基于网络演化博弈的互动创新社区用户知识共享行为影响因素研究
2021-04-02李从东黄浩张帆顺
李从东 黄浩 张帆顺
收稿日期：2020-08-02
基金项目：国家自然科学基金项目“基于动态语义X列表互动知识空间的产品持续创新模型及其优化、应用”（项目编号：71672074）;广东省自然科学基金项目“B2C模式下闭环选址-库存集成优化模型研究”（项目编号：2019A1515010045）;广州市创新领军团队项目“面向‘电商-工业联动物流智能多级管控的运作服务平台研究及应用”（项目编号：201909010006） 。
作者简介：李从东（1962-），男，教授，博士，研究方向：产品互动创新、知识管理、工业工程等。张帆顺（1994-），男，博士研究生，研究方向：产品互动创新、应急管理。
通讯作者：黄浩（1997-），男，硕士研究生，研究方向：知识管理。
摘要：[目的/意义]为辨析网络演化博弈视角下互动创新社区用户知识共享行为影响因素以促进社区用户间的知识共享行为。[方法/过程]在传统演化博弈理论与网络演化博弈理论的基础之上，分别构建互动創新社区知识共享模型，通过计算与仿真，对比两种方法下社区知识共享的演化结果，分析社区用户知识共享行为的影响因素。[结果/结论]研究发现，利用传统演化博弈方法与网络演化博弈方法得到的互动创新社区演化均衡点并不一致;协同收益、社区奖励与知识共享成本对互动创新社区知识共享演化深度有显著影响;社区网络规模与知识共享风险对互动创新社区知识共享演化速度有显著影响。
关键词：互动创新社区;知识共享;社区网络;网络演化博弈
DOI：10.3969/j.issn.1008-0821.2021.04.005
〔中图分类号〕G203;G252〔文献标识码〕A〔文章编号〕1008-0821（2021）04-0036-10
Research on Influencing Factors of Knowledge Sharing Behavior of Open
Innovation Community Users Based on Network Evolutionary Game Theory
Li Congdong1，2Huang Hao1*Zhang Fanshun1
（1.School of Management，Jinan University，Guangzhou 510632，China;
2.Institute of Physical Internet，Jinan University，Zhuhai 519070，China）
Abstract：[Purpose/Significance]This paper aims to analyze the influencing factors of knowledge sharing behavior of open innovation community users from the perspective of network evolutionary game，and to promote knowledge sharing behavior among users.[Method/Process]The knowledge sharing model of open innovation community was developed based on the theory of traditional evolutionary game and network evolutionary game.Through calculation and simulation，the evolution results of knowledge sharing under the two methods were compared，and the influencing factors of knowledge sharing behavior of community users were analyzed.[Result/Conclusion]The paper found that the evolutionary equilibrium point obtained by the traditional evolutionary game method and the network evolutionary game method was inconsistent.Synergy revenue，community reward and the cost of knowledge sharing had a significant impact on the evolution depth of knowledge sharing in communities.The scale of the community and the risk of knowledge sharing had a significant impact on the evolution speed of knowledge sharing in communities.
