不同场景微信群的知识共享影响差异研究
——基于ERGMs模型
章 帆，任若楠
(北京工业大学经济与管理学院，北京 100124)
摘要： 以社会资本理论为基础，研究结构资本、关系资本、认知资本对工作、学习和生活微信群内部显性、隐性知识共享的影响差异，并借助指数随机图模型(ERGMs)对其进行实证研究。研究表明，工作场景下，影响隐性知识共享的关键因素是个体中心性、互动关系强度、认同、互惠和信任；影响显性知识共享的关键因素是个体中心性、认同、互惠、信任和共同语言。学习场景下，影响隐性知识共享的关键因素是个体中心性、认同、互惠和信任；影响显性知识共享的关键因素是个体中心性、互动关系强度、互惠、信任和共同语言。生活场景下，影响隐性知识共享的关键因素是互动关系强度、认同、信任和共同语言；影响显性知识共享的关键因素是信任和共同语言。
关键词： 社会资本；知识共享；微信群；ERGMs
在信息技术迅猛发展的今天，信息产品参与到人们生活、工作和学习的方方面面，社交网络平台的出现打破了人际关系交往物理空间的限制，有助于增进人与人之间的互动和交流，成为组织发展必要的利器[1]。在2018年11月14日腾讯公布的财报中表明，微信和We Chat的合并月活跃账户数达到10.58亿，比去年同期增长9.9%，截至2018年12月，微信朋友圈用户使用率为83.4%[2]。微信成为了当今最受欢迎的社交方式，微信群凭借其以社交关系链为核心、多对多即时交流、低成本且具有高度私密性被各种企业、科研机构和其他社会组织广泛使用。微信群用户之间通过不断的信息输入与输出，推动群内知识系统的形成与完善。目前，微信用户往往同时拥有众多微信群，但常常是几个核心人物在维持群体活跃度，微信群成员之间知识共享的积极性差，效果不显著，群成员知识贡献量失衡，存在“拿来主义”现象。究其原因，通常是因为不同场景下的隐性与显性知识共享影响因素存在差异。
知识经济时代的到来使得知识成为了创造社会价值最基本的要素，人们不断地探索、积累和挖掘知识，拥有知识便占据了资源优势。微信群通常是由于人们线下的联系而组成的虚拟社交网络，它独有的社交性与互动性导致微信群成员的知识共享行为会受到社会关系网络的影响，社会资本正是社交网络关系内涵的重要表现形式，因此，社会资本对微信群内部的知识共享具有重要的促进作用。不同的微信群映射出不同的社交圈，对应着多种类型的社会资本，从而获取异质性知识，善于通过不同的微信群获得知识的个人或组织将获得更大的创新能力和竞争力。Hutchings等[3]探讨了圈子成员关系与其知识共享行为之间的影响，Chow等[4]和Zhang等[5]的研究证实了圈子内部与圈子外部成员之间具有不同的知识共享行为。因此，社会资本对个体在不同微信群的隐性与显性知识共享的影响可能存在差异，研究影响用户在不同场景微信群共享隐性与显性知识的因素及差异，有助于针对性解决不同场景下微信群知识共享低效的问题，从而为组织制定多元化的知识治理方案提供参考。同时，本研究尝试采用指数随机图模型(Exponential Random Graph Models，ERGMs)的方法来解释不同场景下的微信群知识共享的影响因素问题，不仅能够研究外生属性对知识共享的影响，还考虑了内生结构对知识共享的影响，为后续研究提供参考和借鉴。
1研究设计
1.1 理论基础
1.1.1 微信群
多能因子是保持细胞多潜能性和自我更新的核心基因，具有抑制细胞分化的重要作用，参与调控胚胎干细胞自我更新和多能性维持。核蛋白oct4、nanog 和 sox2 是多能因子的 3 个主要成员[6]，近年研究发现，这 3 个多能因子在生殖细胞肿瘤和多种实体肿瘤中异常高表达，参与正常细胞恶性转化，调控肿瘤细胞的干性，促进其增殖、迁移和侵袭等[7-9]。它们的多重作用可能是推动肿瘤发展和转移的重要因素。本研究旨在寻找与多能因子相关的 lncRNA，探讨其在 HCC 发展和转移中的作用，为进一步探究 HCC 转移的机制提供新的思路。
赵大丽等[6]认为微信朋友圈是源于用户线下联系而构建的虚拟社交网络。张生太等[7]认为微信群是微信的核心功能之一，也是用户进行多对多即时交流的最主要虚拟互动社区。本研究认为微信群的本质是一种基于移动社交网络而产生的虚拟社区，它具有社交性、内容服务多样性、移动性、真实与虚拟关系交织性与开放性等特征。根据内容服务的不同，本研究将微信群根据场景不同划分为工作微信群、学习微信群、生活微信群。
1.1.2 知识共享
