复杂知识范文（精选9篇）
复杂知识 第1篇
商业竞争日益激烈使企业越来越关注自己的竞争优势, 知识经济的兴起使知识成为企业获取竞争优势的关键性资源[1]。企业成功的关键不再主要依赖于资本、自然资源和劳动力等传统资源, 而在于不断创新, 即 (1) 通过创造新知识和在组织中传播已有的知识来加强企业的知识基础, (2) 综合不同的专业知识领域, (3) 将所拥有的知识应用到技术创新和生产经营活动中[2]。因此, 学习和传播知识已成为企业核心能力的关键要素[3], 企业唯一的竞争优势或许就是比它的竞争对手学习得更快的能力[4]。
对于企业来说, 显性知识容易被复制、传播, 便于知识的共享, 但是也容易被竞争对手获取, 所以决定一个组织竞争优势的资源在于隐性知识。隐性知识是企业核心能力的主要存在形式, 而当拥有核心技术的知识员工流动或变动时, 将带给企业不容忽视的后果, 所以必须注重知识管理系统自身学习和获取知识的能力。隐性知识的转移相对比较困难, 因此科学地认识组织的隐性知识传播规律, 有效地控制隐性知识的传播具有重要的理论和现实意义。近年来, 隐性知识引起管理学界和经济学界的广泛重视, 围绕组织如何开发和利用隐性知识开展了大量的研究工作, 如对隐性知识本质和价值的认识、开发、利用以及保护等等[5,6,7]。以往的工作主要集中在隐性知识的定性描述和实证研究等方面, 近年来一些文章开始从定量的角度对其内在的规律进行比较系统的探讨, 应用系统动力学方法建立隐性知识传播的微分动力学模型[8,9,10]。
现有定量研究的文献中, 都没有考虑组织成员知识传播能力的差异。然而在实际中组织成员的传播能力差别很大, 如有的人知识丰富, 性格活跃, 或者身处在企业关键岗位, 对周围人群影响较大, 交流也更密切, 这些都会增加其知识传播的能力。因此通常组织成员的知识传播能力不相同。本文研究复杂组织结构下隐性知识传播问题, 分析其内部知识传播的规律, 为组织内部知识管理提供体论依据。
2 层级组织内隐性知识转移的微分动力学模型
2.1 隐性知识及其传播特点
Michael最早提出显性知识和隐性知识概念, 根据知识是否能够编码和是否能以正式、系统的语言进行表达传输的性质, 将知识分为显性知识和隐性知识[11]。显性知识是指能够以现实数据或编码的形式来进行系统、便利的沟通, 可以清晰地表述并完整地向他人转移的知识, 包括事实、数据、报告、提案等。隐性知识是指更深层次的、个人拥有的知识, 是无形且不易被形式化的、很难与他人共享、交流和理解的知识, 它是个人长期创造和积累的结果, 包括:信念、洞察力、经验等。隐性知识是显性知识的基础, 比显性知识更宝贵、价值更大。Hamel (1991) 认为, 由于隐性知识自身的特点, 它的传播非常困难。这些知识深深地隐含在人们的社会关系之中, 对于获得的过程具有高度的依赖性, 因而, 隐性知识是企业竞争优势的源泉。企业获得核心竞争优势的根本途径是创造、获取和利用隐性知识。隐性知识的转移主要是在人与人之间直接面对面接触过程中进行的转移, 是人们在工作、生活和学习过程中发生的一种接触性传播, 这是隐性知识转移的最大特点。
2.2 模型的假设
假设组织中的人数为常数N, N足够大可以视为连续。知识传播者和学习者在组织内部是均匀分布的。组织成员稳定, 不考虑组织成员的调入和调出。知识传播需要组织内成员以某种方式传播 (交流) 才能进行, 所谓有效传播是指知识传播者与不具备该知识的成员交流时, 足可以使该知识传播获得成功。组织成员按传播能力可以从大到小分为m个阶层, 每个阶层所占人数比例为x1, x2, x3, …, xm这里xi≥0, 且undefined。阶层中每个拥有知识的人单位时间可传播人数为λ1。时间以天为单位。根据组织成员拥有知识的情况, 将组织成员分为两类, 一类是拥有知识的成员, 另一类是非知识拥有成员。用函数Ii (t) 表示t在时刻阶层i人群中拥有知识的比例, 为了表述方便, 用Ii代表i (t) 。最初知识传播的时间设为t=0, 此时, 每个阶层中拥有知识人数占该阶层的比例记为Iundefined。
2.3 模型的建立及求解
在时刻t, 我们首先考虑第j阶层知识拥有者增加的人数。对于任意第i阶层, 在时刻t拥有知识的人数为NxiIi, 每个拥有知识的人可以传播λi个人, 其中有xj的概率遇见第j阶层人, 有1-Ij的概率将知识传给第j阶层的非知识拥有者, 阶层i传播给阶层j的人数为NxiIiλi (1-Ij) 。所以总体上我们得到, 第j阶层在时刻t增加的人数为:
undefined
令j=1, 2, …, m, 由此我们得到组织知识传播m的阶微分方程组:
undefined
令undefined则由方程组 (2) 得:
undefined
由于undefined, 求解微分方程 (3) 得:
undefined
将式 (4) 代入微分方程组式 (2) 解得:
undefined
令Iundefinedundefined总为组织初始实际拥有知识人数比例。令λ总undefined总为组织平均传播能力, 令Λ总undefined总为组织初始传播效力, 令I*总undefined总为组织初始等效拥有知识人数比例。由此式 (5) 可变为:
I总undefined
在式 (6) 中, 令xi=1, 即为组织的全体人员均是阶层的单层组织, 相应得结果为:
undefined
对于单层组织, 初始实际与等效拥有知识人数比例大小相等, 即Iundefined=I*i, 而多层组织中Iundefined≠Iundefined。式 (7) 中, 令λi=λ总, Iundefined=I*总, 此时的单层组织称为等效单层组织。对比式 (6) 和式 (7) 可以发现, 多层组织与等效单层组织表达式类似。然而在多层组织表达式中, 分母中为初始等效拥有知识人数比例I*总, 而分子中为初始实际拥有知识人数比例Iundefined。
3 复杂组织内隐性知识转移分析
在实际中, 我们很难将一个大组织, 准确地细分成传播能力不同的m个阶层, 每个阶层内成员传播能力完全一致。而是通常将大组织划分成许多小的组织, 每个小组织内部成员传播能力可以不相同, 这样的组织结构称为复杂组织。可以先计算小组织拥有知识人数比例的特性, 然后再计算复杂组织整体拥有知识人数比例。由式 (6) 知, 当知道每一个小组织的三个指标时:Λi小组织平均传播能力, Iundefined小组织初始实际拥有知识人数比例, Λi小组织初始传播效力。由此可以计算出, 复杂组织的总特性:Iundefinedundefined总undefined总undefined总undefined。由此我们得到命题1。
命题1:假设复杂组织由m个小组织组成, 每个小组织所占人数比例为xi, 相应的平均传播能力为λi, 初始实际拥有知识人数为Iundefined, 初始传播效力为Λi, 这里i=1, 2, …, m。则复杂组织拥有知识人数比例函数I总为:
I总undefined
这里Iundefinedundefined总undefined总undefined总undefined
式 (8) 是式 (6) 的扩展形式, 两者形式基本相同, 然而式 (8) 计算的是复杂组织拥有知识人数比例I总, 这里每一个小组织都可以是单层组织、多层组织或复杂组织。易得式 (8) 是的t单调递增函数, 且undefined总=1, 即得到命题2。
命题2:组织中拥有知识人数比例随着时间的增加而增加, 当时间趋近于无穷时, 组织成员近乎100%的拥有知识。
现在我们考虑, 当初始等效拥有知识人数比例I*总不变时, 比较复杂组织与等效单层组织传播能力的大小。由命题1知, 无论复杂组织有多少个小组织, 每个小组织内部结构如何, 最终结果一定满足式 (6) 形式。因此复杂组织的性质与简单两层组织性质完全一样。为了简化问题, 这里我们只考虑简单两层组织, 设阶层1为高能力人群, 阶层2为正常人群, 则λ1>λ2。由式 (6) , (7) 知, 若Iundefined>Iundefined, 则Iundefined>I*总, 即有I总>I等效反之若Iundefined
命题3:当组织初始等效拥有知识人数比例保持不变时, 组织内部知识传播能力越强的小组织中初始拥有知识人数比例越高, 则整个组织的传播速度就越快。
命题4:当组织初始实际拥有知识人数比例保持不变时, 组织内部知识传播能力越强的小组织中初始拥有知识人数比例越高, 则整个组织的传播速度就越快。
命题3和命题4说明, 当组织开始准备传播某一隐性知识时, 首先应尽可能的让高传播能力的人拥有知识。当传播开始时, 这些人能够以较快的速度传播知识, 从而加快整个组织的传播效率。
在时刻t, 组织的总传播速率为V总undefined, 对V总求一阶偏导并令其为零解得:
undefined
将式 (9) 代入式 (6) 得undefined。即t=t*当时, 组织中有Imax比例拥有知识时, 整个组织学习速度最大。此时组织学习高峰到来。应该把握的时机, 提供有利条件促进组织学习。由t*的解析式可知, 组织平均传播能力λ总和初始等效掌握知识比例I*总越大时, 知识传播高峰期到来的越早。而当I*总>0.5, 此时t*为负值, 意味着, 组织在t=0时传播速率最大。
命题5:复杂组织学习最大速率当undefined出现, 组织平均传播能力λ总和初始等效掌握知识比例I*总越大时, 知识传播高峰期到来的越早。当I*总>0.5, 组织在t=0时传播速率最大。
4 结论
本文探讨了复杂组织内隐性知识的传播规律。建立了隐性知识传播的微分方程组, 并给出了具体的解析解, 推导出衡量复杂组织传播特性的四个指标:组织平均传播能力, 组织初始传播效力, 组织初始实际拥有知识人数比例, 组织初始等效拥有知识人数比例。分析结果表明: (1) 组织中拥有知识人数比例随着时间的增加而增加, 当时间趋近于无穷时, 组织成员近乎100%的拥有知识。 (2) 当组织初始等效或实际拥有知识人数比例保持不变时, 组织内部知识传播能力越强的小组织中初始拥有知识人数比例越高, 则整个组织的传播速度就越快。 (3) 组织平均传播能力λ总和初始等效掌握知识比例I*总越大时, 知识传播高峰期到来的越早。另外由于问题的复杂性, 本研究中没有考虑组织成员流动, 隐性知识的遗忘等因素对知识传播的影响, 这也是有待进一步的研究方向。
摘要：当组织内存在不同传播能力的人群时, 构建知识传播微分动力学模型, 并给出具体的解析解。分析了复杂组织内知识动态传播的特点及其主要衡量指标、探讨了知识传播的高峰期及其影响因素, 为复杂组织中进行知识传播管理提供了理论依据。
关键词：复杂组织,隐性知识,知识传播,模型
参考文献
[1]ARGOTE L, INGRAMP.Knowledge transfer:Abasis for competitiveadvantage in firms[J].Organizational behavior and Human DecisionProcessing, 2000, (82) :150-169.
