng) F^′（x）lt;0 時(shí)， X₀ 是原始方程和展開(kāi)式的穩(wěn)定點(diǎn)。基于此原理，本研究對(duì) y=y₀， （20 分別進(jìn)行數(shù)據(jù)計(jì)算，結(jié)果顯示：當(dāng)成員 m 以 y₀ 概率進(jìn)行知識(shí)共享時(shí)，無(wú)論成員 n 是否進(jìn)行了知識(shí)共享，其演化策略都沒(méi)有顯著變化；當(dāng)成員 m 的知識(shí)共享概率低于 y₀ 時(shí)，成員 n 的積極共享策略向消極共享策略轉(zhuǎn)變；當(dāng)成員 m 的知識(shí)共享概率高于 y₀ 時(shí)，成員 n 的消極共享策略向積極共享策略轉(zhuǎn)變。據(jù)此，本研究繪制了成員 n 的演化策略相位，如圖2所示。

4演化博弈穩(wěn)定策略

基于上述推導(dǎo)結(jié)果，本研究采用雅可比矩陣計(jì)算方法，得到 F（x） 的局部穩(wěn)定點(diǎn)：（0，0）、（0，1）、（1，0）、（1，1）和 （x₀，y₀） 。其中， xo?yo 的計(jì)算分別如公式（2）、公式（3）所示。

公式（2）

公式（3）

得到 F（x） 的局部穩(wěn)定點(diǎn)之后，本研究采用行列式 detJ 與跡 trJ 計(jì)算方法[27]，對(duì)復(fù)制動(dòng)態(tài)方程 F（x） 進(jìn)行分析，分析結(jié)果即為演化博弈穩(wěn)定策略，即（0，0）、 （1，1） 為穩(wěn)定點(diǎn)， （0，1） 一 （1，0） 為不穩(wěn)定點(diǎn)， （x0，y0） 為鞍點(diǎn)。如果坐標(biāo)點(diǎn)為穩(wěn)定點(diǎn)，則表明演化博弈過(guò)程具有向其聚焦和收斂的趨勢(shì)，進(jìn)而可得到在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享的演化博弈相位，如圖3所示。

三在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享行為演化博弈的仿真實(shí)驗(yàn)

系統(tǒng)動(dòng)力學(xué)是一類研究復(fù)雜系統(tǒng)動(dòng)態(tài)行為的科學(xué)方法統(tǒng)稱，而仿真實(shí)驗(yàn)是實(shí)現(xiàn)系統(tǒng)動(dòng)力學(xué)模擬與分析的具體方法。由于知識(shí)共享行為具有不確定性和不穩(wěn)定性，故本研究依托構(gòu)建的演化博弈理論模型進(jìn)行仿真實(shí)驗(yàn)，這是在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈模型的具體實(shí)踐。

既往研究經(jīng)過(guò)嚴(yán)密的理論、邏輯推導(dǎo)，獲得了虛擬學(xué)習(xí)社區(qū)行為仿真研究的初始賦值[28][29][30]，具有一定的可信度，但個(gè)別變量水平有必要加以修正：在線問(wèn)答學(xué)習(xí)社區(qū)中，知識(shí)獲取易受網(wǎng)站搜索與功能設(shè)置可用性的間接影響，故將變量“知識(shí)獲取能力”的初始值從既往研究的0.2修正為0.4；考慮到不同用戶的知識(shí)轉(zhuǎn)化能力存在差異，故將變量“知識(shí)轉(zhuǎn)化能力”的初始值從既往研究的0.3修正為0.5；另外，由于社區(qū)用戶大多為“潛水者”，難以真正實(shí)現(xiàn)有效知識(shí)創(chuàng)新，故將變量“知識(shí)創(chuàng)造能力”的初始值從既往研究的0.6修正為0.3。在此基礎(chǔ)上，本研究進(jìn)行了變量賦值，如表2所示。在后續(xù)的仿真實(shí)驗(yàn)過(guò)程中，上述變量水平僅為初始狀態(tài)，所有變量將依次分別變動(dòng)至少四個(gè)水平，以保證研究結(jié)果的可靠性。

