文摘
结合集群创新网络的基本性质,与集群创新网络,可以由不同的大学知识电位差为研究对象,知识转移过程分为四个阶段:知识外化、知识共享、知识创新和知识内化,本文构造了一个知识转移过程模型通过引入显性知识和隐性知识转化的影响机制。根据复杂适应系统理论,网络连接的原则面向知识势差和显性知识和隐性知识的特点。我们研究大学的知识转移过程使用系统仿真方法和关注集群创新网络的演化机制在知识外化的知识水平和知识共享的阶段。进一步揭示了大学的基本拓扑结构和动态演变规律集群创新网络。我们发现知识外化的效率和知识学习能力都与网络的一般知识水平正相关。明显的小世界网络特征出现在大学集群创新网络的动态演化。与此同时,之间存在着耦合演化的知识水平的大学和集群创新网络的拓扑结构。
1。介绍
为了提高高等教育的综合实力和国际竞争力,中国提出“双一流”的目标建设世界一流大学和世界一流学科于2015年从战略高度。加强自主创新能力,进一步提高有重大影响的标志性创新成果在国内外已成为一个重要的方式来达到“双一流的目标。“研究表明,产业集群可以积极提高知识传播和创新绩效1,2];整合资源通过网络关系可以提高创新绩效(3]。因此,大学在集群创新网络通过合作可以获得重要的创新资源,激发创新活力和提高他们的知识水平。
在知识经济的时代,随着环境的变化和创新的复杂性日益加深,对个人创新很难满足创新需求。这时,合作创新网络条件下是变得越来越流行4]。与此同时,创新过程显示特征的复杂知识网络(5]。因此,知识网络连接等学科知识的大学、企业和科研机构已成为创新活动的核心平台。知识学科整合资源和深深通过建立正式和非正式的合作关系获得和分享知识和信息嵌入到他们的内部和外部的网络资源,并最终实现创造新知识的目的(6]。实施创新驱动战略,集群创新网络已经成为一种新的模式和处理机制创新。强大的集群协作可以提高创新能力和使组织达到他们的目标,可能无法单独完成(7]。作为知识流动的重要载体,集群创新网络是一种自组织的出现,集群创新网络的内部和外部的创新学科适应创新的复杂性(8]。受试者的伙伴选择行为影响创新网络结构的演变(9]。网络结构是一个关键因素,影响知识转移和创新绩效10- - - - - -12]。因此,知识转移是一个复杂的关系,创新网络的网络结构和许多研究讨论了这个表面上和深入。
许多研究表明,表面知识转移之间的关系和网络结构:IM泰普林(13]研究了网络结构和知识转移在集群进化使用定性分析的方法;弗里奇米等。14)专注于知识转移在德国16个样本区域创新网络涉及近300公司和研究机构,发现强关系更有利于知识交流弱关系通过案例研究;金和公园(15)构建研发网络调查的知识扩散过程的影响网络结构对知识扩散的性能;结果表明,小世界网络是最有效和公平的结构对有效的知识扩散。此外,许多学者都意识到复杂网络和多代理集群合作网络的自适应系统的特点。他们分析了知识转移过程的根深蒂固的机制和动态演化法创新网络中使用现代multi-intelligent仿真方法;B他和G的歌16)建立了微分动态模型的隐性知识转移效率和例子仿真研究集群网络结构特性如何影响隐性知识转移过程;王(17)构建集群的知识转移扩散过程模型创新合作网络和分析个人动机的影响知识转移和扩散性能使用智能仿真方法;马Xuejun et al。18)建立行业联盟知识转移网络模型的定量分析仿真例子从复杂网络的角度来看。
尽管大多数研究分析了知识转移之间的关系和网络结构从各种方面,集群创新网络中企业间知识转移影响因素研究和网络演化过程中universities-oriented集群网络是稀缺的。此外,大多数研究以抽象和一般知识为研究对象;他们不把研究对象分为显性和隐性知识和忽视的显性和隐性知识转化的影响机制知识转移的过程。此外,上述缺乏定量研究知识转移的每个阶段。
