張建華，李方方+，劉藝琳，楊 嵐

1.鄭州大學(xué) 管理工程學(xué)院，鄭州450001

2.鄭州大學(xué) 機械與動力工程學(xué)院，鄭州450001

在知識經(jīng)濟時代，隱性知識已成為組織創(chuàng)造價值的核心資源，其有效利用對知識共享和知識創(chuàng)新具有重要意義。知識轉(zhuǎn)移是實現(xiàn)知識傳遞、共享與創(chuàng)新的前提。在知識管理過程中，知識轉(zhuǎn)移有助于提高知識資源的有效配置，實現(xiàn)知識資源價值最大化。知識服務(wù)型組織是知識轉(zhuǎn)移過程中主要的知識發(fā)送方，是知識轉(zhuǎn)移的起點。面對日益豐富的數(shù)據(jù)、信息和知識資源，知識服務(wù)型組織快速準確地為用戶提供所需要的知識，解決其“知識迷向”問題，是提高知識資源利用率和用戶滿意度的關(guān)鍵所在。因此，本文以隱性知識為研究對象，探討知識服務(wù)型組織隱性知識的轉(zhuǎn)移問題。

目前，隱性知識轉(zhuǎn)移研究主要集中在實證分析和理論框架模型的構(gòu)建兩方面。（1）在實證分析方面，現(xiàn)有研究主要側(cè)重于知識發(fā)送方、接受方之間的關(guān)系對知識轉(zhuǎn)移過程的影響。楊陳等將團隊斷裂引入成員關(guān)系中，研究了不同關(guān)系維度在團隊斷裂帶與隱性知識轉(zhuǎn)移過程中的作用機制，并通過對高?？蒲袌F隊的實證分析歸納了隱性知識轉(zhuǎn)移的影響因素。為研究企業(yè)間的關(guān)系對知識轉(zhuǎn)移的影響，李敏等以佛山照明集群為例，建立了佛山照明協(xié)會會員企業(yè)關(guān)系網(wǎng)，并研究了知識在關(guān)系網(wǎng)絡(luò)上的轉(zhuǎn)移規(guī)律。Qiu 等認為在戰(zhàn)略聯(lián)盟中，對邊界成員的監(jiān)督是促進隱性知識轉(zhuǎn)移和防止聯(lián)盟中知識泄露的關(guān)鍵，其對142 家公司的調(diào)查結(jié)果證明了該假設(shè)的正確性。在產(chǎn)品生產(chǎn)過程中，Letmathe 等認為溢出學(xué)習(xí)對快速提高產(chǎn)品質(zhì)量和穩(wěn)定性至關(guān)重要，并通過實驗分析了隱性知識轉(zhuǎn)移對溢出學(xué)習(xí)的影響。蘇世彬等基于三螺旋創(chuàng)新視角，構(gòu)建了企業(yè)專利風(fēng)險、專利風(fēng)險管控和隱性知識轉(zhuǎn)移績效的理論模型，并通過模型擬合與回歸分析闡釋了企業(yè)專利風(fēng)險對校企隱性知識轉(zhuǎn)移績效的影響。（2）在模型構(gòu)建方面，現(xiàn)有研究主要通過不同理論視角探索知識轉(zhuǎn)移過程中的規(guī)律。Dangelico 等從知識基礎(chǔ)視角出發(fā)，建立了技術(shù)開發(fā)區(qū)演化的系統(tǒng)動力學(xué)模型，通過模擬實驗演示了知識轉(zhuǎn)移的過程。李國彥等將聲譽模型與委托代理理論相結(jié)合，建立了擬合隱性知識傳播者心理和行為特征的動態(tài)激勵模型，分析了聲譽效應(yīng)在創(chuàng)業(yè)社會網(wǎng)絡(luò)隱性知識轉(zhuǎn)移中的作用。張向先等基于知識生態(tài)視角，從知識、主體、環(huán)境以及轉(zhuǎn)移網(wǎng)絡(luò)4 個維度解析了影響因素，構(gòu)建了企業(yè)研發(fā)團隊隱性知識轉(zhuǎn)移績效的影響因素模型。

