徐 搏，劉人境，劉林林

(西安交通大學 管理學院，陜西 西安 710049)

社會互動能否促進知識分享？

徐 搏，劉人境，劉林林

(西安交通大學 管理學院，陜西 西安 710049)

采用多主體仿真方法構(gòu)建了知識分享的“捐贈者-接受者”演化模型，并引入了基于人際相似性選擇知識分享對象的過程，目的在于探討通過增加社會互動來促進知識分享的合理性。通過系統(tǒng)的仿真實驗和分析發(fā)現(xiàn)，增加社會互動雖然能夠為知識分享創(chuàng)造更多機會，但也促進了機會主義策略的傳播，從而降低了個體在面臨交互機會時的分享意愿。對于大規(guī)模群體，降低社會互動，提高個人分享意愿是最佳選擇；而對于小規(guī)模群體，減少人際差異，促進社會互動能實現(xiàn)群體知識分享的最大化。

知識分享；多主體仿真；捐贈者-接受者模型；社會互動；相似性效應

知識是組織競爭力的來源，為此許多組織投資了大量的資源建設(shè)知識管理系統(tǒng)。然而，在鼓勵員工分享知識方面，組織卻面臨著困境，如何促進知識分享成為許多組織關(guān)注的熱點。一個流行的觀點是，減少人與人之間的差異性能夠促進社會互動，進而促進組織內(nèi)的知識分享。這一觀點成為許多組織實踐的依據(jù)，例如：利用互聯(lián)網(wǎng)、信息系統(tǒng)，以及開放式辦公空間縮小地理空間上的差異；建立階層差異較小的扁平化組織結(jié)構(gòu)；弱化部門歸屬，鼓勵跨部門交流，等等。麥克拉(Makela)等[1]進行的實證研究認為，人際相似性是驅(qū)動跨國公司中社會互動和知識分享的關(guān)鍵推動力。然而，對于社會互動如何影響知識分享，現(xiàn)有研究依然缺乏深入的理解。本文的目的是，檢驗上述組織實踐的合理性，探討社會互動與知識分享的關(guān)系。

一、相關(guān)理論

(一)現(xiàn)有知識分享模型及其局限性

現(xiàn)有的知識分享理論模型主要關(guān)注知識分享的成本和收益。陳力等[2]、張(Zhang)等[3]、柯江林等[4]采用囚徒困境模型，陳東靈[5]采用靜態(tài)博弈模型，王建宇等[6]、葛奈(Gurnai)等[7]、丁(Ding)等[8]、吳丙山等[9]采用主從博弈模型，分別研究了知識分享行為，為分析知識分享的行為動機提供了研究范式。但這些研究存在三點局限：(1)它們假設(shè)人是完全理性的，但心理學研究已經(jīng)證明了人類理性的局限性，認為人類并非總是采取利益最大化的策略[10]，而是通過模仿等啟發(fā)式方法實現(xiàn)演化。這限制了收益成本分析的效果。(2)它們假設(shè)交互是雙向的，即博弈雙方互為對手。這種假設(shè)實質(zhì)上將雙方直接互惠作為促進知識分享的唯一可能因素。但現(xiàn)實中知識傳遞往往是單向的，而且許多學者在不存在直接互惠的情形下也觀察到了廣泛的利他行為[11]。因此，進一步的研究需要放松雙向交互的假設(shè)，探索更廣泛的知識分享促進機制。(3)它們忽略了人們對知識分享對象的選擇權(quán)對知識分享行為的影響，而社會學研究廣泛證明了人們并不是隨機地與人交互，而是更傾向于與相似個體交互[12-13]?，F(xiàn)實中，組織正是基于這種“相似性效應”，通過減少人際差異來促進社會互動，以實現(xiàn)促進知識分享的目的。多主體仿真建模方法為構(gòu)建更加復雜的模型提供了可能。楊(Yang)等[14]、王(Wang)等[15]采用多主體仿真的方法研究了知識分享過程中的囚徒困境演化，考慮到了參與者的學習等啟發(fā)式的策略調(diào)整和行為適應過程，彌補了現(xiàn)有研究的第一個局限。但他們依然沒有考慮知識分享的方向性以及社會互動的作用。

