社会互动能否促进知识分享？

徐 搏，刘人境，刘林林

(西安交通大学 管理学院，陕西 西安 710049)

社会互动能否促进知识分享？

徐 搏，刘人境，刘林林

(西安交通大学 管理学院，陕西 西安 710049)

采用多主体仿真方法构建了知识分享的“捐赠者-接受者”演化模型，并引入了基于人际相似性选择知识分享对象的过程，目的在于探讨通过增加社会互动来促进知识分享的合理性。通过系统的仿真实验和分析发现，增加社会互动虽然能够为知识分享创造更多机会，但也促进了机会主义策略的传播，从而降低了个体在面临交互机会时的分享意愿。对于大规模群体，降低社会互动，提高个人分享意愿是最佳选择；而对于小规模群体，减少人际差异，促进社会互动能实现群体知识分享的最大化。

知识分享；多主体仿真；捐赠者-接受者模型；社会互动；相似性效应

知识是组织竞争力的来源，为此许多组织投资了大量的资源建设知识管理系统。然而，在鼓励员工分享知识方面，组织却面临着困境，如何促进知识分享成为许多组织关注的热点。一个流行的观点是，减少人与人之间的差异性能够促进社会互动，进而促进组织内的知识分享。这一观点成为许多组织实践的依据，例如：利用互联网、信息系统，以及开放式办公空间缩小地理空间上的差异；建立阶层差异较小的扁平化组织结构；弱化部门归属，鼓励跨部门交流，等等。麦克拉(Makela)等[1]进行的实证研究认为，人际相似性是驱动跨国公司中社会互动和知识分享的关键推动力。然而，对于社会互动如何影响知识分享，现有研究依然缺乏深入的理解。本文的目的是，检验上述组织实践的合理性，探讨社会互动与知识分享的关系。

一、相关理论

(一)现有知识分享模型及其局限性

现有的知识分享理论模型主要关注知识分享的成本和收益。陈力等[2]、张(Zhang)等[3]、柯江林等[4]采用囚徒困境模型，陈东灵[5]采用静态博弈模型，王建宇等[6]、葛奈(Gurnai)等[7]、丁(Ding)等[8]、吴丙山等[9]采用主从博弈模型，分别研究了知识分享行为，为分析知识分享的行为动机提供了研究范式。但这些研究存在三点局限：(1)它们假设人是完全理性的，但心理学研究已经证明了人类理性的局限性，认为人类并非总是采取利益最大化的策略[10]，而是通过模仿等启发式方法实现演化。这限制了收益成本分析的效果。(2)它们假设交互是双向的，即博弈双方互为对手。这种假设实质上将双方直接互惠作为促进知识分享的唯一可能因素。但现实中知识传递往往是单向的，而且许多学者在不存在直接互惠的情形下也观察到了广泛的利他行为[11]。因此，进一步的研究需要放松双向交互的假设，探索更广泛的知识分享促进机制。(3)它们忽略了人们对知识分享对象的选择权对知识分享行为的影响，而社会学研究广泛证明了人们并不是随机地与人交互，而是更倾向于与相似个体交互[12-13]。现实中，组织正是基于这种“相似性效应”，通过减少人际差异来促进社会互动，以实现促进知识分享的目的。多主体仿真建模方法为构建更加复杂的模型提供了可能。杨(Yang)等[14]、王(Wang)等[15]采用多主体仿真的方法研究了知识分享过程中的囚徒困境演化，考虑到了参与者的学习等启发式的策略调整和行为适应过程，弥补了现有研究的第一个局限。但他们依然没有考虑知识分享的方向性以及社会互动的作用。

相关的知识分享实证模型则主要基于社会资本的视角。由于社会互动被认为是结构型社会资本的重要组成部分，一些社会资本与知识分享关系的研究提供了一些线索。例如：孙彪等[16]认为结构性社会资本对知识分享有积极影响；埃尔伯斯(Aalbers)[17]发现，知识分享与社会互动分别受到信任的积极影响和消极影响，暗示知识分享和社会互动之间可能存在着负相关关系；巴如奇(Baruch)等[18]发现，社会资本通过合作竞争的中介对知识分享有积极影响，但其中社会互动的作用并不显著；常(Chang)等[19]发现，社会互动提高了知识分享质量，但对知识分享数量并没有显著影响；吴(Wu)等[20]认为，社会互动环境增强了信任和知识分享之间的积极联系。可见，现有实证研究的结论并不一致，而不一致的原因尚未得到充分的讨论。这反映出现有研究对社会互动如何影响知识分享的理解依然存在不足。

