基于引文與韋恩圖法的國內(nèi)隱性知識管理研究主題的演化分析*

邰楊芳 張芬利 王帥 于琦 賀培鳳

計量與分析

基于引文與韋恩圖法的國內(nèi)隱性知識管理研究主題的演化分析*

邰楊芳 張芬利 王帥 于琦 賀培鳳

（山西醫(yī)科大學管理學院，太原 030001）

為展現(xiàn)學科研究全貌，揭示研究主題的演化規(guī)律，本文基于生命周期理論將1998—2018年國內(nèi)隱性知識管理研究的發(fā)展劃分為萌芽期、發(fā)展期和成熟期三個階段。采用混合關(guān)鍵詞選擇策略對研究文獻的主題特征關(guān)鍵詞進行共現(xiàn)聚類分析后，確定各發(fā)展階段的研究主題。結(jié)合引文與研究主題，分析國內(nèi)隱性知識管理領(lǐng)域的研究基礎及其在生命周期各階段支持的研究主題。基于韋恩圖法分析跨階段研究主題間共同元素的特征，確定研究主題的演化類型及演化路徑，便于讀者了解研究現(xiàn)狀、把握研究方向，也為學科主題分析提供方法上的參考。

主題演化；引文分析；韋恩圖法；隱性知識管理；生命周期

隱性知識是個人或組織核心競爭力的重要源泉。自1958年被英國的邁克爾?波蘭尼首次提出，隱性知識逐漸受到學界的重視。國內(nèi)關(guān)于隱性知識的研究始于1998年，20多年來相關(guān)研究主題不斷發(fā)展變化，研究成果越來越多。為使學者快速了解隱性知識管理領(lǐng)域研究的全貌，厘清隱性知識管理研究的發(fā)展脈絡，需對該領(lǐng)域的研究成果進行分析挖掘和梳理總結(jié)。

本文采集《中國社會科學引文數(shù)據(jù)庫》（CSSCI）來源期刊中隱性知識管理相關(guān)的研究文獻，同時關(guān)注研究文獻的特征關(guān)鍵詞和引文數(shù)據(jù)，以量化分析為主要手段探討隱性知識被提出以來國內(nèi)在該領(lǐng)域的研究主題及其演進脈絡。與傳統(tǒng)綜述相比，可克服其只分析隱性知識管理研究的某些方面和專家判斷的主觀性的局限性。與現(xiàn)有的量化研究相比，可彌補其特征關(guān)鍵詞來源單一、研究時間窗較小和研究目標動態(tài)分析缺乏等不足。

1 方法與數(shù)據(jù)

1.1 研究方法

首先，獲取并清洗CSSCI中隱性知識管理相關(guān)文獻的題錄數(shù)據(jù)；其次，基于生命周期理論將該領(lǐng)域的研究按時間劃分為不同的發(fā)展階段；然后，抽取各階段隱性知識管理研究文獻的特征關(guān)鍵詞并進行關(guān)鍵詞共現(xiàn)聚類分析，得到該領(lǐng)域的研究主題；最后，分析研究文獻的引文共現(xiàn)網(wǎng)絡和不同階段研究主題間的關(guān)聯(lián)關(guān)系，勾畫該領(lǐng)域研究主題的演進脈絡。隱性知識管理的研究主題及其演化分析流程見圖1。

1.2 數(shù)據(jù)準備

在CSSCI數(shù)據(jù)庫中，選擇“篇名或者關(guān)鍵詞”字段，輸入檢索詞隱性知識、緘默知識、意會知識、默會知識并采用邏輯“或”組配檢索，將1?022條檢出結(jié)果的題錄信息以文本格式導出，主要信息包含文獻的標題、作者、關(guān)鍵詞、出版年、參考文獻等。

利用書目共現(xiàn)分析系統(tǒng)軟件Bicomb 2.0提取導出記錄的字段并清洗字段數(shù)據(jù)[1]。包括對關(guān)鍵詞進行簡稱改全稱、統(tǒng)一字母大小寫、統(tǒng)一中英文名稱、合并同義關(guān)鍵詞和刪除無意義關(guān)鍵詞，對參考文獻（引文）統(tǒng)一著錄格式。