相關(guān)的知識分享實證模型則主要基于社會資本的視角。由于社會互動被認為是結(jié)構(gòu)型社會資本的重要組成部分，一些社會資本與知識分享關(guān)系的研究提供了一些線索。例如：孫彪等[16]認為結(jié)構(gòu)性社會資本對知識分享有積極影響；埃爾伯斯(Aalbers)[17]發(fā)現(xiàn)，知識分享與社會互動分別受到信任的積極影響和消極影響，暗示知識分享和社會互動之間可能存在著負相關(guān)關(guān)系；巴如奇(Baruch)等[18]發(fā)現(xiàn)，社會資本通過合作競爭的中介對知識分享有積極影響，但其中社會互動的作用并不顯著；常(Chang)等[19]發(fā)現(xiàn)，社會互動提高了知識分享質(zhì)量，但對知識分享數(shù)量并沒有顯著影響；吳(Wu)等[20]認為，社會互動環(huán)境增強了信任和知識分享之間的積極聯(lián)系?？梢?，現(xiàn)有實證研究的結(jié)論并不一致，而不一致的原因尚未得到充分的討論。這反映出現(xiàn)有研究對社會互動如何影響知識分享的理解依然存在不足。

為此，本文需要構(gòu)建更加完善的理論模型研究社會互動對知識分享的影響機制，為進一步的實證研究提供指導。為了彌補現(xiàn)有理論模型的第二個局限，本文采用捐贈者-接受者模型模擬知識分享過程；為了彌補現(xiàn)有理論模型的第三個局限，本文考慮知識分享過程中的“相似性效應”。

(二)捐贈者-接受者模型

捐贈者-接受者模型被廣泛用于研究捐贈、援助等利他主義行為。典型的捐贈者-接受者模型包括兩方：一方為捐贈者，另一方為接受者。捐贈者決定是否捐贈，而接受者則在對方捐贈的情況下決定是否接受[21]。與囚徒困境博弈和主從博弈等二人互動模型的不同在于，囚徒困境博弈和主從博弈中雙方的交互機會是等同的，或者說交互是雙向的；而捐贈者-接受者模型中交互是單向的。這意味著，捐贈者-接受者模型中，捐贈者往往不能期望從接受者獲得直接回報，從而排除了利用直接互惠解釋利他行為的可能性?，F(xiàn)實中的知識分享更加接近于這種單向的利他交互。例如，專家可以選擇向自己認識的新手分享知識；即使新手可以分享其他知識作為回報，但回報往往不是立即和必須的。因此，本文采用“捐贈者-接受者”模型構(gòu)建知識分享過程。

被廣泛研究的捐贈者-接受者模型包括獨裁者博弈與幫助博弈。本文的模型基于諾瓦克(Nowak)等[22]的幫助博弈。他們采用幫助博弈構(gòu)建了多主體仿真模型，研究人與人之間的幫助行為。在他們的模型中，存在一個群體，每個人有機會在兩個策略中選擇：幫助，或不幫助。然后隨機在群體中配對；在每個配對中，其中一方是潛在的捐贈者，能夠選擇策略；而另一方則作為接受者，沒有選擇權(quán)。如果捐贈者選擇幫助他人，則以自己的c成本，令接受者獲益b單位(b>c)。如果捐贈者選擇不合作，則雙方收益都為0。他們著重考慮了印象分，即幫助他人會使自己獲得印象分，而印象分被作為他人選擇策略的依據(jù)。與之不同，本文不考慮印象分，而是改變了隨機配對的過程。本文認為，知識分享一個最大的特點是，知識分享者能夠選擇知識接受者；而人際相似性作為信任和社會互動的主要驅(qū)動力，是知識分享者選擇接受者的重要依據(jù)[16-17]。同時，本文考慮了認知能力(即記憶)的作用：接受者會記憶捐贈者的行為，并在有機會作為捐贈人的時候，對利他和非利他的接受者采取不同的策略。