为此，本文需要构建更加完善的理论模型研究社会互动对知识分享的影响机制，为进一步的实证研究提供指导。为了弥补现有理论模型的第二个局限，本文采用捐赠者-接受者模型模拟知识分享过程；为了弥补现有理论模型的第三个局限，本文考虑知识分享过程中的“相似性效应”。

(二)捐赠者-接受者模型

捐赠者-接受者模型被广泛用于研究捐赠、援助等利他主义行为。典型的捐赠者-接受者模型包括两方：一方为捐赠者，另一方为接受者。捐赠者决定是否捐赠，而接受者则在对方捐赠的情况下决定是否接受[21]。与囚徒困境博弈和主从博弈等二人互动模型的不同在于，囚徒困境博弈和主从博弈中双方的交互机会是等同的，或者说交互是双向的；而捐赠者-接受者模型中交互是单向的。这意味着，捐赠者-接受者模型中，捐赠者往往不能期望从接受者获得直接回报，从而排除了利用直接互惠解释利他行为的可能性。现实中的知识分享更加接近于这种单向的利他交互。例如，专家可以选择向自己认识的新手分享知识；即使新手可以分享其他知识作为回报，但回报往往不是立即和必须的。因此，本文采用“捐赠者-接受者”模型构建知识分享过程。

被广泛研究的捐赠者-接受者模型包括独裁者博弈与帮助博弈。本文的模型基于诺瓦克(Nowak)等[22]的帮助博弈。他们采用帮助博弈构建了多主体仿真模型，研究人与人之间的帮助行为。在他们的模型中，存在一个群体，每个人有机会在两个策略中选择：帮助，或不帮助。然后随机在群体中配对；在每个配对中，其中一方是潜在的捐赠者，能够选择策略；而另一方则作为接受者，没有选择权。如果捐赠者选择帮助他人，则以自己的c成本，令接受者获益b单位(b>c)。如果捐赠者选择不合作，则双方收益都为0。他们着重考虑了印象分，即帮助他人会使自己获得印象分，而印象分被作为他人选择策略的依据。与之不同，本文不考虑印象分，而是改变了随机配对的过程。本文认为，知识分享一个最大的特点是，知识分享者能够选择知识接受者；而人际相似性作为信任和社会互动的主要驱动力，是知识分享者选择接受者的重要依据[16-17]。同时，本文考虑了认知能力(即记忆)的作用：接受者会记忆捐赠者的行为，并在有机会作为捐赠人的时候，对利他和非利他的接受者采取不同的策略。

(三)相似性效应与社会互动

社会学研究发现，现实中人们对特征上与自己相似的人表现出偏爱[13]，即所谓的相似性效应[14]。这种偏爱提高了相似个体之间的信任，增加了社会互动，为知识分享提供了机会[1,23]。因此，减少人际差异、从而促进社会互动的措施通常被认为能够促进群体知识分享[1,24]。组织通常采用的措施包括：采用互联网或开放式办公空间(减少空间差异)、限制组织阶层的作用(减小地位差异)、鼓励跨部门交流(减小部门隶属差异)等等。

本文的模型借鉴米勒(Miller)等[25]的观点，用个体在社会特征空间上的位置代表个人特征，因此个人在社会特征空间上的距离反应了个体间差异。而相似性效应反映为，个体倾向于与特征空间上临近的个体交互。

二、仿真模型

本文采用多主体仿真模型来研究知识分享，仿真模型流程如下：

1.存在一个二维的社会特征空间，表示为W*W的网格。个体间在特征空间上的距离，代表着个体间的差异性。N个个体随机分布在社会空间上，并在每个仿真周期中随机移动一个网格，然后随机选择邻近八个网格上的一个个体，作为一次“捐赠者-接受者”博弈交互的知识接受者。通过这种位置动态变化反映个体特征的动态变化，通过就近选择交互伙伴的过程反映“相似性效应”。