為進(jìn)一步驗(yàn)證變量設(shè)置的合理性，本研究根據(jù)演化博弈穩(wěn)定策略調(diào)整變量水平，并使用Matlab 編寫(xiě)模型代碼，具體包括： ① 變量數(shù)值不變； ② 修改知識(shí)共享S值為0.1； ③ 修改知識(shí)共享S值為1的同時(shí)，設(shè)置支出系數(shù) η 為0.1，形成三組理論上的趨勢(shì)樣態(tài)，具體如圖4所示。其中，圖4（a）對(duì)應(yīng)了圖3的理論建構(gòu)，呈現(xiàn)出一種演化博弈態(tài)，當(dāng)超過(guò)鞍點(diǎn)位置 （x_O=0.357，y_O=0.357） 時(shí)，用戶趨向于選擇穩(wěn)定點(diǎn)為（1，1）的積極共享策略。圖4（b）、圖4（c）分別對(duì)應(yīng)穩(wěn)定點(diǎn)為（0，0）的消極共享策略、穩(wěn)定點(diǎn)為（1，1）的積極共享策略。上述驗(yàn)證結(jié)果表明，在線問(wèn)答學(xué)習(xí)社區(qū)知識(shí)共享演化博弈理論模型和實(shí)際結(jié)果具有高度一致性，說(shuō)明本研究提出的模型、變量均有效，可以作為后續(xù)研究的基礎(chǔ)。

1知識(shí)存量對(duì)知識(shí)共享的仿真分析

知識(shí)存量對(duì)知識(shí)共享的仿真結(jié)果如圖5所示，其中右側(cè)“異水平”圖中的d表示變量差值（圖 6～ 圖12同理）。在如圖5（a）所示的同水平情況下，成員的知識(shí)存量越大，其知識(shí)內(nèi)化與知識(shí)建構(gòu)的速度就越快，就越易實(shí)現(xiàn)知識(shí)共享；但知識(shí)存量的增長(zhǎng)，會(huì)導(dǎo)致收斂趨勢(shì)的變化幅度變小。在如圖5（b）所示的異水平情況下，不同成員的知識(shí)存量差值越大，用戶越趨向于選擇積極共享策略；而當(dāng)成員的知識(shí)存量差異不大且初始值較高（ k=60 ）時(shí)，收斂速度更快。上述分析表明，知識(shí)水平齊平的協(xié)同效應(yīng)與知識(shí)水平差異的互補(bǔ)效應(yīng)，均推動(dòng)了知識(shí)共享。

2知識(shí)共享意愿對(duì)知識(shí)共享的仿真分析

知識(shí)共享意愿對(duì)知識(shí)共享的仿真結(jié)果如圖6所示。在如圖6（a）所示的同水平情況下，低水平知識(shí)共享意愿將降低知識(shí)生產(chǎn)和交流的可能性，而隨著知識(shí)共享意愿增強(qiáng)，社區(qū)成員知識(shí)交流的概率得到顯著提高。當(dāng)知識(shí)共享意愿達(dá)到 35% 時(shí)，積極共享行為的發(fā)生概率接近 50% ，說(shuō)明知識(shí)共享意愿具有放大效應(yīng)，維持知識(shí)共享活動(dòng)至少需要 35% 的積極情緒。在如圖6（b）所示的異水平情況下，低水平知識(shí)共享意愿（初始值 s=0.1 ）會(huì)導(dǎo)致消極共享行為，即使其中一方的知識(shí)共享意愿達(dá)到 85% （ d=0.75 ），積極共享行為的發(fā)生仍會(huì)呈現(xiàn)短增、長(zhǎng)降的趨勢(shì)。同理，高水平知識(shí)共享意愿（初始值 s=0.6 ）會(huì)導(dǎo)致積極共享行為。