Key words：open innovation community;knowledge sharing;community network;network evolutionary game
不同于传统的知识共享渠道，互动创新社区利用互联网交互、开放、共享等特性，将具有共同爱好和目标的个体聚集在一起，使大家可以在一个平等、开放的网络空间中进行知识的沟通和共享[1]。BMW、IBM、Samsung、Starbucks等企业通过互动创新社区获取用户的创新想法与知识，大大提高了企业的研发效率[2]。然而，互动创新社区中大部分用户只单纯地浏览社区中的信息和知识，在社区中扮演了潜水者的角色，导致互动创新社区整体活跃度低下和内部知识匮乏[3]。因此，如何更好地促进互动创新社区用户间进行知识共享，从而提高企业的竞争力已经成为一个值得关注和研究的重点。
促进用户进行知识共享以实现互动创新社区的持续发展是学界和业界关注的焦点，现有互动创新社区用户知识共享研究注重分析影响用户知识共享行为的关键因素。Tseng F C等基于社会认知理论和社会资本理论研究了自我效能感对社区知识共享的影响，结果表明自我效能感与知识共享呈正相关关系[4]。Liu J等在社会资本理论的基础之上，研究社区意见领袖的不同特征（互动性、权威性、活跃度）对互动创新社区知识共享的影响[5]。王婷婷等研究了开放式创新社区用户的持续知识共享行为，发现用户自我展示程度、可获得的社会学习机会、企业的认可和一般用户的认可对用户持续知识共享行为有显著影响[6]。王楠等基于社会资本理论分析了用户社会资本在领先用户特征和知识共享水平之间的中介作用，研究发现用户的领先用户特征对知识共享水平存在显著正向作用[7]。曲霏等从社会交换理论的视角提出了关系型虚拟社区用户个人收益对持续知识共享意愿的影响模型及人际信任的调节作用[8]。经过文献梳理可以发现，尽管上述文献采用实证研究的方法识别了大量的用户知识共享行为影响因素，但缺少这些因素对知识共享的定量化研究，对影响因素与社区用户知识共享行为之间的作用机理还不清楚，而这个问题的解决是社区管理者在制定社区管理政策和促进社区发展时关注的热点[9]。此外，虽然上述文献从不同的角度分析了社区用户知识共享行为的影响因素，但却未考虑现实互动创新社区网络的拓扑特征，忽视了用户间的动态交互关系对知识共享的影响。而现有文献提出社区用户间交互关系与社区网络的拓扑结构都会影响用户的知识共享行为[10-11]，忽视网络因素对知识共享的影响会导致研究与实际情形脱节，所得结论可能难以应用于现实。
网络演化博弈是解决上述问题的有效方法，它以复杂网络和演化博弈分别刻画用户间的交互关联结构以及策略选择范式，为理解和分析复杂交互环境下群体的决策行为提供了一个新的研究模式[12-13]。基于此，本文首先在演化博弈理论的基础之上，构建互动创新社区用户知识共享的传统演化博弈模型，分析社區知识共享的局部稳定性;其次，结合复杂网络理论与演化博弈理论，构建互动创新社区用户知识共享的网络演化博弈模型，利用计算机仿真技术对知识共享演化过程进行模拟仿真实验，对比两种方法下结果的差异，分析影响社区用户知识共享行为的重要因素;最后，依据仿真结果给出相应的管理启示，并对文章进行总结与展望。
1互动创新社区用户知识共享的传统演化博弈模型
1.1问题描述
互动创新社区中的用户是否选择知识共享策略是一个复杂的博弈过程，知识共享行为的产生往往依赖于相应的激励与引导。王鹏民等、杜智涛根据用户行为类型差异将创新社区中的用户分为“主动型用户”和“被动型用户”[14-15]，基于此，本文将创新社区用户群体的博弈策略划分为“主动共享”策略与“被动共享”策略。主动共享是指用户积极发帖、评论等知识共享行为，而被动共享是指用户单纯浏览、搜索他人帖子而不进行知识共享的行为。
