考慮知識創(chuàng)新與傳播意愿的企業(yè)間知識傳播模型
2023-06-21 17:53:16連卓毅王筱莉張靜錢夢迪陳淑琴
知識管理論壇 2023年1期
連卓毅 王筱莉 張靜 錢夢迪 陳淑琴
摘要：[目的/意義]知識經(jīng)濟時代，企業(yè)知識被認為是企業(yè)發(fā)展的主要驅(qū)動力，如何找到知識傳播規(guī)律，進行有效的知識傳播成為學者們?nèi)找骊P(guān)心的問題。[方法/過程]在經(jīng)典的傳染病模型SEIR模型基礎(chǔ)上，將企業(yè)分為知識創(chuàng)新型企業(yè)與一般知識未知企業(yè)，在考慮知識創(chuàng)新型企業(yè)能夠進行知識創(chuàng)新的基礎(chǔ)上，結(jié)合企業(yè)知識傳播意愿對企業(yè)知識傳播的影響，構(gòu)建考慮企業(yè)知識傳播意愿的B-STEHIR模型，并給出該模型的平均場方程。同時，通過下一代矩陣法求解基本再生數(shù)，使用Matlab2020a對該模型進行仿真模擬。[結(jié)果/結(jié)論]在創(chuàng)新型企業(yè)的知識創(chuàng)新引領(lǐng)下，傳播意愿這一因素在企業(yè)知識傳播過程中起到重要作用，對比不考慮傳播意愿的知識傳播模型，在考慮傳播意愿的知識傳播模型中知識傳播得更慢；創(chuàng)新知識傳播意愿越強會使一般知識傳播越慢，企業(yè)與政府可采取各種辦法促進企業(yè)知識有效傳播。
關(guān)鍵詞：企業(yè)知識? ? 知識傳播? ? SEIR模型? ? 傳播意愿? ? B-STEHIR模型
分類號：G258.5; G252
引用格式：連卓毅， 王筱莉， 張靜， 等. 考慮知識創(chuàng)新與傳播意愿的企業(yè)間知識傳播模型[J/OL]. 知識管理論壇， 2023， 8（1）： 65-76[引用日期]. http：//www.kmf.ac.cn/p/333/.
1? 引言
企業(yè)知識被認為是知識經(jīng)濟時代企業(yè)獲取競爭優(yōu)勢的主要驅(qū)動力，能夠?qū)ζ髽I(yè)發(fā)展起到有力的推動作用。1993年，管理學大師德魯克就提出“企業(yè)的知識與知識工作者就是企業(yè)最重要的資產(chǎn)”[1]這一觀點。隨著知識經(jīng)濟時代的到來，各領(lǐng)域的學者從心理學、傳播學、管理學、社會學等多個方面對知識傳播進行了研究。找出知識傳播規(guī)律并進行有效的知識傳播成為傳播領(lǐng)域的主要研究課題。
對知識產(chǎn)權(quán)的保護會影響企業(yè)傳播知識的意愿，國外一直較為看重知識產(chǎn)權(quán)的保護，國內(nèi)自黨的十八大以來，知識產(chǎn)權(quán)的保護工作被擺在更加突出的位置，十八大前后出臺了《深入實施國家知識產(chǎn)權(quán)戰(zhàn)略行動計劃》《國務(wù)院關(guān)于新形勢下加快知識產(chǎn)權(quán)強國建設(shè)的若干意見》等一系列政策。習近平總書記指出：創(chuàng)新是引領(lǐng)發(fā)展的第一動力，保護知識產(chǎn)權(quán)就是保護知識創(chuàng)新。未來知識產(chǎn)權(quán)保護勢必會越來越受到重視，逐漸加強的知識產(chǎn)權(quán)保護意味著創(chuàng)新知識、創(chuàng)新技術(shù)、創(chuàng)新發(fā)明等的泄露變得更不可能。在知識產(chǎn)權(quán)保護越來越被重視的背景下，知識創(chuàng)新型企業(yè)主動將創(chuàng)新知識、創(chuàng)新技術(shù)、創(chuàng)新發(fā)明等分享給其他企業(yè)的意愿很大程度上影響著企業(yè)知識傳播。
此外，P. Babcock的研究指出，根據(jù)國際數(shù)據(jù)公司（IDC）的統(tǒng)計，《財富》500強企業(yè)每年由于沒有成功傳播知識而造成的損失高達315億美元之多[2]，G. W. Bock和Y. G．Kim認為導致該結(jié)果的根本原因是受知識傳播意愿的影響[3]。
2? 文獻綜述
在知識經(jīng)濟時代，企業(yè)知識作為企業(yè)知識管理的重要資源，可以為企業(yè)創(chuàng)造巨大的競爭優(yōu)勢以及創(chuàng)造巨大的經(jīng)濟效益，知識傳播是推動企業(yè)發(fā)展的動力源泉[4]。很多學者對知識傳播都有不同的見解，大多數(shù)學者將知識傳播看作知識未知者與知識擁有者的交互過程，認為知識是在二者之間進行交流、學習、互動過程中進行傳播、接收的。目前，學者們對知識傳播的研究大致分為實證研究和理論研究兩類，具體內(nèi)容如下：