因此,基于前面的研究知识网络和知识转移的过程,本研究建立了高校隐性知识转移过程模型,从集群创新网络的角度,探讨了定量的显性和隐性知识转化的影响机制属性维度的知识(显性和隐性知识)利用复杂适应系统理论和系统仿真方法。此外,本文对伙伴选择机制之间的关系基于知识的知识势差主题,知识水平和知识共享的集群创新网络结构阶段。此外,大学的基本拓扑结构和动态演变规律创新网络可以透露。
2。理论框架
在知识转移的概念被首次提出由蒂斯(19]1977年,国内外许多学者提出了不同的知识转移模型研究和探索。最具代表性的是,野中郁次郎和竹内弘高所呈现的SECI模型(20.]。他们首先结合知识属性维度(显性和隐性知识)与知识转移并提出组织知识创造螺旋将知识转移分为社会化、外化、组合和内化。这个模型的本质是螺旋结构转变的过程和相互转换的显性和隐性知识。
同时,集群创新网络已逐渐成为一个重要的平台,支持知识转移和知识创新的知识集群中的主题。产业集群网络的背景下,不同学科之间知识转移(21),所以集群创新网络的本质的普遍特征明显的知识网络的知识网络。网络结构可以将复杂的进化动力学在创新网络中知识转移时。与此同时,一些研究已经表明,创新结果由集群中的知识转移网络往往大于个人创新的结果(22- - - - - -24]。因此,集群创新网络中的知识转移是一个集群创新活动的关键环节。它是集群企业竞争力的一个重要因素,创新,发展产业集群的21]。在转移的整个过程,知识主体在网络不仅能提升你的知识水平,但也改变知识的广度和深度的股票(25)(知识势差)通过学习,转换和显性和隐性知识的积累。Marjolein CJ [26)指出,知识转移行为是很难发生在不同学科的知识潜在差异太大或太小。因此,改变知识潜在差异可以反过来影响合作主体之间的关系,从而导致集群创新网络的演化及其拓扑结构(27),和集群创新网络有很大的小世界现象的动态演化的过程。
集群创新网络,学科之间的知识转移过程不仅是一个交流知识,也是一种知识创新及其螺旋增长。然而,知识转移、知识创新和知识增长的特点,创新学科密切相关。与公司相比,大学,作为一种特殊的知识密集型组织,有更全面的知识,更加多样化的水平,和更多的潜在的研究领域。大学有大块的显性知识,学术成果,研究数据,等等;特别是,他们已经形成了巨大的隐性知识在很长一段时间,如校园文化、培训方法、研究方法和思维模式的学者或学生28]。总体而言,它通常被认为是大学独特的显性和隐性知识的特征:他们的隐性知识比显性知识更丰富,他们有低水平的隐性知识的外化。
本文借鉴了SECI模型,结合知识势差的网络连接原理与独特的显性和隐性知识特点的大学建立四级的知识转移模式从高校的角度集群创新网络(图1)。
知识外化是知识转移的第一阶段,这是实现内部知识主题。主要将非编码隐性知识转化为显性知识表达的文字,图表,公式,通过编码和模拟等等。这一阶段起着至关重要的作用在知识转移的过程。与此同时,必须使隐性知识具体化之前知识共享阶段(29日),因为知识共享需要必要的沟通和知识主体之间的相互合作,但与高度内隐性和隐性知识特点很难共享。隐性知识的外化可以促进知识流动和提高知识转移性能(30.]。