对于互动创新社区中的用户来说，直接知识共享收益、协同收益与社区奖励是其可从博弈中获得的3类主要收益[16]。直接知识共享收益是指社区用户吸收博弈对方提供的知识并转化为自身能力所带来的收益，因此，当博弈对手选择主动共享策略时，用户便可获得直接知识共享收益。协同收益是指由于创新社区中用户之间进行知识共享时双方知识融合而产生的收益，只有当博弈双方均选择主动共享策略时，用户才可获得协同收益。除此之外，当用户选择主动共享策略时，将获得社区为其提供的物质或精神奖励，如虚拟金币、积分、产品体验资格等。另外，知识共享行为需要用户付出时间和精力，也就是说知识共享是有一定成本的，包括传递成本、沟通成本及机会成本等[17]。与此同时，用户在知识共享过程中面临着丧失知识专有优势、个人信息被曝光等风险[18]。以上就是社区用户在博弈过程中可能涉及的收益及成本。
1.2模型构建
根据互动创新社区中用户的知识共享博弈特征以及当前文献的总结[17-18]，本文假定了一系列的博弈支付矩阵参数，如表1所示。以下参数的具体测度方法已由文献[19-22]提出。
当互动创新社区中任意用户1和用户2发生博弈时，不同策略组合下双方收益不同，以下是4种博弈情况的具体分析。
情况1：（主动共享，主动共享）。如果用户1与用户2均采取主动共享策略，则两者可获得直接知识共享收益、协同收益、社区奖励3类收益，并需要承担知识共享成本及风险。因此，用户1的收益为H1=σ1α1η2k2+μtβ1η1k1+λη1k1-c1η1k1-R1，用户2的收益为H2=σ2α2η1k1+μtβ2η2k2+λη2k2-c2η2k2-R2。
情况2：（主动共享，被动共享）。如果用户1采取主动共享策略，而用户2采取被动共享策略，则用户1只能获得社区奖励，但需要承担知识共享成本及风险，即用户1的收益为P1=λη1k1-c1η1k1-R1，而用户2利用“机会主义”从用户1处获取直接知识共享收益，因此，用户2的收益为Q2=σ2α2η1k1。
情况3：（被动共享，主动共享）。如果用户1采取被动共享策略，而用户2采取主动共享策略，则用户1的收益利用“机会主义”变为Q1=σ1α1η2k2，而用户2的收益受用户1机会主义行为的影响变为P2=λη2k2-c2η2k2-R2。
情况4：（被动共享，被动共享）。如果用户1和用户2都选择被动共享策略，则两者收益将不受彼此机会主义的影响，均为0。
综上所述，对互动创新社区中任意用户1和用户2建立知识共享博弈支付矩阵，如表2所示。
1.3局部稳定分析
假设互动创新社区由两个有差别的群体1和群体2构成，群体1选择主动共享策略的成员比例为x，选择被动共享策略的比例为（1-x）;群体2中选择主动共享策略的成员比例为y，选择被动共享策略的成员比例为（1-y）。根据表2列出的4种策略组合可得用户1选择主动共享策略的平均收益为：
Ex=yH1+（1-y）P1=y（σ1α1η2k2+μtβ1η1k1）+（λ-c1）η1k1-R1（1）
用户1选择被动共享的平均收益为：
E1-x=yQ1=yσ1α1η2k2（2）
用户1分别以x和1-x的概率选择主动共享和被动共享策略的平均收益为：
Ex（1-x）=xEx+（1-x）E1-x=xyμtβ1η1k1+yσ1α1η2k2+（λ-c1）xη1k1-xR1（3）
假定该策略比例的调整速度与其平均收益超过混合策略平均收益的幅度成正比，则关于用户1的复制者动态方程为：
dxdt=x（Ex-Ex（1-x））=x（1-x）[yμtβ1η1k1+（λ+c1）η1k1-R1]（4）
相似的，关于用户2的复制者动态方程为：
dydty（Ey-Ey（1-y））=y（1-y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（5）
令dxdt=0，dydt=0，可得均衡点为（0，0），（0，1），（1，0），（1，1）。当0 x*=R2+（c2-λ）η2k2μtβ2η2k2， y*=R1+（c1-λ）η1k1μtβ1η1k1（6） 根据Friedman（1991）提出的雅克比矩阵（Jacobin Matrix）的局部稳定分析法，对上述均衡点进行稳定性分析。 J=a11a12 a21a22（7） 其中： a11=（1-2x）[yμtβ1η1k1+（λ-c1）η1k1-R1]（8） a12=x（1-x）μtβ1η1k1（9） a21=y（1-y）μtβ2η2k2（10） a22=（1-2y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（11） 雅克比矩阵的行列式detJ与trJ迹的表达式为： detJ=a11a12-a12a21;trJ=a11+a22（12） 当某平衡点使得detJ>0、trJ<0时，则可以判断该平衡点处于局部渐进稳定状态，也就是该点是演化稳定策略（ESS）。