在實證研究方面，學者們側(cè)重于研究影響企業(yè)知識傳播的因素，通過實地調(diào)研與問卷調(diào)查研究對企業(yè)有正向作用的因素，如提倡組織文化共享、廣泛應(yīng)用知識資產(chǎn)與技術(shù)發(fā)明等[5-7]。比較具有代表性的是S. C. Goh的研究，他認為傳播能力能夠較大程度影響知識傳播，并將各因素綜合為一個概念框架，闡述了影響知識轉(zhuǎn)移過程有效性的一些關(guān)鍵因素[7]。與理論研究不同，實證研究局限性在于實地調(diào)研樣本數(shù)量過少，問卷調(diào)查帶有個體主觀性等，因此目前研究主流一般為理論研究。
在理論研究方面，學者們將研究病毒的傳染病模型引入到對知識傳播的研究當中，并考慮不同的傳播群體、不同的傳播機制不斷改進模型。傳染病模型是最早被用來研究知識傳播動態(tài)的方法之一，早在1927年W. O. Kermack等便提出經(jīng)典的SIR傳染病模型[8]。20世紀60年代，W. Goffman便創(chuàng)造性地將SIR傳染病模型與知識傳播相結(jié)合，研究肥大細胞相關(guān)科學知識的傳播[9]。S. G. Liao等基于水傳播疾病原理，認為一部分無知者會通過已有的知識庫主動進行學習，構(gòu)建考慮知識庫的知識傳播網(wǎng)絡(luò)，通過數(shù)值模擬驗證了理論分析結(jié)果[10]；H. Wang等基于人們能夠自主獲取不同于疫情傳播的知識這一事實，構(gòu)建考慮自我學習機制的知識傳播模型，推導出平均場方程并進行模擬仿真，得出考慮自我學習機制更符合實際情況的結(jié)論[11]；S. G. Liao等認為知識存在內(nèi)化機制，認為知識傳播過程中，節(jié)點狀態(tài)的轉(zhuǎn)變會經(jīng)過隱性知識與顯性知識互相轉(zhuǎn)化的過程，提出了一種新的RHS模型[12]。Z. Yue等認為知識傳播系統(tǒng)中存在一類掌握知識且暫時不會傳播的潛伏人群，在接受知識過程中需要時間去消化知識，提出知識傳播的SEIR模型[13]。
國內(nèi)胡緒華等將企業(yè)劃分為大小兩類異質(zhì)企業(yè)，構(gòu)建了企業(yè)集群內(nèi)異質(zhì)企業(yè)間的知識傳播模型，發(fā)現(xiàn)企業(yè)間接觸率、學習成功率均會影響到知識傳播的再生率[14]；譚建等以企業(yè)集群員工為企業(yè)集群的網(wǎng)絡(luò)節(jié)點，建立企業(yè)知識傳播模型，分析了員工在企業(yè)知識傳播中所起到的作用[15]；綦良群等基于尖端制造業(yè)協(xié)同創(chuàng)新網(wǎng)絡(luò)知識特征及其對知識傳播的影響，構(gòu)建了尖端制造業(yè)、服務(wù)組織與第三方用戶的知識共享演化博弈模型，分析均衡策略的實現(xiàn)條件，對關(guān)鍵影響因素進行仿真分析[16]；馬宇彤等以SEIR模型為基礎(chǔ)建立知識傳播模型，運用HITS算法改進模型傳播規(guī)律，揭示知識傳播“冷啟動”較難、規(guī)模受限的規(guī)律，最后以知乎平臺動態(tài)回答數(shù)據(jù)驗證結(jié)論[17]。已有研究基于經(jīng)典的傳染病模型討論知識傳播考慮了自我學習機制、內(nèi)化傳播機制，但所考慮的節(jié)點對象不多，將傳播意愿機制考慮在內(nèi)的模型尚少。在實際生活中，知識傳播網(wǎng)絡(luò)是一個復雜網(wǎng)絡(luò)，考慮更多狀態(tài)節(jié)點，會更接近實際情況。國內(nèi)外的大量研究表明，知識的傳播是存在傳播意愿這一機制的，如馬永紅等研究表明，在Nash非合作博弈和Stackelberg主從博弈條件下，核心企業(yè)不愿意改變知識傳播意愿，而在投入知識共享補貼后，企業(yè)會增大知識傳播意愿[18]；姚凱等研究表明雇傭關(guān)系、分配公平對企業(yè)間知識傳播意愿有顯著影響[19]；唐厚興基于市場競爭結(jié)構(gòu)視角構(gòu)建博弈模型，認為市場競爭結(jié)構(gòu)對知識領(lǐng)先企業(yè)的知識傳播意愿具有顯著影響[20]；A. Udin等認為領(lǐng)導者在員工之間具有傳播知識的意愿，以便于創(chuàng)新工作的開展[21]；M. Azeem等的研究表明知識傳播是企業(yè)獲得競爭優(yōu)勢的關(guān)鍵驅(qū)動力[22]；Hao-Fan Chumg等采用結(jié)構(gòu)方程模型，分析表明企業(yè)提升員工的幸福感可以提升企業(yè)知識在企業(yè)內(nèi)部傳播的意愿[23]。