2.每个个体能够记忆与他人上次交互时对方采取的策略(即分享还是未分享)，并据此采用二维的策略(K，R)(0≤K，R≤1)。K和R分别代表对方上次交互时分享知识和未分享知识的情况下，自己在本次交互中向对方分享知识的概率。二者的大小共同反映了个体知识分享意愿。初始时，假设所有个体未分享过知识。

3.每个个体依据策略决定是否分享。若分享，自己付出C单位(C<1)的成本，而伙伴则获得1单位的收益。因此，C也反映了知识分享的成本收益比。

4.每个个体会识别周围网格上收益最大且大于自己的个体，将其策略复制为自己的策略，以反映个体学习过程。在复制过程中存在一定的误差，即随机在K或R上加上一个(-E，E)区间的随机数，但保证0≤K、R≤1。

图1为模型运行示意图。每个黑点代表一个个体，箭头则表示一次知识分享。可见，知识分享发生在邻近(即相似)个体之间,同时知识分享不必是双向的。

图1 模型仿真运行示意

三、结果分析

本文模型采用Netlogo[26]实现。针对每种参数设置本文进行了1 000个周期的实验，并记录后500个周期的结果。每次实验采用不同的随机数种子重复20次，并将20次结果的平均值作为分析依据，以避免随机性的影响。由于C(知识分享的成本)和E(策略学习误差)对本文结论没有显著影响，默认设置C=0.2，E=0.05。本文对结果进行了方差分析和SNK多重比较，结果在0.05水平上显著。

由于社会互动难以直接操纵，本文通过操纵社会空间大小(W)和群体规模(N)来改变社会互动量，进而探索社会互动量对知识分享量的影响。思路如图2所示。

图2 本文研究思路

图3 W和N对社会互动量的影响

图3显示了W和N对社会互动量的影响。可见，增大W或者减小N都能够增加社会互动量，从而实现操纵社会互动量的作用。

图4显示了W和N对群体知识分享量的关系。可以看出，对于不同的群体规模，改变社会特征空间产生了不同的影响。结合社会特征空间对社会互动的影响(图2)可知，增加社会互动并不必然促进群体知识分享，群体规模在社会互动与知识分享水平的关系中起到了重要作用：对于大群体(N=120)，扩大社会特征空间，减少社会互动能够促进知识分享；对于小群体(N=30)，缩小社会特征空间，增加社会互动量能够促进知识分享；对于中等群体(N=60或90)，维持中等的社会特征空间和社会互动最为有利。

图4 W和N对群体知识分享量的影响

图5解释了上述结果产生的原因。结合图3和图5可知，随着社会特征空间的增加和社会互动量的减少，个体的知识分享率有所提升；而且，相比小群体而言，大群体的知识分享率提升更明显。因此，对于大群体而言，适度降低社会互动可以换来个人知识分享率的较大提升，有利于提高整体知识分享量；而对小群体而言，由于社会互动基数较小，且减少社会互动也不能使个人分享率获得显著提升，因此增加社会互动更有利于提高整体知识分享量。

图5 W和N对个体知识分享率的影响

这进一步提出两个问题：(1)为什么减少社会互动(即扩大社会特征空间)会提高个人知识分享率？(2)随着社会互动的减少，为什么大群体的个人知识分享率获得了更加显著的提升？为了解释这两个问题，本文分别分析了不同特征空间和群体规模下个体策略(K，R)的演化。

图6显示了N=90的情况下，不同特征空间(W)下策略(K，R)的演化。从中可以看出，当社会互动较多时(即较小的W)，K和R在早期迅速提升，但二者都迅速陷入停滞。而当社会互动较少时(即较大的W)，虽然早期K和R提升较慢，但它们获得了更持久的提升。这体现出个体策略学习过程中的探索和利用的平衡问题：过多的社会互动促进了能获得短期利益的机会主义的传播，但加速了策略的收敛，容易使群体陷入次优状态；而较少的交互，虽然不利于个人短期利益的提升，但为个体策略的探索提供了充足的时间，从而能够发现长期更优的策略。