3知識(shí)異質(zhì)性對(duì)知識(shí)共享的仿真分析

知識(shí)異質(zhì)性對(duì)知識(shí)共享的仿真結(jié)果如圖7所示。在如圖7（a）所示的同水平情況下，低知識(shí)異質(zhì)性將快速引起消極知識(shí)共享行為，但較小幅的增長(zhǎng)將提高積極共享概率。在如圖7（b）所示的異水平情況下，每 25% 的增幅都會(huì)較為顯著地提高積極共享概率。低知識(shí)異質(zhì)性不利于知識(shí)共享與知識(shí)創(chuàng)造，但當(dāng)成員知識(shí)異質(zhì)性差值足夠大（ d=0.75 ）時(shí)，他們同樣會(huì)趨向于選擇積極共享行為，積極共享概率為 80%～90% 。當(dāng)初始知識(shí)異質(zhì)性水平足夠高時(shí)，積極共享行為將更快收斂。因?yàn)橹R(shí)內(nèi)容的多元化更可能促進(jìn)跨學(xué)科交流活動(dòng)，產(chǎn)生更多知識(shí)碰撞與分享意愿。

4知識(shí)協(xié)同對(duì)知識(shí)共享的仿真分析

知識(shí)協(xié)同對(duì)知識(shí)共享的仿真結(jié)果如圖8所示。在如圖8（a）所示的同水平情況下，社區(qū)成員進(jìn)行較低水平的知識(shí)協(xié)同，其積極共享行為的發(fā)生概率大于 80% ；隨著知識(shí)協(xié)同系數(shù)增大，積極共享行為會(huì)更快收斂。知識(shí)協(xié)同本身具有高附加值，其較低的水平就能促進(jìn)社區(qū)成員積極共享知識(shí)。在如圖8（b）所示的異水平情況下，低知識(shí)協(xié)同（初始值 α=0.1 ）、高知識(shí)協(xié)同（初始值 α=0.6 ）都能促進(jìn)積極共享行為的發(fā)生，但與知識(shí)異質(zhì)性、知識(shí)共享意愿等作用機(jī)制存在不同。差異化知識(shí)協(xié)同往往意味著知識(shí)與學(xué)科背景不同、成員思維模式不一，這更有可能衍生出獨(dú)立思考的個(gè)體、創(chuàng)造出新的理念和觀點(diǎn)，進(jìn)而促進(jìn)成員之間的知識(shí)交流與知識(shí)共享。

5知識(shí)獲取能力對(duì)知識(shí)共享的仿真分析

知識(shí)獲取能力對(duì)知識(shí)共享的仿真結(jié)果如圖9所示。在如圖9（a）所示的同水平情況下，社區(qū)成員的知識(shí)獲取能力越強(qiáng)，其積極共享概率越大，每 25% 的增幅都會(huì)顯著加快其積極共享行為的發(fā)生，說(shuō)明更高的知識(shí)獲取能力為社區(qū)成員帶來(lái)了更便捷的知識(shí)體驗(yàn)和學(xué)習(xí)反饋。在如圖9（b）所示的異水平情況下，社區(qū)成員的知識(shí)獲取能力差值越大，積極共享行為發(fā)生的概率也就越大，反之亦成立，且更高水平的知識(shí)獲取能力（初始值 g=0.6 ）會(huì)更快地誘發(fā)積極共享行為。

6知識(shí)轉(zhuǎn)化能力對(duì)知識(shí)共享的仿真分析

知識(shí)轉(zhuǎn)化能力對(duì)知識(shí)共享的仿真結(jié)果如圖10所示。在如圖10（a）所示的同水平情況下，社區(qū)成員的知識(shí)轉(zhuǎn)化能力越弱，積極共享行為發(fā)生的概率就越低，反之亦成立。特別是當(dāng)知識(shí)轉(zhuǎn)化能力達(dá)到 35% 時(shí)，成員的知識(shí)共享概率將超過(guò) 90% 。社區(qū)成員的知識(shí)轉(zhuǎn)化能力越強(qiáng)，其知識(shí)內(nèi)化速度越快、自我效能感和積極情緒越高，也就更易開(kāi)展更多的知識(shí)交流。在如圖10（b）所示的異水平情況下，社區(qū)成員之間的低知識(shí)轉(zhuǎn)化能力（初始值 Θ=0.1 不利于積極共享行為的發(fā)生，即使其中一方的知識(shí)轉(zhuǎn)化能力達(dá)到 85%（d=0.75） ），最終的知識(shí)共享概率仍可能不足 80% 。而具有高知識(shí)轉(zhuǎn)化能力（初始值 Θ=0.6 ）的成員之間無(wú)論差異系數(shù)多大，其積極共享行為都將更快收斂。