I. Ajzen和M. Fishbein提出的理性行為理論（theory of reasoned Action，TRA）認為 ：個體參與特定行為的決定是受意愿決定的行為表現(xiàn)，換而言之，個體決定是否實施某行為是靠自身意愿決定[24]。知識創(chuàng)新型企業(yè)在創(chuàng)新出一種新知識（如新的營銷方式、新的生產(chǎn)技術(shù)、創(chuàng)新發(fā)明等）時，往往不會將所創(chuàng)新的知識公之于眾，習慣于作為商業(yè)機密自行使用，但其中一部分創(chuàng)新型企業(yè)由于與子公司或商業(yè)合作公司之間的合作關(guān)系，愿意將創(chuàng)新知識進行共享。因此，考慮到知識創(chuàng)新型企業(yè)所經(jīng)歷的創(chuàng)新過程以及知識創(chuàng)新型企業(yè)對創(chuàng)新知識的傳播意愿，筆者將未掌握知識企業(yè)劃分為一般知識未知企業(yè)與知識創(chuàng)新型企業(yè)，考慮知識創(chuàng)新型企業(yè)的知識創(chuàng)新過程與知識傳播意愿對企業(yè)知識傳播的影響，基于經(jīng)典的SEIR模型，構(gòu)建在創(chuàng)新型企業(yè)的知識創(chuàng)新引領(lǐng)下，考慮企業(yè)知識傳播意愿的知識傳播模型，同時給出平均場方程并進行模擬仿真驗證結(jié)論，以幫助更好地掌握企業(yè)知識傳播的規(guī)律，為企業(yè)進行更有效的知識傳播提供策略建議。其中，借鑒《高新技術(shù)企業(yè)認定管理辦法》中的說明，本文定義知識創(chuàng)新型企業(yè)為：研發(fā)費用達到收入的一定比例、研發(fā)人數(shù)占總勞動人數(shù)比例10%以上且具有知識創(chuàng)新能力，能夠創(chuàng)造新技術(shù)、新方法、新營銷模式等的企業(yè)。
3? 考慮傳播意愿的企業(yè)知識傳播模型構(gòu)建
信息技術(shù)的快速發(fā)展，對知識傳播的方式產(chǎn)生了深刻的影響，互聯(lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)的出現(xiàn)，使知識的傳播進入到“電子傳播”和“網(wǎng)絡(luò)擴散”的新時代[25]。由于企業(yè)間的知識傳播過程與病毒在真實世界的傳播具有較強的相似性[26-27]，因此筆者基于經(jīng)典的SEIR傳染病模型，并假設(shè)企業(yè)知識傳播是在一個封閉且存在N個節(jié)點的混合均勻網(wǎng)絡(luò)中進行的，每個節(jié)點代表各類企業(yè)的狀態(tài)，以企業(yè)之間的交互過程（如企業(yè)之間進行互相考察、學習、合作進行知識共享等）作為企業(yè)知識傳播方式，且節(jié)點總數(shù)N不變。同時考慮創(chuàng)新型企業(yè)的知識創(chuàng)造過程以及傳播意愿的影響，把企業(yè)知識傳播系統(tǒng)中的企業(yè)狀態(tài)分為7類：B（知識創(chuàng)新型企業(yè)）、S（一般知識未知企業(yè)）、T（創(chuàng)新知識掌握企業(yè)）、E（一般知識掌握企業(yè)）、H（創(chuàng)新知識傳播企業(yè)）、I（一般知識傳播企業(yè)）、R（企業(yè)知識移出企業(yè)），構(gòu)建考慮傳播意愿的知識傳播模型（簡稱“B-STEHIR模型”），具體見圖1。其中，B（知識創(chuàng)新型企業(yè)）具有知識創(chuàng)新能力且會經(jīng)過一個知識創(chuàng)造過程；S（一般知識未知企業(yè)）是指未接觸到其他企業(yè)知識的群體；T（創(chuàng)新知識掌握企業(yè)）是指經(jīng)過創(chuàng)新型企業(yè)的知識創(chuàng)造過程并掌握創(chuàng)新知識的企業(yè)或受到創(chuàng)新知
識傳播轉(zhuǎn)換來的企業(yè)；E（一般知識掌握企業(yè)）是指掌握一般知識的企業(yè)；H（創(chuàng)新知識傳播企業(yè)）是指傳播創(chuàng)新知識的企業(yè)；I（一般知識傳播企業(yè)）是指傳播一般知識的企業(yè)；R（知識移出企業(yè)）是指追求新知識、淘汰或升級現(xiàn)有知識的企業(yè)。
根據(jù)圖1可知，企業(yè)知識在傳播過程中遵循如下規(guī)則：
知識創(chuàng)新型企業(yè)勢必經(jīng)過一個知識創(chuàng)新過程，即創(chuàng)造知識、技術(shù)、方法等過程，從圖1可以看出，從B狀態(tài)到T狀態(tài)，該過程不參與整個企業(yè)知識傳播系統(tǒng)的傳播。
一般知識未知企業(yè)接收到來自創(chuàng)新知識傳播企業(yè)傳播的知識，以α的概率接受該知識并轉(zhuǎn)變?yōu)閯?chuàng)新知識掌握企業(yè)；在知識傳播系統(tǒng)中，除去創(chuàng)新知識在系統(tǒng)中起到的傳播作用，一般知識也會起到傳播作用。因此，一般知識未知企業(yè)也會接收到來自一般知識傳播企業(yè)傳播的知識，以β的概率接受該知識并轉(zhuǎn)變?yōu)橐话阒R掌握企業(yè)。