(三)相似性效應與社會互動

社會學研究發(fā)現(xiàn)，現(xiàn)實中人們對特征上與自己相似的人表現(xiàn)出偏愛[13]，即所謂的相似性效應[14]。這種偏愛提高了相似個體之間的信任，增加了社會互動，為知識分享提供了機會[1,23]。因此，減少人際差異、從而促進社會互動的措施通常被認為能夠促進群體知識分享[1,24]。組織通常采用的措施包括：采用互聯(lián)網(wǎng)或開放式辦公空間(減少空間差異)、限制組織階層的作用(減小地位差異)、鼓勵跨部門交流(減小部門隸屬差異)等等。

本文的模型借鑒米勒(Miller)等[25]的觀點，用個體在社會特征空間上的位置代表個人特征，因此個人在社會特征空間上的距離反應了個體間差異。而相似性效應反映為，個體傾向于與特征空間上臨近的個體交互。

二、仿真模型

本文采用多主體仿真模型來研究知識分享，仿真模型流程如下：

1.存在一個二維的社會特征空間，表示為W*W的網(wǎng)格。個體間在特征空間上的距離，代表著個體間的差異性。N個個體隨機分布在社會空間上，并在每個仿真周期中隨機移動一個網(wǎng)格，然后隨機選擇鄰近八個網(wǎng)格上的一個個體，作為一次“捐贈者-接受者”博弈交互的知識接受者。通過這種位置動態(tài)變化反映個體特征的動態(tài)變化，通過就近選擇交互伙伴的過程反映“相似性效應”。

2.每個個體能夠記憶與他人上次交互時對方采取的策略(即分享還是未分享)，并據(jù)此采用二維的策略(K，R)(0≤K，R≤1)。K和R分別代表對方上次交互時分享知識和未分享知識的情況下，自己在本次交互中向?qū)Ψ椒窒碇R的概率。二者的大小共同反映了個體知識分享意愿。初始時，假設(shè)所有個體未分享過知識。

3.每個個體依據(jù)策略決定是否分享。若分享，自己付出C單位(C<1)的成本，而伙伴則獲得1單位的收益。因此，C也反映了知識分享的成本收益比。

4.每個個體會識別周圍網(wǎng)格上收益最大且大于自己的個體，將其策略復制為自己的策略，以反映個體學習過程。在復制過程中存在一定的誤差，即隨機在K或R上加上一個(-E，E)區(qū)間的隨機數(shù)，但保證0≤K、R≤1。

圖1為模型運行示意圖。每個黑點代表一個個體，箭頭則表示一次知識分享。可見，知識分享發(fā)生在鄰近(即相似)個體之間,同時知識分享不必是雙向的。

圖1 模型仿真運行示意

三、結(jié)果分析

本文模型采用Netlogo[26]實現(xiàn)。針對每種參數(shù)設(shè)置本文進行了1 000個周期的實驗，并記錄后500個周期的結(jié)果。每次實驗采用不同的隨機數(shù)種子重復20次，并將20次結(jié)果的平均值作為分析依據(jù)，以避免隨機性的影響。由于C(知識分享的成本)和E(策略學習誤差)對本文結(jié)論沒有顯著影響，默認設(shè)置C=0.2，E=0.05。本文對結(jié)果進行了方差分析和SNK多重比較，結(jié)果在0.05水平上顯著。

由于社會互動難以直接操縱，本文通過操縱社會空間大小(W)和群體規(guī)模(N)來改變社會互動量，進而探索社會互動量對知識分享量的影響。思路如圖2所示。

圖2 本文研究思路

圖3 W和N對社會互動量的影響

圖3顯示了W和N對社會互動量的影響?？梢姡龃骔或者減小N都能夠增加社會互動量，從而實現(xiàn)操縱社會互動量的作用。

圖4顯示了W和N對群體知識分享量的關(guān)系?？梢钥闯?，對于不同的群體規(guī)模，改變社會特征空間產(chǎn)生了不同的影響。結(jié)合社會特征空間對社會互動的影響(圖2)可知，增加社會互動并不必然促進群體知識分享，群體規(guī)模在社會互動與知識分享水平的關(guān)系中起到了重要作用：對于大群體(N=120)，擴大社會特征空間，減少社會互動能夠促進知識分享；對于小群體(N=30)，縮小社會特征空間，增加社會互動量能夠促進知識分享；對于中等群體(N=60或90)，維持中等的社會特征空間和社會互動最為有利。