2 隱性知識管理領(lǐng)域的研究主題分析

2.1 隱性知識管理研究的生命周期刻畫

生命周期理論是事物發(fā)展最基本的理論，任何事物都經(jīng)歷著從產(chǎn)生、發(fā)展、成熟到消亡的過程。學科的發(fā)展也存在生命周期[2]。

圖2顯示，我國隱性知識管理的研究始于1998年，隨后2年，相關(guān)文獻量少且增長緩慢；2001年起，發(fā)文量迅速增長，2008年達到峰值92篇；此后，發(fā)文量有所下降，但仍處于相對較高的水平。據(jù)此，將我國隱性知識管理研究的發(fā)展階段分為：萌芽期（1998—2000年）、發(fā)展期（2001—2008年）和成熟期（2009—2018年）。

2.2 特征關(guān)鍵詞的選取

文獻[3]選取表意性較強且能夠優(yōu)化共現(xiàn)關(guān)系的低頻關(guān)鍵詞以及能夠展現(xiàn)領(lǐng)域前沿及潛在熱點的突發(fā)關(guān)鍵詞對高頻詞進行增補的主題分析，實驗表明此舉可提高分析的準確性及可預測性。借鑒該方法，本文選取高頻特征關(guān)鍵詞、代表性低頻特征關(guān)鍵詞和突發(fā)特征關(guān)鍵詞作為文獻主題特征分析的數(shù)據(jù)。

（2）代表性低頻特征關(guān)鍵詞的選取。根據(jù)低頻關(guān)鍵詞在文獻中的共現(xiàn)情況構(gòu)建低頻關(guān)鍵詞共現(xiàn)網(wǎng)絡。網(wǎng)絡中，與其他節(jié)點的聯(lián)系較多（中心度較大）的節(jié)點對于發(fā)現(xiàn)具有潛力的研究主題具有重要作用。本文分別選取中心度閾值2和4，提取到發(fā)展期23個和成熟期24個低頻特征詞。

（3）突發(fā)特征關(guān)鍵詞的選取。突發(fā)關(guān)鍵詞是指在某個時間段內(nèi)突然出現(xiàn)還未達到詞頻閾值要求但潛在發(fā)展趨勢較好的關(guān)鍵詞，它們在一定程度上可反映研究領(lǐng)域新興的研究主題。文獻可視化分析軟件Cite Space采用了Kleinberg于2003年提出突發(fā)詞檢測算法，用于檢測一個學科內(nèi)研究興趣或主題的突增[4]。將各研究階段的數(shù)據(jù)依次導入Cite Space V，時間切片（Years Per Slice）設置為1年，突發(fā)詞數(shù)量設置為Top50，得到相應的突發(fā)特征詞，其中發(fā)展期1個、成熟期4個。突發(fā)特征關(guān)鍵詞與抽取得到的高、低頻特征關(guān)鍵詞有部分重疊。

綜上，得到發(fā)展期和成熟期特征關(guān)鍵詞，數(shù)量分別為43個和40個。萌芽期相關(guān)文獻只有6篇，對其主題分析擬采用閱讀原始文獻的方法，不考慮其關(guān)鍵詞。

2.3 生命周期各階段的研究主題分析

萌芽期的研究主題通過人工閱讀原始文獻提煉。對發(fā)展期和成熟期的特征關(guān)鍵詞做共現(xiàn)聚類分析后，計算聚類類團內(nèi)特征關(guān)鍵詞所在文獻對類團主題的代表度指標[5]，選出代表度較高的前5篇文獻，與每個類團包含的特征關(guān)鍵詞結(jié)合確定類團的主題。

（1）萌芽期主題。萌芽期相關(guān)成果主要從管理學角度對知識進行再認識，顯性知識、知識管理、知識創(chuàng)新等是代表性詞匯，內(nèi)容涉及隱性知識管理的產(chǎn)生背景、概念內(nèi)涵、作用機制等，故研究主題為隱性知識管理基礎。