[2]王润良, 郑晓齐.非正式团体:知识传播的有效途径[J].科研管理, 2001 (4) :39-45.
[3]DAVID LEI, JOHNW, ROBERTA.Designing organizations for com-petitive advantage:the power of unlearning and learning[J].Organi-zation Dynamics, Winter 1999:24-37.
[4]WILLIAN B, BRINE MAN, BERNARD KEYS, et al.Learningacross a Living Company:The Shell Companies’Experiences[J].Orga2nization Dynamics, Autumn, 1998, 61-69.
[5]BADARACCO J L.The knowledge link:Howfirms compete throughstrategic alliances[M].Boston:Harvard Business School Press, 1991.
[6]NONAKA I, TAKEUCHI H.The knowledge creating company[M].New York:Oxford University Press, 1995.
[7]NONAKA I.A dynamic theory of organizational knowledge[J].Or-ganization Science, 1994, (5) :14-37.
[8]朱少英, 徐渝.基于组织学习的知识动态传播模型[J].科研管理, 2003, 24 (1) :67-71.
[9]张生太, 李涛, 段兴民.组织内部隐性知识传播模型研究[J].科研管理, 2004, 25 (4) :28-32.
[10]卢兵, 岳亮, 廖貅武.组织间隐性知识转移的微分动力学模型[J].系统工程, 2005, 23 (11) :44-48.
复杂性、复杂系统与复杂性科学 第2篇
复杂性、复杂系统与复杂性科学
本文在前人工作的基础上,研究和总结了复杂性、复杂系统与复杂性科学的`基本概念,尝试给出了复杂性科学的定义;总结了复杂性科学的研究对象、基本原理和基本研究方法;综述了国内外研究现状,指出了存在的问题和今后需要重点研究的问题.
作 者：宋学锋 作者单位：中国矿业大学管理学院,江苏,徐州,221008 刊 名：中国科学基金 ISTIC PKU英文刊名：BULLETIN OF NATIONAL NATURAL SCIENCE FOUNDATION OF CHINA 年，卷(期)：2003 17(5) 分类号：N1 关键词：复杂性 复杂系统 复杂性科学“中国很复杂”哪个国家不复杂呢？ 第3篇
与“你不懂中国”类似的反逻辑表述是：“中国很复杂”。连在一起说就是：中国很复杂，你不懂中国。某些人经常将“中国很复杂”挂在嘴上，甚至总结出什么“复杂中国论”，拿着翻版的“特殊国情论”自鸣得意，以为自己发现了什么新理论。
所谓的“中国很复杂”，首先不过是一句正确的废话。说到对一个国家的认知，哪个国家不复杂呢？有各个阶层，各种族群，不同的文化水平，不同的价值观，不同的信仰，社会被肤色、信仰、贫富、民族、城乡、职业、阶层等割裂成了不同的人群。没有一个国家会承认自己很简单。美国简单吗？不简单，美国很复杂。德国很复杂，日本很复杂，韩国很复杂，复杂是一个社会的常态，所以，说一个国家很复杂，完全是正确的废话。
所谓的“中国很复杂”，也是一个自设的伪命题，因为只要思维正常的人，都不会把中国想简单，不会以“一叶障目”的视角以偏概全、以点代面、以想象代现实去看待中国。不至于看到北京的富足繁华和上海的摩天大楼，就以为中国都是北京上海；不至于看到西部地区的贫穷落后，就以为中国还停留于上世纪的六七十年代；不至于遇到几个在海外旅游时不文明的国人，就以为中国人都那么缺乏文明素养；也不至于认为用某个简单的、乌托邦式的制度安排，就可以解决所有的中国问题——这恰恰是专制者常有的思维，自负地用一个简单、整齐、划一的设计，去改造复杂的社会和人性，削足适履。
中国的改革就是承认人性和社会的复杂性，拒绝由某个专断意志去改造社会，而由市场和法治去调节社会，尊重多元与个性，尊重社会的复杂性，和而不同，各美其美。
开放的历史进程，就是中国融入世界的过程，让世界了解中国，告诉世界一个真实的中国，避免总是在自我封闭和排外中被误解、被边缘和被孤立。在这个开放的过程中，中国需要提升自己向世界说明自己的能力，让有公信力的人、以世界看得懂的方式、听得懂的语言、熟悉并认同的逻辑去向世界说明中国，让中国“可以理解”。而一句“中国很复杂”、“你不懂中国”则带有情绪化的排外色彩。别人不懂中国，并不一定就是別人的问题，也许源于中国不够开放，我们应该以开放的姿态去让别人懂我们，而不是指责别人“不懂”。中国很复杂，我们应该在开放中把这些复杂呈现出来，用事实和逻辑论证“别把中国想简单了”，而不是以“中国很复杂”去自我神秘化和自我封闭化，把“复杂”当成防御武器。
“中国很复杂”这句正确的废话，会推论出不少让人不安的结论。比如， “中国很复杂”在有些人那里，就能推出反改革的结论。既然中国的一些问题很复杂，不像想像的那么简单，牵一发而动全身，隐藏着巨大的风险，有很多不可预期的后果，那就不能轻易改革了。公车改革很复杂，不能轻易改；养老金并轨改革很复杂，那就别改了；户籍制度很复杂，不能轻易改……只说复杂，却从来不解释复杂在哪里，于是“复杂”就成了冠冕堂皇的反改革借口。
“中国很复杂”还能推论出“中国可以例外”，可以拒绝常识，可以不守常规，公布官员的家庭财产是一个常识，为什么我们的很多官员就可以不遵守呢？而拿“中国很复杂”作借口似乎就可以例外了，因为我们很复杂啊！
“中国很复杂”还是拒绝批评的一种万能借口，有人批评中国一些社会问题时，就会听到这种防御性论调。这是一种轻蔑傲慢的态度，中国很复杂，你了解了这种复杂之后才能批评，或者说你了解了这种复杂后你就不会批评了，可到底如何才叫了解了“复杂中国”？
基于复杂网络的知识转移模拟与分析 第4篇
近十年来随着复杂网络研究的兴起, 经济学家和经济物理学家们已经逐渐认识到在经济系统中存在一个由局部相互作用机制所形成的网络结构, 这种结构影响甚至支配着经济系统的运行和演化。以网络建模技术来研究经济或金融问题正引起学者们的极大关注, 已有许多关于不同经济领域中的经济网络形成的研究, 如R&D合作关系网[1]、 寡头合作关系网[2]、 技术创新网络[3]和国际贸易网络[4]等等。另外,许多经济物理学家们运用统计物理的方法结合网络关系建模经济或金融市场的运行, 如Rama Cont和Bouchaud 建立了描述金融市场波动性的著名CB模型[5], 该模型以随机图为基础, 反映出回报分布的厚尾性特征; K.Sznajd-Weron和R.Weron提出的描述股票市场价格形成的Sznajd模型[6], 原来是规则网络上的一种Ising式模型, 后来被推广到了其他网络形式上。
基于复杂网络的仿真建模同时也为知识转移问题的研究及其过程模拟提供了一种新方法。本文将借鉴知识转移的相关研究成果,结合小世界、无标度等复杂网络模型,分析网络结构对知识转移的作用。本研究有助于我们认识知识转移的机理,并为知识的推广应用提供理论指导。
2 复杂网络与知识转移机制