圖4 W和N對群體知識分享量的影響

圖5解釋了上述結(jié)果產(chǎn)生的原因。結(jié)合圖3和圖5可知，隨著社會特征空間的增加和社會互動量的減少，個體的知識分享率有所提升；而且，相比小群體而言，大群體的知識分享率提升更明顯。因此，對于大群體而言，適度降低社會互動可以換來個人知識分享率的較大提升，有利于提高整體知識分享量；而對小群體而言，由于社會互動基數(shù)較小，且減少社會互動也不能使個人分享率獲得顯著提升，因此增加社會互動更有利于提高整體知識分享量。

圖5 W和N對個體知識分享率的影響

這進一步提出兩個問題：(1)為什么減少社會互動(即擴大社會特征空間)會提高個人知識分享率？(2)隨著社會互動的減少，為什么大群體的個人知識分享率獲得了更加顯著的提升？為了解釋這兩個問題，本文分別分析了不同特征空間和群體規(guī)模下個體策略(K，R)的演化。

圖6顯示了N=90的情況下，不同特征空間(W)下策略(K，R)的演化。從中可以看出，當社會互動較多時(即較小的W)，K和R在早期迅速提升，但二者都迅速陷入停滯。而當社會互動較少時(即較大的W)，雖然早期K和R提升較慢，但它們獲得了更持久的提升。這體現(xiàn)出個體策略學習過程中的探索和利用的平衡問題：過多的社會互動促進了能獲得短期利益的機會主義的傳播，但加速了策略的收斂，容易使群體陷入次優(yōu)狀態(tài)；而較少的交互，雖然不利于個人短期利益的提升，但為個體策略的探索提供了充足的時間，從而能夠發(fā)現(xiàn)長期更優(yōu)的策略。

(a)K的演化 (b)R的演化

圖7顯示了W=15的情況下，不同群體規(guī)模(N)下策略(K，R)的演化。可以看到，較大的群體規(guī)模促使K和R更快地上升。本文認為，這是因為群體規(guī)模越大，能夠同時探索的策略越多，從而能夠更快地發(fā)現(xiàn)有效策略。因此，隨著社會互動的降低，大規(guī)模群體的個人知識分享率獲得了更顯著的提升。

(a)K的演化 (b)R的演化

四、討論

本文用“捐贈者-接受者”模型模擬知識分享過程，并引入了基于人際相似性來選擇知識接受對象的過程，完善了前人的研究。而通過分析社會互動與群體知識分享量的關(guān)系，本文也驗證了一些流行的知識分享促進措施的合理性，例如：利用互聯(lián)網(wǎng)或開放式辦公環(huán)境縮小空間差異、建立階層差異小的組織結(jié)構(gòu)，鼓勵跨部門交流等。

仿真結(jié)果發(fā)現(xiàn)，對于給定規(guī)模的群體，通過減少人際差異來增加社會互動，并不一定能夠促進群體知識分享。社會互動在促進知識分享方面是一把“雙刃劍”。一方面，增加社會互動為知識分享提供了更多機會和渠道；然而另一方面，增加社會互動也加快了個體的策略學習，促進了機會主義的傳播，降低了個體面臨知識分享機會時的分享意愿。

