社交机制、关系结构与社群网络知识协作

刘征驰 陈文武,2 马 滔,2

(1.湖南大学经济与贸易学院；2.湖南省物流信息与仿真技术重点实验室)

1 研究背景

社交网络平台不仅显著改变了人们的社交方式，也极大拓宽了人们的知识获取途径，其快速发展引起了学界和业界的关注。社交网络平台既具有“知识社交”功能，又具有“知识协作”功能。知识社交是指个体以知识为介质，为满足自身的认知需求而与其他个体建立社交关系。比如，在Facebook、Twitter、微博、知乎等知识信息社交平台上，存在明显的“大V效应”，被标V的用户往往可以吸引到更多人的关注。也有大量用户会明确知道自己的知识短板，有针对性地寻找与自己知识互补的用户。此外，由于隐性知识的模糊性质以及环境的动态随机性，个体在选择其他个体作为知识社交关系建立对象时，也存在随机性。知识协作是指社群个体之间进行相互知识学习与新知识创造的过程。在知识社群网络中，知识协作的结果主要体现为社群知识存量、社群学习能力与社群创新能力的共同演化。在当前互联网知识经济时代，探讨不同知识社交机制下的社群关系结构差异及其所带来的社群知识协作结果差异具有重要意义。

“社交机制”与“社群网络”之间存在什么关系？这是一个重要却往往被忽视的理论问题。关于个体社交动机的研究，现有文献主要基于使用与满足理论[1]、社会影响理论[2]、理性行为理论[3]等进行了探讨。例如，HSU等[4]指出，获取和分享知识信息是个体社交行为的主要驱动因素。HANAKI等[5]认为，在社交网络中，人们建立或断开社交关系存在短视的成本比较效应。胡磊等[6]利用经验数据分析了微博社区的用户参与动机，研究发现信息价值是成员参与社区的重要动因。然而，这些研究大多停留于“就社交谈社交”层面，未考虑个体知识社交机制对社群网络构建的影响。尽管BHATTACHARY等[7]从用户生成内容视角构建了面向行动者的动态统计模型，研究发现个体倾向基于知识相似性建立社交关系，但模型缺乏对个体知识社交机制的刻画，导致对知识社群网络演化的解释力有限。

随着知识增长与创新逐渐趋于知识资源集成化和行为主体协同化，社群网络已经成为知识协作的重要载体。已有研究表明，关系结构不仅会影响社群知识协作效率[8]和个体知识表现[9，10]，而且也会影响社群个体之间的知识交互过程[11]。在知识作为一种公共物品的情境下，LIN 等[12]发现冥律网络的知识协作效率最高。然而，COWAN等[13]研究发现小世界网络的知识协作效率最高。MORONE等[14]对COWAN等[13]所提出的模型进行了扩展，研究表明随机网络的知识协作效率最高。从社群网络的结构属性出发，现有文献也考察了社群关系的连通性与集聚性[15]、结构洞[16]、关系强度[17]以及社会资本[18]等因素对知识协作的影响。在微观视角下，大量的经验研究表明个体位置会显著影响其知识表现[19]。此外，社群网络的宏观特性也会影响个体知识表现，UZZI等[20]指出，社群网络的小世界性与个体创新正相关。

由上述文献讨论可知，已有研究主要探讨了个体社交机制和外生网络结构对知识协作的影响，忽视了社交机制、网络结构与社群知识协作之间的动态联系，这为本研究提供了契机。本研究尝试将社交机制、网络结构与社群知识协作纳入统一模型框架，在演化视角下，利用计算实验方法进行研究。试图在以下3个方面做出边际贡献：①现有文献通常外生给定网络结构，本研究则从“知识驱动社交”的独特视角，基于个体社交行为特质动态构建知识社群网络。这一重要转变将传统的“网络结构决定论”纵向拓展为“个体行为决定论”，或将极大深化对知识社群网络构建与运行机制的理解。②现有对社群知识协作的研究主要涉及知识学习和知识创造两个方面，然而这两种行为之间是否存在“此消彼长”的影响机制？本研究考虑个体“知识学习”和“知识创造”之间的替代效应，深入刻画了知识存量、学习能力和创新能力的共同演化问题，构建更契合现实行为特征的社群知识协作模型。③本研究从个体行为及其适应性调整出发探讨社群知识协作问题，显然传统数学建模方法难以应对个体异质性与行为演化建模挑战。计算实验方法填补了微观行为与宏观涌现之间的断层，“从过程到结果”全方位揭示知识社交机制影响社群知识协作的作用机理。