本文将组织成员之间的关系抽象为一个网络,网络的节点表示组织成员,两节点的连线表示成员之间的相互作用。对组织知识转移问题的研究是基于规则网络、无标度网络[11]、小世界网络[12]和随机网络四种典型网络模型展开的。(1)规则网络是指具有平移对称性的晶格网, 其中任何一个节点的度都相同的网络。本文采用一维周期性网格,即所有节点围成一个圆环, 然后每个节点固定与其最近邻的2z个节点相连。(2)无标度网络,本文采用Barabási和Albert于1999年提出的BA模型。该模型的算法如下:①增长: 初始网络只有少量m0个节点, 每个时间步加入一个带有m条边的节点, 并且满足m≤m0, 这个新加入的节点将与网络中的m个不同的已经存在的节点相连, 这是网络具有的增长性。②择优连接: 在选择与自己相连的m个节点时, 遵从优先连接的原则, 即新加入节点连接到节点i的概率pi优取决于节点i的度数ki, 其中
根据学者们对知识转移的研究,组织中的成员通过自学习和与他人交流、吸收新知识提高知识水平,并且交流是发生在有直接联系的两个个体之间。在图中表示为,当节点i传授知识的时候,只有与它相邻的节点才是潜在的知识接受对象。αi和βi分别表示节点i的自学习能力和吸收能力,并且不同个体的这两种能力是不同的。
其中,ai,bi∈{0.1,0.2,…,1},r是一个常量,值为2。
Vi(t)表示节点i在t时刻的知识水平,选中的节点在该时刻进行自学习,自学习后节点i的知识水平变为
Vi(t+1)=(1+βi)Vi(t), βi>0
而与节点i相邻的节点j在t+1时刻的知识水平根据下式确定:
3 统计参数
为了度量组织知识转移的效果,本文计算出组织知识增长的速度,研究经过长期的知识交流演化后,组织知识水平的差异程度以及空间分布情况。
3.1 知识增长速度
知识水平是指专业知识所达到的高度,将其量化是一项复杂的工作。由于本文研究的是知识水平的变化量,因此为了简化研究,知识水平数值大小采用通过计算机随机赋值的方法获得。在t时刻,组织的平均知识水平是N个个体知识水平累加后除以组织规模。
t时刻的知识增长速度是计算经过一轮知识交流后,该时刻组织平均知识水平较上一时刻提高的程度:
3.2 知识水平的差异性
方差是用来表示总体中变量值与其均数之间的离散程度。本文用知识水平的方差σ2(t)来衡量t时刻组织的整体知识水平差异程度。
但由于σ2(t)会随着知识水平的提高而增大,它的绝对数大小并不能客观、准确地反映出知识水平的差异程度,因此本文用差异系数C(t)来反映组织知识水平的差异性。
3.3 知识水平的空间自相关、空间关联的度量
空间自相关、空间关联反映的是一个区域单元上的某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度。Moran系数[13]是一个用来度量空间自相关的全局指标。它反映的是空间邻接或空间邻近的区域单元属性值的相似程度。空间权重矩阵W确定了位置相似性,
其中
根据邻接标准, 当i和j邻接时, 空间权重矩阵的元素X(i,j)=1,否则X(i,j)=0。
4 演算结果及分析
4.1 知识增长速度
表1显示了知识增长速度与网络结构以及吸收能力的关系。我们看到,知识增长速度随吸收能力αi的增加而增加:学习他人知识的能力越强,知识就增长得越快。并且,在初始知识水平分布相同的条件下,无标度网络上的知识转移,知识增长的速度很快。这是由无标度网络的结构特点决定的。无标度网络中存在少量度很大的节点,这些节点的连结边较多,也就意味着这些度大的节点的学习、交流的机会较多,因此他们有条件快速成为知识水平高的节点。同时,由于知识水平增长量与两个节点的知识水平差异成正比,这就使得与度大的节点相邻的其他节点知识水平也提高得很快。可见,无标度网络中的这些少数的核心节点通过学习、交流先达到较高的知识水平,而后带动了网络中其他节点快速提高,才使得整个网络知识水平增长速度加快。而在规则网络、小世界网络以及随机网络中都不存在这种中心节点,虽然这三种网络中也会有知识水平高的节点,但其辐射能力非常有限,知识增长速度相对较慢。
通过以上分析可以得出,无标度网络结构是促进组织知识转移的一个积极因素,能使组织整体的知识水平得到较快、较大的提高。
4.2 知识水平差异
知识水平方差系数是衡量整体知识水平的差异程度。从图1可以看出,规则网络结构不利于知识水平的均衡分布,而无标度网络结构使得交流后组织成员之间的知识水平差异很小。这是由于,在规则网络中,每个人只能和相近邻的几个人交流知识,这种知识转移具有局域性;而无标度网络的择优连接机制下,人们有朝同一水平接近的趋势,从而使得组织整体的知识水平差距减小。并且我们发现,吸收能力介于[0.2,0.4]时知识水平分布得最均衡。这说明,当吸收能力较弱时,交流后成员之间的知识水平差异会缩小;吸收能力较强时,交流后成员之间的知识水平差距更大了。
从组织管理的角度来看,组织整体知识水平较小的差异是有利于成员之间的相互竞争和学习,但如果这个差异过大,会阻碍交流,对组织的管理不利。而这个知识水平整体差异应该控制在怎样一个范围内才是比较合适的,又是一个值得我们继续研究的问题。
4.3 知识水平的空间自相关性
本文对知识水平空间自相关性的研究表明,四种网络结构都使得知识水平呈现正的空间自相关性,从高到低依次是:规则网络、小世界网络、随机网络和无标度网络。也就是说,根据规则网络的交流关系进行的知识转移,最终组织中呈现出知识水平高的集团和知识水平低的集团。这种现象在小世界网络和随机网络中有所减弱。而无标度网络结构中,组织知识水平呈现一种随机的空间分布模式,即组织成员之间不论知识水平高低,都可能有交流,体现出公平性。
5 结论
通过本文的对比研究可以得出,无标度网络结构对知识转移是具有明显优势。同时,无标度网络形成过程中择优连接机制产生的hub节点在本研究中起到的作用,给了我们如下的启示:组织应当注重培养或引进领军人物。由于他们有很强的凝聚力和辐射能力,能够对组织其他成员的行为产生很大的影响,从而影响组织知识转移的效果,组织中的这种核心人物是加速组织知识创新的关键因素。例如现实中有许多研究机构,通过引进学科带头人,充分发挥他们的带头作用和影响力,最终实现自身的跨越式发展。
本文研究的意义在于:用复杂网络的方法来研究知识转移问题,能够深层次地挖掘出知识转移存在的结构特性。而结构又对行为有决定性的影响。组织若要对知识转移网络的行为做出调整,可以通过制定一些政策改变网络结构从而达到知识管理的目的。
本文的研究方法具有一定的普遍适用性。在经济系统中,不论是企业协作与竞争行为、金融市场的交易活动或是组织中的知识转移,它都是发生在一张无形的网络当中。网络建模技术能够为知识转移问题的研究提供一些思路与方法。
摘要：借助复杂网络的理论与方法,提出了知识转移网络模型,研究了网络结构对组织中知识转移的作用。对无标度网络、小世界网络、规则网络和随机网络四种典型网络上的知识转移过程进行了模拟,并分析了结果。通过计算三个指标来度量知识转移的效果:知识增长速度v、知识水平方差系数C和Moran系数MC。经过比较研究发现,无标度网络具有明显的结构特性优势,能够提升知识转移的效果。
篮球复杂又不复杂作文600字 第5篇
说它不复杂吧，它真挺复杂的。还记得三年前，我刚打篮球时，几经苦练，终于掌握了变向的要领，就觉得自己很了不起了。可是，回头一看那些练了一两年的哥哥们在篮球场的一角静静地练习着。什么背后传球，胯下传球……让人目不暇接。我想篮球太复杂了，我不学了。可是，再看一眼那炫酷的三步上篮技法，我又坚持下来了。篮球，不仅仅是精神上的苦其心志，而且还不忘乱其所为。打球，基本上每天都会受伤。今天磕了鼻子，流了鼻血;明天磕破了腿，后天抓伤了胳膊……篮球之路真的艰辛，正如我喜爱的巨星科比说：“洛杉矶早上四点满天星星，阴暗的灯光，行人很少，但我已经走在了洛杉矶的机道上。一天过去了，两天过去，十多年过去了，洛杉矶的黑暗没有丝毫的改变，可我已经成为了一个肌肉强健，有力量，有重量，有很高的篮球命中率的运动员了。”
说它复杂吧，它又不是那么复杂。打得顺手时，球在手上飞舞，两边传来的加油声、欢呼声山呼地啸，我感到特别自豪。时间飞逝，再开学，我就是六年级的大孩子了，放假前，我已经成为篮球队主力了。从刚开始学的时候，到有了进步，再到篮球示范楷模，最后到篮球队主力。篮球让我成长。