由此得出结论：当λη1k1 从表3～表7可以知道，知识共享的协同收益、社区奖励、成本、风险之间的关系决定了社区的最终稳定状态。当协同收益及社区奖励的和大于知识共享及风险的和时，社区用户更倾向于选择主动共享策略，最终社区会达到用户全都选择主动共享策略的理想状态。 虽然演化博弈在一定程度上有助于从微观角度深入了解互动创新社区用户选择知识共享的决策过程，但是其假设的个体交互关系过于理想化，与现实中社区用户之间的知识共享情形差距较大。传统的演化博弈通常假设个体之间以均匀混合或全连通的方式交互，即所有个体全部相互接触，然而现实情况中，社区内用户之间的接触总是有限的，用户总是倾向于与更活跃的、影响力更大的用户进行接触，不可能有时间和精力与所有用户进行互动。因此，互动创新社区可以看作是具有特定拓扑特征的复杂网络，社区中用户通过互动、竞争和协作等非线性作用机制实现知识的共享。基于此，下文将结合复杂网络理论与演化博弈理论，采用网络演化博弈及计算机仿真技术的研究方法分析互动创新社区用户知识共享的演化规律。 2互动创新社区用户知识共享的网络演化博弈模型 2.1互动创新社区用户知识共享网络拓扑结构 复杂网络拓扑结构类型众多，包括随机网络、规则网络、小世界网络、无标度网络等，不同类型的网络由于生成算法的不同，导致其表现出来的结构、性质是有所差异的。无标度网络是复杂网络研究中一个非常重要的模型，解释了复杂网络自组织演化过程的自增长和择优特性，这与互动创新社区用户知识共享的演化过程相匹配，社区中少数用户拥有大量连接，而大部分节点只有少数的连接，具有较高的异质性[23]。并且用户更倾向于与网络中互动频率较高、知识总量较高的用户进行互动，反映出互动创新社区网络的无标度特征[24]。另外，大量的实证研究表明，现实世界许多的复杂系统都具有无标度网络特征[25-26]。因此，本文选择无标度网络来表示互动创新社区网络，并将网络规模设定为50，200，500。需要說明的是，虽然现实互动创新社区网络规模远大于本文设定的规模，但不断增长的网络规模并不会影响本文的仿真结论。
2.2互动创新社区用户知识共享网络演化规则
2.2.1博弈用户策略更新规则
在每个演化周期，互动创新社区用户与其邻居用户进行博弈，每个博弈方的收益为其与所有邻居进行博弈所得收益的累加和。博弈个体根据其与邻居的收益比较进行策略更新，目前最常见的策略更新规则包括模仿收益最大的邻居策略、复制动力学、配对比较和基于Moran过程的自然选择规则。根据用户的有限理性以及互动创新社区内的环境干扰，本文选择配对比较这一策略更新规则，个体随机选择1位邻居后，个体在下一演化周期中模仿对方策略的概率为：
Psi→sj=11+e（Ui-Uj）/m（13）
其中Psi→sj表示用户i模仿邻居j策略的概率，Ui和Uj表示用户i、j的累加收益和，m表示互动创新社区内的环境噪声大小，刻画了个体的非理性程度，当m→0时，代表个体完全理性，只会模仿高于自身收益的策略，而随着m的增加，个体理性程度降低，模仿低收益邻居行为的可能性增加。
2.2.2博弈用户知识总量更新规则
在博弈过程中，用户i可能获得来自用户j的共享知识，导致其自身的知识总量发生变化。假设博弈个体的知识增长只与博弈对手的直接知识共享收益相关，与协同收益、奖励、成本、风险无关，可得用户i在t+1时刻的知识总量表达式为：
ki（t+1）=ki（t）+αiηikj（t）用户j选择主动共享
ki（t）用户j选择被动共享（14）
因此，个体知识总量在不同的演化周期是动态变化的，从而导致与个体知识总量相关的博弈支付矩阵也会发生变化，即每轮演化周期的博弈支付矩阵是动态变化的。
3仿真实验及结果分析
3.1仿真步骤及初始参数设置
为验证模型的有效性与科学性，本文利用Matlab 6.0软件模拟了互动创新社区用户知识共享行为的演化过程，通过比较不同条件下的仿真图形，探讨影响社区知识共享的关键因素，并对仿真结果进行分析。具体仿真步骤如下：