2 数理模型

社群知识协作是一个动态演化过程，社群个体需要针对环境变化主动采取适应性行动，从而实现自身知识存量、学习能力和创新能力的不断增长。此外，社群个体之间的相互知识学习过程也具有复杂适应性特征。计算实验方法强调主体的智能性、主动性及其动态适应性，通过赋予社群知识主体简单的学习和创新规则，可以得到复杂的社群知识动态演化现象。计算实验方法为研究复杂的知识协作自组织、动态演化及其宏微观之间相互作用提供了新的研究工具，为人们理解社群个体的适应性提供了新的视角。鉴于此，本研究拟采用计算实验方法，探讨社交机制、网络结构与社群知识协作之间的动态演化关系。

2.1 基于知识社交的社群网络构建

社群网络的演化是大量主体在各种微观机制作用的基础上，产生宏观层面复杂网络结构的过程。已有研究表明，个体之间社交关系的建立受理性决策、目标引导、环境随机性等内外部多方面因素影响。然而，随着互联网知识经济时代的到来，知识已成为影响个体社交关系建立的一个重要因素。根据知识社交对象选择差异，本研究认为，存在流行、互补和随机3种以知识为驱动因素的社交机制。具体如下：①流行知识社交机制，指微观主体在建立新的社交关系时，其首要考虑的是其他个体的受欢迎程度。个体受欢迎程度越大，建立新的社交关系的概率越大。例如，人们热衷于加“大V”个体为好友。②互补知识社交机制，指微观主体在建立新的社交关系时，其首要考虑的是其他个体与自身的知识互补程度。知识互补度越高，建立新的社交关系的概率越大。例如，科研人员主动寻求跨专业学者进行合作。③随机知识社交机制，指除上述两种因素影响以外，受其他随机因素影响的社交关系建立机制。这主要是由于隐性知识的模糊性质和个体所处环境的动态随机性，微观个体在与其他个体建立社交关系时也受到随机因素的影响。

(1)

2.2 社群网络知识协作模型

“外部知识”学习与“原创知识”创造[22]是社群知识存量、社群学习能力与社群创新能力增长的主要方式。“外部知识”学习是指个体以社交关系为纽带吸收其他个体知识的过程。其学习结果往往可以跳出个体原有知识轨道，是对领域外知识的快速获取。“原创知识”创造是指个体在已有知识的基础上进行局部性或改良性创新。其创新结果往往遵循个体原有知识轨道，是对领域内知识的深化。个体学习能力是指个体从与其存在知识势差的其他个体那里吸收“外部知识”的能力。个体创新能力是指个体利用自身已有知识进行“原创知识”创造的能力。所有社群个体的“外部知识”学习和“原创知识”创造的加总即构成社群网络知识协作，所有社群个体的学习能力、创新能力分别加总即构成社群学习能力、社群创新能力。

在知识协作过程中，个体知识存量增长包括“外部知识”学习与“原创知识”创造两个方面，即

(2)

2.2.1基于知识势差的互补学习

“外部知识”学习条件为，当且仅当个体间既存在知识社交关系，又相互具有知识势差。具体地，构建“外部知识”学习函数[13]为

(3)

2.2.2基于知识存量的个体创新

“原创知识”创造与创新能力成正比，但也受外部随机环境的影响，从而表现出正态随机性[23]。基于此，构建知识创新函数[24]：

(4)

2.2.3替代效应下学习与创新能力演化

已有研究大都认为，个体学习能力与创新能力的提升主要是通过知识整合[25～27]。事实上，个体在相应知识活动上的时间注意力资源投入，才是其能力提升的内核驱动力[28,29]，个体学习能力、个体创新能力分别与其在“外部知识”学习、“原创知识”创造上的时间注意力资源投入成正比。

