在知识转移网络中,节点之间的关系并非一般意义上的人际关系,而是一种知识关系,具体来说就是知识引用与被引用关系。比如,在成员A和成员B的知识交流过程中,成员B获得了成员A的专有知识,实现了知识从成员A向成员B的转移,这就意味着成员B引用了成员A的知识;再如,成员C在撰写科研报告过程中,参考了成员D的学术著作,同样也实现了知识从成员D向成员C的转移,这也意味着成员C引用了成员D的知识。由此,知识转移网络实质上就是由成员之间的知识引用关系而建立的知识网络。知识引用关系的强度就是知识引用的次数或者说是知识转移的次数。如果成员之间的知识引用关系是借助知识载体为媒介而形成,那么在计算关系强度时就需要考虑知识载体的著作权人为多人的情形。在此种情形下,需要依据著作权人的排序赋予各自不同的分值。

同时应当注意到,在引文分析中,各个文献之间还可以通过第三方来建立彼此的关联。比如,在引文网络中大量存在的“文献耦合”(两篇文献共同引用了一篇或多篇文献,则称这两篇文献有耦合关系)和“文献同引”(两篇文献共同被后来的一篇或多篇文献引用,则称这两篇文献为同引)现象^{[ 1]}。由此,知识转移网络中节点之间的关系并非只有知识引用关系,其中必然也隐藏了大量的耦合关系(知识转移网络中的两个节点共同引用了其他节点的知识,则称这两个节点具有耦合关系)和同引关系(知识转移网络中的两个节点被同一节点引用了相关知识,则称这两个节点具有同引关系)。显然,这两类关系对知识转移有着重要的作用,因为它们能够揭示这些节点之间的知识关联,暗示节点之间进行知识转移的潜在价值。

基于关系维度的分析,可以构建知识转移网络图G=(N_G,R_G,W_G)^{[ 2]}。其中,N_G={n₁,n₂,…,n_N}是知识转移网络的节点集合,R_G={r_ij| i,j=1,2,…,N}是知识转移网络的关系集合,W_G={w_ij| i,j=1,2,…,N}是知识转移网络中关系权重的集合。在R_G={r_ij| i,j=1,2,…,N}中,r_ij为节点n_i和节点n_j之间的有序关系(节点n_i将知识转移给节点n_j,节点n_j引用了节点n_i的知识),即n_i和n_j之间的有向边(w_ij代表了关系的权重,表示此方向上知识转移的次数);而r_ji为节点n_j和节点n_i之间的有序关系(节点n_j将知识转移给节点n_i,节点n_i引用了节点n_j的知识),即n_j和n_i之间的有向边(w_ji代表了关系的权重,表示此方向上知识转移的次数),如图1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 知识转移网络图局部示例

节点n_i的度是指与该节点相连接的边数,具体可分为入度和出度。入度为指向节点n_i的边r_ji的个数,表示节点n_i引用其他节点知识的总体状态;出度是从节点n_i出发的边r_ij的个数,表示节点n_i向其他节点进行知识转移的总体状态,也就是节点n_i的知识被其他节点引用的总体状态。针对知识转移网络图,可以利用相关的指标来描述其结构特征。

(1)网络整体特征指标

①知识转移频率

知识转移频率KTF是知识转移的次数∑w_ij与知识转移网络节点数N的比率,如式(1)所示:

KTF= (1)

常规经验认为成员间的知识转移频率越高,知识转移效果越好。但是Leenders等人的研究表明:知识转移频率过高会降低群体的知识创新能力^{[ 3]}。其主要原因是过度知识转移可能是一种干扰,会使群体成员不能充分发挥自身的认识能力,而且也会导致观念趋同,从而影响了知识创新能力。当然,知识转移频率过低同样也会限制群体知识创新能力。适度的知识转移频率才能对群体知识创新产生积极作用,可以认为两者之间的关系呈倒U型曲线。

②知识转移效率

Latora,Marchion等人为了衡量网络传递信息的有效性,提出了信息传递效率的概念^{[ 4]}。假设在有向图中,节点之间的信息总是沿着最短路径来传递,则节点i到节点j的信息传递效率ε_ij等于它们最短路径d_ij的倒数,整个网络的信息传递效率等于所有节点对的信息传递效率的平均值^{[ 5]}。若节点i到节点j之间不连通,则d_ij=+∞,ε_ij=0。由此,在描述知识转移网络整体特征时可引入知识转移效率KTE这一指标,如式(2)所示:

KTE= (2)