7知識(shí)外化支出對(duì)知識(shí)共享的仿真分析

知識(shí)外化支出對(duì)知識(shí)共享的仿真結(jié)果如圖11所示。在如圖11（a）所示的同水平情況下，知識(shí)外化支出越多，社區(qū)成員的消極共享概率越大，反之積極共享概率越大、收斂速度越快?？梢?jiàn)，過(guò)于復(fù)雜、繁瑣的知識(shí)輸出環(huán)境（如實(shí)名認(rèn)證發(fā)言、限制發(fā)言字?jǐn)?shù)等）加大了知識(shí)外化的難度，阻礙了知識(shí)共享行為。在如圖11（b）所示的異水平情況下，成員之間的知識(shí)外化支出差值越小，積極共享概率越大。值得注意的是，當(dāng)知識(shí)共享雙方的知識(shí)外化支出極端化時(shí)（ η=0.1 ， d=0.75 ），并不會(huì)直接導(dǎo)致消極共享行為，因?yàn)榉e極共享行為、消極共享行為發(fā)生的概率均為 50% ，這說(shuō)明知識(shí)共享行為是內(nèi)外部多個(gè)變量演化博弈的結(jié)果。

8知識(shí)創(chuàng)造能力對(duì)知識(shí)共享的仿真分析

知識(shí)創(chuàng)造能力對(duì)知識(shí)共享的仿真結(jié)果如圖12所示。在如圖12（a）所示的同水平情況下，知識(shí)創(chuàng)造能力越強(qiáng)，社區(qū)成員的積極共享概率越大。在如圖12（b）所示的異水平情況下，低水平知識(shí)創(chuàng)造能力（初始值 β=0.1 ）不利于知識(shí)交流，即使其中一方的知識(shí)創(chuàng)造能力達(dá)到 85% （ d=0.75 ），其積極共享行為發(fā)生的概率也僅為 50% 。高水平知識(shí)創(chuàng)造能力（初始值 β=0.6 ）正向影響積極共享行為的發(fā)生概率，且成員之間的知識(shí)創(chuàng)造能力差值越大，收斂速度越快。

需要說(shuō)明的是，“其他成本”變量是一個(gè)綜合變量，包括一些不易測(cè)量或間接的行動(dòng)成本。本研究引入該變量的目的是控制其對(duì)整體仿真的影響，故不對(duì)此變量展開(kāi)具體分析。

四結(jié)論與建議

1結(jié)論

為探究在線問(wèn)答學(xué)習(xí)社區(qū)在知識(shí)耦合過(guò)程中的知識(shí)共享行為特征和演化規(guī)律，本研究采用演化博弈方法開(kāi)展了仿真實(shí)驗(yàn)，所得結(jié)論主要如下：

（1）能力水平齊平的協(xié)同效應(yīng)與能力水平差異的互補(bǔ)效應(yīng)并存推動(dòng)知識(shí)共享

仿真實(shí)驗(yàn)結(jié)果顯示，問(wèn)答學(xué)習(xí)社區(qū)中成員的知識(shí)共享概率主要隨能力水平提升而持續(xù)加大，且這種現(xiàn)象同時(shí)存在于“同水平”和“異水平”兩種情況。其中，“同水平”情況反映了能力水平齊平的協(xié)同效應(yīng)，交流雙方的能力水平相匹配是知識(shí)共享的首要前提，如同水平學(xué)習(xí)者的知識(shí)存量、知識(shí)轉(zhuǎn)化能力、知識(shí)創(chuàng)造能力等越高，知識(shí)共享概率越大；而“異水平”情況反映了能力水平差異的互補(bǔ)效應(yīng)，加大知識(shí)異質(zhì)性、知識(shí)獲取能力等變量水平的差值，均能有效提升知識(shí)共享概率。協(xié)同效應(yīng)與互補(bǔ)效應(yīng)并存，兩者不僅不對(duì)立，反而共同推動(dòng)了社區(qū)知識(shí)共享。