（2）發(fā)展期主題。采用SPSS22.0對該時期的43個特征關(guān)鍵詞構(gòu)成的共現(xiàn)矩陣變換成余弦相異矩陣后進行系統(tǒng)聚類，聚類結(jié)果顯示，可將關(guān)鍵詞聚為8個類團，每個類團代表一個主題。各類團的主題名稱及內(nèi)容見表1。

（3）成熟期主題分析。采用類似方法得到成熟期的10個研究主題。各主題名稱及內(nèi)容見表2。

3 隱性知識管理研究主題的演化分析

3.1 隱性知識管理的研究基礎分析

選取所有文獻的高被引參考文獻（引文）并構(gòu)建引文共現(xiàn)網(wǎng)絡，分析網(wǎng)絡的整體屬性和網(wǎng)絡中的節(jié)點屬性以了解該領(lǐng)域研究基礎的整體和局部情況。

（1）引文共現(xiàn)整體網(wǎng)分析。1?022篇研究文獻共有引文13?669篇，選取被引頻次大于10的高被引參考文獻生成68×68的引文共現(xiàn)網(wǎng)絡。圖3中的節(jié)點代表引文，節(jié)點越大，對應文獻的被引頻次越高；節(jié)點間的連線代表引文間的同被引關(guān)系，連線越粗，兩篇引文的共被引頻次越高。整個引文共現(xiàn)網(wǎng)絡中，節(jié)點間聯(lián)系的緊密程度可通過網(wǎng)絡密度來衡量，網(wǎng)絡密度越大，引文間的聯(lián)系越緊密，對應研究主題的關(guān)聯(lián)性越大，密度大的網(wǎng)絡更易于知識的分享和傳播。計算得出該網(wǎng)絡的密度值為0.31，參照Mayhew等[6]通過隨機選擇模型得到的實際網(wǎng)絡圖最大密度值0.50，而0.31是一個相對較高的數(shù)值，說明網(wǎng)絡中引文節(jié)點間聯(lián)系密切，內(nèi)容關(guān)聯(lián)性高，有利于知識的分享和傳播，該領(lǐng)域的研究基礎良好。

（2）引文共現(xiàn)網(wǎng)絡中的節(jié)點分析。本文定義引文共現(xiàn)網(wǎng)絡中度（出現(xiàn)頻次）和點度中心度都較大的節(jié)點為網(wǎng)絡中的關(guān)鍵節(jié)點[7]，節(jié)點代表的引文即為該領(lǐng)域的重要引文，它們對研究主題的后續(xù)深化及催生新主題具有重要的作用。表3顯示點度中心度排名前15位的高頻引文及其在1?022篇文獻中的被引頻次。

結(jié)合圖3和表3，文獻[8]、文獻[9]、文獻[10]、文獻[11]的中心度和被引頻次均位于前列，它們之間有較多共被引關(guān)系，因而聯(lián)系緊密且趨于網(wǎng)絡的中心。同時，這些文獻的節(jié)點面積大，說明它們的引用文獻量也高，是該領(lǐng)域研究基礎的內(nèi)核，和與其具有較強關(guān)聯(lián)的共現(xiàn)引文一起將該領(lǐng)域的研究主題逐步向外擴展和迭代。

其中，居于首位的是文獻[8]，由Nonaka等提出的著名知識轉(zhuǎn)化模型——SECI模型。該文在萌芽期（1998年）開始被引用，發(fā)展期（2007年）被引頻次達到峰值17。其與被引頻次相對較高的文獻[11]、文獻[12]、文獻[13]、文獻[15]、文獻[18]、文獻[22]及文獻[23]的研究形成以隱性知識轉(zhuǎn)移、共享、知識轉(zhuǎn)化模型SECI為研究主題的共被引網(wǎng)絡。上述研究主題在成熟期逐漸演變?yōu)閷﹄[性知識轉(zhuǎn)移、共享機理與模式、隱性知識轉(zhuǎn)移路徑以及影響因素等。