經(jīng)過B到T的狀態(tài)改變后，知識創(chuàng)新型企業(yè)會轉(zhuǎn)變?yōu)閯?chuàng)新知識掌握企業(yè)。由于新營銷方式、新技術(shù)、新方法等帶來的企業(yè)發(fā)展契機，創(chuàng)新知識掌握企業(yè)掌握創(chuàng)新知識后存在一定概率會將這類創(chuàng)新知識進行傳播，因為與子公司、合作企業(yè)等的合作關(guān)系或是其他可能為之帶來利益的關(guān)系而將創(chuàng)新知識傳播出去，從而變?yōu)閯?chuàng)新知識傳播企業(yè)，本文定義這種概率為創(chuàng)新知識傳播意愿率δ。創(chuàng)新知識掌握企業(yè)以γ的概率追求新知識、淘汰舊知識從而轉(zhuǎn)變?yōu)槠髽I(yè)知識移出企業(yè)；一般知識掌握企業(yè)接收到來自一般知識傳播企業(yè)的知識，以μ的概率接受并傳播該知識并轉(zhuǎn)變?yōu)橐话阒R傳播企業(yè)，因知識的淘汰或升級以概率ω轉(zhuǎn)化為企業(yè)知識移出企業(yè)。
創(chuàng)新知識傳播企業(yè)與一般知識傳播企業(yè)由于知識的淘汰或升級，分別以ε、θ的概率轉(zhuǎn)變?yōu)槠髽I(yè)知識移出企業(yè)。
B代表知識創(chuàng)新型企業(yè)創(chuàng)造知識狀態(tài)，S（t）、T（t）、E（t）、H（t）、I（t）、R（t）分別代表一般知識未知企業(yè)、創(chuàng)新知識掌握企業(yè)、一般知識掌握企業(yè)、創(chuàng)新知識傳播企業(yè)、一般知識傳播企業(yè)、企業(yè)知識移出企業(yè)在t時刻的密度，并且有條件S（t）+T（t）+E（t）+H（t）+I（t）+R（t）=1；0<α，β，δ，γ，μ，ω，ε，θ<1成立。
根據(jù)以上假設(shè)及企業(yè)知識傳播的規(guī)則，構(gòu)建考慮知識創(chuàng)新與傳播意愿的企業(yè)知識傳播模型的平均場方程，其中
公式（1）
公式（2）
公式（3）
公式（4）
公式（5）
公式（6）
其中，S（t）、T（t）、E（t）、H（t）、 I（t）、R（t）均為連續(xù)可微函數(shù)。
4? B-STEHIR企業(yè)知識傳播模型分析
4.1? 平衡點求解及平衡點穩(wěn)定性分析
令、、、
、、得出模型存
在兩個平衡點：①P0（0，0，0，0，0，0）為方程組的一個無知識傳播平衡點；②P1（m1，m2，m3，m4，m5，m6）為方程組的一個有知識傳播平衡點。其中m1–m6的計算如下：
，，
，，
，
其中，P1為有知識傳播平衡點且當βε（γ+δ）-θαδ>0時，公式（1）-（5）是局部漸進穩(wěn)定的。
證明：公式（1）-（5）在有知識傳播平衡點P1處的雅可比矩陣為：
公式（7）
令， ，
。
令
公式（8）
定義為J的i階順序主子式，
則：，
，
，
，因為J矩陣的4階順序主子式大于零，所以J矩陣的4階子矩陣為正定矩陣，則J的4階子矩陣的特征值均大于0。由矩陣定義，矩陣的跡等于矩陣的特征值之和，因此J矩陣的所有特征值大于或等于0成立，則M矩陣的特征值均小于或等于0成立。根據(jù)Routh-Hurwitz判別條件可得，知識傳播平衡點P1局部漸進穩(wěn)定。
4.2? 基本再生數(shù)求解
借鑒基本再生數(shù)的定義[27]，定義企業(yè)知識傳播模型中的基本再生數(shù)為一個一般知識傳播企業(yè)在傳播過程中使得一般知識未知企業(yè)轉(zhuǎn)變?yōu)橐话阒R傳播企業(yè)的數(shù)量，是衡量企業(yè)知識傳播的感染能力的重要參數(shù)。當R0=1時，為企業(yè)知識傳播閾值；當R0<1時，企業(yè)知識無法形成傳播趨勢；當R0>1時，企業(yè)知識能在一定范圍內(nèi)形成傳播趨勢。根據(jù)O. Driessche和 I. Al-Darabsah采用的再生矩陣譜半徑法[28，30]算基本再生數(shù)R0。
令X=（I（t），T（t），E（t），H（t））T，構(gòu)造出F（x）和V（x），其中F（x）為新增的一般知識傳播企業(yè)的密度，V（x）為其他群體的密度，公式（2）-（5）可表示為：dx=F（x）–V（x），若僅將一般知識企業(yè)轉(zhuǎn)變?yōu)橐话阒R傳播企業(yè)看作是新的感染，則
公式（9）
公式（10）
當系統(tǒng)中存在企業(yè)知識傳播時，此時取平衡點為E0=（m5，m2，m3，m4），則
公式（11）
公式（12）
令，則
公式（13）
，則
公式（14）
則
公式（15）
則。