社會互動的雙面性，本質(zhì)上反映了知識的不同層次，以及現(xiàn)有學者研究知識分享的兩種不同視角。本文的模型中暗含了兩種知識：第一種知識是可直接傳遞的知識。這種知識通常是編碼知識，可精確傳遞，不易發(fā)生變化。因此本文并沒有考慮這種知識的整合過程，僅僅考慮了分享這種知識的成本和收益。第二種知識是關(guān)于如何分享知識的知識，即知識分享的策略。其傳播依賴于模仿，并伴隨著誤差和創(chuàng)新，需要在第一種知識的分享過程中不斷調(diào)整和演化。第二種知識(即策略)的改善能夠促進第一種知識的分享。

盡管少有研究明確區(qū)分這兩種類型的知識，但卻存在兩種視角來解釋社會互動在這兩種知識傳播的過程中所扮演的不同角色。第一種視角是基于發(fā)送-接收模型的知識流視角[27-28]。這種視角認為知識是一種流，從知識高地自發(fā)流向知識洼地，并且可以累積。這種視角關(guān)注發(fā)送者和接受者的特征與群體知識分享之間的關(guān)系，例如發(fā)送者的信任、分享意愿、接受者的吸收能力等與群體知識分享的關(guān)系。社會互動的作用在于為知識流提供渠道。因此，在其他條件不變的情況下，社會互動越多，群體知識分享就越多。許多組織希望通過增加人際相似性促進社會互動，進而增加組織知識分享，就是基于這樣的視角。由于這種視角將知識視為一種客體，將社會互動視為一種流動渠道，并沒有考慮知識的演化和創(chuàng)造，因此它更適合解釋第一種知識的傳播。

組織學習視角并不認為知識是從一個人傳遞到另一個人，而是另一個人通過模仿他人構(gòu)造出知識[29]。因此知識并不是累積，而是替換和演化。對于第二種知識，即知識分享策略，組織學習理論比知識流視角更加合適，因為個體在模仿過程中往往由于誤差、創(chuàng)新等原因構(gòu)造出新知識，從而產(chǎn)生不同知識的比較和整合。而在整合過程中，必然涉及如何在對新知識的探索和對舊知識的利用之間進行權(quán)衡的問題。組織學習理論認為，唯有平衡探索和利用，才能夠在遠期獲得更優(yōu)的知識[25,30-31]。過多的社會互動加快了知識的整合，過于偏向于利用能夠?qū)е驴焖俪晒Φ闹R，使知識容易收斂于次優(yōu)狀態(tài)。而知識分享策略的次優(yōu)狀態(tài)(即一種短視的機會主義策略)，意味著較低的個人分享意愿。

簡言之，從兩種視角出發(fā)，得出了社會互動的不同作用模式：從知識流視角看，社會互動調(diào)節(jié)了個人分享意愿和群體知識分享之間的積極關(guān)系；而從組織學習視角看，社會互動對個體知識分享意愿具有消極影響。兩種視角并不矛盾，而是適應于不同層次的知識。唯有綜合二者，才能完整解釋社會互動在群體知識分享中的作用。

進一步的，群體規(guī)模在社會互動的兩種作用中扮演了不同的角色。在知識流視角中，群體規(guī)模的增加同樣會增加社會互動的總量，因而會促進知識分享總量；而在組織學習視角中，更大的群體規(guī)模增加了第二種知識的多樣性，從而增加了涵蓋更優(yōu)知識的可能性。這有助于第二種知識的演化和改善，從而促進第一種知識的分享。因此，群體規(guī)模的增加能夠增強社會互動的積極作用，同時削弱社會互動的消極作用。這解釋了為什么現(xiàn)有實證研究就社會互動與知識分享的關(guān)系得出了不一致的結(jié)論：如果社會互動的增加是由人際相似性的增加所驅(qū)動的，那么個人知識分享意愿會降低，從而可能導致群體知識分享量的降低；而如果社會互動的增加是由群體規(guī)模的增加所驅(qū)動的，那么個人知識分享意愿和群體知識分享有可能增加。