在知识共享的阶段,本研究假设只能之间交换知识显性知识主题基于隐性知识的特点,如隐含性、偶然性,以及流通困难。隐性知识外化的第一阶段后,消除障碍,隐性知识很难流在一定程度上。当知识势差在适当范围内,网络中知识对象(大学)学习建立一个合作关系交换和显性知识学习。作为知识交流不断深入,知识水平和知识相似的主题正变得越来越高。根据Marjolein CJ [26),如果创新主体的知识水平相互太相似或不同,集群创新的合作将是不必要的。这个时候,彼此之间的知识差距越来越小或大,直到合作条件不满足。为了突破当前网络,进一步提高知识水平,一些知识科目将寻求新的合作伙伴,这将进一步激发集群创新网络的不断演变。与此同时,将会有一个小世界现象的进化过程:高度集中和小特征路径长度(31日]。
作为知识转移的第三阶段,知识创新的主要任务是,每个主题分析知识共享的知识学习阶段,与自己现有的知识。不同的知识相互作用的结果会导致知识创新(20.]。知识创新是基于知识共享;各种知识课程所学到的新知识会影响他们之前的显性知识和隐性知识。所以在这个阶段,显性知识和隐性知识创新,从而改变知识的整体水平和股票。
知识内化,最后阶段,不仅是一种价值转换和形成阶段的知识转移的过程,也是一个知识推广和应用阶段。它可以被视为反向行为隐性知识的外化形式:implicitization的显性知识的基础上创新。在这个阶段,学科知识吸收和消化显性知识内化成更高层次的隐性知识,实现知识的掌握和升华。
3所示。模型建设
3.1。介绍了模型
根据Valk [32]和何曼思F [33]et al .,集群创新网络由节点,代表知识科目(大学),和链接,代表大学之间的知识交流与合作的关系。本研究假定知识对象的数量(节点)集群创新网络和最初的网络连接。基于帕累托原则,80%的节点代表大学与常见的知识水平和剩下的20%代表大学与更高层次的知识。的知识节点分为知识维度( )和每个维度是由显性知识和隐性知识根据知识的不同属性。
假设节点在集群创新网络在最初的时候有不同的知识水平;和高级大学采取随机值的范围(0.8,1)和将军级别的大学采取随机值的范围[0.4,0.8)。在知识转移的整个过程中,我们分别取显性和隐性知识的平均水平在10维模拟(如和 )。
作为一种特殊的学习型组织,大学的核心竞争力在于隐性知识。与显性知识相比,大学有一个相对较大比例的隐性知识。因此,我们假设节点的整体知识水平是 :显性知识的重量 隐性知识的重量 。
的平均知识水平集群创新网络作为一个整体
3.2。知识转移过程的仿真模型
3.2.1之上。知识外化
在外化的过程,外化节点的效率在时间被定义为 ; 每个大学的集群创新网络的时间为了简化模型。具体而言,隐性知识不能完全外部化,因为大学的知识的特点。本研究假设外化效率是范围内 。与此同时,随着知识的不断外化,将会减少一个稳定极限值根据以下公式(5)。
是外化的因素和不同的外化因素( )对应于不同的外化效率( )。更大的是,外化效率越低是多少。由于大学较低程度的隐性知识的外化,值的范围(0.7,1)。的价值调整系数设置为 通过之前的多个测试和实验。
在这个阶段,显性和隐性知识的水平和外化的效率的节点在时间在显性知识水平的综合效应节点在接下来的时刻 。因此,隐性知识外化的节点表示如下:
3.2.2。知识共享
阶段之间的知识共享主要是显性知识的交换对象根据网络连接的原理基于知识的潜在差异。一些研究指出,只有知识潜在创新主体之间的差异在一个合理的范围内是知识转移的一个重要驱动力34]。根据黄、(9),两个知识主体之间的合作与交流在集群中应该确保综合知识差距是一个合适的范围内。本文使用欧氏距离来表达综合知识势差节点之间和在时间 。
我们建议和 ,分别代表的下限和上限综合知识势差。合作大学的知识潜在差异必须满足上限和下限:
本研究假设初始网络连接;也就是说,所有节点都是相互独立的。选择一个节点从节点并计算综合知识节点之间的电位差和其他节点反过来( )。此外,我们假设节点的集合在哪里达到上限和下限 。在这个时候,节点之间的合作关系和节点集将建立,连接节点和节点集显性知识交流和学习。此外,显性知识的组节点的节点集大于节点是 。在一组 ,我们定义的节点谁的显性知识水平是最高的 ,见公式(9)。显性知识水平的节点后可以达到极限水平和节点交换显性知识吗遵循学习的规律。
显式节点的知识水平在时间 与节点的学习能力 ,综合知识节点之间的电位差和节点在时间 ,和显性知识水平的节点和在时间 。因此,在这些假设的前提下,当对象交流和学习知识,学习的函数节点随着时间的推移根据Huangweiqiang定义如下的研究(9]:
在公式(11),综合知识潜在的区别吗和在时间 , 表示节点的显性知识水平在时间 ,和是节点的学习能力 。
本文假定知识接收者的知识水平是低于知识发送者。知识交流,可以提高接收机的显性知识水平在一定程度上,但最大不会超过发送者的水平。同时,发送者的显性知识水平保持不变。当网络连接的节点满足原理基于知识势差建立合作学习的关系,这些节点的知识水平提高,集群网络的整体知识水平逐渐提高。同时,综合知识节点之间潜在的变化,这将促使他们打破了以前的合作关系,寻求新的合作伙伴继续学习和提高知识水平。因此,在这个时候,我们断开所有网络关系为了恢复网络连接。然后重复上述操作,直到所有节点的综合知识势差在集群创新网络不能满足连接的原则,和知识学习和交换节点之间停止。集群创新网络中每个节点的知识水平逐渐收敛,和整个网络的平均知识水平趋于稳定。
3.2.3。知识创新
显性知识学会了一种微妙的影响原来的显性和隐性知识通过知识交流和共享。分别,因此,显性和隐性知识创新在这个阶段。本研究假设的创新能力节点有一个边际收益递减的趋势随着时间的推移,和节点的显性/隐性知识水平在时间 影响外显/隐性知识水平和创新能力的节点在时间 。据李金华(35),显性和隐性知识创新的规则节点如下:
节点的创新因素吗 。基于大学的知识特点和以前的多个测试和模拟,本文集等于4。指的是观察的和知识转移的前两个阶段的时期(知识外化和知识共享)。
3.2.4。知识的内化
大学知识创新后,可以不断整合和积累新的显性知识并应用到教师和学生的日常学习实践,从而提高核心竞争力的内部人士和内化显性知识转化为非编码的隐性资源来提高高校自主创新能力。
在这个阶段,节点的隐性和显性知识水平和内化效率在时间会影响节点的隐性知识水平在时间 。因此,内化的规则如下:
指的是知识内化节点的效率在时间 。为了简化模型,本文假定的知识内化效率集群创新网络中的每个节点都有相同的值时 ,和他们值的范围内 。另外,随着知识的不断内化,可以减少一个稳定极限值根据以下公式(15)。
是一个内化因素影响知识内化的效率。是一个主持人。基于大学的知识特点和以前的多个测试和模拟,我们假设 和值的范围是 。 指的是观察的和知识转移的前三个阶段的时期(知识外化的阶段、共享和创新)。
3.3。网络拓扑统计
如今,许多网络变得越来越复杂。为了揭露这些复杂网络的内部特征,许多学者提出了描述性统计指标如度、度分布、聚类系数、和路径长度,以反映网络的特征。
(1)学位和学历分布。节点的程度是其他个体与节点的数量吗在网络。度分布是指分布在整个网络中所有节点的度,记录 。
(2)平均聚类系数。网络的聚类系数,当地的一个特性,反映了整个网络的聚类特征。节点的程度是 ,也就是说,网络中的其他节点的数量,有合作关系是 。有最多在这些边缘节点。合作的数量之间的关系节点 ;也就是说,实际上存在的边的数量 。在这个时候,节点的聚类系数是 :
整个网络的平均聚类系数记录 ,见公式(17)(是网络节点的数量):
(3)平均路径长度。最小数量的边缘连接任意两个节点和在整个网络这两个节点的路径长度,记录 ,和的平均值网络的平均路径长度,记录 :