綜上所述，既有隱性知識轉(zhuǎn)移研究主要側(cè)重于知識轉(zhuǎn)移主體在知識轉(zhuǎn)移過程中相互之間的影響，關(guān)于針對隱性知識本身特性（模糊不確定性）與用戶需求之間的匹配程度對該過程影響的研究尚且不足。知識轉(zhuǎn)移對知識服務(wù)型組織來說是一個決策問題，如何進行知識轉(zhuǎn)移能最大程度滿足用戶需求、降低轉(zhuǎn)移成本，是提高隱性知識利用率的關(guān)鍵。三支決策是近年來發(fā)展起來的處理不確定性決策的數(shù)學(xué)方法，是對傳統(tǒng)二支決策的優(yōu)化。相較于二支決策只能選擇接受或拒絕，三支決策規(guī)避了錯誤接受或拒絕行為產(chǎn)生的損失，更加符合邏輯思維與實際應(yīng)用。目前，三支決策理論已經(jīng)被應(yīng)用于信息工程、管理決策、醫(yī)療等多個領(lǐng)域并取得了良好的應(yīng)用結(jié)果。在信息系統(tǒng)領(lǐng)域，三支決策擴展了知識系統(tǒng)的研究范圍，并在理論擴充與實際應(yīng)用中得到了極大發(fā)展。針對應(yīng)用領(lǐng)域信息系統(tǒng)的不完備性和復(fù)雜性，錢文彬等構(gòu)建了面向不完備混合決策系統(tǒng)的三支決策模型與規(guī)則獲取方法，并通過對比實驗分析驗證了該模型的分類過程更為合理有效。為探討決策者風(fēng)險態(tài)度對決策過程的影響，Wang 等將累積前景理論與三支決策相結(jié)合，提出了一種基于累積前景理論的三支決策模型，用前景理論描述決策者的風(fēng)險態(tài)度，并將價值函數(shù)用作風(fēng)險度量，得出基于預(yù)期價值最大化的決策規(guī)則。Liu 等為解決多屬性決策問題，提出了一種基于直覺模糊數(shù)的三支決策模型，從閾值及其性值等不同角度探討了三支決策的分類規(guī)則，并針對多屬性決策中只有條件屬性的問題，引入了灰色關(guān)聯(lián)度計算條件概率，最后通過選擇供應(yīng)商的實例證明了該模型的有效性和實用性。三支決策在信息不完備的情況下，能夠使分類更加合理，張萌等在混合屬性信息系統(tǒng)上定義了領(lǐng)域關(guān)系，構(gòu)建了基于領(lǐng)域關(guān)系的決策粗糙集模型，并將其應(yīng)用于痛風(fēng)臨床診斷，并通過對比實驗證明了該方法的進步性。由此，可以看出三支決策在實際應(yīng)用過程中的優(yōu)越性。

因此，本文在知識轉(zhuǎn)移過程中引入三支決策，并根據(jù)隱性知識所固有的模糊性特征，結(jié)合模糊粗糙集理論，并兼顧用戶需求偏好及知識資源與用戶需求之間的匹配程度，建立基于三支決策的隱性知識轉(zhuǎn)移模型，研究知識服務(wù)型組織隱性知識轉(zhuǎn)移問題。

1 相關(guān)知識

1.1 模糊粗糙集

在實踐中，存在大量模糊不確定的隱性知識。知識服務(wù)型組織將該類知識納入到知識庫中，用以將其轉(zhuǎn)移給有需要的用戶，滿足用戶需求，從而實現(xiàn)知識資源的有效配置。模糊粗糙集是處理不確定性和模糊性的常用數(shù)學(xué)方法，其相關(guān)定義如下。

設(shè)為論域，若∈(×)，則為一個在×上的模糊關(guān)系。給定相似關(guān)系，模糊集合中的上、下近似為：對于?∈，

1.2 三支決策

現(xiàn)實世界中存在大量的不確定性信息，粗糙集是對不精確、不一致的信息中進行知識獲取的基本工具。由于粗糙集是建立在包含關(guān)系的基礎(chǔ)上，難以體現(xiàn)對象表示的容錯性，針對這一局限性，不少學(xué)者對決策粗糙集進行了研究。決策粗糙集由兩種狀態(tài)、三種行動組成。狀態(tài)集可表示為={,?},分別代表對象屬于和對象不屬于?；行動集可表示為={a,a,a},其中a、a和a為對一個對象分類時采取的三種行為。三支決策是近幾年被提出來的決策方法，它是對決策粗糙集與概率粗糙集的擴展。因其決策過程更符合人類實際認知能力，越來越多的學(xué)者開始對三支決策理論進行深入研究。絕大部分知識轉(zhuǎn)移的研究只有轉(zhuǎn)移和不轉(zhuǎn)移兩種情況，這種非此即彼的決策方式即二支決策模型（如表1 所示），缺乏一定的包容性。