社會互動與群體知識分享量的關(guān)系，以及群體規(guī)模在其中的作用可以總結(jié)為圖8。

圖8 社會互動、群體規(guī)模與群體知識分享量的關(guān)系

綜合本文討論，可提出如下命題，為進一步的實證研究提供方向。命題1：社會互動調(diào)節(jié)了個人分享意愿與群體知識分享量之間的關(guān)系;命題2：社會互動對個人分享意愿有消極影響;命題3：群體規(guī)模對個人知識分享意愿具有積極影響。后期研究可對上述命題進行實證檢驗。另外，為了控制模型的復雜性，本文對模型進行了簡化，例如：使用二維的社會特征空間、假設(shè)成員僅僅擁有簡單的記憶，等等。未來的研究可以從多個角度進行擴展。例如：增加成員策略的復雜性、社會空間的復雜性、成員移動的復雜性等，并關(guān)注這些復雜性對本文結(jié)論的影響。

[1] MAKELA K, KALLA H K, PIEKKARI R. Interpersonal similarity as a driver of knowledge sharing within multinational corporations[J]. International Business Review, 2007, 16(1):1-22.

[2] 陳力，宣國良.以知識分享的理念重塑企業(yè)文化[J].科學學與科學技術(shù)管理, 2005(1):69-73.

[3] ZHANG L L, LI J, SHI Y. Study on improving efficiency of knowledge sharing in knowledge-intensive organization[G]//DENG X, YE Y. Internet and Network Economics.Heidelberg：Springer Berlin, 2005,816-825.

[4] 柯江林，石金濤.組織中員工知識分享行為激勵機制的比較分析[J].上海交通大學學報, 2006,40(9):1566-1571.

[5] 陳東靈.知識團隊知識分享困境的博弈機理研究：對兩種均衡策略的比較[J].圖書情報工作, 2011, 55(24):97-101.

[6] 王建宇，樊治平，姜艷萍，等. 合作知識創(chuàng)新中基于Stackelberg博弈的資源分享決策模型[J]. 中國管理科學, 2005, 13(3):84-88.

[7] GURNANI H, GERCHAK Y.Coordination in decentralized assembly systems with uncertain component yield[J].European Journal of Operational Research, 2007, 176(3):1559-1576.

[8] DING X H, HUANG R H. Effects of knowledge spillover on inter-organizational resource sharing decision in collaborative knowledge creation[J]. European Journal of Operational Research, 2010, 201(3):949-959.

[9] 吳丙山，趙驊，羅軍. 高新技術(shù)企業(yè)中知識分享微觀機制研究[J]. 科研管理，2012,33(3):65-71.

[10] GIGERENZER G, GAISSMAIER W.Heuristic Decision Making[J]. Annual Review of Psychology, 2011, 62:451-482.

[11] NOWAK M A, SIGMUND K. Evolution of indirect reciprocity[J]. Nature, 2005, 437(27):1291-1298.

[12] BYRNE D. An overview (and underview) of research and theory within the attraction paradigm[J]. Journal of Social & Personal Relationships, 1997, 14:417-431.

[13] MCPHERSON M, SMITH-LOVIN L, COOK J M. Birds of a feather:homophily in social networks[J]. Annual Review of Psychology, 2001, 27:415-444.

[14] YANG H, WU T C T. Knowledge sharing in an organization-share or not?[G]//Computing & Informatics,ICOCI,2006:1-7.

[15] WANG J, GWEBU K, SHANKER M, et al. An application of agent-based simulation to knowledge sharing[J]. Decision Support Systems, 2009, 46:532-541.

[16] 孫彪，劉益，鄭淞月. 聯(lián)盟社會資本, 知識管理與創(chuàng)新績效的關(guān)系研究：基于技術(shù)創(chuàng)新聯(lián)盟的概念框架[J]. 西安交通大學學報：社會科學版，2012(3):43-49.

[17] AALBERS R. The role of contracts and trust in R&D alliances in the Dutch biotech sector[J]. Innovation-Management Policy & Practice, 2010，12(3):311-329.

[18] BARUCH Y, Lin C P. All for one, one for all:Coopetition and virtual team performance[J]. Technological Forecasting and Social Change, 2012，79(6):1155-1168.