假设“外部知识”学习与“原创知识”创造之间存在替代效应。具体地说，一方面，在“外部知识”学习上，当个体与社群平均水平相比具有比较优势时，个体用“外部知识”学习替代“原创知识”创造，减少在“原创知识”创造上的时间注意力资源投入，反之则增加；另一方面，在“原创知识”创造上，当个体与社群平均水平相比具有比较优势时，个体用“原创知识”创造替代“外部知识”学习，减少在“外部知识”学习上的时间注意力资源投入，反之则增加。

基于上述假设，构建个体学习能力、创新能力演化方程如下[24]：

(5)

(6)

本研究模型讨论归纳的研究思路见图1。

图1 总体研究思路

3 计算实验

3.1 知识社群网络构建

考虑一个由有限个体组成的知识社群，全部个体的集合记为N={1,2,…，n}，n为社群规模。个体i、j之间的连边代表他们之间存在知识社交关系，记为eij=1，则eij=0表示不存在知识社交关系。社群网络中全部知识社交关系的集合记为E={e11,e12,…,e21,e22,…,enm}，因此，知识社群网络可记为G={N,E}。与个体i存在知识社交关系的其他个体的集合记为Γi={j∈I∶eij=1}。

邓巴数理论指出，人类认知能力的有限性使得个体社群网络规模大概是150人左右[30]，因此，本研究将从单个个体衍生出来的知识社群网络的规模设为150，即假设N=150。为生成流行、互补和随机3种知识社群关系网络，设M0=3,M=2。生成的知识社群网络可视化图像见图2。由图2可知，流行关系社群的极少数节点占据了绝大部分知识社交关系，而随机关系社群和互补关系社群中知识社交关系分布则相对均匀。

假设个体初始知识存量ki,cx(0)服从标准正态分布N(0,1)，知识类型数量x=10，初始学习能力αi(0)和初始创新能力βi=(0)分别服从(0,0.1]均匀分布。考虑到现实社群中往往存在一些“专家”个体，因此，针对每种知识类型，随机选定一个体，将其初始知识存量设为10。由于在T=50之前社群知识协作已达到稳定状态，为便于实验结果的观察，设时间T=50。

图2 知识社群网络图

3.2 社交机制对社群知识协作的影响

社群知识协作的结果表现为社群知识存量、社群学习能力和社群创新能力的共同演化。各变量在不同的社群网络下随时间动态演进的情况见图3。

图3 社群知识存量、学习能力与创新能力共同演化

图4 知识社交关系分布

由图3可知，在初始时刻，3种社群网络的知识存量、学习能力和创新能力都没有显著差别。随着时间的演进，社群知识存量逐渐分化，随机关系社群的增长速度快于互补关系社群，快于流行关系社群，并随后达到以恒定速度持续增长的稳定状态。社群学习能力和社群创新能力在T=10左右之后出现明显分化，且在T=10左右之后，社群学习能力、创新能力分别小幅减小、增大后达到稳定状态，随机、互补、流行关系社群的学习能力(创新能力)最后分别稳定在0.44(0.67)、0.41(0.59)，0.34(0.57)附近。由此，可得如下命题：

命题1随机知识社交机制最利于社群知识存量和社群学习能力的提高，流行知识社交机制最利于社群创新能力的提高。

3.3 社群关系结构对知识协作的影响

前文分析发现，随机关系社群最利于社群知识存量和社群学习能力提高，流行关系社群最利于社群创新能力提高。知识社交机制决定社群关系结构，社群关系结构则决定了个体在社群网络中能够配置的知识资源。后文将从社群关系结构的宏观层面(社群关系分布)与微观层面(个体关系广度)，进一步分析知识社交机制影响社群知识存量、社群学习能力与社群创新能力共同演化的路径机理。

3.3.1宏观层面：社群关系分布

社群关系分布是指由社群中所有个体的个体关系广度所形成的数量分布。由3种不同知识社交机制所形成的社群网络，其关系分布见图4。由图4可得如下命题：

命题2随机社群关系呈均匀分布，互补、流行社群关系呈冥律分布，且流行社群关系分布的冥律特性更强。

为确定社群关系分布与社群知识存量、学习能力和创新能力共同演化之间的关系，对每种社群网络，重复运行实验100次，得到知识社群演化达到稳态时，社群知识存量、学习能力、创新能力分别与社群关系分布方差之间关系的散点图(见图5)。由图5可得如下命题：