平均路径长度反映了整个网络的连通性。这是一个重要的衡量指标来描述cross-cohesive子组之间的合作。“跨越距离”连接越多,越“捷径”的网络,网络的平均最短路径将会大大减少。
(4)小世界。根据一些研究,在现实世界中许多网络小世界属性;即网络有一个高聚类系数和平均路径长度短。戴维斯et al。36]相比实际网络的参数指标与参数指标与相同数量的随机网络的节点和链接的数量并提出了小世界熵,表示 。
如果平均最短路径的实际网络和随机网络大约相等和实际网络的聚类系数大于随机网络,实际的网络具有小世界性质。换句话说,当小世界熵显著大于1,我们可以判断,实际网络显示了小世界现象。
4所示。仿真结果
根据上述模型,定量分析高校知识转移的机理以及集群创新网络如何影响知识水平使用数值模拟方法来进一步揭示的基本拓扑结构和动态演化的学科集群创新网络。知识共享阶段强调合作伙伴选择机制和互动学习机制不同的知识主题,这个阶段也是创新网络的演化的关键。同时,由于纸的空间限制,我们只选择的模拟过程和结果知识外化和知识共享。
本研究假设的创新网络是连接在初始时刻,和有100个节点的网络( )。根据Baum J C [37),网络在知识共享阶段最初的平均知识水平不同于最初的平均知识水平的文献[37),因此本文适当调整知识势差的范围的基础上,研究在文献中37),我们 , 通过多种测试。
以前的多个测试和仿真的结果表明,知识外化的知识水平和知识共享阶段会集中在一段时间内。因此,我们假设总观察时间的前两个阶段的知识转移 和观察时间的前两个阶段的知识转移 , ,分别。为了尽可能地消除单发错误和反映进化趋势更科学,重复20次模拟操作对于每个设置的参数,最后结果是作为20仿真结果的平均值。
4.1。改变网络的平均知识水平知识外化机制和知识共享的阶段
以下4.4.1。外化的影响网络效率的平均知识水平
知识外化在大学是知识转移的初始阶段。根据该模型,外化的效率是外化的影响因素 。因此,外化的因素之间的关系和集群创新网络的平均知识水平能反映客观化效率的影响在网络的平均知识水平。与此同时,由于假设第一阶段和低程度的隐性知识外化的大学,本文假设 通过之前的20多个测试独立模拟操作,分别对应三种不同的外化效率 。图2表明更大的外化的因素 ,知识外化的效率越低 。这时,创新网络的平均知识水平往往过早收敛,收敛和知识水平较低的价值。总的来说,外化的效率显示负关系网络的收敛速度平均知识水平,但是是与最终的收敛知识水平呈正相关。
4.1.2。学习能力的影响,网络的平均知识水平
每个大学完成外化的隐性知识,创新网络的整体知识水平可以提高,以及知识共享的第二阶段将在第一阶段的知识水平是稳定和收敛。
在知识共享的过程中,知识的学习能力主题受到许多因素的影响。摘要知识共享是基于知识外化;因此,网络的平均知识水平在最后时刻的知识外化阶段可能影响知识共享的初始平均知识水平阶段,从而影响知识的学习能力。为了消除应变的研究结果,本研究将网络的平均知识水平在初始时刻的知识共享阶段分为两组数据模拟根据外化的因素 ;也就是说,我们探索不同学习能力的影响在网络的平均知识水平 和 确定两组结果匹配。
当外化的因素 ,网络的初始时刻的平均知识水平知识共享阶段大约是0.7。我们认为学习能力 分析发展趋势下的创新网络的平均知识水平这四个不同的学习能力(图3)。它可以发现,大学的知识水平与不同的学习能力表现出增加的趋势和收敛到稳定值,分别在图3。当学习能力较弱( ),网络的平均知识水平收敛速度最慢。当学习能力强( ),网络的平均知识水平收敛速度最快的。学习能力有积极的关系网络的收敛速度的平均知识水平;也就是说,学习能力越强,收敛速度越快。特别是,没有任何纯粹的学习能力之间的正相关关系,最后融合网络的平均知识水平的价值。当 ,学习能力越大 ,最终的收敛程度就越高。但融合水平 小于,当 和 ,这大约是0.721。