这就是我的篮球之旅。曾经，在课上偷偷翻杂志，拿零花钱买海报，在夕阳下的操场上模仿后仰跳投。将来，也许会有一股四点钟的城市。也许会为自己喜欢的事情不懈努力。哪怕与篮球无关。
复杂产品设计的知识建模与重用研究 第6篇
复杂产品的设计过程涵盖了多学科知识如气动设计、结构设计、强度设计、优化设计等等,是典型的知识密集型工作。传统“口口相传”的传递形式难以有效重用知识,所以需要有面向复杂产品多学科设计的知识模型和重用方法。
复杂产品的设计知识具有如下几个特点:1)覆盖多个学科。其设计过程不是单独一个学科就能完成的,而是由多个学科的专业人才协同完成的。2)强经验弱理论性。复杂产品的设计往往需要设计者具备丰富的经验,目前许多设计参数的赋值、设计调整方法等都是凭借经验估算而缺乏理论指导,设计结果是通过不断迭代优化计算而得。3)表现形式多样,不能采用一种方式涵盖所有类型。4)不断进化特性。产品的设计知识随着实践不断丰富和进化,使得知识重用方法需要具备知识管理的功能[1~3]。
通过对不同类型的学科知识进行建模,实现设计知识表达与重用,才能辅助设计者完成复杂产品的设计。
1 多学科设计知识建模
1.1 实例类知识建模
复杂产品的设计经验是难以抽取和表达的,许多设计知识蕴含在已有成功的设计方案中,可以采用基于实例的推理方式应用这类设计知识。将设计种类和设计要求等因素作为检索条件,设计者在设计过程中通过匹配相似设计案例获取知识。实例类知识模型包括实例检索条件和实例内容两部分。实例检索条件是描述设计实例的检索依据,可以描述为:
InstSearch是实例类知识的检索条件。Model是该实例相关的设计对象术语。Course是该实例相关过程的标准术语。FeaVec是该实例相关的特征向量。每个实例类设计知识都与某个设计对象相关,实例类设计知识将设计对象作为第一级检索条件可以迅速缩小检索范围,提高检索效率。每个实例类知识都与设计对象的设计过程相关,设计过程是一系列具体设计活动,所对应的实例类知识是能够指导该设计过程的知识。将实例类知识所辅助的过程标准术语作为第二级检索条件,同样也是为了提高检索效率。每个实例类知识对应一个特征向量,特征向量是实例类知识的特征描述,是实例精确检索的依据。在前两级检索的结果中,通过对实例特征向量的模糊匹配可以得到最接近设计要求的实例知识。
特征向量中每个分量有五种数据类型:数值类型、区间类型、枚举类型、文本类型、概念类型。
Num是单值类型,Area是区间类型,Enum是枚举类型,Text是文本类型,Concept是概念类型。单值类型是指特征值为可定量描述的单个数值类型,其特征值具有意义明确、易于检索的特点。区间类型是指特征值为可定量描述的取值范围,其特征值常用于检索类似实例。枚举类型是指特征值是数值的集合,对其特征值不能进行精确匹配,也常用于检索类似实例。文本类型是指特征值是一段文本,其特征值是一段格式化描述的文本。概念类型是指特征值是复杂产品设计知识领域内的概念[4~8]。
实例内容以实体文件或实例数据集合等形式存储在数据库或者文件服务器上。实例检索条件与实例内容形成一一映射,通过检索条件获得实例内容的地址。如图1所示。
1.2 图表类知识建模
复杂产品设计中许多数据的选择需要利用经验曲线、经验表格。同时经验曲线和表格也能描述设计因素之间可量化的设计关系。图表类知识是指利用经验曲线和经验表格等形式描述设计中参数常用的取值和多个参数之间取值变化的规律。设计者可以依据图表类设计知识选择设计参数,并从此类设计知识中得到参数值改进的方法,图表类知识模型如图2所示。
由领域专家确定图表类知识参数选择的取值精度作为最小步长,图表类知识按照最小选择步长将经验曲线离散为点集合,点集合中每个点对应的主动参数与从动参数组成键值对。将经验曲线或表格上待选的经验参数作为键名,与之相关联的参数值作为键值。图表类知识的参数模型可描述为:
Subject Data是指主动参数,即该图表知识所表达的待选参数。Object Data是指该图表知识中被主动参数影响的被动参数。Key是参数名称,Key Value是参数值。主动参数与被动参数之间存在映射关系,这种映射关系将主动参数与被动参数连接起来形成图表的完整描述。
Chart Item是指原始图表中一组主被动参数映射。Subject Data是指该图表中的主动参数,一个图表只有一个主动参数。Object Data是指与主动参数相关的被动参数,可以为多个。
Chart是指原始图表的信息完备描述。Chart Item是一组主被动参数映射,Num是该组映射被使用的次数,该次数是在调用结束后返回的值。
图表类设计知识主要用于描述设计经验取值和该参数取值对其它参数的影响。可以分为可建立目标函数类型和不可建立目标函数类型。
对于可建立目标函数的图表类知识,建立图表类知识模型:
ChartOnto表的信息完备描述。GoalFun是优选参数的目标函数。Vector是该图表类知识的设计类型特征向量,特征向量描述该图表知识所属的设计对象,用于检索图表类知识。
对于不可建立目标函数的情况:
Chart是指原始图表的信息完备描述。Vector是该图表类知识的设计类型特征向量,特征向量描述该图表知识所属的设计对象,用于检索图表类知识。
对图表类知识采用统计方法优选法进行知识重用。首先由领域专家提出影响设计图表知识中解空间即待选参数的其他参数,组合这些因素成为设计特征向量FeaVec。各种不同的FeaVec形成特征向量集合FeaVecSet。对FeaVecSet中每一个FeaVec对应一个解空间使用频率描述UseFrequencyDes。UseFrequencyDes以解空间为横坐标,以每个解的使用次数为纵坐标,形成二维表。
对于可建立目标函数的图表类知识,可以利用遗传算法在解空间内寻找一个最优解。图表中待选参数值作为遗传算法的解空间,多个被影响因素利用加权等方法转化为单目标的评价,作为目标函数。对目标函数内涉及的其他变量根据设计特征向量从对应的Use FrequencyDes中取使用频率最高的数值。对于不可建立目标函数的图表类知识,查询Use FrequencyDes并取解空
间中使用次数最多的解作为待选参数的经验值。
1.3 公式类知识建模
复杂产品设计过程中也存在能够定量描述、易于传递的知识,这类知识往往以各种学科内部的数学公式体现。公式类知识描述了输入参数与输出参数之间的计算关系,为设计提供合理的计算方法。由于复杂产品设计的强经验弱理论特性,这类设计知识往往只是近似描述设计规律,而不是精确的且一成不变的。传统方法是利用高级程序语言直接描述公式运算方法,使公式类设计知识直接固化在应用组件程序中。当设计知识发生变化后,公式类知识难以随之变化,不利于知识的进化。
公式类知识可以抽象为由原子表达式组成的有向图。原子表达式包含输入参数、输出参数和数学运算符号三种成员。数学运算符号的数学实现一般以程序组件中接口封装。
Expression是公式类知识中不可分解的原子表达式。Index是原子表达式的调用序号。Construct是指调用结构,调用结构分为顺序、分支、聚合、异或四种类型。Para是原子表达式的输入参数集合。MathSymbol是原子表达式所涉及的数学运算符号。result是运算结果参数集合。realization是运算符号的实现接口地址。对公式类设计知识的调用依赖于对公式知识的功能描述。本文利用公式特征向量抽象描述公式知识的功能。公式类知识特征向量采用公式的输入参数集合和输出参数集合标识。
FeaVec是公式类特征向量。InputSet是输入参数集合,OutputSet是输出参数集合。FormulaOn是设计知识模型。Expression是原子表达式,表达式个数可以是多个。公式类知识有向图模型如图3所示。
公式类设计知识的主要应用目的是提供设计过程中的各种运算能力。通过公式特征向量描述公式类知识的功能形成知识检索条件。利用原子表达式的调用序号Index描述运算之间的调用顺序,利用调用结构Construct描述运算之间调用形式。公式类知识建模为该类知识的应用奠定了基础。