表1 二支決策模型Table 1 Two-way decision

而三支決策可以在信息不完備的情況下，給出延遲決策的決定，將分類過程中的錯誤考慮在內(nèi)，使決策過程更加靈活合理。本文將基于決策粗糙集的三支決策模型引入知識轉(zhuǎn)移過程中，知識服務(wù)型組織進行隱性知識轉(zhuǎn)移時有三種決策方案，即轉(zhuǎn)移、延遲轉(zhuǎn)移、不轉(zhuǎn)移。其具體的形式可表述為：設(shè)=(,,,)是一個信息表，對?,令0 ≤<≤1，概率粗糙集的上下近似集(,)可表示為：

其中，Pr(|[])=| []?|/ | [] |表示分類的條件概率，|?|表示集合中元素的數(shù)目。如此，將概率粗糙集分為正域(())、邊界域(()) 和負域(()),可表示為：

基于對知識轉(zhuǎn)移成本的考慮，分別將正域、邊界域、負域?qū)?yīng)知識轉(zhuǎn)移決策的“轉(zhuǎn)移”“延遲轉(zhuǎn)移”“不轉(zhuǎn)移”。

2 基于三支決策的隱性知識轉(zhuǎn)移

針對隱性知識的特性，本文將模糊粗糙集與三支決策相結(jié)合，提出基于三支決策的隱性知識轉(zhuǎn)移模型。該模型主要包括兩部分：（1）根據(jù)知識屬性集的信息，采用熵權(quán)法確定知識屬性集的權(quán)重向量，并將用戶知識需求與所提供知識進行匹配，得出視圖相似度的計算結(jié)果；（2）由知識轉(zhuǎn)移成本確定三支知識轉(zhuǎn)移決策的閾值，并根據(jù)閾值和視圖相似度確定轉(zhuǎn)移方案。

2.1 知識視圖相似度計算

知識基于其屬性得以表征。屬性相似度表征不同知識在同一屬性上的接近程度，基于屬性相似度計算得到的視圖相似度則可在知識全局層面衡量知識之間的距離，是表述知識“親疏遠近”的標(biāo)準。在知識轉(zhuǎn)移過程中，知識服務(wù)型組織需根據(jù)用戶需求與知識之間的匹配程度確定轉(zhuǎn)移知識的范圍。因此，計算用戶需求與知識之間的視圖相似度，是知識服務(wù)型組織進行知識轉(zhuǎn)移的參考依據(jù)，是提供滿足用戶知識需求的前提。知識庫中既有知識的每個屬性可看成表征該知識的一個維度，如此知識庫中的知識C可以轉(zhuǎn)化為（知識屬性集基數(shù)）維空間中的點，基于原點構(gòu)成維向量C。而后當(dāng)知識用戶發(fā)出知識請求時，亦可將該知識需求轉(zhuǎn)化為維空間中的一個向量。通過匹配算法，計算出用戶需求與既有知識之間的視圖相似度，并基于此選取滿足用戶需求的知識進行轉(zhuǎn)移。視圖相似度的計算可通過如下方式實現(xiàn)。

在知識系統(tǒng)中，不同的知識屬性對應(yīng)的權(quán)重有所差異，考慮到屬性集的權(quán)重向量決定了參與匹配計算的屬性數(shù)量及各屬性的參與程度，故而將其與屬性相似度結(jié)合能夠提高計算結(jié)果的準確性。綜上，屬性權(quán)重是進行相似度計算的前提。熵權(quán)法是一種相對客觀的賦權(quán)方法，根據(jù)數(shù)據(jù)的離散程度確定權(quán)重，使計算結(jié)果更為客觀可靠，區(qū)分度較高。因此，本文選取熵權(quán)法計算知識屬性集權(quán)重向量。