知识从创造到转移都始终离不开人，而人与人之间是否进行了知识共享是企业或组织成功与否的关键。Senge[8]认为只是从别人那里获得某些东西不能算是知识共享，这种行为只能叫做信息分享。Nonaka[9]认为知识是实践的结果，其价值可以通过信息、心得体会，抽象的概念等多种形式体现，在他和其他学者的研究中，把知识分为隐性知识和显性知识。知识能否确切地表达和方便地转移是显性知识和隐性知识的划分依据。我国学者通过实证研究发现自我价值感、自我效能、乐于助人、注重形象、互惠感[10]、感知知识权力丧失、领导支持[11]、知识的个人所有权等是影响显性与隐性知识共享意愿的因素[12]。徐芳等[13]认为隐性知识转移与共享过程主要通过社交网络来完成，该研究发现在某咨询公司中，员工与部门之间就是通过建立社交媒体群来实现隐性知识的转移与共享的。
1.1.3 社会资本
共同语言不单单指语言，还有术语、行话、缩略词以及字面意思以外的潜在表达的共同认识和理解，是形成合作双方共同目标的基础[9]。虚拟社区成员间具有共同语言，说明社区成员间具有相同的知识背景，有助于提高沟通效率，降低知识编译成本。当知识贡献者知道知识受益者的理解程度，相信受益者能够理解其所贡献的知识时，就会促使其进行知识共享。本研究中的共同语言是指微信群成员能共同理解的文字、术语、表达方式等。赵大丽等人[6]实证研究证明了共同语言对微信朋友圈用户知识共享态度具有正向影响。基于上述分析，本研究提出如下假设：
1.2 假设提出
1.2.1 结构资本与知识共享
结构资本是指网络关系是否存在以及网络关系的密度与强度，结构维度的测量指标通常由个体中心性、互动关系强度、网络密度等构成[17-18]。
目前，相关新技术和新项目已在医院日常医疗工作中得到全面应用，部分新技术更是在全国范围内广泛推广。例如，烧伤整形外科在全国范围内免费举办的《皮瓣外科基础与临床应用》培训班，来院学习人员涵盖全国19个省区市、63家医院（学校），获得了一致好评。
认同是指个体对自己所在的团体或组织产生的集体行动及结果的关注程度，认同可以由归属感和依附感来体现[22]。个体对群体认同感越强烈，越容易积极的融入该群体，更愿意支持组织活动，知识共享行为越容易发生。本研究中的认同是指微信群成员对微信群感受到的归属感。Hau等人[23]通过研究证明认同对隐性知识共享意愿的促进作用大于对显性知识共享意愿的促进作用。
微信用户的交往关系不仅来自线下社会关系的延伸，还有线上新关系的建立。微信群的移动性和实时实地性强化微信群中互动的操作性，再加上真实关系与虚拟关系交织性的特征，也改变了微信群中的人际关系。本研究中的互动关系强度是指微信群成员间的互动程度。有实证研究表明，企业虚拟社区成员之间的知识贡献行为与社区成员间的亲密程度和交流频度显著正相关[20]。高频率的沟通可以提升网络成员间的亲密性，从而为知识共享创造机会。张生太[7]证明了网络亲密性对微信群用户知识共享意愿的影响是正向且显著的。
基于上述分析，本研究提出如下假设：
H1:个体中心性对知识共享有促进作用，即个体中心性越高，越有可能发生知识共享行为。
H1a：个体中心性正向影响用户在微信群中的隐性知识共享行为；
H1b：个体中心性正向影响用户在微信群中的显性知识共享行为；
H2:互动关系强度对微信群成员进行知识共享行为有促进作用，即互动关系越强，越有可能发生知识共享行为。
H2a：互动关系强度正向影响用户在微信群中的隐性知识共享行为；
H2b：互动关系强度正向影响用户在微信群中的显性知识共享行为。
1.2.2 关系资本与知识共享
关系资本指人们通过长期的交往而建立起来的人际关系，关系维度的测量指标通常由信任、认同、互惠、承诺等构成[18，21]。
个体在关系网络中的地位或嵌入性网络资源流可以用中心性来表达[18]。Ahuja等[19]认为一个人在网络中的地位可以通过在该网络中与他人产生的社交关系的数量来进行测度，他们的研究证实，个体中心性对虚拟社区成员知识共享具有显著的促进作用。本研究中个体中心性是指个体在微信群中的地位。在内容服务多样的微信群中，个体地位不同，会导致参与知识共享行为的不同。
刘良灿等[24]认为组织隐性知识转移主体的总体存在着向互惠型知识转移主体演化的倾向，Nahapiet等[15]认为互惠是指只有建立在互相付出与获取的基础上，人们才可以通过某些行为而获益。互惠原理不仅是线下人际交往的基本模式之一，也同样存在于移动社交网络中。这意味着知识的贡献者在提供有价值的知识后，知识的获得者有义务向对方提供对等的知识，就像是等价交换。本研究中的互惠是指微信群成员能从其他成员获利的感知。孙道银等[25]的研究证明了乐于助人和互惠感与显性和隐性知识共享意愿显著正相关。