(a)K的演化 (b)R的演化

图7显示了W=15的情况下，不同群体规模(N)下策略(K，R)的演化。可以看到，较大的群体规模促使K和R更快地上升。本文认为，这是因为群体规模越大，能够同时探索的策略越多，从而能够更快地发现有效策略。因此，随着社会互动的降低，大规模群体的个人知识分享率获得了更显著的提升。

(a)K的演化 (b)R的演化

四、讨论

本文用“捐赠者-接受者”模型模拟知识分享过程，并引入了基于人际相似性来选择知识接受对象的过程，完善了前人的研究。而通过分析社会互动与群体知识分享量的关系，本文也验证了一些流行的知识分享促进措施的合理性，例如：利用互联网或开放式办公环境缩小空间差异、建立阶层差异小的组织结构，鼓励跨部门交流等。

仿真结果发现，对于给定规模的群体，通过减少人际差异来增加社会互动，并不一定能够促进群体知识分享。社会互动在促进知识分享方面是一把“双刃剑”。一方面，增加社会互动为知识分享提供了更多机会和渠道；然而另一方面，增加社会互动也加快了个体的策略学习，促进了机会主义的传播，降低了个体面临知识分享机会时的分享意愿。

社会互动的双面性，本质上反映了知识的不同层次，以及现有学者研究知识分享的两种不同视角。本文的模型中暗含了两种知识：第一种知识是可直接传递的知识。这种知识通常是编码知识，可精确传递，不易发生变化。因此本文并没有考虑这种知识的整合过程，仅仅考虑了分享这种知识的成本和收益。第二种知识是关于如何分享知识的知识，即知识分享的策略。其传播依赖于模仿，并伴随着误差和创新，需要在第一种知识的分享过程中不断调整和演化。第二种知识(即策略)的改善能够促进第一种知识的分享。

尽管少有研究明确区分这两种类型的知识，但却存在两种视角来解释社会互动在这两种知识传播的过程中所扮演的不同角色。第一种视角是基于发送-接收模型的知识流视角[27-28]。这种视角认为知识是一种流，从知识高地自发流向知识洼地，并且可以累积。这种视角关注发送者和接受者的特征与群体知识分享之间的关系，例如发送者的信任、分享意愿、接受者的吸收能力等与群体知识分享的关系。社会互动的作用在于为知识流提供渠道。因此，在其他条件不变的情况下，社会互动越多，群体知识分享就越多。许多组织希望通过增加人际相似性促进社会互动，进而增加组织知识分享，就是基于这样的视角。由于这种视角将知识视为一种客体，将社会互动视为一种流动渠道，并没有考虑知识的演化和创造，因此它更适合解释第一种知识的传播。

组织学习视角并不认为知识是从一个人传递到另一个人，而是另一个人通过模仿他人构造出知识[29]。因此知识并不是累积，而是替换和演化。对于第二种知识，即知识分享策略，组织学习理论比知识流视角更加合适，因为个体在模仿过程中往往由于误差、创新等原因构造出新知识，从而产生不同知识的比较和整合。而在整合过程中，必然涉及如何在对新知识的探索和对旧知识的利用之间进行权衡的问题。组织学习理论认为，唯有平衡探索和利用，才能够在远期获得更优的知识[25,30-31]。过多的社会互动加快了知识的整合，过于偏向于利用能够导致快速成功的知识，使知识容易收敛于次优状态。而知识分享策略的次优状态(即一种短视的机会主义策略)，意味着较低的个人分享意愿。

简言之，从两种视角出发，得出了社会互动的不同作用模式：从知识流视角看，社会互动调节了个人分享意愿和群体知识分享之间的积极关系；而从组织学习视角看，社会互动对个体知识分享意愿具有消极影响。两种视角并不矛盾，而是适应于不同层次的知识。唯有综合二者，才能完整解释社会互动在群体知识分享中的作用。

进一步的，群体规模在社会互动的两种作用中扮演了不同的角色。在知识流视角中，群体规模的增加同样会增加社会互动的总量，因而会促进知识分享总量；而在组织学习视角中，更大的群体规模增加了第二种知识的多样性，从而增加了涵盖更优知识的可能性。这有助于第二种知识的演化和改善，从而促进第一种知识的分享。因此，群体规模的增加能够增强社会互动的积极作用，同时削弱社会互动的消极作用。这解释了为什么现有实证研究就社会互动与知识分享的关系得出了不一致的结论：如果社会互动的增加是由人际相似性的增加所驱动的，那么个人知识分享意愿会降低，从而可能导致群体知识分享量的降低；而如果社会互动的增加是由群体规模的增加所驱动的，那么个人知识分享意愿和群体知识分享有可能增加。

