高校科研团队内部网络结构与书目共享研究

基于团队内部网络结构对高校科研团队内的书目共享进行研究,运用社会网络分析的方法,将科研团队内正式网络与融合了非正式人际关系网络的复杂网络对书目共享的效果进行对比分析,发现复杂网络能最大限度地代表实际环境中团队内部网络结构;进而,通过组织内部网络结构对组织内成员之间的图书馆书目借阅记录网络进行分析,能够得到更准确的描述团队内书目流通的网络和有效促进高校科研团队内书目共享的途径。     

企业知识创新能力模型构建及其网络结构研究——知识流动视角

基于知识流动视角对SECI模型进行改进,构建企业知识创新能力模型,将知识获取能力、知识传导能力、知识吸收能力和知识应用能力整合在这一完整的知识流动过程中。以L企业为例,运用社会网络分析方法和UCINET软件进行可视化和定量化研究,对L企业知识创新能力4个维度的网络密度、中心度、凝聚子群进行分析,研究其知识创新能力网络建设状况。研究认为类似L公司的科技类企业要提升知识创新能力,应通过扩大外部联系规模、适当降低核心部门中心度、重视内部凝聚子群等方式整合企业内外各种知识资源。     

知识网络结构特征及其对知识流动的影响

综述了地理学中知识网络的研究进展,认为目前在知识网络的地理空间尺度、非地理距离的定量计算及知识网络的演化机制等方面的研究有待突破。以知识网络为研究视角,以南京为实证区域,以重庆维普期刊全文数据库中合作发表的化工领域论文统计数据为数据源,基于新经济社会学的社会网络分析等研究理论和方法,运用UCINET和TransCAD软件分析南京化工知识网络的结构,探讨知识网络的组织和空间结构及其对知识传播和交流的影响,发现地理距离对知识流动空间过程的影响仍然存在,社会距离的影响力也不容忽视。     

企业内部知识共享网络模型分析

企业内部知识共享是通过员工互动进行的,因此企业内部的社会网络特质直接影响了企业知识共享的效果.通过对企业内部社会网络镶嵌特点的分析,建立了企业内部知识共享网络模型,论述了知识特性、知识共享的阶段特性、共享主体之间的关系结构等因素对共享知识的质量和数量、共享知识的时效性以及和知识共享的范围等方面的影响.     

基于社会资本的非竞争性知识共享研究

将知识个体提供的共享知识分为竞争性知识和非竞争性知识,区分了知识共享的主客观障碍,认为知识个体的非竞争性知识共享主要矛盾是客观障碍.通过分析知识共享中的社会资本问题,从垂直的和水平的、牢固的和虚弱的纽带、桥接和绑定三个维度阐述了社会资本对非竞争性知识共享的作用,并提供了一种运用社会资本促进知识共享的网络分析方法.     

组织内部社会网络联系对知识共享影响的实证研究

为了检验本文提出的关于社会网络联系强度对知识共享影响的模型和相关假设,采用整体社会网络分析法(SNA)对北京某大型IT服务公司的研发部门进行了实证研究。通过运用社会网络分析软件UCINET6对数据进行分析发现,咨询联系的强度对知识共享具有重要的影响,即员工之间的咨询联系越强,他们进行知识共享的互动频率也越高。此外,友谊联系的强度对知识共享的影响不十分显著,除了友谊联系的频率对个人隐性知识具有预测作用之外,其强度对其它类型的知识共享均未发现有预测作用。     

基于SNA的OA软件企业知识共享网络模型研究

知识已是企业竞争过程中最重要的战略性资源和最具有价值的无形资产,也是企业获得竞争优势的关键来源。有效知识共享是使其发挥最大价值、企业获得内部创新型知识、增强核心竞争力的重要实现方法之一。本文通过构建协同管理(OA)软件企业知识共享网络概念模型,利用社会网络分析方法(SNA),以国内领先的OA软件企业FW为例,对企业内知识共享网络进行详尽分析,明确网络结构特征及知识共享主要问题,为OA软件企业提供有针对性的知识共享优化策略,促进企业内部高效知识共享。     

基于共享知识迁移学习的跨领域推荐研究

【目的/意义】基于迁移学习理论，提取多领域间共享知识模型，并进行有效的领域适应，提升目标领域推荐 性能。【方法/过程】充分利用领域中的用户-物品评分矩阵，分别对多领域用户和物品进行潜在特征提取，并将用 户-物品特征向量分别进行特征聚类；同时对多领域特征矩阵进行领域适应融合，得到共享知识模型；最后再运用 迁移学习理论与方法，将收敛的共享知识模型从源领域迁移至目标领域，提高目标领域推荐性能。【结果/结论】实 验结果表明，首先，多领域信息融合较于单领域推荐有着更好的推荐性能；其次，本文所提出的基于共享知识迁移 学习的跨领域推荐模型在推荐效果上要优于当前业界已有的其它跨领域推荐算法。     