Abbott等[26]认为信任指的是他人进行分享行为时符合自己的预期，不会出现机会主义行为。只有社区成员间彼此信任，才有可能进行合作与知识共享。信任有助于创造和谐的社区环境，当成员间信任程度高时，知识共享行为越容易发生。本研究中的信任是指微信群成员对其他成员遵循社会的一系列规范和原则的程度。Mpinganjira等人[18]实证研究证明了在虚拟社区中，信任对个体进行知识共享具有积极作用。
基于上述分析，本研究提出如下假设：
H3:认同对微信群成员进行知识共享行为有促进作用，即认同程度越高，越有可能发生知识共享行为。
H3a：认同正向影响用户在微信群中的隐性知识共享行为；
为什么说辣椒是偷渡到中国的呢？已有研究表明：辣椒原产于墨西哥与哥伦比亚等地，也就是说，小辣椒从北美洲登船，偷偷躲在船舱里漂泊到亚欧大陆，但显然寒冷的欧洲天气并不是辣妹子最理想的安居地。直到明朝末年“辣妹子”才有机会遇到善良的“骆驼客”与“航海家”，经过“丝绸之路”远渡到中国。经过历史的变迁，辣椒原种已经繁衍出适应中国土地的千万子孙后代。
H3b：认同正向影响用户在微信群中的显性知识共享行为；
H4:互惠对微信群成员进行知识共享行为有促进作用，即互惠感越强，越有可能发生知识共享行为。
H4a：互惠正向影响用户在微信群中的隐性知识共享行为；
H4b：互惠正向影响用户在微信群中的显性知识共享行为；
H5:信任对微信群成员进行知识共享行为有促进作用，即信任程度越高，越有可能发生知识共享行为。
学界针对国外社会保障经验的研究也有很多，鲁泉指出德国的社会保障制度以社会公平作为其核心价值主张，揭示了社会保障对于维护德国社会公平的巨大作用,而维系两者关系的核心机制是协商公决的社会政策决策方式，明确政府责任是实现社会保障制度公平性的关键所在。[12]英国在1994—1995年原本19.8倍的初始收入差距经过税收以及社会保障等福利制度的调节后被缩小到3.7倍；而芬兰也使得原来的15倍的收入差距通过国家养老金、住房津贴等社会保障政策缩小为1.7倍。
相似性分为客体相似性和主体相似性，是影响人际吸引的因素之一。客体相似性是指民族、年龄、政治倾向性、教育水平等的相似，主体相似性是指对某件事或某个人的看法、感知过程的相似[35]。Pine等[36]认为主我分享是一个人因为与他人拥有部分相同的主观经验并产生共鸣的感知过程，通过实验证实了当我们面对陌生人的时候,无论我们和他们之间是否客观相似,只要其中有人与我们分享了主观经验, 我们都会更喜欢那个人。因此，本研究认为当被测者在回答调查问卷中的关于隐性知识共享和显性知识共享题目时，选择相同答案的主体间存在好友关系，即因存在知识共享相似性而产生的好友关系。以隐性知识共享网络构建为例，甲在回答TK1、TK2、TK3三个题目时的得分有000、001、010、011、111六种，对这六种情况进行遍历。假设甲的回答是001，乙的回答也是001，那么，本研究认为甲乙二人具有好友关系，其在矩阵中的值为1，否则为0。据此构建不同场景的隐性知识共享网络和显性知识共享网络。知识共享网络中的节点是微信群中的个体，知识共享网络的边是个体间存在的好友关系。工作场景下的隐性和知识共享网络均是一个104×104的矩阵，学习场景下的隐性与显性知识共享网络是一个30×30的矩阵，生活场景下的隐性与显性知识共享网络是一个55×55的矩阵，模型变量描述详见表5。
1.2.3 认知资本与知识共享
认知资本是指人们对观点或理解的相同程度，认知维度的测量指标通常由共同语言、共同愿景等构成[20，22]。
社会资本是与经济资本、文化资本并列的3大资本之一，法国社会学家Pierre Bourdieu[14]首先将社会资本引入了社会领域，他认为社会资本具有明显的网络属性。随后Nahapie等[15]将嵌入在个人或组织的社会网络中可获取的显性与隐性资源称之为社会资本，从结构、关系和认知三个方面去衡量社会资本。林南等[16]从社会学角度出发，以社会资源理论为基础提出了社会资本理论，他把社会资本看作是嵌入的结果，可以通过有目的的行动获得。互动性、互惠性和开放性等新兴因素是社交网络环境下区别于传统的社会资本所呈现出来的[17]，我们应当从社会网络视角重新衡量社会资本。关于社会资本维度的划分，本研究参考Nahapiet等[15]的研究，将社会资本划分为结构资本、关系资本和认知资本。
H5a：信任正向影响用户在微信群中的隐性知识共享行为；