1.4 规律类知识建模
复杂产品设计的很多经验无法获得其根本原理,不能用具体公式、图表定量给出其设计方法,而只能定性给出总结出的设计规律。规律类知识是设计者在大量计算和实验基础上总结得到,所以往往不够系统,以凌乱散状的形态呈现,特别是各种规律对设计目标产生的影响可能存在矛盾,需要设计者人为折衷选择设计参数[9~11]。
设计规律一般表现形式为某些参数调整对设计目标带来的影响和变化。这种影响和变化只能采用定性的变化规律描述,无法直接作用于设计参数选择或设计模型上,需要被设计者接纳然后反作用于设计模型。但规律类设计知识同样具有其特征,即规律的被影响因素。
Fea Vec是规律类知识的特征向量。Affected Para是设计目标的参数集合。
由于规律是零散并且在维护过程中不断变化更新,所以规律类知识通过规律记录的形式描述多个互无联系的设计规律,形成规律记录集合。每条记录包括规律的唯一标识,规律内容描述。
RuleOnto是规律知识模型。Indentify是一条规律记录的唯一标识。Content是规律知识的文本描述。
规律类设计知识的主要用途是为设计者提供设计迭代的方法。利用设计规律类知识的问题域作为规律知识的特征,作为该类知识检索调用的匹配依据。为每条规律类知识实例分配唯一标识作为实例的检索标志。规律类设计知识主要以向设计者提供设计规律提示的形式应用。对规律类设计知识的建模研究为该类知识的重用技术奠定了基础。
2 结论
针对复杂产品设计中知识复杂难以重用的瓶颈,将设计知识划分为实例类、图表类、公式类和规律类。抽取设计实例的检索特征成为特征向量,利用匹配特征向量实现实例类设计知识重用。利用离散化思想构建图表类知识模型,针对可建立目标函数与不可建立目标函数两种情况给出了基于统计学的知识重用方法。利用经验公式中的输入参数与输出参数构建公式类知识模型的特征向量,利用前后公式特征向量的匹配性实现该类知识的重用。基于设计规律的被影响因素与规律内容构建规律类设计知识模型,利用规律类知识特征向量实现规律类知识重用。通过上述四种类型的知识模型与重用方法解决复杂产品设计过程中知识难以继承的问题。
摘要：为了解决复杂产品在设计过程中经验知识重用难的问题,本文划分了四类知识模型与重用方法。为实例类知识模型构建特征向量并建立三级知识检索机制。针对图表类知识采用离散化方法建立表达模型,并分别对存在目标函数与无法建立目标函数两种情况建立知识重用机制。利用输入参数、输出参数形成特征向量,并与数学符号建立公式类设计知识中原子公式的表达模型,利用特征向量匹配实现原子公式的组合重用。采用规律类知识中被影响因素构建特征向量,并利用设计约束触发规律类知识重用。最终满足复杂产品对设计知识表达与重用的要求。
关键词：知识重用,知识建模,图表知识
参考文献
[1]李绪成,王保保,杨建安.知识管理研究[J].计算机工程与设计,2002,1:1-4。
[2]Gruber T R.Toward Principle for the Design Ontologies Usedfor Knowledge Sharing[J].International Journal of Human-computer Studies.1995.43(5):907-928.
[3]Guarino N,Masolo C,Gverter.OntoSeek:Content-based Ac-cess to the Web IEEE Intelligent Systems.1999.14(3):70-80.
[4]李晓辉,刘妍秀.基于实例推理机制(CBR)综述[J].长春大学学报.2006.16(4):68-70.
[5]孙丽,王秀伦,景宁.CAPP系统中基于实例的推理及检索方式的研究[J].机床与液压.2001.(6):158-159.
[6]程光耀.基于知识与实例推理的CAPP系统研究[J].北京印刷学院学报.2007.15(2):50-53.
[7]谢胜利,黄强,林兰芬,等.基于实例的智能工艺设计系统[J].计算机应用研究.2002.(9):97-103.
[8]Slade S.Case-Based Reasoning:A Research Paradigm[J].AImagazine.1991.12(1):67-73.
[9]Joseph Giarratano,Gary Riley.Expert Systems Principles and Programming[J].China Machine Press.2000.5.
[10]刘东.知识管理的基本过程与知识的分类管理模式[J].南京政治学院学报,2002,6:44-47.
复杂知识 第7篇
关键词：知识传播,复杂网络,Cowan模型,信任机制
0 引言
在现今知识经济时代,知识创造、知识传播与扩散、知识利用都是经济增长的重要因素,现实生活中的知识传播都是嵌入到网络中的,系统地研究知识传播网络受到越来越多的关注。复杂网络是门新兴学科,近些年来发展十分迅速,现实世界中的很多问题都可以抽象到复杂网络中建立模型研究、求解。如果将组织中人员的知识传播过程放到复杂网络中来进行研究,将组织中的人员看成复杂网络中的结点,人员间的接触而产生的知识传播看作网络中有向的结点连线,那么组织中人员都能够充分地利用网络的知识共享关系接触或使用其他人创造的知识成果,促进已有知识价值的最大发挥和新知识的不断涌现。
知识在复杂网络上的传播过程存在不少障碍,除了技术方面的因素,主要是组织中人与人之间的信任问题,应当指出,知识传播在个人与个人、个人与组织的交互过程中实现,是一种双方不仅仅基于互利互惠的关系还是一种基于信任的交换,并随着双方理解和交互时间的变化而变化,即在组织中知识传播过程中,初始信任决定组织中人与人之间是否传播知识,累积信任值大小决定组织中人与人之间知识传播的多少。网络中人员交互的不同阶段,信任值影响知识传播的动态过程会有所不同。因此,研究不同信任水平的复杂网络下知识的传播对加速组织知识共享、提高整体竞争力有着积极的现实意义。
1“小世界”特性的复杂网络构建
1.1 建立模型
Watts和Strogatz[1]提出“小世界”网络模型(WS模型),用来描述从一个规则网到一个随机网的转移过程。用V={1,2,…,N}表示一个有限个体集合,对任意i,j∈V,定义变量e(i,j),当i和j间有边连接时,e(i,j)=1,否则e(i,j)=0。网络G={e(i,j):i,j∈V}是所有个体的关系对列表,dij是结点i到结点j的最短距离。建立模型的步骤如下:
①从具有N个节点的环形网络开始,其中每一节点都与它初始的K个邻点相连(每一边有K/2个)。为了获得一个稀疏但任何时刻总有连接的网络,考虑N>K>ln N>1。
②以概率P随机为网络的每条边重新布线,同时保证没有自连接和重复边。
因为不允许重复连线,给定N个结点的环形网络只有NK/2条连线。重新布线时依次对每条旧连线选定的某一边端点随机放置新位置,因此改写的连线数目为PNK/2。由于随机性缘故,这些改写的连线可能会出现远距离连线,它们被称为捷径。显然,当P=0时仍为给定的环形网络,当P=1时为随机网。随着增加,可以看到网络从规则网向随机网的变化,如图1所示。
1.2“小世界”网络的特性参数
网络两结点间的距离为连接两者的最短路径的边的数目,网络直径为任意两点间最大距离,网络平均路径长度则是所有节点对之间距离的平均值,它描述了网络中节点间的分离程度,即网络有多小。复杂网络研究中一个重要的发现是绝大多数大规模真实网络的平均路径长度比想象的小得多,称为“小世界”效应。
平均距离l:N为网络节点数
集聚系数用来描述网络中节点的聚集情况,即网络有多紧密。若网络中结点l的度数为k,则它的邻域,即与结点l有连线的相邻结点全体,最多有k(k-1)/2条连线。如果它的邻域中实际存在的连线数为E(l),那么结点l的集聚系数为:
网络的集聚系数定义为所有结点集聚系数的算术平均值,即
当P=0时,网络是规则网络,网络的平均距离l随N的增大呈线性增长,集群系数大;当P=1时,网络变为随机网络,l随N的增大呈对数增长,且集群系数随N减小而减小;在P∈(0,1)时,存在一段较宽的区间,模型显示出小世界特性,l约等于随机网络的平均距离,网络具有高集群性。
2 复杂网络信任的内涵和类型
人作为知识共享的主体,通过激励、制度等手段可以改善知识传播的效果,但成员之间良好的信任关系更是知识传播中的关键影响因素。众多研究表明,信任在知识传播中扮演着重要角色,信任别人的人总是在组织中与他人持续合作,这种信任行为反映的是“道德责任或义务”。[2,3]反之,组织成员之间由于个性、经历、知识结构等方面的差异,必然导致理念、观点、处事方法和原则等方面的差异,由此引发的信任危机是不容忽视的,如成员之间由于观念不同而导致的冲突以及沟通不畅引发的猜疑和误解等,都会对组织的知识传播效率造成影响。
2.1 信任的含义及知识传播中相关研究
在知识传播的研究中,信任的重要性已经受到关注。Huemer等认为,信任最重要的角色关系到组织中知识是如何传播以及传播发展的原因[4]。他们根据March&Olsen的观点[5],提出信任便于让组织中成员之间学习,并且基于信任的这种确定条件下决定进行知识传播。知识成员的脑力劳动通过知识共享和转移的行为,与组织中其他成员共同构建成一个学习网络,这就是知识传播的复杂网络,这样,知识不仅在个人头脑中出现和保留,并且可以通过这种人与人之间基于信任的相互交互原则,将知识镶嵌在组织成员网络中。与网络中人与人之间的互动关系相联系,信任可以在参与双方建立起情感纽带,它促使组织成员进行交流,与此同时,组织知识得到扩展。Szulanski[6]进一步从反面验证了不信任对于知识传播的消极作用。他从妨碍知识传播的因素入手,证实了知识提供方缺乏可靠性是造成知识传播出现困难的主要因素。Andrews和Delahay认为,接受方感受到的提供方的可靠性和提供方感受到的接受方的可信性分别在知识获取和共享过程中起着重要的促进作用。他们还认为“信任在知识共享中的重要性甚至超过了正式的合作程序,因为如果没有信任的存在,知识共享就不可能发生”[7]。Levin和Cross将信任分为基于能力的信任和基于善心的信任。在此基础上,他们通过数据分别验证了两种不同维度的信任均与接受方感受到所获知识的有用性之间存在显著正相关关系,继而提出,信任能促使接受方减少对知识的验证,更愿意接受并运用提供方的知识。
2.2 信任的类型及影响信任的因素分析
知识传播双方的相互信任,能够促进双方间更多地沟通。随着这种沟通的进一步发展,组织中人员之间会拥有更广泛的共同知识、建立更多的沟通渠道并且能够利用更丰富的媒介进行沟通,因此知识转移会变得更加容易。不同领域的学者对信任研究的阐释不同,经济学者倾向从计算或制度方面来理解,心理学家则分析人格属性与认知的角色,社会学家着重人际与社会关系中的结构镶嵌性质,因此造就了信任分类的不同型态。通过对比各种信任类型的含义,在知识传播领域大致归为两类:认知型及情感型。
认知型信任定义为信任者基于与被信任者个人有关的可信任性证据的认知,而产生信任对方的意愿,这些证据包括被信任者的人格特质、文化背景、意图善恶、相关能力强弱、是否言行一致并具有可预测性等,信任者在搜集、处理、计算、解释这些信息的过程都是一种认知的程序。无论是在信任发展初期或是信任发展进入稳定期之后,这种认知性的程序都会反复产生作用,以检验彼此的信任关系是否仍能维持。一般而言,影响认知信任的主要有网络中个体的利益、能力及社会相似性。当结点之间进行基于信任的知识传播时,若两结点存在利益冲突,则信任值越低。能力和社会相似性反映在结点间的最短距离和关系权重上,如果结点间的关系越紧密,也就是某结点到达另一结点的最有效的关系长度越小时,关系权重越大,能力越强,越具有社会相似性;反之,网络中关系长度越长,两者的关系越弱,能力也越弱,社会相似性也随之减弱。
情感型信任定义为信任者基于对被信任者的情感依附而愿意信任对方。其主要特点是需要经过一段时期的互动之后才可能发展,而不太可能在交换关系开始时就出现。如果信任者在频繁互动中充分了解到被信任者的善意(benevolence)及可信任性,就会对被信任者产生依赖的意愿及情感的依附。影响情感型信任主要是互动时间的长短和累积的认知型信任值。互动时间越长,累积的认知型信任值越大,情感型信任值就越大。
认知型信任是基础,它可以支撑情感型信任的发展。情感性联系的产生必须是在双方频繁的互动中确认对方的可信任性之后,即关系中的认知型信任已经成熟,因此情感型信任的建立需要有一定程度的认知型信任作为基础。
3 复杂网络知识传播相关模型研究
荷兰学者Cowan和法国研究者(Cowan and Jonard,2004;Cowan,Jonard&Zimmermann,2006)提出了复杂网络上的一种知识扩散模型和一种知识增长模型[8]。他们利用复杂网络模型模拟了知识在社会网络中传播扩散的过程,分别研究了网络结构与知识扩散间的关系、网络结构与知识增长间的关系,发现在“小世界”网络中知识传播效率最高,但同时知识差异也最大(也就是知识传播扩散最不公平,从传播学角度看就是“知识沟”最大)。对照前文复杂网络建模的参数特征,从图2中可以看出,在P∈[0.01,0.1]区间该网络具有明显的小世界效应,即该网络同时具有较大的C(p)值和较小的L(p)值,整个网络平均知识水平较高,并一直呈上升趋势;当p叟0.1之后,平均知识水平呈现快速下降之势。
4 基于信任机制的复杂网络知识传播模型
4.1 对Cowan模型的修正
Cowan等学者基于复杂网络的模拟研究为当前知识传播与扩散领域的前沿开辟了新的领域,然而,Cowan模型仍存在一些不足,模型有两个隐含前提并不符合知识传播的实际情况,即:一是知识传播的易货交换假设;二是知识传播的无条件主动假设。下面对Cowan模型的这两个隐含前提予以批判和修正,建构新的基于信任机制的复杂网络上知识传播模型。
①Cowan等学者认为所研究的知识传播与扩散类似于“易货贸易”,只有当网络中A拥有B所需要的知识,同时B有A所需要的知识,这样A、B之间才能进行知识传播和相互扩散。这样的模型前提显然是有缺陷的,人们在实现的知识传播过程中,往往不会有理想化的相互交换产生。而从现实的知识传播网络出发,组织中人与人之间的知识传播实质是人与人基于信任的互动过程,通过网络中成员的互动,知识发生转移、共享及创造。在人与人初始交流时,人们会搜集、处理、计算、解释对方的人格特质、文化背景、意图善恶、相关能力强弱、是否言行一致等方面信息,这些信息的搜集是一种认知的程序,形成认知型信任,认知型信任决定信任关系是否能维持,是知识在网络上传播的基础条件。由于初始信任程度比较低,成员之间知识传播的行为偶尔发生,整体网络知识传播效率低。
②Cowan等学者默认了模型中每个人都毫无保留地将自己的知识与他/她的邻居分享、主动进行知识传播,这是一种非常理想化的状态。而现实中组织内个体之间知识竞争合作关系,个体并不是无条件主动将自己的知识传播给他人,对于这种知识传播的悖论,情感型信任可以对此进行解释。信任在程度上有高低之分,因此组织中人员之间的信任水平可以进行量化,用信任值表示。组织中人员经过一段时期的互动之后,认知型信任值上升,随着彼此依赖的意愿及情感的依附而产生情感型信任,情感型信任值越大,知识在网络中传播效率越高,情感型信任值很小就会出现知识传播的悖论,即附有知识价值的个体担心自己的知识被他人学去,需要在组织内维持一点程度的知识优势,而阻碍知识的传播。
4.2 知识传播网络中信任值的确定