步骤1：初始化给定一个互动创新社区网络，即无标度网络G（V，E）;
步骤2：将初始策略随机分配给网络中的每个节点，并设定博弈支付矩阵的参数值;
步骤3：进行一次博弈;
步骤4：网络中节点随机选择邻居节点进行收益比较，并以配对比较规则进行策略更新;
步骤5：转步骤3，直至达到预定时间步长结束。
为体现社区用户的个体异质性，将用户分为两个群体，群体1和群体2，结合传统演化博弈模型的4种情形以及结论，设置对应条件下的参数值。其中，初始知识共享水平p0=0.5、k1=k2=10、σ1=σ2=0.3、α1=α2=0.2、μ=0.2、t=0.5、R1=R2=1;其余参数取值如表8所示。
3.2仿真结果分析
3.2.1互动创新社区用户知识共享网络演化结果
图1表示在50个节点网络规模大小的社区中，用户知识共享水平在D1、D2、D3、D4这4种参数条件设置下随时间变化的演化过程。可以看出，当互动创新社区所有用户获得的社区奖励小于付出的知识共享成本与风险的和时，最终社区的知识共享水平收敛于0，如图1中演化曲线D1所示，所有用户均选择被动共享策略。当部分用户得到的社区奖励大于付出的知识共享成本与风险的和，其余用户获得的协同收益与社区奖励之和小于知识共享成本与风险之和时，最终社区的知识共享水平出现了两种情况：一种是收敛于1，如图1中演化曲线D2所示，一种是在0.7上下徘徊，如图1中演化曲线D3所示。出现这种现象的原因可能是群体1与群体2的数量比例不同，当群体2的数量占多数，且这类用户获得的社区奖励大于付出的知识共享成本与风险的和时，他们更愿意选择主动共享策略，而群体1由于付出的成本与风险更高，他们可能倾向于选择被动共享策略，但由于社区网络中的交互关系，用户首先能感知到的是邻居的策略倾向，且受流行性压力与社会规范的影响，导致群体2的用户选择主动共享的概率更大，最终网络知识共享水平收敛于1;对应地，当群体2的数量占多数，这类用户付出的成本与风险之和高于协同收益与社区奖励之和，他们会倾向于选择被动共享策略，但是，当博弈双方
在某一演化周期均选择被动共享策略时，两者的收益值为0，导致下一阶段某一方或者双方都会模仿主动共享策略，因此，网络的知识共享比例会上升到较高的水平，但由于“机会主义”的存在，网络中部分群体2仍会选择被动共享策略，最终网络的知识共享水平稳定在0.7左右。当用户获得的协同收益与社区奖励之和大于知识共享成本与风险之和时，社区网络能够迅速演化收敛于1，如图4中演化曲线D4所示。
比较图1和传统演化博弈均衡点结果可以看出，D1与D4分别和传统演化博弈中均衡点为（0，0）与（1，1）的情况一致，最终网络演化水平收敛于0与1。而D2与D3却和传统演化博弈中均衡点为（0，1）与（1，0）的情况不一样，D2与D3最终演化水平并没有收敛于网络中群体1与群体2的数量比例，原因在于社区网络用户之间的互动关系影响着用户的策略选择，而传统演化博弈理想化地将社区网络假定为全耦合结构，违背了用户间的接触是有限的这一现实情况，导致所得结论与图1不一致。
3.2.2网络规模对知识共享演化影响分析
图2和图3分别是在200个节点和500个节点条件下的互动创新社区知识共享网络的演化结果图。从图1～图3中相同参数设置不同网络规模的演化仿真结果可以看出，4种参数设置条件下的最终知识共享演化结果一致，即在无标度网络中，网络规模几乎不影响知识共享演化水平。但值得注意的是，除去D3知识共享水平到达稳定状态所需时间不清晰外，网络规模为50的社区网络在5～10个时间步长基本达到稳定状态，规模为200的社区网络在10～30个时间步长后基本达到稳定状态，规模为500的社区网络则在30～50个时间步长区间内达到稳定状态。由此可见，互动创新社区网络规模越大，知识共享最终达到演化稳定状态的时间就越长，即知识共享演化速度越慢。这可能是因为在规模较小的网络中，节点度相对较小，能够快速且稳定地选择策略。而規模较大的网络中节点进行博弈时，节点之间的交互关系、收益对比与策略学习过程更为复杂，网络需要较长时间才能到达稳定状态。
3.2.3协同效应系数β异质知识比例μ、信任t对知识共享演化影响分析