ERGMs是一种依赖网络数据拟合真实网络结构的统计方法[27-29]，通过使用类似于逻辑回归的一般指数形式，综合考虑社会影响模型中的节点属性和社会选择模型中的网络拓扑结构，运用蒙特卡洛-马尔可夫最大似然估计(MCMC-MLE)方法估计变量参数，通过不断地迭代过程，构建基于节点属性与网络拓扑结构的随机图概率[30]。一般地，模型刻画了从随机网络集合Y中观察到一个实际网络y的概率，这个概率的大小依赖于各种所谓的网络构型(Configuration)，构型可以是网络中可能会出现的某种结构模式，如边、三角结构、星型结构。ERGMs模型是通过把统计量用参数加权求和对图指派的一个概率，其主要用来研究网络形成的来源与原因，一般形式为:
《共产党宣言》中全球空间思想内在地蕴涵着历史规律维度、现实批判维度和未来指向维度，即阐明了全球空间形成的历史必然性；批判了资本逻辑主导下全球空间的非正义性；指明了全球空间发展的未来方向。这些都对当前我国倡导的人类命运共同体的构建具有重要启示意义。
H6a：共同语言正向影响用户在微信群中的隐性知识共享行为；
H6b：共同语言正向影响用户在微信群中的显性知识共享行为。
通过建立蚂蚁模型及ATA交互学习思维习得仿生观察下的蚂蚁觅食行为，此触角及时迅速的信息传递方式表现了自然界中昆虫的信息反馈方式．鉴于此，与人类学习过程中反馈式学习进行比较并获得启发，根据若干反馈过程情况中所出现的意外情形中的应对和措施，利用信息熵评价方法完成对每一次学习过程的有效分析，以求为后续更多具有相似学习情境的人员完成对自身学习的评价和提升．
1.3 研究方法
由于传统推断性统计方法的局限，研究人员难以将回归分析方法和网络分析方法结合起来形成统一的统计推断结论。因此，本研究将知识共享影响因素问题转化为网络建模问题，选择ERGMs模型进行研究，能够避免独立性与分布假设约束，分析网络系统中的因果关系，满足网络影响因素定量化分析要求。
H6:共同语言对微信群成员进行知识共享行为有促进作用。
其中，Z A 是对应的结构A 的参数；g A (y )是对应结构A 的网络统计量；k 是标准化常数，它保证随机变量Y 的样本空间发生的概率总和为1。
他们连滚带爬地出现在后排。一切都恢复了人性的本源，一切都那么的顺其自然，一切都开始了，没有回头的路径了。往前，唯有秉持着向前的动力，冲破内心的桎梏，去寻找去探寻甚至去醉卧在销魂蚀骨的风水宝地中。
1.4 研究数据
在正式调研之前邀请了30位微信群用户进行了预测试和一对一访谈，修改过于学术化的语句，而后确定正式问卷。社会资本三个维度量表的测量指标参考了Chao Min Chiu等[31]、Mpinganjir等[18]学者开发的量表，并结合中国文化背景与微信群特征，开发了18个测量指标，采用Likert七级量表(“1”代表“完全不同意”，“7”代表“完全同意”)。隐性知识共享与显性知识共享量表参考了Bock等[32]的量表并结合相关文献与微信群特点进行了合理修正，这两个量表各包括三个测量指标，采用二分量表(“1”代表“是”，“0”代表“否”)。本研究的主要调查对象是微信群用户，因此利用问卷星设计制作网络问卷并通过滚雪球的数据收集方式，调查历时2个月，针对不同场景下的微信群用户分别进行数据收集。经调研共获得有效样本212份，其中，工作场景下的样本数量是104份，学习场景下的样本数量是44份，生活场景下的样本数量是64份。
2实证分析
2.1 数据可靠性检验
2.1.1 信度检验
坝址位于檀山沟村上游约1.4 km处，该处河流流向为N72°E，河床地面相对高程为3.0～8.5 m，河道宽约 260 m。河谷呈“V”字型，左岸坡坡度 30°～35°，右岸坡坡度50°～55°。两岸坡大多基岩裸露，局部被松散层覆盖，松散层厚度小于5 m。
本文通过克隆巴赫系数(Cronbach’s Alpha, CA)和组合信度(Composite Reliability，CR)对工作群、学习群和生活群进行内部一致性检验，结果如表1、表2、表3所示。Cronbach’s Alpha系数和CR的值分别在0.7和0.8以上，可以说明，本文的测量量表信度良好[33]。
2.1.2 效度检验
鲁枢元认为人不仅是一种生物性的存在，一种社会性的存在、还是一种精神性的存在。“自然生态体现为人与物的关系、人与自然的关系；社会生态体现为人与社会即与他人的关系；精神生态则体现为人与他自己的关系。”[2]148下面从自然生态失衡、社会生态失衡与精神生态失衡三个方面阐述文本所体现的人类精神生态危机问题。