2.2 隱性知識轉(zhuǎn)移模型

在知識轉(zhuǎn)移過程中，知識服務(wù)型組織根據(jù)用戶需求與隱性知識之間的匹配程度確定轉(zhuǎn)移的對象，以提高用戶滿意度。于知識服務(wù)型組織而言，需考慮知識轉(zhuǎn)移成本，并在滿足用戶需求的前提下，實現(xiàn)知識轉(zhuǎn)移成本最小化?；谌Q策的隱性知識轉(zhuǎn)移模型包含三部分：（1）根據(jù)用戶對知識的“滿意”“不滿意”兩種評價，將知識轉(zhuǎn)移決策區(qū)域分為正域、邊界域和負域，以此確定知識轉(zhuǎn)移的方式“轉(zhuǎn)移()”“延遲轉(zhuǎn)移()”“不轉(zhuǎn)移()”；（2）根據(jù)知識轉(zhuǎn)移成本，確定轉(zhuǎn)移過程中的成本矩陣，如表2 所示；（3）由知識轉(zhuǎn)移成本確定決策區(qū)域的劃分閾值、。在知識轉(zhuǎn)移過程中，視圖相似度可以有效衡量用戶滿意度，根據(jù)三支決策的定義，將用戶知識需求與既有知識之間的視圖相似度和劃分閾值、進行比較，從而確定知識轉(zhuǎn)移的方式。

表2 知識轉(zhuǎn)移成本矩陣Table 2 Knowledge transfer cost matrix

在對知識進行劃分時，可能會出現(xiàn)兩種情況，即={,?}分別表示某知識屬于和不屬于。當(dāng)其不屬于時，該知識無法滿足用戶需求。在知識轉(zhuǎn)移過程中，知識服務(wù)型組織根據(jù)用戶知識需求采取相應(yīng)的知識轉(zhuǎn)移決策，該過程會產(chǎn)生不同的轉(zhuǎn)移成本。設(shè)、與分別表示滿足用戶需求時采取“轉(zhuǎn)移()”“延遲轉(zhuǎn)移()”“不轉(zhuǎn)移()”三種決策產(chǎn)生的成本，、與表示不滿足用戶需求時采取三種決策產(chǎn)生的成本。由此，可得知識服務(wù)型組織進行知識轉(zhuǎn)移時采取不同決策行為的期望成本。

根據(jù)貝葉斯決策準則，選取期望成本最小的決策方案，可得如下三條決策準則：

當(dāng)≤，≤時，∈()；

當(dāng)≤，≤時，∈()；

當(dāng)≤，≤時，∈()。

基于對用戶滿意度的劃分，可得：

在知識轉(zhuǎn)移過程中，考慮到轉(zhuǎn)移正確知識的成本不大于延遲轉(zhuǎn)移正確知識的成本，且二者都小于不轉(zhuǎn)移正確知識的成本；不轉(zhuǎn)移不符合用戶需求知識的成本不大于延遲不轉(zhuǎn)移不符合用戶需求知識的成本，且二者都小于轉(zhuǎn)移不符合用戶需求知識的成本。由此，可以得出：

由式（1）～式（3）可以得出知識轉(zhuǎn)移決策閾值、、的表達式：

其中，為二支決策知識轉(zhuǎn)移中的決策閾值。

根據(jù)決策粗糙集規(guī)則以及<，知識轉(zhuǎn)移成本還需考慮如下條件：

基于以上分析，前述三條決策準則可進一步表述為：

當(dāng)(|[])≥時，∈()；

當(dāng)<(|[])<時，∈()；

當(dāng)(|[])≤時，∈()。

綜上可知，在基于三支決策的知識轉(zhuǎn)移過程中，根據(jù)知識轉(zhuǎn)移成本和決策區(qū)域劃分的閾值和，可根據(jù)用戶需求與既有知識之間的視圖相似度將待轉(zhuǎn)移的知識劃分入正域、負域和邊界域，從而做出知識轉(zhuǎn)移決策。

3 實證分析

為驗證前述基于三支決策的隱性知識轉(zhuǎn)移模型可行性與有效性，本文選取UCI 數(shù)據(jù)庫中“winequality”數(shù)據(jù)集的子集“winequality-red”進行實證分析。該數(shù)據(jù)集共含1 600 條評價，記錄了用戶對不同口味紅酒的評分，包含11 個條件屬性、1 個決策屬性。

根據(jù)該數(shù)據(jù)集建立隱性知識表達系統(tǒng)，其屬性值用隸屬度表示，實現(xiàn)隱性知識外顯化。首先，對原始數(shù)據(jù)集進行標(biāo)準化處理，即對實數(shù)型屬性v∈有：