文獻[9]強調(diào)科學家在其發(fā)現(xiàn)和驗證過程中個人知識是科學本身不可或缺的一部分。該文獻在萌芽期（1999年）開始被引用，成熟期（2011年）被引頻次達到最高值14。其與石中英[24-25]、Lubit[26]、Koskinen等[27]、林昭文等[28]、郁振華[29-30]的研究成果形成主題為“隱性知識管理基礎”的共被引網(wǎng)絡。此主題在成熟期逐漸演變?yōu)閷處?、企業(yè)、圖書館等不同主體的隱性知識管理研究。

Polanyi[10]對Tacit Knowing進行了介紹，闡述利用 Tacit Knowing解答各種哲學、政治、科學命題。其在萌芽期（1999年）開始被引用，發(fā)展期（2007年）被引頻次達到最高值12。其與作者Zander等[31]、李華偉[32]、張海英[33]、夏德等[34]、朱少英等[35]的被引次數(shù)較高的文獻形成以組織中隱性知識的開發(fā)與利用、知識動態(tài)傳播模型等為研究主題的共被引網(wǎng)絡。這些主題在成熟期演變?yōu)殡[性知識轉(zhuǎn)移方法、隱性知識集成等。

綜上所述，隱性知識管理領(lǐng)域的研究基礎主要是對隱性知識的基礎性問題和突破性理論（SECI模型）進行研究的高被引文獻，它們在研究內(nèi)容上相互交叉滲透、共存互動，為后續(xù)研究主題的深化以及新研究主題的涌現(xiàn)提供有力支撐。

3.2 不同階段研究主題的演化分析

（1）主題演化類型的劃分規(guī)則。規(guī)則一：相鄰兩個時期，若前一時期的某研究主題與后一時期的某主題有相同的關(guān)鍵詞或有同義、近義關(guān)鍵詞，則稱兩主題間具有關(guān)聯(lián)關(guān)系；否則，兩主題間無關(guān)聯(lián)關(guān)系。規(guī)則二：具有關(guān)聯(lián)關(guān)系的主題間，若前一時期的主題僅與后一時期的一個主題有關(guān)聯(lián)關(guān)系，即一對一的關(guān)系，則稱后者繼承了前者，演化類型為繼承；若前一時期的一個主題與后一時期的多個主題有關(guān)聯(lián)關(guān)系，即一對多的關(guān)系，則表示前一時期的主題發(fā)生分化，若分化出的主題只與前一時期的一個主題有關(guān)聯(lián)關(guān)系，則稱后者為前者分化的結(jié)果，演化類型為分化；若前一時期的多個主題與后一時期同一主題具有關(guān)聯(lián)關(guān)系，即多對一的關(guān)系，則稱前一時期的多個主題發(fā)生融合而形成后一時期對應的主題，演化類型為融合。規(guī)則三：與前一時期的任何主題均無關(guān)聯(lián)的主題稱為新生主題，演化類型為新生；與后一時期任何主題均無關(guān)聯(lián)的主題稱為消亡型主題，演化類型為消亡。

（2）各階段研究主題的演化類型。韋恩圖是利用封閉曲線來展示不同的事物群組（集合）之間的數(shù)學或邏輯聯(lián)系的可視化方法。本文利用VENNY2.1繪制多維韋恩圖，揭示各主題間的關(guān)聯(lián)關(guān)系。若兩個集合之間有共同元素則表明兩個集合內(nèi)的主題存在關(guān)聯(lián)，子集合中的數(shù)字表示該主題內(nèi)特有的元素數(shù)目，交集中的數(shù)字表示不同主題間共有元素數(shù)目。如圖4a所示，萌芽期主題集合中的數(shù)字為0，表示該時期主題內(nèi)無特有關(guān)鍵詞；交集中的數(shù)字3，表示3個時期主題內(nèi)有3個共有元素。

萌芽期主題產(chǎn)生演化過程中，隱性知識管理的研究實現(xiàn)從無到有，研究主題為新生主題。

萌芽期—發(fā)展期主題演化過程中，韋恩圖分析顯示，萌芽期、發(fā)展期和成熟期共享3個主題元素（圖4a），萌芽期主題元素貫穿于隱性知識管理研究的始終。萌芽期的主題發(fā)生分化，衍生出發(fā)展期主題4和發(fā)展期主題5（圖4b）。圖4中未顯示的其他發(fā)展期主題則均為發(fā)展期的新生主題。