命题3社群关系分布的均匀性(冥律性)与社群知识存量、社群学习能力正(负)相关，与社群创新能力负(正)相关。

图5 社群关系分布方差与社群知识存量、学习能力、创新能力

命题3说明，社群关系所呈现的均匀分布特征虽然有利于社群知识存量和学习能力的提高，但却抑制了社群创新能力的提高。原因在于两个方面：①在关系分布较均匀的社群中，社群内部关系资源差距较小，因而社群个体的“外部知识”学习机会差距较小。随着时间的演进，关系分布均匀的社群更容易满足知识势差条件，从而社群内部“外部知识”学习机会更多，这有利于社群学习能力的提高。相反，在关系呈冥律分布的社群中，社群内部“外部知识”学习机会较少，这有利于社群创新能力的提高。②“外部知识”学习对社群知识存量的增加占主导作用，从而社群关系分布的均匀性与知识存量正相关。

3.3.2微观层面：个体关系广度

下面从微观层面分析个体关系广度与个体知识存量、学习能力、创新能力之间的关系，以期为前文的社群宏观结论找到个体微观基础。

在随机、互补、流行3种知识社群网络中，当社群知识存量、社群学习能力以及社群创新能力的共同演化达到稳态时，个体关系广度与个体知识存量、学习能力、创新能力的关系见图6。由图6可得如下命题：

图6 个体关系广度与个体知识存量、学习能力、创新能力

命题4在随机、互补、流行3种社群网络中，个体关系广度与个体知识存量、个体学习能力正相关，与个体创新能力负相关。

由命题4可知，在随机、互补、流行3种社群网络中，个体关系广度的扩大有利于个体知识存量和个体学习能力的提高，但不利于个体创新能力的提高。原因在于两个方面：①关系广度越大的个体，“外部知识”学习机会越多，这有利于个体学习能力的提高，但不利用个体创新能力的提高。②“外部知识”学习对个体知识存量的增长具有主导作用，从而关系广度越大的个体，知识存量越高。

从社群整体来考虑，由前文的分析可知，随机社群关系呈均匀分布，而互补社群和流行社群关系则呈冥律分布。在关系呈冥律分布的互补和流行社群网络中，关系广度较小的个体占据了极大多数，而个体关系广度的大小又与个体知识存量、个体学习能力正相关，与个体创新能力负相关。由此可见，社群关系分布的冥律性(均匀性)与社群知识存量、学习能力负(正)相关，与社群创新能力正(负)相关。这一分析为命题3奠定了微观基础。

4 敏感性分析

计算实验研究方法具有天然的随机性，即使是完全相同的实验参数，两次实验的结果也可能存在差异。为验证上述实验结论的稳健性，下面从知识社交关系数量和知识社群个体数量两个方面做敏感性分析。重复运行实验100次，取均值作为实验的最后结果。

4.1 知识社交关系数量

调整社群知识社交关系数量参数的大小，分析本研究结论的稳健性。在3种社群网络中，设初始社群规模M0=15，分别设定新建知识社交关系数量M=2,5,10，得到不同新建知识社交关系数量情况下，3种知识社群网络可视化图像见表1。

表1 不同知识社交关系数量情况下的社群网络

由表1可知，随着新建知识社交关系数量的增加，社群内部的知识社交关系越来越紧密。当M=2，5，10时，社群知识社交关系总量分别为375、780、1 455。

不同知识社交关系数量的情况下，第50、60、70、80、90、100期时的社群知识存量、社群学习能力和社群创新能力值，以及互补关系社群、流行关系社群分别与随机关系社群的比值见表2。由表2可知，在社群演化达到稳态后，即T=50后，在不同的知识社交关系数量情况下，互补关系社群知识存量、学习能力分别与随机关系社群的比值始终小于等于1，且分别大于流行关系社群与随机关系社群的比值；在创新能力方面，互补关系社群与随机关系社群的比值大于1，且小于流行关系社群与随机关系社群的比值。这说明，在不同知识社交关系数量情况下，在知识存量、学习能力方面，随机关系社群优于互补关系社群与流行关系社群；在创新能力方面，流行关系社群优于互补关系社群与随机关系社群。

