知识创新视角下知识链中知识协同风险评价与管控模型研究

周 茜，谢雪梅，吕淼虹

（1.北京邮电大学经济管理学院，北京 100876；2.浙江农林大学暨阳学院，浙江诸暨 311800 ）

处于知识经济时代的今天，知识已经成为企业核心竞争力的重要资源［1］，企业的竞争转化为知识与知识的竞争。在产学研环境中，知识有效流动形成知识链，知识链是指两个或者两个以上的不同知识资源进行知识流动形成链式的知识结构［2］。知识链一般具有动态性、传播性、制衡性、收益递增性等特征。知识链是以知识为中心通过知识的识别、投入、交流、加工、转化、传播扩散与创新等过程，实现了有效知识服务［3-4］。根据生命周期理论，知识链的生命周期可分为：酝酿期、形成期、运行期和衰退期4 个阶段。知识协同是知识优势一方和知识劣势一方在交流合作的基础上进行知识资源整合，达到各自所需与共赢的目的。知识管理协同是指知识利益主体间“多向”“多维度”的动态协同过程［5-6］。在这个经济全球化的时代，知识的协同和利用正在逐渐越过时间和空间的范围，知识链的知识协同形成知识创新、知识共享、知识增效并产生知识优势［7］。知识链知识协同过程中是知识链与外部环境、内部环境，知识链与知识链之间的相互作用，在相互作用过程面临着知识协同的风险。知识链在知识传播运行过程中，往往由于信息不对称、知识共享能力与知识转移能力不足，以及知识的本身特性等原因严重影响到知识链中知识协同与知识创新［8-9］。又由于知识链中各企业、各节点参与知识协同时，由于动机不一致，知识整合、知识交流存在知识差异，再加上知识的专有性、内隐性和外部性等特征。知识链进行知识协同时会产生不确定性、冲突性，从而导致知识链中知识协同风险的产生［10］。本文从知识协同和风险控制的角度出发同时结合知识创新视角下知识链的特征来建立知识协同风险评价模型，为了解决知识链中知识协同风险评价模型的模糊性和不确定性，利用改进直觉模糊评价方法和熵权法、变异系数相整合的组合赋权法。该评价模型规避了单一赋权法的随机性，不确定性等缺点，评价结果较科学、精准，进而对知识链有效进行知识协同提供了一定的参考价值与科学价值。

1 改进直觉模糊下知识链中知识协同风险评价权重确定

1.1 评价指标体系的确定

本文研究采用问卷调查和专家访谈，调查了各省市20家知识型企业，又访谈了56位相关领域专家，其中包括相关领域的教授或者研究员11 名，副教授或者副研究员14 名，博士生20 名，其他专家11 名，发放总问卷 56 份，收回50 份，回收率 89.29% 再结合文献［9］～［12］的研究，再根据知识链的生命周期理论，最终从知识本身风险、技术风险、组织合作风险和人员风险4 个方面进行知识创新视角下知识链中知识协同风险评价体系的构建［9-12］。具体指标如表1 所示：

表1 知识创新视角下知识链中知识协同风险评价体系

1.2 基于直觉模糊的指标权重的计算公式确定

直觉模糊专家权重取决于专家判断信息的确定性、可靠性程度，知识链管理专家提供的直觉模糊信息越不确定说明专家对知识链中知识协同风险评价相关体系了解较少，则赋予较小的权重；反之，则赋予较大的权重，确定直觉模糊专家权重

所以专家权重的计算公式为：

1.3 改进的直觉模糊法下风险评价决策矩阵确定

邀请专家使用语言算子对风险指标的关系进行测度。通过语义表将原始的专家评价转化为模糊数，风险指标的影响程度语义转化如表2 所示。

表2 语义转化

r个专家对知识链中知识协同风险评价指标掌握程度不一样，按照专家的不同类型对专家的评价赋予不同程度的权重，如表3 所示。

表3 专家评价权重

对各专家模糊数权重及专家打分的初始值去模糊化，得m阶直接决策矩阵I，初始值去模糊化包括以下三步。

第一，将模糊数标准化

利用专家访谈，分别为行业知识链专家（4 位）、相关领域知识链专家（4 位）、企业高层知识管理者（4位）、企业相关部门知识管理者（3 位）等15 位专家。给出原始的属性权重，对他们的数据按照权重进行修正处理，得出模糊型的直接决策矩阵，利用公式（5）～（8）计算得出改进直觉模糊下的知识链中知识协同风险评价决策矩阵，如表4 所示：