为了更好地体现网络中的用户交互关系对社区知识共享网络的影响，后面的仿真实验均假设网络规模为500。本节以互动创新社区用户知识共享网络演化水平为0的情景为基础，设置参数值ki=10、σi=0.3、αi=0.2、Ri=1、ηi=0.6、ci=0.6、λ=0.4、i=1，2，分别对协同效应系数β、异质知识比例μ、信任t的大小进行调整，对应得到图4～图6。
图4是在μ=1、t=1、βi（i=1，2）依次取值为0.1、0.3、0.5、0.7、0.9的条件下，协同效应系数对用户知识共享行为的影响的仿真结果。从图4可以看出，随着β值的增大，社区网络知识共享演化水平由趋近于0转变为趋近于1，表明协同效应系数会对用户知识共享行為产生积极的影响，协同效应系数越大，社区中选择主动共享策略的人数就越多。这是因为协同效应系数越大，用户在知识共享时双方知识的融合产生的新知识越多，所带来的协同收益就越高，从而促进用户知识共享行为的持续进行。
图5是在t=1、βi=1（i=1，2）、μ依次取值为0.1、0.3、0.5、0.7、0.9的条件下，异质知识比例对用户知识共享行为的影响的仿真结果。从图5可以看出，与图4的结果一致，博弈双方之间的异质知识比例与用户知识共享行为之间呈正向关系。当社区用户之间共享的知识异质性比例较低时，会导致知识交流的同质化，不利于双方知识的融合，较难产生新的知识，获得的协同收益也较低，从而阻碍知识共享行为的发生。
图6是在μ=1、βi=1（i=1，2）、t依次取值为0.1、0.3、0.5、0.7、0.9的条件下，博弈双方的信任程度对用户知识共享行为的影响的仿真结果。从图6可以看出，当t值取0.5、0.7、0.9时，社区网络知识共享演化水平趋近于1;而t值取0.1、0.3时，知识共享演化水平趋近于0。这表明用户之间的信任程度会对知识共享行为产生正向的影响，信任程度越高，用户越相信其他用户的未来行动将会有利于或至少不会有害于自己的利益，从而更愿意采取知识共享行为。
3.2.4激励系数λ对知识共享演化影响分析
取μ=0.2、t=0.5、βi=0.2（i=1，2），其他参数值保持不变，通过对激励系数λ依次取值为0.1、0.3、0.5、0.7、0.9，得到仿真结果如图7所示。当λ取值为0.1、0.3、0.5时，社区用户知识共享演化水平都趋近于0，当λ取值为0.7、0.9时，社区用户知识共享演化水平趋近于1。图7表明激励系数与知识共享行为之间呈正向的关系，随着激励系数的不断增加，用户可获得的社区奖励越来越多，用户需求可以得到更好地满足，从而促进用户知识共享行为的产生。
3.2.5成本系数c、知识共享风险R对知识共享演化影响分析
取λ=0.5，其他参数值保持不变，成本系数ci（i=1，2）依次取值0.1、0.3、0.5、0.7、0.9，仿真结果如图8所示。当ci取值为0.1、0.3、0.5时，社区网络的知识共享演化水平趋近于1，而当ci取值为0.7、0.9时，知识共享演化水平趋近于0。这表明成本系数的增大将会阻碍用户知识共享行为的发生，知识的缄默性越高，将知识显性化并分享给其他用户的成本就越高，导致更多的用户选择被动共享策略。
取ci=0.4（i=1，2），其他参数值保持不变，知识共享风险Ri（i=1，2）依次取值0.1、10、100，仿真结果如图9所示。可以看出，随着R值的增加，知识共享演化水平并没有改变，而社区网络趋近于稳定值的时间越来越长。这表明知识共享风险会影响知识共享策略在社区中的传播速度，但并不会改变社区网络的演化水平。出现这种现象的原因可能在于本文假定博弈用户的知识总量是动态增加的，直接知识共享收益、协同收益、社区奖励与知识共享成本都是与用户知识量相关的变量，即是动态变化的变量，而知识共享风险是一个常量，因此知识共享风险较难影响社区网络最终的演化水平。但是，较大的知识共享风险会降低社区网络趋近于稳定值的速度，这是因为刚开始用户感知到知识共享风险较大，大部分用户会选择被动共享策略，曲线会呈下降趋势，而协同收益、社区奖励与成本随时间变化逐渐增长，当用户感知到知识共享风险与成本之和小于协同收益与社区奖励之和时，社区网络知识共享演化水平会逐渐上升，直至趋近于稳定值。这也与现实情况相匹配，知识共享风险一般不会过大，否则社区难以吸引用户;即使存在风险，但当用户感知到风险与成本之和小于收益之和时，用户在观望一段时间后仍会选择主动共享策略。