社会互动与群体知识分享量的关系，以及群体规模在其中的作用可以总结为图8。

图8 社会互动、群体规模与群体知识分享量的关系

综合本文讨论，可提出如下命题，为进一步的实证研究提供方向。命题1：社会互动调节了个人分享意愿与群体知识分享量之间的关系;命题2：社会互动对个人分享意愿有消极影响;命题3：群体规模对个人知识分享意愿具有积极影响。后期研究可对上述命题进行实证检验。另外，为了控制模型的复杂性，本文对模型进行了简化，例如：使用二维的社会特征空间、假设成员仅仅拥有简单的记忆，等等。未来的研究可以从多个角度进行扩展。例如：增加成员策略的复杂性、社会空间的复杂性、成员移动的复杂性等，并关注这些复杂性对本文结论的影响。

[1] MAKELA K, KALLA H K, PIEKKARI R. Interpersonal similarity as a driver of knowledge sharing within multinational corporations[J]. International Business Review, 2007, 16(1):1-22.

[2] 陈力，宣国良.以知识分享的理念重塑企业文化[J].科学学与科学技术管理, 2005(1):69-73.

[3] ZHANG L L, LI J, SHI Y. Study on improving efficiency of knowledge sharing in knowledge-intensive organization[G]//DENG X, YE Y. Internet and Network Economics.Heidelberg：Springer Berlin, 2005,816-825.

[4] 柯江林，石金涛.组织中员工知识分享行为激励机制的比较分析[J].上海交通大学学报, 2006,40(9):1566-1571.

[5] 陈东灵.知识团队知识分享困境的博弈机理研究：对两种均衡策略的比较[J].图书情报工作, 2011, 55(24):97-101.

[6] 王建宇，樊治平，姜艳萍，等. 合作知识创新中基于Stackelberg博弈的资源分享决策模型[J]. 中国管理科学, 2005, 13(3):84-88.

[7] GURNANI H, GERCHAK Y.Coordination in decentralized assembly systems with uncertain component yield[J].European Journal of Operational Research, 2007, 176(3):1559-1576.

[8] DING X H, HUANG R H. Effects of knowledge spillover on inter-organizational resource sharing decision in collaborative knowledge creation[J]. European Journal of Operational Research, 2010, 201(3):949-959.

[9] 吴丙山，赵骅，罗军. 高新技术企业中知识分享微观机制研究[J]. 科研管理，2012,33(3):65-71.

[10] GIGERENZER G, GAISSMAIER W.Heuristic Decision Making[J]. Annual Review of Psychology, 2011, 62:451-482.

[11] NOWAK M A, SIGMUND K. Evolution of indirect reciprocity[J]. Nature, 2005, 437(27):1291-1298.

[12] BYRNE D. An overview (and underview) of research and theory within the attraction paradigm[J]. Journal of Social & Personal Relationships, 1997, 14:417-431.

[13] MCPHERSON M, SMITH-LOVIN L, COOK J M. Birds of a feather:homophily in social networks[J]. Annual Review of Psychology, 2001, 27:415-444.

[14] YANG H, WU T C T. Knowledge sharing in an organization-share or not?[G]//Computing & Informatics,ICOCI,2006:1-7.

[15] WANG J, GWEBU K, SHANKER M, et al. An application of agent-based simulation to knowledge sharing[J]. Decision Support Systems, 2009, 46:532-541.

[16] 孙彪，刘益，郑淞月. 联盟社会资本, 知识管理与创新绩效的关系研究：基于技术创新联盟的概念框架[J]. 西安交通大学学报：社会科学版，2012(3):43-49.

[17] AALBERS R. The role of contracts and trust in R&D alliances in the Dutch biotech sector[J]. Innovation-Management Policy & Practice, 2010，12(3):311-329.