图4揭示了发展趋势,集群创新网络的平均知识水平 和 。网络的初始时刻的平均知识水平知识共享阶段大约是0.696。我们可以发现这种趋势如图4在图是一致的吗3。随着时间的推移,网络的平均知识水平与五种不同学习能力表现出增加的趋势和收敛到稳定值,分别在图4。学习能力之间的关系和网络的平均知识水平如下:学习能力是积极与网络的收敛速度的平均知识水平。此外,学习能力与最终收敛值正相关网络的平均知识水平 。然而,当收敛水平 小于,当 ;此时此刻,没有积极的学习能力之间的关系,最后收敛的水平。
上述两组仿真结果显示了同样的现象:集群创新网络的平均知识水平在不同学习能力随时间逐渐增加,最后分别收敛到稳定值。它说明了知识共享和学习提高知识水平,促进知识转移性能。然而,有一个逐步融合的知识水平集群创新网络的一些大学和其他大学的知识水平有更大的差距。这时,潜在的知识之间的差异彼此难以满足网络连接的原则,所以大学之间的合作关系不能成立,创新网络的整体知识水平达到一个饱和状态。
此外,数据3和4表明,学习能力的收敛速度呈正相关知识创新网络的平均水平。相反,学习能力之间的关系和网络的最终收敛值的平均知识水平并不积极。只有当学习能力在有限的范围内,更大的学习能力 ,大最后的知识融合集群创新网络的水平。如果学习能力超过一定数值时,网络的最终收敛值的平均知识水平下降和学习能力的提高。这是因为当知识学科具有较强的学习能力,很快就达到更高的知识水平感到满意和缺乏动机学习新知识。的“负面情绪”,知识主体的出现不会有效地学习新知识即使创新网络的不断进化,所以创新网络的平均知识水平达到收敛。
4.2。集群创新网络的基本拓扑结构
在知识转移的整个过程,只有做了知识共享不同大学间发生的阶段,和其他阶段是大学内部活动。
特别是,在知识共享的阶段,节点建立学习合作关系基于网络面向连接的原理知识势差。主题和合作关系的知识水平不断互动,与合作关系和网络结构不断和复杂变化之前,网络的平均知识水平是收敛的。此外,根据的结论部分4所示。1,知识的学习能力的最终收敛值呈正相关网络的平均知识水平只有当吗是在一定的范围内。如果超过这个范围,知识对象应该找到另一种方式来提高知识水平。因此,为了探究学习能力和知识水平如何影响网络拓扑,使结论带来现实意义,本文只讨论了网络的基本拓扑的动态演化规律,学习能力在适当范围内的知识共享阶段。
表1显示网络拓扑参数在不同学习能力在早期( )和后期( )知识分享的舞台,当外化的因素 和学习能力 。表中的数据1的平均20个独立执行模拟操作。
表1描述了小世界商(RSW每个学习能力)在时间大于1吗 ,这表明实际的网络显示了小世界现象: 。然而,小世界上有不同在时间 不到这些时间呢 。我们可以推断出平均聚类系数和平均路径长度小大知识共享的后期阶段。创新网络逐渐稀疏和网络的小世界特性降低。
表1只是一个部分讨论的网络拓扑prenetwork和postnetwork知识分享阶段。为了探索网络演化规则更加系统和全面,数据5,6,7分别描绘的平均路径长度的变化,平均聚类系数,创新网络的小世界商当外化的因素 和学习能力 。消除一些不确定因素的影响,更准确的揭示了每个参数的趋势,数据中的数据5,6,7结果20日移动均线的原始数据。
网络的共性发展趋势不同值如下:
图5表明,进化的网络知识共享的过程中,的趋势下的创新网络的平均路径长度不同的学习能力大约是相同的;平均路径长度增加初第一个小高峰,减少略后不久。然后平均路径长度不断增加随着时间的推移,直到稳定在一个更高的水平。数据6和7表明,早期的知识共享,平均聚类系数和小世界上有不同的学习能力一直逆进化left-biased分布,增加首先然后减少。在后期稳定在较低水平,分别。
我们可以结合数据5,6,7探索的具体演变大学创新网络中知识共享阶段从全球的角度来看:
(我)第一期。早期的进化,平均路径长度增加在一个较短时间内,但是下级当时路径长度相对于其他时刻。与此同时,平均聚类系数和小世界商都显示的趋势迅速上升到峰值,然后下降。此外,聚类系数在早期的水平高于其他时刻,和小世界系数大于1。这些说明,在早期阶段,有大量的大学与集群创新网络中的合作关系,和网络有较高程度的集群。尽管少数关键“remote-cooperations”逐渐变成“adjacent-cooperations”,这使得网络的平均路径长度略有增加,平均路径长度的总体水平仍相对较短。因此,创新网络提出了特别明显的小世界属性在此期间。
(2)第二期。平均路径长度开始显示一个小振幅短期下降在最初的小范围增加。与此同时,平均聚类系数和小世界商仍在下降的趋势。在此期间,网络相对高度的集群和平均路径长度短,和小世界商仍明显大于1。从的角度较短的平均路径长度和平均聚类系数越高,在这一时期,“adjacent-cooperations”网络的数量略有减少,和“remote-cooperations”有一个小的数量增加,这可能导致下降的平均路径长度和聚类的程度的增加。网络显示了显著的小世界现象。
(3)第三期。在此期间,网络的平均路径长度开始上升,但后期的增长速度正变得越来越小。相反,平均聚类系数和小世界商减少,后期下降的速度是越来越慢。与此同时,小世界商逐渐小于1的过程中下降。这些表明,“remote-cooperations”和“adjacent-cooperations”的数量在不同程度降低。此外,网络集群减少的程度,以及大学之间的紧密合作关系是相对较弱。总的来说,漫长的平均路径长度和较低的平均聚类系数表明,集群中的知识传播网络的效率大大降低,和小世界网络逐渐破坏。
总之,在知识共享阶段,持续学习的大学,创新网络是不断发展的,显示了一个重要的小世界现象的过程中进化。
4.3。协同进化的知识水平和创新网络结构
大学,创新网络的重要主题,决定是否开展学习合作彼此之间的关系根据知识潜在的差别原则。在知识共享阶段,知识水平的受试者会影响综合知识潜在的差异,进一步影响合作决策流程和创新网络结构的演变。与此同时,合作关系和网络结构的变化,进而影响到知识增长的性能和网络的平均知识水平。
它可以从数据中找到3,5,6,7上升时期的平均知识水平创新网络是网络的小世界特性是重要的,和网络的时期的平均知识水平趋于稳定的时期小世界网络逐渐开始崩溃。
当网络与一个相对较高的聚类系数和小的特征路径长度显示了明显的小世界现象,集群创新网络合作相对高度集群和网络距离短。这时,知识和信息传输效率高,实现高性能的知识共享。知识的学习是有帮助的,它可以进一步提高网络的平均知识水平。当小世界属性开始是不显眼的,甚至逐渐瓦解,平均路径长度的增加,平均聚类系数降低。在这个时候,“adjacent-cooperations”的数量超过“remote-cooperations的数量。“网络逐渐稀疏。它不利于知识学习和分享,和信息传递效率较低,这可能导致网络的平均知识水平没有提升。
相反,知识水平也会影响网络的拓扑结构。早期的知识共享的显性知识水平的大学网络中相对较低,所以他们有强烈的渴望提高他们的知识水平。同时,因为大多数大学的综合知识潜在差异满足条件的合作,他们有一个强大的连接基础建立合作关系。这些连接的创新网络的小世界特性:较短的平均路径长度和平均聚类系数高。