從R0的表達式看，在θ、δ無法確定時，當增大β、ε、γ或減少α時，即增大對企業(yè)一般知識的吸收率，增快知識更新速度或減小創(chuàng)新知識傳播企業(yè)的知識傳播能力時，會導致基本再生數(shù)增大，在基本再生數(shù)不斷增加至1的過程中，一般知識的傳播規(guī)模會擴大，而一般知識傳播規(guī)模的擴大能夠使得中小企業(yè)群整體形成知識共享的良性循環(huán)，創(chuàng)造出企業(yè)的經(jīng)濟價值[2]。因此，企業(yè)可以通過適當減小創(chuàng)新企業(yè)對創(chuàng)新知識的傳播速度、加快更新創(chuàng)新知識、淘汰過時技術(shù)與方法等手段使一般企業(yè)知識得到傳播。
5? B-STEHIR模型模擬仿真
本節(jié)使用Matlab 2020a軟件進行仿真模擬，利用龍格—庫塔方法（Runge—Kuntt）求解公式（1）-（6），對是否考慮傳播意愿、不同傳播意愿率、不同創(chuàng)新知識傳播率、不同創(chuàng)新知識淘汰率下的模型進行仿真模擬。假設(shè)企業(yè)知識在一個有N個節(jié)點的混合均勻網(wǎng)絡(luò)中傳播，每個節(jié)點代表一個企業(yè)，N=100，根據(jù)《高新技術(shù)企業(yè)認定管理辦法》中的說明，結(jié)合本文對知識創(chuàng)新型企業(yè)的定義，考慮設(shè)置知識創(chuàng)新型企業(yè)的初始狀態(tài)為10個，一般企業(yè)知識傳播者的初始狀態(tài)為1個，其余為一般知識未知企業(yè)，即I（0）=0.01，B（0）=T（0）=0.1，S（0）=0.89，E（0）=H（0）=R（0）=0，以下仿真結(jié)果均考慮在此初始狀態(tài)下進行。
在α=0.8、β=0.5、γ=0.8、δ=0.2、μ=0.4、ω=0.6、ε=0.05、θ=0.07、
圖3展示了在考慮傳播意愿與不考慮傳播意愿時，一般知識傳播企業(yè)與企業(yè)知識移出企業(yè)的密度變化，狀態(tài)轉(zhuǎn)換概率參數(shù)值設(shè)置為α=0.8、β=0.5、γ=0.8、δ=0.2、μ=0.4、ω=0.6、ε=0.05、θ=0.07。圖3（a）展示了與考慮傳播意愿相比，不考慮傳播意愿會使一般知識傳播企業(yè)的密度峰值更高，達到穩(wěn)定狀態(tài)所需時間更長；圖3（b）展示了考慮傳播意愿情況下，企業(yè)知識移出企業(yè)的密度達到穩(wěn)定狀態(tài)所需時間更短且穩(wěn)定狀態(tài)密度值更低。仿真結(jié)果表明：傳播意愿這一因素對一般知識傳播企業(yè)、知識移出企業(yè)的密度改變速度以及穩(wěn)定時的密度大小有較大影響。
圖4展示了在不同的傳播意愿率下，即δ取值不同時，一般知識未知企業(yè)、一般知識掌握企業(yè)、一般知識傳播企業(yè)、企業(yè)知識移出企業(yè)的密度變化趨勢，狀態(tài)轉(zhuǎn)移參數(shù)除δ及δ改變勢必引起改變的γ以外，其余參數(shù)均與圖3中一致。圖4（a）展示了隨著傳播意愿的增強，一般知識未知企業(yè)的密度會更快達到穩(wěn)定狀態(tài)，下降速度會隨著傳播意愿的增強不斷加快；圖4（b）展示了一般知識掌握企業(yè)的密度隨著傳播意愿的減弱，達到峰值所需時間更長且峰值更大，并且在傳播意愿概率δ從0.4改變到0.2過程中，一般知識掌握企業(yè)的密度改變更明顯；
圖4（c）展示了一般知識傳播企業(yè)的密度隨著傳播意愿的減弱，達到密度峰值更大，并且在傳播意愿概率δ從0.4改變到0.2過程中，一般知識傳播企業(yè)的密度改變尤為明顯，達到峰值時間與降低至穩(wěn)定狀態(tài)時間改變不顯著；圖4（d）展示了企業(yè)知識移出企業(yè)的密度隨著傳播意愿的增強而增大，但達到穩(wěn)定狀態(tài)的時間無明顯變化。仿真結(jié)果表明：隨著創(chuàng)新知識掌握企業(yè)對創(chuàng)新知識傳播意愿的改變，整個企業(yè)知識傳播系統(tǒng)中的一般知識掌握企業(yè)、一般知識未知企業(yè)、一般知識傳播企業(yè)、企業(yè)知識移出企業(yè)的密度有著較大變化。
圖5展示了在不同創(chuàng)新知識傳播率下，即α取值不同時，一般知識傳播企業(yè)、創(chuàng)新知識傳播企業(yè)、企業(yè)知識移出企業(yè)的密度變化趨勢，此時其余參數(shù)值設(shè)置為β=0.5、γ=0.8、δ=0.2、μ=0.4、ω=0.6、ε=0.05、θ=0.07。圖5（a）展示了創(chuàng)新知識傳播率越小，即α越小，一般知識傳播企業(yè)的密度峰值越高且密度改變量越大；圖5（b）展示了企業(yè)知識移出企業(yè)的密度隨著創(chuàng)新知識傳播率增大而減小，并且在趨于穩(wěn)定狀態(tài)時，創(chuàng)新知識傳播率越大，企業(yè)知識移出企業(yè)的密度越??；圖5（c）展示了創(chuàng)新知識傳播率越高，即α越大，創(chuàng)新知識傳播企業(yè)的密度峰值越大且增長量不大。仿真結(jié)果表明：創(chuàng)新知識傳播率對一般知識傳播企業(yè)密度變化有顯著影響，對企業(yè)知識移出企業(yè)密度變化有一定影響，對創(chuàng)新知識傳播企業(yè)影響較小。