效度一般分为内容效度(Content Validity)和建构效度(Construct Validity)，其中，建构效度又包括聚合效度和区别效度。在研究中，由于测量变量来自于已有的文献并均经过多次实证检验，故认为内容效度符合要求。聚合效度采用因子载荷和平均方差提取值(Average Variance Extracted，AVE)进行考察，当因子载荷大于0.55，AVE大于0.5时，则认为模型具有较好的收敛度[34]，表1、表2、表3分别列出了工作场景、学习场景和生活场景三个子研究中的相关指标。各变量的因子载荷与 AVE 的值分别超过了0.6和0.5，因此量表的聚合效度较好。当所有测度因子的AVE平方根都大于与其他测度因子之间的相关系数时则认为模型具有较好的区别效度。表4列出了三个微信群潜变量之间的相关系数矩阵，各个AVE的平方根均大于各个因子的相关系数，因此可以认为本研究中各个变量具有较好的区别效度[34]。
综上可知，本研究所用的量表信度与效度良好，适合进行进一步的建模分析。
表 1因子载荷、 CA、 CR及 AVE(工作场景)
表1(续)
表 2因子载荷、 CA、 CR及 AVE(学习场景)
表2(续)
表 3因子载荷、 CA、 CR及 AVE(生活场景)
表 4潜变量间的相关系数矩阵
表4(续)
注：对角线上的数值为AVE平方根，其他数值为相关系数
2.2 知识共享网络构建
H5b：信任正向影响用户在微信群中的显性知识共享行为。
表 5 ERGMs变量描述
2.3 构建ERGMs
ERGMs构建的目的在于通过模型仿真方法，反映依据假设阶段提出的解释变量与真实网络数据结构特征之间的匹配程度，如果模型最终的估计值能够与真实网络的观测值有较好的一致性，就认为该模型拟合了真实网络，也意味着假设阶段提出的解释变量能够较好的反映真实网络中的客观规律。否则，就不能接受该模型，需要对模型重新设置变量，这一过程称为拟合优度( goodness of fit)[37]。
本研究构建了一个包含知识共享主体属性特征的模型，该模型以社会资本理论为基础，考察知识共享网络形成的概率受到个体中心性(IC)、互动关系强度(IS)、认同(ID)、互惠(RP)、信任(TR)、共同语言(CL)等属性因素影响的情况。其对应的ERGMs公式可以表述为：
为保证概率总和为1，设定1/k为模型标准化常量。表6列出了模型中用到的有关变量，包括结构示意、统计项计算公式与对应假设等。
表 6 ERGMs变量表
2.4 结果分析
本研究选用R语言的statnet套件对表6中的各项统计项进行参数估计，估计方法采用马尔可夫链蒙特卡罗极大似然估计法( MCMC MLE) ，模型参数估计结果如表7所示。通过赤池信息量(AIC)和贝叶斯信息量(BIC)指标可以判断模型拟合程度，数值越小说明模型越佳[37]，工作场景和学习场景中的隐性知识共享网络比显性知识共享网络模型拟合好，生活场景中的显性知识共享网络比隐性知识共享网络模型拟合好。通过t统计量可以判断单个变量的显著性，Edges作用视为恒量，一般不作解释。
2）增加河道基流。保障河流自净水量，通过对干支流水库的合理调蓄和调度运用，保证河流基本生态流量，提高水体承纳污染物的能力，改善水体水质状况。
在工作场景下，个体中心性、认同、互惠和信任对隐性知识共享与显性知识共享具有显著的正向作用，假设H1、H3、H4、H5得到了验证。互动关系强度和共同语言只对隐性知识共享具有显著的正向作用，假设H2a、H6b得到了验证， H2b、H6a未得到验证，可能是因为互动关系强度主要影响的是群成员间的知识问答与经验讨论，群成员在发送相关资料时更多的是因为工作需要，不会考虑在群内的发言次数等因素。影响知识可转化性的一个重要因素就是其可编码性，只有当知识具有可编码性时，既涉及到显性知识的获取时，共同语言的存在才能提供规范的约束力，促进知识的有效传播，并在交流中节约成本。
在学习场景下，只有互动关系强度和共同语言对隐性知识共享没有显著的正向作用，假设H1a、H3a、H4a、H5a均得到了验证。只有认同对显性知识共享没有显著的正向作用，假设H1b、H2b、H4b、H5b、H6b均得到了验证，H2a、H3b、H6a未得到验证，可能是因为隐性知识有更高的价值，获取难度更大，而当互动频率增加时，往往会导致信息泛滥，知识质量的维系难度增大，因此对隐性知识共享的积极影响不明显。当个体对社区具有强烈的认同感时，会增加其对社区的关注，但不会对显性知识共享具有明显的影响作用。
今天是八月十五中秋节，是亲人们团圆的日子。可是我的爸爸和爷爷因为工作原因不能和我们一起吃团圆饭，所以今年的中秋节跟往常一样，只有我和奶奶、妈妈一起吃晚餐。
在生活场景下，个体中心性、互动关系强度、认同和共同语言对隐性知识共享具有显著的正向作用，假设H2a、H3a、H6a得到了验证。信任和共同语言对显性知识共享具有显著的正向作用，假设H5b、H6b得到了验证，H1、H2b、H3b、H4、H5a未得到验证，可能是因为生活场景下人们的知识共享更倾向于情感交流，目的性不强，并不是为了获得知识才去进行知识共享，不存在强烈的互惠心理。互动关系强度与认同主要会影响群成员的关注程度与发言次数等，对社区越认同、发言次数越多越容易进行经验交流，从而发生隐性知识共享行为。