（2）知識(shí)共享意愿、知識(shí)轉(zhuǎn)化能力、知識(shí)創(chuàng)造能力等主動(dòng)性能力顯著影響積極共享策略

知識(shí)存量、知識(shí)獲取能力等基礎(chǔ)性能力始終正向影響知識(shí)共享，其較低的初始水平就可導(dǎo)致積極的知識(shí)共享行為。但是，知識(shí)共享意愿、知識(shí)轉(zhuǎn)化能力、知識(shí)創(chuàng)造能力等主動(dòng)性能力必須達(dá)到一定的水平，才能導(dǎo)致積極的知識(shí)共享行為，且收斂速度更快；而且，這些變量的初始水平越高，其知識(shí)共享概率就越大，但概率增長(zhǎng)幅度會(huì)有所下降。也就是說(shuō)，這些主動(dòng)性能力是積極共享策略的關(guān)鍵影響因素，其在知識(shí)系統(tǒng)中的分布結(jié)構(gòu)與離散性比例越不穩(wěn)定，對(duì)知識(shí)耦合與知識(shí)共享的影響就越大。

（3）知識(shí)群化階段是提升知識(shí)共享概率的關(guān)鍵環(huán)節(jié)

從知識(shí)耦合過(guò)程四個(gè)階段中不同變量影響知識(shí)共享行為的作用機(jī)制來(lái)看，知識(shí)群化階段受到了更多變量的影響，其對(duì)知識(shí)共享行為產(chǎn)生的實(shí)際影響也更為多樣。例如，在異水平情況下，知識(shí)群化階段相關(guān)變量的差值越大，積極共享概率越不穩(wěn)定；知識(shí)異質(zhì)性使知識(shí)共享概率低于 90% ，而知識(shí)轉(zhuǎn)化能力使知識(shí)共享概率低于 80% 。可以說(shuō)，知識(shí)群化階段是影響積極共享概率的關(guān)鍵階段，之后按照影響大小依次是知識(shí)外化階段、知識(shí)創(chuàng)造階段、知識(shí)內(nèi)化階段。知識(shí)群化階段的特殊性在于加速了知識(shí)流動(dòng)，促成了個(gè)體隱性狀態(tài)向群體顯性狀態(tài)的轉(zhuǎn)變，使知識(shí)耦合的價(jià)值得以最大化。

2建議

為促進(jìn)在線問(wèn)答學(xué)習(xí)社區(qū)成員積極共享知識(shí)，本研究基于上述研究結(jié)論，針對(duì)社區(qū)建設(shè)提出以下建議：

① 完善激勵(lì)制度與分類導(dǎo)引知識(shí)共享區(qū)。一方面，要完善成就等級(jí)與貢獻(xiàn)排行榜系統(tǒng)，為知識(shí)共享水平較高的用戶提供部分VIP服務(wù)，如開(kāi)放部分會(huì)員文章閱讀權(quán)限、放寬發(fā)言字?jǐn)?shù)條件等。另一方面，要完善分類導(dǎo)引知識(shí)共享區(qū)，如為知識(shí)水平較高的群體提供專業(yè)技術(shù)討論圈、為知識(shí)水平差異較大的群體提供具有知識(shí)索引分類的知識(shí)討論區(qū)。