其中,kε_ij为节点i向节点j的知识转移效率,是从节点i出发到节点j最短路径的倒数,N为知识转移网络中节点的数目。

(2)局部网络分析指标

①核心节点

在文献计量学中,学科核心期刊的一个重要测定方法就是引文分析法,即:在某一段时间内,对各期刊的被引用情况进行统计,然后把期刊按被引用次数的递减顺序排列起来,那么靠前的被大量引用的期刊可以认为是某学科的核心期刊^{[ 6]}。由此,在知识转移网络中,可以按照出度 排列全部节点,处于前列的被其他节点大量引用知识的节点便是核心节点。为了实现不同知识转移网络之间的比较,还可以将节点的出度 除以其在该网络中理论上的最大关系数目(N-1),然后再进行统计。显然,核心节点在知识转移网络中扮演着重要的角色,需要对这些节点采取有针对性的维护策略以充分发挥其价值。

②中介节点

在社会网分析中,中介性是一个非常重要的概念,它衡量了社会网络中的节点作为媒介者的能力。如果一个节点处于许多交往网络路径上,可以认为此节点居于重要地位,因为该节点有控制其他两人之间的交往能力。占据这样的位置越多,就越表明该节点具有较高的中介性。同样,在知识转移网络中,必然存在大量的中介节点,它们处于多条交往路径之上,在知识转移网络中扮演着“桥梁”作用。借鉴社会网分析中有向图的节点中介性测度方法,在知识转移网络中中介性大于一定阈值σ的节点可以视为中介节点,其计算公式如式(3)所示^{[ 7]}:

B(n_i)= (3)

其中,g_jk是节点n_j和节点n_k之间存在的测地线(最短路径)数目,g_jk(n_i)是节点n_j和节点n_k之间存在的经过节点n_i的测地线数目,g_jk(n_i)/g_jk表示节点n_i处于节点n_j和节点n_k之间的测地线上的概率。

③节点群聚系数

节点群聚系数说明了节点之间知识转移的传递性概率^{[ 8]},即在不考虑连接方向的情形下,如果节点n₁与节点n₂相连,节点n₂与节点n₃相连,那么节点n₁与节点n₃相连的概率大小。节点群聚系数α的计算公式如式(4)所示^{[ 9]}:

α= (4)

其中, 表示包含节点n_i的实际三角形的个数, 表示以节点n_i为中心的所有三点组的个数。需要指出的是,节点群聚系数的定义可以进一步推广到更大的环,如网络中的四边形、五边形等。显然,对于节点n_i而言,节点群聚系数α是决定其他节点是否应被纳入自我中心知识转移网络的重要依据之一。

④知识集中度

知识集中度与知识转移效率密切关联,主要用来衡量知识转移网络中边的重要性。知识转移网络中边r的知识集中度被定义为由于边r的移除而导致知识转移网络的知识转移效率的相对变化^{[ 10]}。知识集中度越高的边对知识转移网络连通性的影响就越大,它所包含的两个节点在知识转移网络中就具有越重要的地位。边r的知识中心度C_r的测度公式如式(5)所示:

C_r== (5)

其中,KTE是未移除边r时,知识转移网络的知识转移效率;KTE’是移除边r之后,知识转移网络的知识转移效率。

(3)整体网络分析指标

①耦合、同引结构

节点之间的关系并非只有知识引用关系,它们还可以通过第三方来建立彼此的关联(如耦合关系、同引关系),由此具有耦合关系、同引关系的节点便形成了知识转移网络中的耦合结构和同引结构。在具体测度过程中,需要对知识转移网络的原始数据进行处理,以构建耦合矩阵、同引矩阵,进而发现知识转移网络中隐藏的耦合结构、同引结构。显然,耦合结构、同引结构能够将知识转移网络中的相关节点更加有机地联系起来,从而揭示节点之间深层次的相互依赖和交叉关系。由此,对于节点n_i而言,与其相关的耦合结构、同引结构是决定其他节点是否应被纳入自我中心知识转移网络的重要依据之一。

②知识转移结构对等性

结构对等性是社会网分析中十分重要的整体网络分析指标。结构对等性研究的目的是把相似的行动者分到互斥的派别中,每一派内部的行动者是互相对等的,拥有类似的结构特征。其中,结构对等性分析的经典方法就是块模型,对块模型进一步汇总就可得到像矩阵。同样,针对知识转移网络,可以分析节点之间的知识转移结构对等性,进而可以观察总体的知识流动路径。如果应用块模型分析法,可以得到如图2所示的像矩阵及其简化图^{[ 11]}。