圖6展示了在不同創(chuàng)新知識淘汰率下，即ε取值不同時，創(chuàng)新知識掌握企業(yè)、一般知識傳播企業(yè)的密度變化趨勢，此時除ε外，其余參數(shù)值設(shè)置為α=0.8、β=0.5、γ=0.8、δ=0.2、μ=0.4、ω=0.6、θ=0.07。圖6（a）展示了創(chuàng)新知識掌握企業(yè)的密度峰值會隨著創(chuàng)新知識淘汰率的減小而增大且改變不顯著，達到穩(wěn)定狀態(tài)所需要時間更長；圖6（b）展示了一般知識傳播企業(yè)的密度會隨著創(chuàng)新知識淘汰率的增大而增大且改變量極小。仿真結(jié)果表明：創(chuàng)新知識淘汰率的改變對創(chuàng)新知識掌握企業(yè)的密度變化有影響，對一般知識傳播企業(yè)密度變化影響很小。
6? 結(jié)論
筆者借鑒經(jīng)典的SEIR傳染病模型的思想，考慮了知識創(chuàng)新型企業(yè)創(chuàng)造新知識、新技術(shù)、新發(fā)明等過程的影響，結(jié)合企業(yè)知識傳播意愿對企業(yè)知識傳播的影響，構(gòu)建B-STEHIR模型，同時給出平均場方程并求出模型基本再生數(shù)，利用龍格—庫塔方法（Runge—Kuntt）對模型進行模擬仿真，分析了企業(yè)知識傳播過程，探索了企業(yè)知識傳播規(guī)律，并對相關(guān)參數(shù)的影響進行具體分析。仿真結(jié)果表明：在創(chuàng)新型企業(yè)的知識創(chuàng)新引領(lǐng)下，傳播意愿對企業(yè)知識傳播系統(tǒng)有重要影響，相比不考慮傳播意愿，考慮傳播意愿更符合實際情況；知識創(chuàng)新型企業(yè)的知識創(chuàng)新過程直接增大了創(chuàng)新知識掌握企業(yè)的數(shù)量，使得創(chuàng)新知識掌握企業(yè)的數(shù)量來源增多，即創(chuàng)新知識掌握企業(yè)的數(shù)量不僅來源于創(chuàng)新知識傳播企業(yè)對未知企業(yè)的知識傳播過程，也來自創(chuàng)新型企業(yè)本身的知識創(chuàng)新行為，這與實際情況更加接近。從而為企業(yè)提高競爭優(yōu)勢，高效傳播企業(yè)知識，更好地理解企業(yè)知識傳播規(guī)律提供了新的思路。通過對基本再生數(shù)的求解與仿真模擬，本文得出結(jié)論：增大β、γ、ε或減少α可以使企業(yè)知識在整個知識傳播網(wǎng)絡(luò)中得到傳播，減小δ會使一般知識傳播企業(yè)的群體密度增大。在實際生活中，企業(yè)可以通過加快企業(yè)一般知識傳播速度、加快更新創(chuàng)新知識、淘汰過時技術(shù)和方法等手段來實施；政府可以通過出臺政策鼓勵企業(yè)進行知識共享，從而促進企業(yè)知識的傳播。
企業(yè)知識在傳播過程中會受到很多因素的影響，本文將其傳播網(wǎng)絡(luò)考慮為均勻網(wǎng)絡(luò)存在一定的局限性，無標度網(wǎng)絡(luò)可能更符合實際，希望后續(xù)研究能夠在無標度網(wǎng)絡(luò)中進行并考慮更多因素。
參考文獻：
[1] Wang H， Wang J， Ding L， et al. Knowledge transmission model with consideration of self-learning mechanism in complex networks[J]. Applied mathematics and computation， 2017， 304： 83-92.
[2] BABCOCK P. Shedding light on knowledge management[J]. HR magazine， 2004， 49 （5）： 46-50.
[3] BOCK G W， KIM Y G. Breaking the myths of rewards： an exploratory study of attitudes about knowledge sharing[J]. Information resources management journal， 2002， 15（2）： 14-21.
[4] Pinch S， Henry N. Paul Krugmans geographical economics， industrial clustering and the British motor sport industry[J]. Regional studies， 1999， 33（9）： 815-827.