[19] CHANG H H, CHUANG S S. Social capital and individual motivations on knowledge sharing:Participant involvement as a moderator[J]. Information & Management, 2011, 48(1):9-18.

[20] WU W L, LIN C H, HSU B F, et al. Interpersonal trust and knowledge sharing:Moderating effects of individual altruism and a social interaction environment[J]. Social Behavior and Personality:an International Journal, 2009, 37(1):83-93.

[21] PACHECO J M, SANTOS F C, CHALUB F A C C. Stern-Judging:A Simple, Successful Norm Which Promotes Cooperation under Indirect Reciprocity[J]. PLoS Computational Biology, 2006, 2(12):1634-1638.

[22] NOWAK M A, SIGMUND K. Evolution of indirect reciprocity by image scoring[J]. Nature, 1998, 393(6685):573-577.

[23] LIU C，LIANG T，RAJAGOPALAN B，et al. Knowledge Sharing as Social Exchange:Evidence from a Meta-Analysis[J]. Pacific Asia Journal of the Association for Information Systems, 2011, 3(4):21-47.

[24] JOLLY R, WAKELAND W. Using agent based simulation and game theory analysis to study knowledge flow in organizations:The KMscape[J]. International Journal of Knowledge Management, 2009,5(1):17-28.

[25] MILLER K D, ZHAO M, CALANTONE R J. Adding interpersonal learning and tacit knowledge to March′s exploration-exploitation model[J]. Academy of Management Journal, 2006,49(4), 709-722.

[26] WILENSKY U.NetLogo[CP/OL].Center for Connected Learning and Computer-Based Modeling，Northwestern University，Evanston，IL.[2013-10-11]. http://ccl.northwestern.edu/netlogo/.

[27] ADLER N，HASHAI N. Knowledge flows and the modeling of the multinational enterprise[J]. Journal of International Business Studies, 2007, 38(4):639-657.

[28] NOORDERHAVEN N，HARZING A W.Knowledge-sharing and social interaction within MNEs[J]. Journal of International Business Studies, 2009, 40(5):719-741.

[29] PLASKOFF J. Intersubjectivity and community building:Learning to learn organizationally[M]//EASTERBY-SMITH M, LYLES M A.The Blackwell handbook of organizational learning and knowledge management. Malden, MA:Blackwell, 2003：161-184.

[30] MARCH J G.Exploration and exploitation in organizational learning[J].Organization Science,1991, 2(1):71-87.

[31] RAISCH S，BIRKINSHAW J，PROBST G，et al. Organizational ambidexterity:Balancing exploitation and exploration for sustained performance[J]. Organization Science, 2009, 20(4):685-695.

(責任編輯：張叢)

WhetherCanSocialInteractionPromoteKnowledgeSharing?

XU Bo, LIU Renjing, LIU Linlin

(1.School of Management, Xi′an Jiaotong University, Xi′an 710049, China)

Using agent-based simulation, this paper builds an evolution model of donor and recipient games of knowledge sharing, and introduces a process of choosing the recipient of knowledge based-on interpersonal similarity to examine the rationality of increasing knowledge sharing through increasing social interaction. By systematic simulation experiments and analysis, it is found that, although the increase of social interaction provides more opportunities for sharing knowledge, it also promotes the spread of opportunistic strategies, which decreases individual′s willingness to share knowledge in the face of these opportunities. In order to promote knowledge sharing, large organizations should decrease social interaction thus increasing individuals′ willingness to share knowledge, while small organizations should increase social interaction by decreasing interpersonal difference.

knowledge sharing; multi-agent simulation; donor and recipient model; social interaction；similarity effect

2013-10-14

國家自然科學基金項目(71271166)；教育部博士點基金項目(20120201110068)

徐搏(1983- )，男，河南駐馬店人，西安交通大學管理學院博士研究生；劉人境(1966- )，男，新疆烏魯木齊人，西安交通大學管理學院教授，博士生導師；劉林林(1991- )，女，山東濟寧人，西安交通大學管理學院博士研究生。

C936

A

1008-245X(2014)05-0065-07