表2 不同社交关系数量情况下的知识社群演化

总体而言，随着社群知识社交关系数量的增加，随机关系社群的知识存量、学习能力始终高于互补关系社群，互补关系社群的知识存量、学习能力始终高于流行关系社群。在创新能力方面，流行关系社群始终高于互补关系社群，高于随机关系社群。这表明，在不同知识社交关系数量情况下，知识社交机制对社群知识存量、社群学习能力和社群创新能力共同演化的影响具有稳健性。

4.2 知识社群个体数量

调整知识社群个体数量参数的大小，分析本研究结论的稳健性。分别设定知识社群个体数量N=100,200,300,400,500，得到随机、互补和流行3种知识社群关系网络可视化图像。随着知识社群个体数量的增加，社群知识社交关系数量也会增加。当知识社群个体数量N=100，200，300，400，500时，社群知识社交关系总量分别为197、397、597、797、997。

不同知识社群个体数量情况下，第50、60、70、80、90、100期时的社群知识存量、社群学习能力与社群创新能力值，以及互补关系社群、流行关系社群分别与随机关系社群的比值见表3。由表3可知，在社群演化达到稳态后，即T=50后，在不同知识社群个体数量情况下，在知识存量和学习能力方面，互补关系社群与随机关系的比值在不同社群规模情况下都小于1，且都大于流行关系社群与随机关系社群的比值；在创新能力方面则相反，互补关系社群与随机关系社群的比值都大于1，且都小于流行关系社群与随机关系社群的比值。这说明，在不同的社群个体数量情况下，随机关系社群的知识存量、学习能力始终高于互补关系社群、高于流行关系社群；在创新能力方面，流行关系社群始终高于互补关系社群、高于随机关系社群。

表3 不同个体数量情况下的知识社群演化

续表3

总体而言，随着知识社群个体数量的增加，随机关系社群的知识存量、学习能力持续高于互补关系社群，互补关系社群则持续高于流行关系社群。在创新能力方面，流行关系社群持续高于互补关系社群，互补关系社群又持续高于随机关系社群。这表明，在不同知识社群个体数量情况下，知识社交机制对社群知识存量、社群学习能力和社群创新能力共同演化的影响具有稳健性。

5 结语

通过以上研究，得到如下结论：①随机知识社交机制最利于社群知识存量和社群学习能力的增长，流行知识社交机制最利于社群创新能力的增长；②随机社群关系呈均匀分布，互补、流行社群关系呈冥律分布，且流行社群关系分布的冥律特性更强；③社群关系分布的均匀性(冥律性)与社群知识存量、社群学习能力正(负)相关，与社群创新能力负(正)相关。

本研究具有如下理论意义：①从知识社交机制视角内生化了社群网络构建，提出“社交机制—社群网络—知识协作”三阶段研究范式，这在一定程度上扩展了社群知识协作研究的边界，并为未来相关研究提供了一种新的可行思路；②由于知识本身的默会性以及知识学习、创新活动的复杂性和因果模糊性，收集相关数据较为困难。此外，传统数学建模方法也难以应对社群个体异质性和社群知识协作的动态演化建模方法挑战，本研究采用计算实验方法克服了上述难题，有力推动了互联网环境下大规模知识协作的研究方法创新。

本研究为知识型社群实践提供如下管理启示：管理者不仅需要考虑到组织文化以及个体属性等因素，还应该从社交机制层面考虑社群关系结构的设计。对于学习型社群而言，管理者可以推行扁平化的成员管理结构，鼓励社群内部成员间的交流与合作，充分利用成员间关系互动所带来的知识溢出效应，以改善社群的发展速度与质量。对于创新型社群而言，则应推行中心化的成员关系结构，鼓励社群内部成员花费更多时间资源在知识创新上，以增强社群创新能力，增加社群创新成果产出。

本研究也存在一定的局限性：①利用计算实验方法研究知识协作时的参数设定仅停留在理论层面，进一步的研究可通过收集现实数据进行参数估计，从而使研究结果对现实具有更强的解释力；②在知识社交和知识协作模型构建时，仅考虑了单一的知识因素，而在实际中个体社交行为和社群知识协作行为更复杂；③采用的计算实验方法是通过数学建模和计算机编程技术再现现实微观主体行为，来研究复杂的宏观社群知识协作现象，其数学建模过程中的现实可验证性是这一方法的主要缺陷。