[5] Fernandes K J， Raja V. A practical knowledge transfer system： a case study[J]. Work study， 2002， 51（3）： 140-148.
[6] Syed O， Rowland F. Knowledge management in a public organization： a study on the relationship between organizational elements and the performance of knowledge transfer[J]. Journal of knowledge management， 2004， 8（2）： 95-111.
[7] Goh S C. Managing effective knowledge transfer： an integrative framework and some practice implications[J]. Journal of knowledge management， 2002， 6（1）： 23-30.
[8] Kermack W O， Mckendrick A G A. A contribution to the mathematical theory of epidemics[J]. Proceedings of the Royal Society A： mathematical physical and engineering sciences， 1927， 115（772）： 700-721.
[9] Goffman W. Mathematical approach to the spread of scientific ideas[J]. Nature， 1966， 212（5061）： 449-452.
[10] Liao S G， Yi S P. Modeling and analyzing knowledge transmission process considering free-riding behavior of knowledge acquisition： a waterborne disease approach[J]. Physica A： statistical mechanics and its applications， 2021， 569（1）： 0378-4371.
[11] Wang H， Wang J， Ding L， et al. Knowledge transmission model with consideration of self-learning mechanism in complex networks[J]. Applied mathematics and computation， 2017， 83（92）： 0096-3003.
[12] Liao S G， Yi S P. Modeling and analysis knowledge transmission process in complex networks by considering internalization mechanism[J]. Chaos solitons & fractals， 2021， 143（1）： 110-593.
[13] Yue Z， Xu H， Yuan G， et al. Modeling study of knowledge diffusion in scientific collaboration networks based on differential dynamics： a case study in graphene field[J]. Physica A： statistical mechanics and its applications， 2019， 524：375-391.
[14] 胡緒華， 陳麗珍， 呂魁. 基于傳染病模型的集群內(nèi)異質(zhì)企業(yè)間知識傳播機理分析與仿真[J]. 運籌與管理， 2015， 24（3）： 248-257.
[15] 譚建. 基于小世界網(wǎng)絡(luò)的企業(yè)集群知識傳播模型[J]. 科技與經(jīng)濟， 2012， 25（6）： 11-15.
[16] 綦良群， 吳佳瑩， 王智慧.先進制造企業(yè)協(xié)同創(chuàng)新網(wǎng)絡(luò)知識共享的演化博弈[J/OL].計算機集成制造系統(tǒng)， 2022： 1-23[2022-04-15].
[17] 馬宇彤， 胡平. 考慮“關(guān)鍵用戶”影響力及“熱點問題”識別的改進SEIR知識傳播模型[J]. 預測， 2021， 40（5）： 48-55.