表 7 ERGMs参数估计结果
表7(续)
注：(1)+P<0.1，*P <0.05，** P <0.01，***P <0.001；(2)表格中的格式：参数估计值(标准差)
3结论与启示
3.1 研究结论
本研究尝试使用了一种新的统计推断方法，通过问卷调查数据，我们论证指数随机图模型方法能够较好的应用到分析知识共享影响因素的过程中来。研究发现，不同场景下的隐性与显性知识共享影响因素不同，具体研究结论如下：
(1)在工作场景中，影响隐性知识共享的关键因素是个体中心性、互动关系强度、认同、互惠和信任；影响显性知识共享的关键因素是个体中心性、认同、互惠、信任和共同语言。通常，在工作场景中，群成员之间的熟悉程度要比学习场景与生活场景高，且群成员之间的工作地位与工作内容不同，这会导致隐性与显性知识共享影响因素不同。
(2)在学习场景中，影响隐性知识共享的关键因素是个体中心性、认同、互惠和信任；影响显性知识共享的关键因素是个体中心性、互动关系强度、互惠、信任和共同语言。学习场景中的群成员讨论的话题更多的关于学习的，经常参与经验交流的成员一般都是群内的意见领袖，其在群内共享的知识通常会引起其他成员的共鸣，且认为进行知识共享符合群内成员对意见领袖的期望，其他群成员为了提高获得帮助的可能性，更有可能怀着“我共享了我的知识，你也应该共享你的”的互惠互利心态在群内共享知识。
(3)在生活场景中，影响隐性知识共享的关键因素是互动关系强度、认同、信任和共同语言；影响显性知识共享的关键因素是信任和共同语言。生活场景下的群成员之间共享知识并非为了从其他成员处获利，更多的是为了一种情感的交流，可能存在比工作场景与学习场景更独特、小众的知识背景，故而共同语言对显性知识共享也具有显著的正向影响作用。
(4)信任是进行一切共享行为的基础，只有成员间彼此信任，才能够敞开心扉与他人分享知识，因此，信任无论是在哪种场景下都对知识共享具有显著的正向影响。
这下子，公司上下议论纷纷，大家都认为程晓是个骗子，开着凯迪拉克骗起了副总裁的女儿！领导找他谈话，叫他不要把他的凯迪拉克开到公司里来了，程晓自然不服。没几天，他的车身就被人划伤了，程晓心疼得大哭了一场，他知道不能在这家公司待下去了。
3.2 研究启示
本研究按照应用场景对微信群进行了分类，为微信及其他在线社交网络中的隐性与显性知识共享研究提供了新的视角。本研究有助于针对性解决微信群知识共享低效的问题，为企业和个人制定多元化的知识治理策略提供以下几点实践指导：
海南岛在近年主要发展方向是以旅游业为主要经济来源，旅游产业成为海南省发展的重中之重。因此，海南省需要在旅游业这一块领域不断对相关产业进行优化和创新，其中包括对农业产品的创新，创意农业模式就是一种旅游和农业结合的创新模式。
(1)从企业角度来讲，一方面，企业管理者可以通过建立统一的语言环境来促进微信群的知识共享。在各类微信群中，成员的交流是基于线上的，群内成员拥有相同的知识表达方式，可以减少语言带来的歧义和误会，提升沟通效率，降低沟通成本，会对成员参与线上讨论与经验交流形成潜在的激励效应。另一方面，微信群运营者应引导成员树立正确的知识共享观念。认识到不同的知识共享影响因素各有不同，不同场景下要想获得有效及异质性知识，需要“对症下药”才能激发知识创新，通过设计不同的激励模式引导群内成员共享知识，让创新绩效的提高成为可能。
(2)从个人角度来讲，一方面，在参与微信群的过程中应该尽可能地规范自己的行为，为他人提供和谐友好的氛围。另一方面，尽可能地制造一些共同感兴趣的话题，增加社区的认同感与归属感。如果用户对社区具有良好的认同感和归属感，就容易产生责任感，从而更愿意参与群内的知识问答与经验交流，激发群内成员知识共享的主动性从而推动知识创新。
本研究仍处在探索阶段，还有大量的可能影响知识共享的属性特征未纳入到本文的分析框架中，将在下一步研究中丰富模型框架，进一步改进参数估计结果和拟合优度测量。
参考文献：
[1]PANAHI S, WATSON J, PARTRIDGE H. Conceptualizing social media support for tacit knowledge sharing: physicians’ perspectives and experiences[J]. Journal of Knowledge Management, 2016, 20(2):344-363.