為方便表述，仍用v標(biāo)記標(biāo)準化的知識屬性值。同時，采用1.1 節(jié)所述熵權(quán)法確定知識庫中各知識屬性的權(quán)重，結(jié)果如表3 所示。

表3 屬性權(quán)重Table 3 Attribute weight

設(shè)有11 位用戶對知識服務(wù)型組織發(fā)出知識請求，該組織在接到知識請求后，根據(jù)11 位用戶的知識需求C(=1,2,…,11)與既有知識c(=1,2,…,1 600)進行比較。用戶知識需求經(jīng)標(biāo)準化處理后如表4所示。

表4 用戶知識需求Table 4 User knowledge requirements

在知識轉(zhuǎn)移過程中，根據(jù)不同的轉(zhuǎn)移策略，知識轉(zhuǎn)移成本有所差異。在實踐過程中，知識服務(wù)型組織可根據(jù)實際情況確定知識轉(zhuǎn)移成本，但需滿足三支隱性知識轉(zhuǎn)移決策的規(guī)則。由1.2 節(jié)所述條件，本文給出滿足要求的轉(zhuǎn)移單位知識所需成本，設(shè)=0.1,=0.2,=0.3;=0.3,=0.5 。由于不轉(zhuǎn)移不滿足用戶需求的知識既無轉(zhuǎn)移行為發(fā)生又無影響用戶滿意度的結(jié)果，因此，該決策產(chǎn)生的轉(zhuǎn)移成本為0，即=0。據(jù)此，由式（4）計算出=0.666 7,=0.600 0。

將用戶需求與既有知識進行匹配，利用式（3）計算其視圖相似度(C,c)。由上述三支知識轉(zhuǎn)移決策閾值(,)可知：當(dāng)(C,c)≥0.666 7 時，c劃為正域()，則對用戶轉(zhuǎn)移該知識；當(dāng)0.600 0<(C,c)<0.666 7 時，c劃為邊界域()，則延遲對該知識的轉(zhuǎn)移；當(dāng)(C,c)≤0.600 0 時，c劃為負域()，不轉(zhuǎn)移該知識。由此可以得出三種決策對應(yīng)的知識轉(zhuǎn)移數(shù)量，如表5所示。

表5 三支決策知識轉(zhuǎn)移數(shù)量Table 5 The number of three-way decision knowledge transfer

需要指出的是，在知識轉(zhuǎn)移過程中，由于用戶需求的多樣性以及既有知識的有限性，與已有知識視圖相似度的計算結(jié)果可能會出現(xiàn)無法滿足用戶需求的狀況，此時有兩種解決方案：其一，降低隱性知識轉(zhuǎn)移決策閾值；其二，在已有知識庫中進行規(guī)則適配，以重構(gòu)滿足用戶需求的解。因其不是本文的研究重點，故此不贅述適配過程。

在該數(shù)據(jù)集中用戶的評分范圍為1～10，根據(jù)評分取值范圍可將用戶評分結(jié)果分為三類，其中評分8～10 為Ⅰ類，5～7 為Ⅱ類，1～4 為Ⅲ類。由分類結(jié)果及知識轉(zhuǎn)移的數(shù)量，可求出三種轉(zhuǎn)移策略的條件概率，其結(jié)果如表6 所示。

表6 條件概率計算結(jié)果Table 6 Conditional probability calculation results

基于前文所述，可求出對11 位用戶進行知識轉(zhuǎn)移所需成本。由于在實證部分，所設(shè)轉(zhuǎn)移成本是單位知識轉(zhuǎn)移成本，需對三種決策所產(chǎn)生期望成本的計算方式進行補充，其具體的表達式為：

其中，+++++=1 600 。由此可以求出基于三支決策的隱性知識轉(zhuǎn)移的總成本，其表達式為：

至此，可以求出知識服務(wù)型組織對每一位知識用戶進行知識轉(zhuǎn)移的總成本，其計算結(jié)果如表7所示。

表7 知識轉(zhuǎn)移成本Table 7 Knowledge transfer costs

一般情況下，知識服務(wù)型組織進行知識轉(zhuǎn)移時，單純地將轉(zhuǎn)移過程分為轉(zhuǎn)移和不轉(zhuǎn)移，且該決策者認為不進行知識轉(zhuǎn)移便無轉(zhuǎn)移成本產(chǎn)生，這與實際應(yīng)用過程并不相符。因此，本文將傳統(tǒng)隱性知識轉(zhuǎn)移看作二支決策的過程，由1.2 節(jié)可知二支決策知識轉(zhuǎn)移的決策閾值為；同時，在二支知識轉(zhuǎn)移決策過程中，轉(zhuǎn)移成本矩陣參見表2，為便于比較二支決策知識轉(zhuǎn)移模型與本文提出的三支決策知識轉(zhuǎn)移模型的差異，二支決策中轉(zhuǎn)移成本的表達式為：