[18] BARUCH Y, Lin C P. All for one, one for all:Coopetition and virtual team performance[J]. Technological Forecasting and Social Change, 2012，79(6):1155-1168.

[19] CHANG H H, CHUANG S S. Social capital and individual motivations on knowledge sharing:Participant involvement as a moderator[J]. Information & Management, 2011, 48(1):9-18.

[20] WU W L, LIN C H, HSU B F, et al. Interpersonal trust and knowledge sharing:Moderating effects of individual altruism and a social interaction environment[J]. Social Behavior and Personality:an International Journal, 2009, 37(1):83-93.

[21] PACHECO J M, SANTOS F C, CHALUB F A C C. Stern-Judging:A Simple, Successful Norm Which Promotes Cooperation under Indirect Reciprocity[J]. PLoS Computational Biology, 2006, 2(12):1634-1638.

[22] NOWAK M A, SIGMUND K. Evolution of indirect reciprocity by image scoring[J]. Nature, 1998, 393(6685):573-577.

[23] LIU C，LIANG T，RAJAGOPALAN B，et al. Knowledge Sharing as Social Exchange:Evidence from a Meta-Analysis[J]. Pacific Asia Journal of the Association for Information Systems, 2011, 3(4):21-47.

[24] JOLLY R, WAKELAND W. Using agent based simulation and game theory analysis to study knowledge flow in organizations:The KMscape[J]. International Journal of Knowledge Management, 2009,5(1):17-28.

[25] MILLER K D, ZHAO M, CALANTONE R J. Adding interpersonal learning and tacit knowledge to March′s exploration-exploitation model[J]. Academy of Management Journal, 2006,49(4), 709-722.

[26] WILENSKY U.NetLogo[CP/OL].Center for Connected Learning and Computer-Based Modeling，Northwestern University，Evanston，IL.[2013-10-11]. http://ccl.northwestern.edu/netlogo/.

[27] ADLER N，HASHAI N. Knowledge flows and the modeling of the multinational enterprise[J]. Journal of International Business Studies, 2007, 38(4):639-657.

[28] NOORDERHAVEN N，HARZING A W.Knowledge-sharing and social interaction within MNEs[J]. Journal of International Business Studies, 2009, 40(5):719-741.

[29] PLASKOFF J. Intersubjectivity and community building:Learning to learn organizationally[M]//EASTERBY-SMITH M, LYLES M A.The Blackwell handbook of organizational learning and knowledge management. Malden, MA:Blackwell, 2003：161-184.

[30] MARCH J G.Exploration and exploitation in organizational learning[J].Organization Science,1991, 2(1):71-87.

[31] RAISCH S，BIRKINSHAW J，PROBST G，et al. Organizational ambidexterity:Balancing exploitation and exploration for sustained performance[J]. Organization Science, 2009, 20(4):685-695.

(责任编辑：张丛)

WhetherCanSocialInteractionPromoteKnowledgeSharing?

XU Bo, LIU Renjing, LIU Linlin

(1.School of Management, Xi′an Jiaotong University, Xi′an 710049, China)

Using agent-based simulation, this paper builds an evolution model of donor and recipient games of knowledge sharing, and introduces a process of choosing the recipient of knowledge based-on interpersonal similarity to examine the rationality of increasing knowledge sharing through increasing social interaction. By systematic simulation experiments and analysis, it is found that, although the increase of social interaction provides more opportunities for sharing knowledge, it also promotes the spread of opportunistic strategies, which decreases individual′s willingness to share knowledge in the face of these opportunities. In order to promote knowledge sharing, large organizations should decrease social interaction thus increasing individuals′ willingness to share knowledge, while small organizations should increase social interaction by decreasing interpersonal difference.

knowledge sharing; multi-agent simulation; donor and recipient model; social interaction；similarity effect

2013-10-14

国家自然科学基金项目(71271166)；教育部博士点基金项目(20120201110068)

徐搏(1983- )，男，河南驻马店人，西安交通大学管理学院博士研究生；刘人境(1966- )，男，新疆乌鲁木齐人，西安交通大学管理学院教授，博士生导师；刘林林(1991- )，女，山东济宁人，西安交通大学管理学院博士研究生。

C936

A

1008-245X(2014)05-0065-07