[2]腾讯科技.腾讯2018年上半年总收入1472亿元同比增长39% [EB/OL]. 腾讯网, (2018-08-15)[2018-12-03].http://tech.qq.com/a/20180815/054575.htm.
[3]HUTCHINGS K, MICHAILOVA S . Facilitating knowledge sharing in Russian and Chinese subsidiaries: the role of personal networks and group membership[J]. 2004,8(2):84-94.
[4]CHOW C W, DENG F J, HO J L. The openness of knowledge sharing within organizations: a comparative study of the United States and the People’s Republic of China[J]. Journal of Management Accounting Research, 2000, 12(1):65-95.
[5]ZHANG Q,CHINTAKOVID T,SUN X,et al. Saving face or sharing personal information? A cross-cultural study on knowledge sharing[J].Journal of Information &Knowledge Management,2006,5(1):73-79.
[6]赵大丽,孙道银,张铁山.社会资本对微信朋友圈用户知识共享意愿的影响研究[J].情报理论与实践,2016,39(3):102-107.
[7]张生太,刘露露.社会资本对微信群用户知识共享意愿的影响[J].科研管理,2018,39(10):108-119.
[8]SENGE P. Sharing knowledge[J].Executive Excellence, 1997,14(11):1-18.
[9]NONAKA I.A dynamic theory of organizational knowledge creation[J].Organization Science,1994,5(1):14-35.
[10]PANAHI S, WATSON J, PARTRIDGE H. Conceptualizing social media support for tacit knowledge sharing: physicians’ perspectives and experiences[J]. Journal of Knowledge Management, 2016, 20(2):344-363.
[11]孙道银,宋维翔.社会资本对知识共享意愿影响的实证研究[J].情报杂志,2012,31(6):125-128.
[12]张敏,吴郁松,霍朝光.科研团队显性知识和隐性知识共享意愿影响因素的对比分析[J].图书馆学研究, 2016(13):90-97.
[13]徐芳,瞿静.基于社交网络的隐性知识共享模式构建[J].情报理论与实践,2018,41(3):68-72，94.
[14]BOURDIE P. The forms of social capital handbook of theory and research for sociology of education[M]. Westport: CT Greenwood Press,1986.
[15]NAHAPIET J,GHOSHAL S. Social capital, intellectual capital, and the organizational advantage[J]. The Academy of Management Review, 1998,23(2):242-266.
[16]林南,俞弘强.社会网络与地位获得[J].马克思主义与现实，2003,21(2):46-59.
[17]NETTLETON D F, SALAS, JULIAN. A data driven anonymization system for information rich online social network graphs[J]. Expert Systems with Applications, 2016,55(8):87-105.
[18]MPINGANJIRA, MERCY. Precursors of trust in virtual health communities: a hierarchical investigation[J]. Information & Management, 2018,55(6):686-694.
[19]AHUJA M K, CARLEY G K M. Individual centrality and performance in virtual R&D groups: an empirical study[J]. Management Science, 2003,49(1):21-38.
[20]王芳,杨晶晶.社会资本对公务员知识共享影响的实证研究[J].情报学报,2013,32(7):742-751.
[21]TSENG F C, KUO F Y. A study of social participation and knowledge sharing in the teachers' online professional community of practice[J]. Computers & Education, 2014,72:37-47.
[22]LEFEBVRE V M, SORENSON D, HENCHION M, et al. Social capital and knowledge sharing performance of learning networks[J].International Journal of Information Management,2016, 36(4):570-579.
[23]HAU Y S, KIM B, LEE H, et al. The effects of individual motivations and social capital on employees’ tacit and explicit knowledge sharing intentions[J]. International Journal of Information Management, 2013,33(2):356-366.