基于社会资本理论的企业内部知识共享机制研究

在分析企业知识共享障碍与企业内部知识共享关系的基础上,对社会资本的3个维度进行剖析,探讨其对企业知识共享的作用,并提出共享对策。     

基于社会网络分析的产学研合作网络知识溢出效应研究

以2000—2013年广东省产学研合作专利申请数据为基础,利用社会网络分析方法呈现产学研合作网络动态变化情况,并构建知识溢出函数模型,分析产学研合作网络对知识溢出的影响机制。结果表明,产学研合作网络及其结构特征对知识溢出存在显著影响,其中网络规模、结点接近中心度、外源结点数的增加,能显著提高合作网络的知识溢出水平;网络密度的提高,则会降低合作网络的知识溢出水平。最后提出提升产学研合作网络知识溢出效应的政策建议。     

基于社会网络分析的组织非正式网络内隐性知识共享及其实证研究

文章介绍了广泛存在于各类组织内的非正式网络的相关概念,分析了正式网络与非正式网络之间的关系,并从网络密度和距离、中心性分析、凝聚子群分析和结构洞分析等几个角度探讨了组织非正式网络内隐性知识共享活动的影响因素。以一家高新技术企业研发部门内的非正式网络为例,利用社会网络分析方法对这一非正式网络内隐性知识交流与共享的情况进行了实证研究。     

基于社会网络的知识创新与共享模型构建与分析

借助社会网络分析方法,通过与知识管理活动尤其是知识共享的结合,构建了一个基于知识管理背景的知识创新与共享模型,探讨社会网络的联结特性和结构形态如何对知识创新与共享的实现过程产生促进作用,最后利用社会网络分析工具对知识管理虚拟社区中的知识共享行为进行了量化分析,从而找出人与人之间隐含的知识分布特点与共享规律,并对如何提高社区知识共享效率提出相应的策略,以促进网络结构的优化和虚拟社区的集体智慧发展。     

基于知识网络的科研人员知识结构可视化

为了提高科研人员知识表示的准确性和直观性,从知识网络的角度,对科研人员知识结构可视化进行了研究。从系统的角度,分析了科研人员知识结构的构成。利用知识网络模型,对科研人员知识进行网络建模,包括知识点建模及其关联关系建模。通过对知识网络的层次化处理,获得了科研人员知识领域与知识子领域。根据以上建模方法,开发了一个科研人员知识管理原型系统。该方法实现了科研人员知识结构可视化,具有直观、易操作和可定量化的特点,为科研人员知识的表示提供了支持。文章最后给出了一个验证实例。     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

社会化推荐在隐性知识交流中的应用研究

在企业、图书馆和学术机构中,隐性知识交流一直是一项重要的研究内容,但是目前的隐性知识交流中存在着一些障碍和不足。文章通过分析隐性知识交流的研究现状,指出这些障碍和不足,并提出社会化推荐服务能够有效促进组织和个人间的隐性知识交流,解决隐性知识交流中存在的问题。     

研究生学习团队知识共享网络研究及影响因素分析

以某学术科研团队为研究对象,通过问卷调查得出成员间的各种关系矩阵,利用社会网络分析软件分析其知识共享网络状况,发现团队中的核心人物、知识流动的畅通情况。同时对影响知识共享关系的关系网络进行假设,并使用分析软件对此进行验证。这些分析都将有助于发现团队中知识共享的问题与特点,可作为团队改善知识共享的客观依据。     

社会化标签系统中基于组合策略的个性化知识推荐研究

分析了基于社会化标签的个性化知识推荐研究的现状与不足,结合组合推荐中的变换策略和混合策略,建立了社会化标签系统中基于组合策略的个性化知识推荐系统架构,探讨了组合推荐所涉及的社会化标签—评价矩阵、社会化标签网络、知识互动型社会网络的相关问题。     

基于知识交流网络分析的虚拟团队知识共享治理研究

虚拟团队组织方式较为松散,团队内部知识共享面临着诸多问题。本文首先构建了虚拟团队的知识交流网络模型,在此基础上借助于社会网络的结构分析方法,形成虚拟团队知识共享治理框架,分别选取局部网络层次、整体网络层次的结构指标对虚拟团队知识共享进行分析,并针对性地提出知识共享治理策略。     

知识网络与创造力的国内外研究综述

有关知识网络与创造力的研究不断涌现,学者们对知识网络结构特征、关系特征、主体特征和创造力的关系开展了研究。目前,相关结论散落在各个领域不同层面的研究中,基于国内外相关实证研究的分析进行回顾总结,提出知识网络影响创造力的3条作用路径:知识获取、知识创造意愿、创造性认知倾向,并指出面临的挑战和后续研究的方向。