發(fā)展期—成熟期主題演化過程中，如圖5顯示，發(fā)展期的研究主題得到一定研究后在成熟期均有體現(xiàn)，但演化形態(tài)各異。部分主題因具有可持續(xù)發(fā)展能力而在下一時期得到繼承，如隱性知識轉(zhuǎn)移主題在隱性知識管理研究的成熟期持續(xù)得到關(guān)注，研究主題的內(nèi)涵得到豐富和加強（見圖5a）；部分研究主題因為涉及的問題較為復雜而在后續(xù)階段產(chǎn)生分化，如圖5b所示，發(fā)展期主題3在成熟期分化為成熟期主題9。另一部分研究主題在經(jīng)過一定時期的發(fā)展后相互融合。如圖5c所示，發(fā)展期主題3和發(fā)展期主題5在隱性知識管理研究發(fā)展的成熟時期融合為成熟期主題2。圖5顯示了兩階段相關(guān)聯(lián)主題間的具體關(guān)聯(lián)數(shù)據(jù)。

匯總圖4和圖5，得到相鄰階段研究主題間的具體關(guān)聯(lián)信息及演化類型分布，圖6中，連線上的關(guān)鍵詞為主題間包含的共同元素。

3.3 隱性知識管理研究主題的演化路徑

經(jīng)梳理，國內(nèi)隱性知識管理研究主題的演化路徑如下。20世紀90年代末，隱性知識的概念首次被引入國內(nèi)。此后僅有個別關(guān)于隱性知識的概念、作用等基礎性理論的探討性研究。

21世紀伊始，研究進入發(fā)展期。萌芽期主題被置于具體的應用場景中進行深入探討，研究主題發(fā)生分化。同時，受ISEC知識轉(zhuǎn)化模型及相關(guān)研究啟發(fā)，新生主題成為這一階段的主要特征。出現(xiàn)圍繞ISEC模型的隱性知識共享、轉(zhuǎn)移、轉(zhuǎn)化等具體環(huán)節(jié)及其影響因素等新主題。研究內(nèi)容逐步深入，呈現(xiàn)具體化和多樣化發(fā)展趨勢。

2009年至今，研究處于相對成熟階段。Szulanski等國外研究成果對該階段的國內(nèi)學者影響深遠。半數(shù)以上的主題由上一階段的主題繼承、分化或融合而來，融合主題成為該階段研究主題的顯者特征。研究主題傾向于復雜、專深的隱性知識管理執(zhí)行層面的問題，知識地圖、激勵理論、仿真方法等新興隱性知識管理方法得到研究和應用。還出現(xiàn)了新生隱性知識管理的激勵機制、交流與擴散機制等更高層次的研究主題。

4 結(jié)論

本文以“高頻特征關(guān)鍵詞+低頻特征關(guān)鍵詞+突發(fā)特征關(guān)鍵詞”為文獻研究主題的分析數(shù)據(jù)，最大程度地優(yōu)化了共詞聚類效果?；谝木W(wǎng)絡對隱性知識管理領(lǐng)域的研究基礎及支持主題進行的針對性分析，拓寬了主題演化分析的時間窗，也利于讀者追根溯源；主題演化類型及劃分規(guī)則的定義、利用韋恩圖對不同時期各主題間關(guān)聯(lián)關(guān)系的可視化分析，有利于清晰刻畫研究主題的演化路徑。這些工作為揭示隱性知識管理研究主題及其演化規(guī)律奠定了良好基礎，也是本文工作的獨到之處。經(jīng)全面梳理，本文得到以下結(jié)論。

（1）我國學者非常重視隱性知識管理，研究主題不斷深化和豐富，并與時俱進。1998年至今，該領(lǐng)域研究發(fā)展迅速且已進入成熟期，目前年發(fā)文量保持較高水平。早期的研究關(guān)注隱性知識管理基礎性問題。發(fā)展期，研究主題趨于具體化；成熟期，受計算機技術(shù)、現(xiàn)代信息技術(shù)及通信技術(shù)發(fā)展的推動，深入到應用層面，知識地圖、計算機仿真等新興隱性知識管理的技術(shù)和方法進入研究者的視野。