3.3管理启示
根据仿真实验所得的结果，本文提出互动创新社区知识共享的管理启示，为社区管理者促进用户知识共享行为提供有效的管理意见。
1）维护社区的信任氛围，注重对社区形象的建设与维护，制定社区规章制度来规范社区用户的行为，防止用户损害他人利益;另外，还可以建设互动创新社区文化，举办丰富的社群活动，通过文化的认同来提高社区用户间的信任;
2）建立完备的、多元化的知识共享激励机制，为社区中积极的、活跃的知识共享用户提供不同程度的奖励，比如，邀请领先用户参与新产品的研发与测试环节、为主动共享用户提供工作机会等。基于互动创新社区用户参与知识共享的需求，为用户提供物质和精神相结合的激励措施，进而激发用户的知识共享行为。
3）成立专门的知识管理机构，对用户共享的知识进行显性化、一致化表达，构建互动创新社区知识资源库，并将资源库的知识对用户进行开放，用户根据需要搜索知识资源，既可以有效地缩短用户在知识共享过程中付出的时间和精力，降低知识共享成本，也可以提高互动创新社区的知识利用率，为产品创新提供丰富的外部知识。
4）优化社区整体结构，根据用户需求与特点将互动创新社区划分为不同版块，以避免社区网络规模过大影响知识共享的效率;在保证各个版块的用户知识异质化程度较高的同时，又集中相似背景与兴趣的用户于同一版块，既保持了一定的知识差异，形成知识互补效应，又具备一定的相似性，为知识共享的发生提供必要条件。
4结束语
本文针对互动创新社区用户知识共享行为影响因素问题，首先，作为对比实验，在演化博弈理论的基础之上，构建互动创新社区用户知识共享的传统演化博弈模型，对知识共享演化路径进行了局部稳定性分析;接着结合演化博弈理论与复杂网络理论，构建互动创新社区用户知识共享的网络演化博弈模型，并利用Matlab软件对模型进行了仿真实验，探索了互动创新社区网络知识共享行为演化的微观机制，分析了影响社区网络用户知识共享行为的关键因素;最后，通过对仿真实验结果的分析与总结，本文得出了以下结论：
1）利用传统演化博弈方法与网络演化博弈方法得到的互动创新社区演化均衡点并不一致，其原因在于演化博弈方法所构建的模型过于理想化，未能考虑社区用户之间的交互关系，忽视了网络因素对知识共享行为的影響。因此，演化博弈方法虽然在一定程度上模拟了互动创新社区用户知识共享行为，但却难以很好地把握实际情形;而网络演化博弈方法更能与现实场景相匹配，更符合互动创新社区知识共享问题的研究。
2）协同效应系数、异质知识比例、信任与激励系数对互动创新社区知识共享演化深度有正向促进作用;而知识共享成本系数对互动创新社区知识共享演化深度有负向阻碍作用。
3）网络规模和知识共享风险不会对互动创新社区知识共享的演化深度产生影响，但两者会影响互动创新社区知识共享的演化速度，且两者均对社区知识共享演化速度具有消极影响。
虽然本文构建的模型可以有效地研究互动创新社区用户知识共享行为的影响因素，但是仍然存在以下的不足：①本文考虑互动创新社区用户间的两方博弈，忽视了社区管理者这一角色在社区知识共享过程中的作用，未来可以把社区管理者作为博弈一方，构建互动创新社区知识共享三方博弈模型;②本文从静态网络的视角研究网络拓扑结构与用户知识共享行为之间的关系，但并未探讨用户知识共享行为如何影响互动创新社区网络结构，解决这个问题对管理者制定社区管理措施具有重要意义，未来可以采取动态网络演化博弈的方法展开研究。
参考文献
[1]万晨曦，郭东强.虚拟社区知识共享研究综述[J].情报科学，2016，34（8）：165-170.
[2]Lee H H M，Van Dolen W.Creative Participation：Collective Sentiment in Online Co-creation Communities[J].Information & Management，2015，52（8）：951-964.
[3]严贝妮，叶宗勇.环境因素对虚拟社区用户知识共享行为的作用机制研究[J].情报理论与实践，2017，40（10）：74-79.