表4 改进直觉模糊法下知识链中知识协同风险评价决策矩阵

根据以上公式（2）～（4），利用MATLAB 计算得出以下知识链中知识协同风险指标权重系数，如表5 所示：

表5 改进直觉模糊法下知识链中知识协同风险指标权重系数

2 EWM-CV 法下知识链中知识协同风险评价权重确定

2.1 基于EWM 的指标权重的确定

熵权法（EWM）针对无序系统一种定量的度量方法，它可以计算知识链中知识协同风险指标权重系数，当知识协同风险指标的信息熵值越小，该指标提供的信息量越大［14］，从而权重系数赋值越大；反之，该指标提供的信息量越小，从而权重系数赋值越小。熵权法相对于主观赋权值法，具有精度较高客观性更强等特征，能够更好的解释知识链中知识协同风险指标的结果。

选取上述相关行业专家15 名，对14 个风险指标进行评分，发给每个专家指标列表，按照步骤反复核写、填写，每个专家对知识创新视角下知识链中知识协同风险指标进行标记打分，风险指标评分值域为，得到专家打分表，如表6 所示：

表6 熵权法专家打分表

知识链中知识协同风险指标进行评价，利用熵权法确定指标权重的步骤：

根据以上步骤可以利用MATLAB 计算得出以下知识协同风险指标权重系数如下表7 所示。

表7 EWM 法下的知识链中知识协同风险指标权重系数和排名

2.2 基于CV 的指标权重的确定

上述基于直觉模糊法与EWM 法导致赋权的结果区分度并不大，为了弥补这一缺陷，引入CV（变异系数法）进行权重计算。CV 是衡量经济统计数据差异的统计指标［15］，变异程度较大的风险指标，说明较好的区别知识链中知识协同风险的差异情况，应该赋予较大的权重。

我们选择相关研究团队，对知识创新视角下知识链中知识协同风险进行有效测度，进行测度的专家团队具有一定相关知识研究、处于不同层次，具有不同的代表含义，一共有15 人组成，由这15 人分别给出评分，风险指标评分值域为，为了一定准确度，保留2 位小数。具体评分如表8 所示：

表8 CV 法下知识链中知识协同风险评价模糊决策矩阵

确定CV 法下知识链中知识协同风险指标权重系数的基本步骤：

对各个风险指标的变异系数进行归一化处理，得到各风险指标的权重系数。

根据以上公式（10）～（12），利用MATLAB计算得出CV 法下知识链中知识协同风险指标权重系数如表9。

表9 CV 法下知识链中知识协同风险指标权重系数

2.3 基于EWM-CV 的风险指标组合权重的确定

兼顾权重的可区分度和可解释性，基于EWM和CV 组合赋权公式为：

表10 EWM-CV 法下知识链中知识协同风险指标组合权重系数

2.4 改进直觉模糊与EWM-CV 法下最终组合权重的确定

兼顾权重的指标的科学性，消除风险指标人为评价随机性、不确定性，建立了改进直觉模糊与EWM-CV 法下最终组合权重公式

表11 改进直觉模糊与EWM-CV 下知识链中知识协同风险最终组合权重系数

2.5 基于改进的DEMATEL 的综合影响矩阵计算

根据知识链中知识协同风险的特点，利用ITFN（梯形直觉模糊集理论）的运算步骤，再对DEMATEL 方法进行改进处理［16］，构建了ITFNDEMATEL 方法，具体步骤如下。

（1）知识协同风险因素确定。确定知识链中知识协同风险因素集合，有14 项待评风险因素，，然后确定专家风险评估的权重向量为。

（2）构建专家直觉评分集。专家对于各知识协同风险因素之间的影响程度进行最小与最大可能影响程度的判定，ITFN 转化的十级语言评价如表12所示，并构建专家直觉评分集，其专家评价结果见表13 所示。