（2）隨著時間的演進，國內(nèi)有關(guān)隱性知識管理的研究主題總體上呈現(xiàn)從基礎到核心、單一向多元、抽象到具體的發(fā)展趨勢。主題演化類型呈現(xiàn)從繼承式發(fā)展到主題分化、主題融合及多種演化形式并存等復雜的演化態(tài)勢發(fā)展。大多數(shù)主題處在發(fā)展、成熟狀態(tài)，新興主題不斷涌現(xiàn)。

［1］ 崔雷，劉偉，閆雷，等. 文獻數(shù)據(jù)庫中書目信息共現(xiàn)挖掘系統(tǒng)的開發(fā)［J］. 現(xiàn)代圖書情報技術(shù)，2008（8）：70-75.

［2］ 李慧貞. 基于多維計量的學科結(jié)構(gòu)與演化軌跡研究［D］. 鄭州：鄭州大學，2017.

［3］ 李綱，李昱瑤，謝子霖，等. 混合關(guān)鍵詞選擇策略對共詞分析效果的影響研究［J］. 情報理論與實踐，2017，40（11）：110-116.

［4］ KLEINBERG J. Bursty and hierarchical structure in streams［J］. Data Mining and Knowledge Discovery，2003，7（4）：373-397.

［5］ 崔雷，隋明爽. 共現(xiàn)聚類分析結(jié)果表達方法的研究［J］. 情報學報，2015，34（12）：1270-1277.

［6］ MAYHEW B H，LEVINGER R L. Size and the density of interaction in human aggregates［J］. American Journal of Sociology，1976，82（1）：86-110.

［7］ 劉軍. 整體網(wǎng)分析講義——UCINET軟件實用指南［M］. 上海：上海出版社，2009.

［8］ NONAKA I，TAKEUCHI H. Knowledge Creating company：How Japanese companies create the dynamics of innovation［M］. New York：Oxford University Press，1995.

［9］ POLANYI M. Personal Knowledge：Towards a Post-Critical Philosophy［M］. Chicago：University of Chicago Press，1958.

［10］ POLANYI M. Tacit dimension［M］. London：Routledge & Kegan Paul，1966.

［11］ NONAKA I. A Dynamic theory of organizational knowledge creation［J］. Organizational Science，1994，5（1）：14-37.

［12］ SZULANSKI G. Exploring internal stickiness：Impediment to the transfer of best practice within the firm［J］. Strategic Management Journal，1996，17（S2）：27-43.

［13］ NONAKA I，TOYAMA R，KONNO N. SECI，Ba and leadership：a unified model of dynamic knowledge creation［J］.Long Range Planning，2000，33（1）：5-34.

［14］ CUMMINGS J L，TENG B. Transferring R&D knowledge：the key factors affecting knowledge transfer success［J］. Journal of Engineering and Technology Management，2003，20（1/2）：39-68.

［15］ 汪應洛，李勖. 知識的轉(zhuǎn)移特性研究［J］. 系統(tǒng)工程理論與實踐，2002（10）：8-11.

［16］ 彼得·德魯克·F. 知識管理［M］. 北京：中國人民大學出版社，1999.

［17］ LEONARD D，SENSIPER S. The role of tacit knowledge in group innovation［J］. California Management Review，1998，40（3）：112-132.

［18］ 王娟茹，趙嵩正，楊瑾. 隱性知識共享模型與機制研究［J］. 科學學與科學技術(shù)管理，2004（10）：65-67.

［19］ COHEN W M，LEVINTHAL D A. Absorptive capacity：a new perspective on learning and innovation［J］. Administrative Science Quarterly，1990，35：39-67.

［20］ HAMEL G. Competition for competence and inter-partner learning within international strategic alliances［J］. Strategic Management Journal，1991，12（S1）：83-103.

［21］ ALBINO V，CARBONARA N，SCHIUMA G. Knowledge transfer and inter-firm relationships in industrial districts：the role of the leader firm［J］. Technovation，1999，19（1）：53-63.