在复杂网络的知识传播中,组织中的人员可以通过认知型信任与组织中的其他成员交流、吸收新的知识、提高自己的知识水平,并且知识的传播是发生在有信任关系的网络中两个个体之间。当结点传播知识的时候,只有与它有信任关系的结点才是潜在知识接受对象。结点总的信任值由认知型信任和情感型信任组成。[9]
其中:T表示知识传播的复杂网络中结点的信任值,c和f分别表示结点的认知型信任值和情感性信任值,α、β为二者的权重,0<α,β<1,α<β确保复杂网络中知识传播先基于认知型信任,后通过频繁互动产生情感性信任,而且情感型信任对知识传播的贡献高于认知型信任对知识传播的贡献。
ly表示结点间的利益,本模型采用-1,+1来衡量;-1表示两结点有利益冲突,+1表示两结点没有利益冲突。nl表示结点的能力和社会相似性,用网络参数最短距离来表示,因为本模型考虑知识传播的复杂网络是不加权的,所以没有用权重体现网络中结点的能力及社会相似性。ct-1表示结点前t-1次认知型信任的累加值。t表示时间影响因数,如果交流越频繁,时间越长,情感型信任值越大。
4.3 基于信任机制的复杂网络知识传播模型建构
我们在前文已分析构造了“小世界”网络模型G(V,E),给定该复杂网络的总结点数N=1000,初始规则网络每个结点有K=50个信任结点,网络重连概率P从0到1逐渐变化。根据L(p)/L(0)和C(p)/C(0)可以测算出“小世界”效应,参见图3。
基于信任机制的复杂网络知识传播模型与Cowan模型不同的是,我们引入了信任值,记作:T,Vi(t)和Vj(t),分别表示结点i、j在t时刻知识水平。这样,组织中结点在进行知识传播过程中,不像货物交换那样简单直接,而是涉及到信任值的更新,信任值在不同结点的交互之间增加或减少,初始的信任值为认知型信任,经过一段时间交互累积的信任值为情感型信任;在此基础上,若该结点在该时刻进行基于信任值的知识传播,可以建立从t~t+1时间段的知识水平函数,传播后的知识水平变为:
信任值变为:Ti,t+1=αlyi,tnli,t+βlyi,t-1nli,t-1t
网络的平均知识水平为:
网络平均信任值为:
通过对知识传播的复杂网络进行建模,可分析知识传播网络特征,选用网络平均知识水平作为衡量该网络知识传播程度的指标,如果网络平均知识水平的值很大,说明网络内各节点之间的知识传播效率很高。另一方面,知识传播网络的信任值也可以作为衡量知识传播的程度指标,信任值代表知识传播网络中各节点之间的联系,这些联系有可能让组织整体智慧提升。
5 结束语
通过对Cowan模型进行修正,将“小世界”特性的复杂网络应用到知识传播中,建立了含信任机制的知识传播模型,分析了在认知型信任、情感型信任不同信任水平下知识在网络上的传播行为,得出:结点之间信任值高、网络的平均知识水平高时,知识传播效率越高,即知识传播更加容易。因此满足上述模型的企业、高校或政府部门应积极采取有效措施,加大人与人之间信任感,促进知识的流动及共享。
参考文献
[1]D J Watts and S H Strogatz.“Collective dynamics of‘small-world’networks,”[J];Nature,1998,393:397-498.
[2]高兆明:《存在与自由:伦理学引论》[M];南京师范大学出版社,2005:216-370。
[3]J.Nahapiet and S Ghoshal.“Social capital,intellectual capital,and the organizational advantage,”[J];Academy of Management Review,1998,23:242-266.
[4]L Huemer and Von Krogh G Roos.“Knowledge and the concept of trust,”[M];Newbury Park:Sage Publications,1998:23-45.
[5]J G March and J P Olsen.“The uncertainty of the past:Organizational learning under ambiguity,”[M];London:Blackwell,1990:335-358.
[6]G Szulanski.“The process of knowledge transfer.A diachronic analysis of stickiness”[J];Organizational Behavior and Human Decision Processes,2000,82:9-27.
[7]Kate M Andrews,Brian L Delahaye.“Influences on knowledge processes in organizational learning:The psychosocial filter,”[J];Journal of Management Studies,2000,37:797-810.
[8]R.Cowan and N Jonard.“Network structure and the diffusion of knowledge,”[J];Journal of Economic Dynamics and Control,2004,28:1557-1575.
复杂知识 第8篇
“三角形的认识”是苏教版教材四年级下册的教学内容。一位教师执教这节课时, 上得气喘吁吁, 最终还拖课。她是这样设计的——
一、生活激趣, 引入新课
1.摸三角形。教师拿出一个黑布袋, 里面有长方形、正方形、三角形、圆形物体, 让学生摸出三角形。
2.找三角形。 (1) 教师呈现篮球架图片:你能找到三角形吗? (2) 师:在生活中, 还有哪些物体的形状是三角形的?课件播放宜昌长江大桥、高压线杆、自行车、房屋的人字梁、雪花等图片。
二、合作探究, 体验感悟
活动一:感知三角形的特征。
1.做三角形。师:你能利用手中的材料做一个三角形吗? (1) 用小棒搭; (2) 在钉子板上围; (3) 沿三角尺的边描; (4) 在方格纸上画。
2.画三角形。师:先在头脑里想一想三角形的形状, 然后在作业本上画一个三角形。
3.揭示三角形各部分名称, 讨论三角形有几条边、几个角和几个顶点。
4.画三角形。师:在点子图上画两个三角形, 画好后说说三角形的基本特征。
活动二:探究三角形的三边关系。
1.师:几条线段可以围成一个三角形?三条线段一定可以围成三角形吗?请同学们将饮料吸管任意折成三段, 看能否围成三角形。
2.师:有的同学能围成三角形, 有的同学却不能, 这里面有什么奥秘呢?哪位同学有勇气展示自己没有围成三角形的作品?思考怎样才能将它围成三角形?学生对两根较短小棒长度的和与较长小棒相等这一种情形产生争论, 教师通过多媒体演示, 帮助学生理解。
3.总结:三角形任意两边之和大于第三边。
三、解决问题, 发展新知 (略)
【“问”:病历记录】
课堂教学结束后, 在评课过程中讨论这节课“时间去哪儿了?”这一问题时, 执教教师牢骚满腹:“这节课教材内容很多, 开头安排了‘找三角形’, 引出三角形对象;中间安排了‘做三角形’, 引出三角形特征;最后安排了‘搭三角形’, 引出三角形性质。这些环节, 我感觉彼此之间联系不紧密, 特别是做三角形, 做了那么多, 只是为了概括三角形的特征, 感觉很浪费时间, 是不是有点多此一举啊?等到探究三角形三边关系这一重头戏时, 时间就很紧张了。在搭三角形中, 学生纠缠在两边之和等于第三边上, 又耽搁了许多时间。”
最后, 她提出了一个深藏心里的困惑:“我认为, 三角形的三边关系完全可以用‘两点之间直线距离最短’这一知识来解释, 而这个知识连小动物都懂——在前方扔一个食物, 小动物都会本能地向前直奔。学生根据这样的生活经验, 很容易理解三角形三边关系中隐含的原理。我搞不懂, 小动物都懂的知识, 为啥要教得这么复杂?”