[24]刘良灿,张同健.组织隐性知识转移的演化博弈:基于互惠性企业环境[J].技术经济与管理研究, 2011(2):38-41.
[25]AHUJA M K, CARLEY G K M .Individual centrality and performance in virtual R&D groups: an empirical study[J]. Management Science, 2003,49(1):21-38.
[26]ABBOTT S, FREETH D. Social capital and health: starting to make sense of the role of generalized trust and reciprocity[J]. Journal of Yangtze University, 2014,13(7):874-883.
[27]HOLLAND P, SAMUEILEINHARDT. An exponential family of probability distributions for directed graphs[J]. Publications of the American Statistical Association, 1981,76(373):18.
[28]PATTISON P,WASSERMAN S. Logit models and logistic regressions for social networks: II multivariate relations[J].Psychometrika, 2011,52(2):169-193.
[29]ROBINS G,PATTISON P ,KALISH Y , et al. An introduction to exponential random graph (p *) models for social networks[J]. Social Networks, 2007,29(2):173-191.
[30]HUNTER D R,HANDCOCK M S, BUTTS C T, et al. Ergm: a package to fit, simulate and diagnose exponential-family models for networks[J].Journal of Statistical Software,2008, 24(3):54-60.
[31]CHIU C M, WANG E T G, FU-JONG SHIH, et al. Understanding knowledge sharing in virtual communities[J]. Decision Support Systems, 2011,42(3):1872-1888.
[32]BOCK G W, ZMUD R W, KIM Y G, et al. Behavioral intention formation in knowledge Sharing: examining the roles of extrinsic motivators, social-psychological forces, and organizational climate[J]. Mis Quarterly, 2005,29(1):87-111.
[33]CHURCHILL G A,PETER J P. Research design effects of the reliability of rating scales: a meta-analysis[J]. Journal of Marketing Research, 1984,21:360-375.
[34]邱皓政.结构方程模型的原理与应用[M].北京：中国轻工业出版社, 2009.
[35]高倩,佐斌.主我分享:人际吸引研究的新发展[J].心理科学,2009,32(2):391-393.
[36]PINEL E C,LONG A E, LANDAU M J, et al. Seeing I to I: a pathway to interpersonal connectedness[J]. Journal of Personality and Social Psychology, 2006,90(2):243-257.
[37]SHUMATEM, PALAZZOLO E T. Exponential random graph (\r,p*\r,)models as a method for social network analysis in communication research[J]. Communication Methods and Measures, 2010, 4(4):341-371.
Research of Difference of Knowledge Sharing Effect on WeChat Group in Different Scenes ：Based on ERGMs
Zhang Fan, Ren Ruonan
(School of Economics and Management, Beijing University of Technology, Beijing 100124, China)
Abstract :This paper researched the effects of structural capital, relational capital and cognitive capital on the explicit and tacit knowledge sharing within the work, learning and living WeChat group based on the theory of social capital by random graph model(ERGMs).The results show that the key factors affecting tacit knowledge sharing in the work scene are individual centricity, interaction intensity, identity, reciprocity and trust. The key factors that affect explicit knowledge sharing in the work scene are individual centrality, identity, reciprocity, trust, and common language. The key factors affecting tacit knowledge sharing in learning scenes are individual centrality, identity, reciprocity and trust. The key factors that affect explicit knowledge sharing in learning scenarios are individual centrality, interaction intensity, reciprocity, trust and common language. The key factors that affect the sharing of tacit knowledge in life scenes are the intensity of interaction, identity, trust and common language. Trust and common language are the key factors that affect explicit knowledge sharing in life situations.
Key words :social capital; knowledge sharing; WeChat group; ERGMs
作者简介： 张爱国(1976—)，男，河北沧州人，硕士生导师，副教授，主要研究方向为创新管理；王亚红(1994—)，女，河北石家庄人，硕士研究生，主要研究方向为技术创新与产业集群；黄冉(1994—)，女,河南许昌人，硕士研究生，主要研究方向为技术创新与产业集群；阙莉莉(1992—)，女,河南周口人，硕士研究生，主要研究方向为创新管理；李宇飞(1978—)男，山西大同人，副研究员，主要研究方向为科技创新。
收稿日期： 2019-03-08，修回日期： 2019-04-25
基金项目： 国家社会科学基金重点项目“新兴科技环境下提升我国创新政策供给能力研究”(17AGL009)
doi： 10.3969/j.issn.1000-7695.2019.12.026
中图分类号： G311
文献标志码： A
文章编号： 1000-7695( 2019) 12-0181-09
标签：社会资本论文; 知识共享论文; 微信群论文; ERGMs论文; 北京工业大学经济与管理学院论文;