[4]Tseng F C，Kuo F Y.A Study of Social Participation and Knowledge Sharing in the Teachers Online Professional Community of Practice[J].Computers & Education，2014，72：37-47.
[5]Liu J，Zhang Z，Qi J，et al.Understanding the Impact of Opinion Leaders Characteristics on Online Group Knowledge-Sharing Engagement from In-Group and Out-Group Perspectives：Evidence from a Chinese Online Knowledge-Sharing Community[J].Sustainability，2019，11（16）.
[6]王婷婷，戚桂杰，张雅琳，等.开放式创新社区用户持续性知识共享行为研究[J].情报科学，2018，36（2）：139-145.
[7]王楠，张士凯，赵雨柔，等.在线社区中领先用户特征对知识共享水平的影响研究——社会资本的中介作用[J].管理评论，2019，31（2）：82-93.
[8]曲霏，张慧颖.关系型虚拟社区用户持续使用意向的影响机制研究——人际信任的调节作用[J].情报学报，2016，35（4）：415-424.
[9]赵捧未，马琳，秦春秀.虚拟社区研究综述[J].情报理论与实践，2013，36（7）：119-123.
[10]Lin S W，Lo L Y S.Mechanisms to Motivate Knowledge Sharing：Integrating the Reward Systems and Social Network Perspectives[J].Journal of Knowledge Management，2015，19（2）：212-235.
[11]Jiang G，Ma F，Shang J，et al.Evolution of Knowledge Sharing Behavior in Social Commerce：An Agent-based Computational Approach[J].Information Sciences，2014，278：250-266.
[12]谭少林，吕金虎.复杂网络上的演化博弈动力学——一个计算视角的综述[J].复杂系统与复杂性科学，2017，14（4）：1-13.
[13]荣智海，吴枝喜，王文旭.共演博弈下网络合作动力学研究进展[J].电子科技大学学报，2013，42（1）：10-22.
[14]王鹏民，侯贵生，杨磊.基于知识质量的社会化问答社区用户知识共享的演化博弈分析[J].现代情报，2018，38（4）：42-49，57.
[15]杜智涛.网络知识社区中用户“知识化”行为影响因素——基于知识贡献与知识获取两个视角[J].图书情报知识，2017，（2）：105-119.
[16]Wang R H，Lv Y B，Duan M.Evolutionary Game of Inter-firm Knowledge Sharing in Innovation Cluster[J].Evolving Systems，2017，8（2）：121-133.
[17]商淑秀，张再生.虚拟企业知识共享演化博弈分析[J].中国软科学，2015，（3）：150-157.
[18]冯长利，周剑，兰鹰.供应链成员间知识共享行为演化博弈模型[J].情报杂志，2012，31（3）：138-144.
[19]Ritala P，Husted K，Olander H，et al.External Knowledge Sharing and Radical Innovation：The Downsides of Uncontrolled Openness[J].Journal of Knowledge Management，2018，22（5）：1104-1123.
[20]赵健宇，任子瑜，袭希.知识嵌入性对合作网络知识协同效应的影响：吸收能力的调节作用[J].管理工程学报，2019，33（4）：49-60.
[21]Sedighi M，Van Splunter S，Brazier F，et al.Exploration of Multi-layered Knowledge Sharing Participation：The Roles of Perceived Benefits and Costs[J].Journal of Knowledge Management，2016，20（6）：1247-1267.
[22]商淑秀，张再生.基于社会资本视角的虚拟企业知识共享[J].中国软科学，2013，（11）：101-111.
[23]Panzarasa P，Opsahl T，Carley K M.Patterns and Dynamics of Users Behavior and Interaction：Network Analysis of an Online Community[J].Journal of the American Society for Information Science and Technology，2009，60（5）：911-932.
[24]Fu F，Liu L，Wang L.Empirical Analysis of Online Social Networks in the Age of Web 2.0[J].Physica A，2008，387（2-3）：675-684.
[25]徐建中，朱曉亚，贯君.基于演化博弈的制造企业研发团队知识转移网络演化[J].系统工程学报，2018，33（2）：145-156.
[26]Choi J，Hyun A S，Cha M S.The Effects of Network Characteristics on Performance of Innovation Clusters[J].Expert Systems with Applications，2013，40（11）：4511-4518.
（责任编辑：孙国雷）