经过一段时间的学习和知识共享,知识水平的许多大学正在逐步提高,收敛到一个稳定状态。此时,潜在的知识之间的差异彼此太大或太小,不足以满足合作的条件。知识的传播是阻碍,会加重小世界网络的崩溃。
总的来说,有一个共同进化的大学的知识水平和创新之间的关系网络结构的知识分享阶段。
5。结论
为了促进建设“一流的两倍,”加强创新合作的大学是一个重要的方式来提高自主创新的能力。这需要不断的知识交互和大学之间的转移集群创新网络,和这些过程可以促进网络的持续进化。本文结合属性维度的知识(显性和隐性知识),网络连接的原理基于知识势差和知识转移过程建立一个四级大学集群创新网络中知识转移模型,并描述了显性和隐性知识转化的影响机制和内部的知识转移机制定量使用系统仿真方法进一步探索的基本拓扑结构和动态演化规则知识共享的集群创新网络阶段。研究了以下结论:
(1)在知识分享的舞台,每个大学建立了合作关系基于网络面向连接的原理知识势差对知识的学习。网络结构的发展不断改变的合作关系。此外,创新网络显示了一个重要的小世界属性的动态演化过程。早期的知识共享,网络有较短的平均路径长度和相对高度的聚类;与此同时,小世界商明显大于1。因此,创新网络显示了明显的小世界现象。经过一段时间的交流和学习,知识主体的合作关系变得非常稀少,和“remote-cooperations”的数量逐渐减少。这时,网络的小世界商长期平均路径长度和较低的平均聚类系数小于1。小世界网络开始逐渐崩溃。
(2)有一个共同进化的大学的知识水平和创新之间的关系网络:在知识共享阶段,许多大学提高显性知识通过学习和合作的水平,然后提高自己的整体知识水平。在这个时候,一些大学之间的知识差距会扩大或缩小,影响合作伙伴的选择和创新网络的发展。与此同时,网络演化可以改变网络的路径长度和聚类系数。短的平均路径长度和高平均聚类系数出现在进化加强网络的紧密合作,从而大大提高了知识转移的效率和学习,并进一步影响到网络的平均知识水平。
(3)在知识外化阶段,外化效率之间有一定的相关性和的平均知识水平创新网络:网络的平均知识水平提高,然后收敛于一个稳定值的过程中隐性知识的外化。与此同时,知识外化效率负相关网络的收敛速度的平均知识水平和与最终收敛值呈正相关。因此,大学应该提高知识外化的效率通过适当减少外化的因素,从而提高网络的平均知识水平创新。例如,在知识外化的阶段,不侵犯知识产权的前提下,大学的研究人员可以完美的过程知识编码,并建立相应的数据库知识积极蒸馏普通实践过程中积累的经验和知识映射成一个清晰的知识结构等知识的交流和共享的下一个阶段。
(4)在知识共享阶段,网络的平均知识水平在不同学习能力表现出类似的趋势,增加,一段时间后收敛于一个稳定值。此外,学习能力有积极的关系网络的收敛速度的平均知识水平。具体地说,只有当学习能力是在一定的范围内,它的最终收敛值呈正相关网络的平均知识水平。如果超过了这个范围,这种积极的关系并不存在。
因此,在大学积极提高自己的学习能力,他们应该注意这样一个事实,当学习能力提高到一定水平,知识代理缺乏动机为他们认为他们学习新知识水平足够高,因为他们达到更高的知识水平相对迅速。集群创新网络的平均知识水平达到一个饱和状态。这时,大学应该寻求其他集群之外的新合作伙伴积极继续建立合作关系。
数据可用性
仿真数据用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究是由国家社会科学基金项目(批准号18 bgl020)和主人的创造力和西北工业大学创新种子基金项目(批准号ZZ2018200)。