② 強(qiáng)化技術(shù)賦能學(xué)習(xí)活動(dòng)的成效。具體來(lái)說(shuō)，要最大化發(fā)揮知識(shí)共享意愿、知識(shí)轉(zhuǎn)化能力、知識(shí)創(chuàng)造能力等關(guān)鍵變量的作用，將人工智能技術(shù)引入在線問(wèn)答學(xué)習(xí)社區(qū)，為知識(shí)共享者提供人工智能生成圖表、文字與自動(dòng)糾錯(cuò)等智慧工具。同時(shí)，要積極開(kāi)發(fā)知識(shí)智能分類與整理功能和專有名詞、復(fù)雜詞語(yǔ)的知識(shí)圖譜解釋功能，建設(shè)完整的知識(shí)庫(kù)和專家?guī)欤龠M(jìn)知識(shí)轉(zhuǎn)化和知識(shí)創(chuàng)造。

③ 形成相對(duì)穩(wěn)定的知識(shí)共享生態(tài)。在線問(wèn)答學(xué)習(xí)社區(qū)要基于大數(shù)據(jù)做出循證決策，動(dòng)態(tài)監(jiān)測(cè)社區(qū)成員參與知識(shí)討論與知識(shí)共享的活躍度，并采取有針對(duì)性的調(diào)整與管理措施，以強(qiáng)化社區(qū)成員與學(xué)習(xí)社區(qū)的結(jié)構(gòu)性耦合。此外，在線問(wèn)答學(xué)習(xí)社區(qū)要通過(guò)豐富多模態(tài)學(xué)習(xí)資源、提供個(gè)性化學(xué)習(xí)推薦路徑等，提升社區(qū)成員的知識(shí)共享意愿，減少知識(shí)外化過(guò)程對(duì)知識(shí)共享的消極影響，打造相對(duì)穩(wěn)定的知識(shí)共享生態(tài)。

參考文獻(xiàn)

[1]Charband Y，Jafari Navimipour N.Onlineknowledgesharing mechanisms： Asystematicreviewof thestateof theartliterature and recommendations for future research[J]. Information Systems Frontiers， 20l6，（6）：1131-1151.

[2]宋學(xué)峰，趙蔚，高琳，等.社交問(wèn)答網(wǎng)站知識(shí)共享的內(nèi)容及社會(huì)網(wǎng)絡(luò)分析——以知乎社區(qū)\"在線教育\"話題為例[J].現(xiàn)代教育技術(shù)，2014，（6）：70-77.

[3]陳明紅，漆賢軍.社會(huì)資本視角下的學(xué)術(shù)虛擬社區(qū)知識(shí)共享研究[J].情報(bào)理論與實(shí)踐，2014，（9）：101-105.

[4]SunYQ，F(xiàn)ang YL，Lim K，et al. User satisfaction with information technology service delivery： A socialcapitalperspective[J]. Information Systems Research， 2012，（4）：1195-1211.

[5][20]侯貴生，王鵬民，楊磊.在線健康社區(qū)用戶知識(shí)轉(zhuǎn)化與共享的演化博弈分析[J].情報(bào)科學(xué)，2017，（7）：31-38.

[6][21][9]姚慧麗，毛翔宇，金輝.考慮平臺(tái)影響因素的虛擬社區(qū)知識(shí)共享演化博弈研究[J].運(yùn)籌與管理，2020，（12）：82-88.

[7][22]冀鴻，霍明奎.高校教師團(tuán)隊(duì)知識(shí)共享的演化博弈分析[J].情報(bào)科學(xué)，2013，（5）：142-146.

[8][23]LouJFang Y，Kai HL，etal.Contributing highquantityandqualityknowledge toonline Qamp;Acommunities[J].Joualof the American Society for Information Science amp; Technology， 2013，（2）：356-371.

[9]26]Hendriks P.Whysharingknowledge？The influenceofICTonthe motivation for knowledge sharing[J].KnowledgndProcess Management， 1999，（2）：91-100.

[10][24][30]李從東，黃浩，張帆順.基于網(wǎng)絡(luò)演化博弈的互動(dòng)創(chuàng)新社區(qū)用戶知識(shí)共享行為影響因素研究[J].現(xiàn)代情報(bào)，2021，（4）：36-45.

[11][25][28]王鵬民，侯貴生，楊磊.基于知識(shí)質(zhì)量的社會(huì)化問(wèn)答社區(qū)用戶知識(shí)共享的演化博弈分析[J].現(xiàn)代情報(bào)，2018，（4）：42-49、57.