［22］ 張慶普，李志超. 企業(yè)隱性知識的特征與管理［J］. 經(jīng)濟理論與經(jīng)濟管理，2002（11）：47-50.

［23］ 張生太，李濤，段興民. 組織內(nèi)部隱性知識傳播模型研究［J］. 科研管理，2004（4）：28-32.

［24］ 石中英. 知識轉(zhuǎn)型與教育改革［M］. 北京：教育科學出版社，2001.

［25］ 石中英. 緘默知識與教學改革［J］. 北京師范大學學報（人文社會科學版），2001（3）：101-108.

［26］ LUBIT R. Tacit Knowledge and knowledge management：the keys to sustainable competitive advantage［J］. Organizational Dynamics，2001，29（3）：164-178.

［27］ KOSKINEN K U，VANHARANTA H. The role of tacit knowledge in innovation processes of small technology companies［J］. International Journal of Production Economics，2002，80（1）：57-64.

［28］ 林昭文，張同健，蒲勇健. 基于互惠動機的個體間隱性知識轉(zhuǎn)移研究［J］. 科研管理，2008（4）：28-33.

［29］ 郁振華. 波蘭尼的默會認識論［J］. 自然辯證法研究，2001（8）：5-10.

［30］ 郁振華. 人類知識的默會維度［M］. 北京：北京大學出版社，2012.

［31］ ZANDER U，KOGUT B. Knowledge and the dpeed of the transfer and imitation of organizational capabilities：an empirical test［J］. Organization Science，1995，6（1）：76-92.

［32］ 李華偉. 知識管理的理論與實踐［M］. 北京：華藝出版社，2002.

［33］ 張海英. 知識管理中隱性知識的開發(fā)和利用［J］. 情報科學，2002（6）：654-657.

［34］ 夏德，程國平. 隱性知識的產(chǎn)生、識別與傳播［J］. 華東經(jīng)濟管理，2003（6）：47-49.

［35］ 朱少英，徐渝. 基于組織學習的知識動態(tài)傳播模型［J］. 科研管理，2003（1）：67-71.

An Evolutionary Analysis on Research Topics of Tacit Knowledge Management in China Based on Citation and Venn Diagram Method

TAI YangFang ZHANG FenLi WANG Shuai YU Qi HE PeiFeng

( Management School of Shanxi Medical University, Taiyuan 030001, China )

To present the domestic research profile of tacit knowledge management and reveal the evolution law of research topics, this paper divided the research period of tacit knowledge management from 1998 to 2018 into germination stage, rapid development stage and maturity stage according to life cycle theory. Using mixed keywords selection strategy, we extracted the thematic featured keywords, and carried out co-occurrence and clustering analysis on them for identifying the research topics of each stage. Taking both citations and research topics into account, we analyzed the research foundations of domestic tacit knowledge management research and their corresponding topics supported at each stage. By Venn Diagram method based analysis on the characteristics of the common elements among the cross-stage research topics, the evolution types and path of research topics are determined. The work of paper may facilitate readers to know better the research status and directions of tacit knowledge management research, and may also provide method reference for analysis of research topic.

Topic Evolution; Citation Analysis; Venn Diagram Method; Tacit Knowledge Management; Life Cycle

G302；G353.1

10.3772/j.issn.1673-2286.2020.03.004

（2020-01-12）

*本研究得到山西省軟科學計劃一般項目“社會化標注系統(tǒng)中的用戶個性化醫(yī)療信息推薦研究”（編號：2017041036-1）及國家自然科學基金項目“基于多元分析的科研文獻微觀實體評價理論與實證研究——以生物醫(yī)學為例”（編號：71573162）資助。

，研究方向：知識管理、信息組織與檢索，E-mail：yangfangtai@163.com。

張芬利，女，1994年生，碩士研究生，研究方向：醫(yī)學信息管理。

王帥，男，1996年生，碩士研究生，研究方向：醫(yī)學信息分析。

于琦，男，1982年生，博士，副教授，研究方向：基于數(shù)據(jù)驅(qū)動的生物醫(yī)學知識挖掘。

賀培鳳，女，1962年生，碩士，教授，研究方向：信息資源管理。