【“切”:病理诊治】
“三角形的认识”这一节课的教材布局, 确实如执教教师所说, 有“找三角形”“做三角形”“搭三角形”三段教学活动设计, 但我们不必面面俱到、事无巨细, 而应该注意详略得当、轻重适当, 把时间用在刀刃上。
要能够挤出时间, 首先要做的是想一想这节课之前学生已经有了什么经验。三角形的相关知识, 学生在低年级已经有了初步认识, 知道三角形的名字和样子, 也知道三角形在生活中的广泛存在, 本课教材安排宜昌长江大桥这一情境主要是为了承上启下, 通过在图片上“找三角形”, 唤起学生对知识的回忆和注意, 后续在生活中找三角形点到即可, 不必像上述课例那样连连看。另外, 教师之前还安排了一个“摸三角形”活动, 虽然有趣, 但与其后的“找三角形”环节目标层次相当, 并且占用较多时间, 不如直接开门见“三角形”来得一目了然。
教材“做三角形”这一环节, 主要目的是为了加深学生体验, 发现三角形的特征, 但考虑到学生在低年级或多或少有过类似活动经验, 所以在“做三角形”的形式上也不必像上述课例那样面面俱到甚至还外加画三角形的形式, 因为三角形的特征也是一目了然的事情。三角形的特征, 除了从图上“看”出来, 还可以从字上“看”出来——“三角形”的名字表明它有3个角, 它的各部分名称也可以从“角”的各部分名称上得出 (如下图) , 三角形又名“三边形”, 这一名字表明它有3条边。由此可见, 三角形特征的教学并不难。当然, 课的导入亦可开门见“角”, 连接角两边上的一点围成三角形, 在“角”的知识基础上生长出“三角形”, 这样的教法, 有利于各部分名称的“同”化, 实现学生的“同”学。
其实, “做三角形”也可以看成是另一种意义上的“找三角形”, 这样就会感觉两个环节是一个环节了。执教教师认为“做三角形”多此一举, 更多的认为它的价值不大, 只是为了引出三角形的特征。要让这一环节更具价值, 需要教师的战略眼光, 善于挖掘与开发, 能够为“三角形的三边关系”的教学铺路搭桥。例如在钉子板上围三角形和方格纸或点子图上画三角形这一活动, 教师可以引导学生思考“是不是任意的三个点都能围成三角形?”这一隐藏其中的问题, 得到“在同一直线上的三个点不能围成三角形”的发现, 由此, 不仅提升了该活动的思维价值, 更重要的是, 学生就可能会由“是不是任意的三个点都能围成三角形?”联想到问题的另一方面——“是不是任意的三条线段都能围成三角形?”, 如此接下来的“搭三角形”活动就成了学生解决困惑的自觉行动。另外, 像上述课例那样, 当学生受小棒等实验器材精细度的限制和操作存在误差等原因, 而纠结于“两边之和正好等于第三边能不能围成三角形”时, 虽然教师可以通过多媒体演示帮助学生“看明白”, 但我们如果利用前面获得的“在同一直线上的三个点不能围成三角形”这一活动经验来帮助学生“想明白”, 或许更能让学生信服。由此可见, 如果我们在“做三角形”这一环节能多走一步, 那么这一环节的安排就不会让人感觉是多此一举的了。
我们最后来解决前文执教教师的思想之困——“小动物都懂的知识, 为啥要教得这么复杂?”, 从而解决教材之谜。按照目前教材的编排路线, 学生从“是不是任意的三条线段都能围成三角形?”这一问题出发, 首先得到“不是任意的三条线段都能围成三角形”的结论, 然后又产生“怎样的三条线段能围成三角形?”这一问题。接着在探究时, 学生又从反例入手 (因为反例才容易让学生关注到两边之和与第三边的比较上) 思考“为什么这样的三条线段围不成三角形?”, 最后回到正例研究“能够围成三角形的三条线段具有怎样的关系?”, 发现规律, 得出结论。如此复杂的思维逻辑, 如果用“两点之间直线距离最短”这一知识来解释三角形的三边关系, 似乎“三下五去二”, 只需要短短几分钟, 学生就能轻而易举地得出结论, 并清楚地明白其中的道理。那么, 教材为什么不走这条捷径呢?这是因为教学不只是为了得到知识, 很多情况下, 知识只是载体, 让学生感受、领悟和掌握其中的数学思想方法才是根本。
归纳和演绎是学生学习中常用的两种思维方式。四年级学生正处于具体形象思维向抽象逻辑思维过渡的转折期, 我们还不能一下子用说理这样的演绎思维来要求学生。另外, 说理虽然能够让学生真正理解知识的本质, 但会压缩甚至丧失探究过程, 此时, 新课程倡导的数学活动经验的积累也就会成为空中楼阁。从更高层面看, 创造性思维离不开以猜想与发现为主要形式的直觉思维和以举例与验证为主要形式的归纳思维, 而这需要以加大活动和拉长过程作为基础工程。以上种种, 就是教材没有选择“演绎推理”而采用“合情推理”这一研究之路的思想依据和教学意图。
复杂知识 第9篇
放眼世界, 日本虽然仅仅是一个岛国, 但却能够在战备之迅速发展起来, 并成为资本主义发达国家, 这无疑是让人有敬佩之意。而他们对我们犯下的种种恶行也是不可磨灭的历史。在听说日本篡改历史教科书, 安倍晋三参拜靖国神社以及近几年发生的钓鱼岛事件之后, 中国人对日本的印象也在恶化。对于正在学习知识的学生来说, 这些事件都会影响到他们对于正确对待日本历史的判断力。曾在《亚洲周刊》上读到过这样一段话:“世界上, 唯有日本这个国家, 一个多世纪以来引发了中国人最复杂的情感:它是中国的仇敌, 也是中国的朋友;它是中国的学生, 也是中国的老师;中国人对它气愤, 也对它亲近;蔑视它, 又羡慕它;拒绝它, 又受到强烈的吸引。”
二、追溯日本历史
追溯日本的历史, 很多次里程碑式的进步都与中国密不可分, 比如文字, 比如建制……这也使我们很多人在网上调侃小日本有了历史根源。但从近代以来, 同样遭受到西方国家坚船利炮的侵扰, 同样承受了主权沦丧的屈辱, 也同样面临亡国灭种的危机时, 中日两国却分道扬镳, 走上了两条截然不同的道路。
在这段历史中, 我们可以看到我们对日本的情愫既有“敬”也有“恨”。“敬”他们能够积极学习其他国家文化并且能够在战败之后迅速崛起的能力与实力, 这也是毋庸置疑的;“恨”他们对我们中国人所犯下的罪行, 残害中国人民。爱国是作为一名高中生乃至所有中国人都必须要做到的, 但爱国不代表要对一个国家恨之入骨, 带有这样的情绪去学习有关日本历史知识是无法正视这段历史, 因此高中历史老师的任务就要将相关历史知识正确的输送给学生。从而让他们能够正确对待中国与日本的关系。
三、就钓鱼岛事件分析有关日本知识的历史教学
近一年多以来中日两国有关钓鱼岛的紧张形势, 将中日关系和民间情绪再次推到了火药味极浓的境地。当然, 在涉及到国家主权和利益的问题面前, 我们必须要毫不犹豫地为国呐喊, 据理力争。但在这同时, 我觉得作为一个中国人应该暂且将自己满腔愤怒的情绪放下, 来深思一些问题, 深思为何日本要与中国争夺钓鱼钓为何他们可以在战败后迅速崛起成为资本主义强国。
作为一名高中历史教师, 不免要给学生介绍有关日本这个国家的历史和中日两国关系的历史。总是烦恼于该如何去给学生讲授这些历史知识, 担心学生会片面的理解问题, 担心学生会抱有痛彻心扉, 恨之入骨的情绪去学习, 其实也担心自己在讲授的时候难免也带有强烈的民族仇恨感, 这样同样会影响学生的判断。可能作为一名历史教师, 我们应该用辩证唯物主义的理论去分析问题, 客观的看待每一件历史事实, 正确对待对日本“敬”与“恨”的复杂情愫, 多从自我出发, 找寻问题的根源。从中发现一些我们可以吸取的经验与教训, 这样我们也许会进步的快一些。
四、由“敬”与“恨”两种情愫分析有关日本知识的历史教学
在讲到这段历史的时候, 是个中国人就会在内心深处对日本产生“恨之入骨”的情愫, 作为一名历史教师, 就是要正确引导学生。要客观地看待中日两国的近代历史, 更要从这种历史发展的差别中找到自己落后挨打的原因。作为每一个高中学生, 对日本有“恨”这种感觉是很正常的, 因为他们都有强烈的爱国情感。这几年每每在中日关系紧张时, 国内都有抵制日货, 打砸抢烧日货的呼声和实际行动出现, 也有很多专家在分析这种不理智的爱国举动。我觉得在这个时候我们基层的历史教师就应该发挥一些作用, 培养学生“以史为鉴, 以史为镜”的素养, 引导学生客观的看待日本近代以来侵华的这段历史, 在我们难掩民族伤痛的同时, 指引学生去分析、挖掘日本为何强大了起来, 为何成为了近代亚洲的佼佼者?或许学生在学习了日本近代富国强兵的历史之后, 会有很多的感触, 期中不乏有学生产生“敬”的情愫吧。当然这种“敬”应该理解为敬佩, 坚决不可能是敬爱, 特别要让学生在这种“敬”的情愫里体会出一种“努力去拼搏可以使自己更强大”的道理。
结束语
在历史的进程中, 我们与日本发生的种种事件并不应全是“恨”, 经过抗日战争, 我们对他们的“恨”是必然的, 但是这种“恨”不应带入到学习中去, 对于日本历史知识的学习仍然是需要我们去研究去探讨, 为求让学生正确对待这段历史, 正确对待中日关系。帮助学生能够正视对日本“敬”与“恨”的复杂情愫对培养学生正确的世界观、人生观、价值观和激发学生爱国主义情感起着重要的作用。
“敬”与“恨”, 我们对日本人的感情的确是复杂的, 在教导学生时, 我想让学生们能隐忍这份“恨”, 暂且不去计较民族情感, 而更多的是去自我思考, 自我激励, 自我发奋图强, 真正的实现自己心中的那个强大的中国梦。只有这样才能帮助我们强大我们的国家, 让日本对我们也生有“敬”意, 让他们能够正视他们的历史。
参考文献
[1]浙江大学日本文化研究所.日本历史.高等教育出版社, 2005.
[2]侯建飞.有效教学:高中历史教学中的问题与对策.东北师范大学出版社, 2010.