[12]Yayavaram S，Ahuja G.Decomposability in knowledge structures and its impact on theusefulness of inventions andknowledge-base malleability[J]. Administrative Science Quarterly， 2008，（2）：333-362.

[13]關(guān)新，趙琰，郭瑞，等.行業(yè)評(píng)價(jià)驅(qū)動(dòng)下的產(chǎn)教耦合課程知識(shí)體系建設(shè)[J].高等工程教育研究，2021，（4）：111-117.

[14]王嘉杰，李天逸，孫建軍，等.戰(zhàn)略性新興產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)的知識(shí)耦合測(cè)度研究：基于互補(bǔ)與替代視角[J].情報(bào)理論與實(shí)踐，2024，（8）：63-75.

[15]任少波，單玨慧.構(gòu)建基于\"知識(shí)共同體\"的\"德育共同體”——高等學(xué)校立德樹(shù)人的二維耦合[J].教育研究，2019，（7）：44-50.

[16]單捷飛，何海燕，石秀，等.我國(guó)高校學(xué)科組織管理與知識(shí)生產(chǎn)耦合機(jī)理研究——兼論一流學(xué)科發(fā)展規(guī)律[J].學(xué)位與研究生教育，2020，（3）：19-27.

[17]CanerT，TylerBB.The effcts ofknowledge depthand scopeonthe relationshipbetween Ramp;Dalliances and new productdevelopment[J]. Journal of Product Innovation Management， 2015，（5）：808-824.

[18]武華維，王超，許海云，等.知識(shí)耦合視角下區(qū)域科學(xué)-技術(shù)-產(chǎn)業(yè)協(xié)同創(chuàng)新水平的評(píng)價(jià)方法研究[J].情報(bào)理論與實(shí)踐，2020，（5）：91-98、8.

[19]Nonaka I， Takeuchi H.The knowledge-creating company[M]. New York： Oxford University Press，1995：69-123.[27]趙玉鵬，楊連生，侯坤超.演化博弈視域下研究生導(dǎo)師和輔導(dǎo)員協(xié)同育人策略及路徑研究[J.研究生教育研究，2022，（4）：23-28.

Evolutionary Game of Knowledge Sharing in Online Qamp;A Learning Community from the Perspectiveof Knowledge Coupling Simulation Experiment of Knowledge Sharing Behavior Based on System Dynamics

TAOJin-Hu1 DONG Wei2

（1.School ofEducation，TsinghuaUniversity，Beijing，China 0084; 2.School ofEducation， Tianjin University， Tianjin， China 300350）

Abstract： Clarifying the action mechanism of evolutionary game of knowledge sharing in online Qamp;A learning community can promote knowledge communication and problem-solving among community members.Accordingly，from the perspective of knowledge coupling，this paper firstconstructedthe evolutionary game model ofknowledge sharing inonline Qamp;Alearning communities through applying the evolutionary game method.Afterwards，thesimulation experiment of knowledge sharing behaviorbased onsystem dynamics was conducted，with simulation analysis performed using Matlab writing modelcodes，to analyze the influence of behavioral characteristics of community members on knowledge sharing. It was found that the synergisticefectofequal abilitylevelsandthecomplementaryefectsofdifferingabilitylevelscoexisted，jointlypromoting knowledgesharing.Proactiveabilitiesincluding knowledgesharingwilingness，knowledge transformationabilityand knowledge creation significantlyaffected positive sharing behavior，and the knowledge grouping stage served as akeylink in improvig the probabilityofknowledge sharing.Finally，basedon theseresearch findings，this paper proposedsuggestions for communityconstruction inorder to promote positive knowledge sharing among members ofonline Qamp;A learningcommunities. Theresearch contributedtoadeepunderstandingofthe inherentcharacteristicsand lawsof knowledge sharing，andcould provide guidance for optimizing functionality design and knowledge management strategies of related learning platforms， as well as improving members’ experience.

Keywords： Qamp;A learning community; knowledge coupling; knowledge sharing; evolutionary game; simulation experiment

編輯：小米