[18] 馬永紅， 劉海礁， 柳清. 產(chǎn)業(yè)集群協(xié)同創(chuàng)新知識共享策略的微分博弈研究[J]. 運籌與管理， 2020， 29（9）： 82-88.
[19] 姚凱， 湯建影. 雇傭關(guān)系、組織公平與知識共享意愿：基于中國企業(yè)的實證研究[J]. 復旦學報： 自然科學版， 2016（1）： 8-17， 27.
[20] 唐厚興. 市場競爭結(jié)構(gòu)對虛擬聯(lián)盟內(nèi)知識領(lǐng)先企業(yè)共享意愿的影響[J]. 科技管理研究， 2016， 36（22）： 150-156.
[21] UDIN A， RADVAN D， ISALMAN I. Transactional leadership and innovative work behavior： testing the mediation role of knowledge sharing in distribution market[J]. Journal of distribution science， 2022， 20（1）： 41-53.
[22] Azeem M， Ahmed M， Haider S， et al. Expanding competitive advantage through organizational culture， knowledge sharing and organizational innovation[J]. Technology in society， 2021， 66（7）： 101635.
[23] CHUMG H F， SEATON J， COOKE L， et al. Factors affecting employees knowledge-sharing behaviour in the virtual organisation from the perspectives of well-being and organisational behaviour[J]. Computers in human behavior， 2016， 64： 432-448
[24]Ajzen I， Fishbein M. Understanding attitudes and predicting social behavior[M]. Englewood Cliffs： Englewood cliffs， 1980.
[25] 肖峰.知識傳播的現(xiàn)代方式及其特征探析[J].武漢科技大學學報（社會科學版）， 2021， 23（1）： 85-91.
[26] 齊廉文， 吳潔， 莊蕾， 等.生態(tài)視域下創(chuàng)業(yè)生態(tài)系統(tǒng)異質(zhì)企業(yè)間知識轉(zhuǎn)移機理研究[J].復雜系統(tǒng)與復雜性科學， 2021， 18（4）： 74-83.
[27] 李常洪， 張曦.組織中情緒氛圍對隱性知識共享的影響——基于多agent的仿真研究[J].情報理論與實踐， 2016， 39（9）： 77-81.
[28] DIEKMANN O， Heesterbeek J， Metz J. On the definition and the computation of the basic reproduction ratio R0 in models for infectious diseases in heterogeneous populations[J]. Journal of mathematical biology， 1990， 28（4）： 365-382.
[29] van den Driessche P， Watmough J. Reproduction numbers and sub-threshold endemic equilibria for compartmental models of disease transmission[J]. Mathematical biosciences， 2002， 180（1/2）： 29-48.
[30] AL-DARABSAH I， YUAN Y. A time-delayed epidemic model for Ebola disease transmission[J]. Applied mathematics and computation， 2016， 290： 307-325.
作者貢獻說明：
連卓毅：確定論文主題，撰寫論文；
王筱莉：指導研究思路，修改論文；
張? 靜：修改論文；
錢夢迪：修改論文；
陳淑琴：修改論文。
Inter-Firm Knowledge Dissemination Model That Considers Knowledge Innovation and the Willingness to Disseminate Knowledge
Lian Zhuoyi? Wang Xiaoli? Zhang Jing? Qian Mengdi? Chen Shuqin
School of Management， Shanghai University of Engineering Science， Shanghai 201620
Abstract： [Purpose/Significance] In the era of knowledge economy， enterprise knowledge is considered to be the main driving force for the development of enterprises， how to find the law of knowledge dissemination and carry out effective knowledge dissemination has become an increasing concern of scholars. [Method/Process] On the basis of the classic infectious disease model SEIR model， enterprises are divided into knowledge innovation enterprises and general knowledge unknown enterprises. On the basis of considering that knowledge innovation enterprises can carry out knowledge innovation， combined with the influence of enterprise knowledge dissemination willingness on enterprise knowledge dissemination， a B-STEHIR model considering the willingness of enterprise knowledge dissemination under the guidance of knowledge innovation of innovative enterprises is constructed， and the average field equation of the model is proposed. At the same time， the basic regeneration number is solved by the next-generation matrix method， and the model is simulated using Matlab2020a. [Result/Conclusion] The results show that under the guidance of knowledge innovation of innovative enterprises， the factor of willingness to disseminate plays an important role in the process of enterprise knowledge dissemination， and knowledge spreads more slowly in the knowledge dissemination model that considers the willingness to spread compared with the knowledge dissemination model that does not consider the willingness to spread The stronger the willingness to disseminate innovative knowledge， the slower the dissemination of general knowledge， and enterprises and governments can take various measures to promote the effective dissemination of corporate knowledge.
Keywords： corporate knowledge? ? knowledge dissemination? ? SEIR model? ? willingness to disseminate? ? B-STEHIR model