图2

	Figure Option ViewDownloadNew Window
	图2 像矩阵及其简化图

其中,每个集合都是由具有知识转移结构对等性的节点组成。集合1主要是向其他集合转移知识,很少引用其他集合的知识,可以认为它在知识转移网络中扮演“知识源”的角色;集合2只从集合3获得知识,在知识转移网络中相对孤立一些;集合3从集合1获得知识后,又向集合2和集合4进行知识转移,可以认为它在知识转移网络中扮演“中转站”的角色;集合4主要从集合1和集合3获得知识,可以认为它在知识转移网络中扮演“储备库”的角色。

③知识共同体

知识共同体类似于社会网分析中的派系,就是知识转移网络中一小部分人的知识引用关系特别紧密,彼此之间的知识相似度越来越大,以至于形成了一个知识共同体。知识共同体的测度方法可以借鉴社会网分析中派系的计算方法,比如以距离计算,在一定距离内可以达到的节点视为一个派系^{[ 12]}。虽然知识转移是有方向性的,但是在知识共同体分析中,仅仅将知识转移网络图视为无向图,由此得到的知识共同体属于弱派系。需要说明的是,现有的派系分析方法最终都是将网络划分为若干个互相分离的派系。但是,现实中很多网络并不存在绝对的彼此独立的派系结构。比如,在知识转移网络中,由于成员知识领域的多元性,所以其并非只属于一个派系,而是可以同时属于多个派系,如图3中节点n₄、n₆同属两个派系。

图3

	Figure Option ViewDownloadNew Window
	图3 具有重叠节点的派系结构示例

对此,可以应用Palla等人提出的派系过滤算法CPM来分析这种互相重叠的派系结构^{[ 13]}。一般来说,知识共同体内部的节点,其知识转移行为主要局限于共同体内部,而知识共同体之间相互交流的效果比较差。在这种情形之下,需要利用知识共同体之间的重叠节点以及建立各种类型的“知识桥”,促进知识在更大范围内流动。

(1)社会网分析和知识网分析都是以行动者(如个体、群体、组织等)之间的关系为分析对象,而非行动者的属性特征。而且,社会网络中的人际关系和知识转移网络中的知识引用关系有着密切的联系。

①知识引用关系从属于人际关系,是一种特殊的人际关系。

②人际关系强度与知识引用关系强度存在线性关系。

对于人际关系,格兰诺维特提出了区分关系强度的4个维度——互动频率、情感强度、亲密程度、互惠交换^{[ 14]}。对于知识引用关系,其强度就是节点之间知识转移的次数。显然,节点之间人际关系强度越强,节点之间的知识引用关系强度也会越强。同时,知识引用关系越强,节点之间的互动频率也会越强,互惠交换、情感强度和亲密程度也随之增加。

(2)知识网分析主要借鉴了社会网分析的结构分析技术,即20世纪60年代以后,社会学大师怀特及其后继者伯曼、布里格和弗里曼等人由图形理论发展而形成的一套数学分析方法^{[ 15]}。利用这些结构分析技术,可以对知识转移网络结构进行测量,使得被学者们解释的各种现象都是具体而可以测量的。比如,借鉴社会网中介性的测度方法而引入的中介节点指标,能够有效发现知识转移网络中处于“桥梁”地位的重要节点,进而可以采取针对性的策略以维护这些中介节点。

(1)在知识转移研究中,社会网分析视“关系”为知识转移的“渠道”,主要分析关系及结构对知识转移的影响,以解释知识转移产生的原因;而知识网分析视“关系”为知识转移的“结果”,重在揭示知识转移形成的知识转移网络特征,以分析知识转移网络的运行状态。比如,在社会网分析中,通过结构分析技术只能解释社会网络对知识转移的影响;而在知识网分析中,通过知识转移频率、知识转移效率、知识集中度、知识转移结构对等性等指标,可以有效监测知识转移网络的运行状态,便于知识转移过程的动态优化,进而促进知识转移过程良性循环发展。

(2)知识网分析是专门针对知识转移网络的一套分析规范和方法,而社会网分析的对象并非只有知识转移网络。由此,针对知识转移网络的结构特征,知识网分析建立了更为丰富的指标体系,所揭示的知识转移规律也更加全面、独到。比如,知识网分析在借鉴复杂网络中信息传递效率的基础上引入知识转移效率这一指标,在借鉴文献计量学中引文分析的基础上引入核心节点、耦合结构、同引结构等指标。这些指标在社会网分析中都无法分析,但它们都能从不同角度揭示知识转移网络的结构特征,具有重要的理论与应用价值。