表12 梯形模糊数转化的十级语言评价集

表13 知识链中知识协同风险因素的专家直觉评分集

表14 知识链中知识协同风险影响度、被影响度、中心度、原因度

基于改进直觉模糊与EWM-CV 法下最终组合权重和改进的DEMATEL 法的结果，计算中心度值与知识链中知识协同风险指标各权重的乘积，得出知识链中知识协同风险因素各综合影响度，综合影响度可以准确判定各知识链中知识协同风险因素的重要性，可以降低最终组合权重系数和ITFNDEMATEL法的主观局限性与片面性，具体公式如下：

表15 知识链中知识协同风险因素综合影响度

3 知识创新视角下知识链中知识协同风险控制模型

根据以上风险评价结果的分析，提高知识共享能力、隐性知识共享性、知识协同意愿、知识转移能力等是对知识链中知识协同风险降低的关键手段。本文构建如下知识创新视角下知识链中知识协同风险控制模型。

3.1 基于激励机制的知识创新视角下知识链中知识协同风险管控模型

3.2 基于内隐性知识共享程度的知识创新视角下知识链中知识协同风险管控模型

知识创新视角下知识链中知识协同时要追求整体效用最大化，知识链进行知识协同过程中，知识链中知识提供方的隐性知识共享程度设为，设为知识共享程度系数，为外界不确定性影响因素［19］，知识链中知识提供方的隐性知识共享的收益对数函数为：

由式子（33）可得：

由式子(34)可知：知识链中知识提供方的隐性知识共享收益跟知识提供方的知识共享程度成正比。

根据成本函数一般具有凸性条件，设知识提供方的隐性知识共享成本系数为，假定知识发送方隐性知识共享成本函数为:

由式子（36）可得：

3.3 基于知识联盟的知识创新视角下知识链中知识协同风险管控模型

从上述的知识联盟合作规则可知：知识链中知识联盟创造的知识收益由知识联盟成员投入知识共享量决定，当知识链中知识联盟成员协作意愿程度越高，获取知识收益总量就越多。当知识链中知识联盟中承担知识协同风险的承担数量越大，获益比例就越大。投入的知识量越多，获取知识协同的获益数量越高。因此建立知识链中知识联盟这种合作模式，可以对知识链中知识协同风险进行有效控制。

4 结论与分析

（1）从知识协同风险最终组合权重系数可知：知识共享能力、知识内隐性与知识转移能力、知识协同意愿、利益分配的明确性、知识学习能力是知识链中知识协同的重要风险指标，文化差异程度、知识平台的共享效率、知识协同动机对知识链中知识协同风险影响程度不大。

（2）知识协同是知识链上重要环节，降低知识协同风险，需要提高知识链的知识转移能力与知识共享能力、内隐知识的显性化程度，增加知识链双方或者多方的知识协同意愿，促进知识协同质量与效果的提升。知识协同如果没有明确的利益分配制度，知识链成员会出现内部矛盾，因此，在知识协同过程中要明确资金的分配方案、知识产品的归属问题。

（3）增强知识学习能力可以加快知识链的知识更新效率、促进知识创新，有利于知识协同创新活动平稳的进行。知识链中隐性知识存在内隐性，该特征增加了知识转移与知识吸收的难度，因此，需要提高知识链中隐性知识共享意愿，重视知识分享者的自我效能感提升，建立完善激励机制，引导隐性知识共享时的自我效能感，降低隐性知识的内隐性，促进隐性知识显性化。

（4）知识链中部分成员由于道德风险与逆向选择的存在，容易导致成员之间信息不对称，引发信任风险。因此，构筑知识链中知识协同的信任机制，建立一套完善、科学、激励性的知识链信任评价机制，提高知识链中知识协同的整体绩效，促进知识链中知识沟通，及时并准确地传递有利于风险管控的有用信息，实现知识有效传播与知识创新，维持知识协同活动的正常运行。