基于以上方法可以計算出基于二支決策的隱性知識轉(zhuǎn)移成本。

相較于傳統(tǒng)的隱性知識轉(zhuǎn)移方法，本文所提的基于三支決策的隱性知識轉(zhuǎn)移模型具有以下優(yōu)勢：

（1）一般情況下，知識轉(zhuǎn)移主體在知識轉(zhuǎn)移過程中根據(jù)知識用戶需求對既有知識做出轉(zhuǎn)移或不轉(zhuǎn)移決策，可用二支決策描述其過程。顯然，該決策模型“非此即彼”的特點缺乏包容性，會增加在知識轉(zhuǎn)移過程中因錯誤分類而產(chǎn)生的轉(zhuǎn)移成本。本文在業(yè)內(nèi)既有研究的基礎(chǔ)上，在知識轉(zhuǎn)移過程中引入三支決策理論，提出基于三支決策的隱性知識轉(zhuǎn)移模型。該模型凸顯了人們在解決問題時的三元思維，提高了知識轉(zhuǎn)移決策的容錯性，降低了知識轉(zhuǎn)移成本。如圖1 所示，知識服務(wù)型組織根據(jù)三支知識轉(zhuǎn)移決策模型對知識用戶進行知識轉(zhuǎn)移，所產(chǎn)生的轉(zhuǎn)移成本明顯低于傳統(tǒng)二支知識轉(zhuǎn)移模型所產(chǎn)生的成本。

圖1 知識轉(zhuǎn)移成本比較Fig.1 Comparison of knowledge transfer costs

（2）現(xiàn)有隱性知識轉(zhuǎn)移研究多集中在知識轉(zhuǎn)移主體（知識轉(zhuǎn)移方、知識接收方）之間關(guān)系對知識轉(zhuǎn)移過程的影響，關(guān)于知識服務(wù)型組織根據(jù)知識特性與用戶知識需求之間的匹配程度進行知識轉(zhuǎn)移的研究較少。知識轉(zhuǎn)移的過程是一個多屬性決策過程，該過程追求知識轉(zhuǎn)移成本最小化、用戶滿意度最大化（較高的匹配程度）。而用戶需求與既有知識之間的視圖相似度描述了二者之間的匹配程度，它在體現(xiàn)轉(zhuǎn)移知識能否滿足用戶知識需求方面更加準確客觀。因此，本文提出的基于三支決策的隱性知識轉(zhuǎn)移模型能夠提高用戶滿意度，進而提高隱性知識資源的利用率，實現(xiàn)知識應(yīng)用價值的最大化。

4 結(jié)束語

隨著信息技術(shù)的飛速發(fā)展，隱性知識轉(zhuǎn)移的問題日益凸顯。為提高知識服務(wù)型組織隱性知識轉(zhuǎn)移效益，本文在前人研究的基礎(chǔ)上，提出了基于三支決策的隱性知識轉(zhuǎn)移模型。該模型根據(jù)用戶知識需求與既有知識的匹配程度來體現(xiàn)用戶的滿意度，并通過知識轉(zhuǎn)移成本確定決策閾值，知識服務(wù)型組織將視圖相似度的計算結(jié)果與決策閾值相融合，從而選擇知識轉(zhuǎn)移的決策方案。文末實證分析驗證了與基于二支決策的知識轉(zhuǎn)移相比，本文提出的知識轉(zhuǎn)移模型降低了轉(zhuǎn)移成本，提高了用戶滿意度，使知識轉(zhuǎn)移過程更加合理有效。本文探討的是靜態(tài)知識系統(tǒng)中基于三支決策模型的隱性知識轉(zhuǎn)移過程，未考慮動態(tài)知識及知識冗余對隱性知識轉(zhuǎn)移過程的影響，這是接下來需要進一步研究的問題。