图1 知识多阶隐性特征
刘利军1,蒋祖华2,李心雨2
(1.陕西科技大学 机电工程学院，陕西 西安 710021；2.上海交通大学 机械与动力工程学院，上海 200240)
摘要：针对知识管理研究中存在的隐性判据单一问题，提出知识多阶隐性特征，从知识是否可见的单一判据逐阶扩展到结果、过程、情景等多个维度，对隐性知识进行更加明确清晰的界定和划分。然后，基于知识多阶隐性特征,从二维视角研究隐性知识从完全隐性到完全显性演变过程，提出经验类隐性知识演变二维体系模型，进而详细论述演变模型中隐性知识显性化过程的多阶内涵和特征。最后，通过企业实例验证模型的适用性和有效性，研究结论对于企业知识管理中的隐性知识表征、获取、共享等应用型研究具有重要意义。
关键词：隐性知识；经验；多阶隐性特征；演变模型
经验丰富的工程师及其经验是企业的重要财富。随着优秀工程师和专家的离职，工程师日积月累的大量经验类隐性知识被带离企业，企业将面临严重的知识资源损失[1-2]。因此，有效获取、留存优秀工程师和领域专家的经验类隐性知识成为企业一项非常重要与迫切的课题[3-4]。这些经验知识来源于个人或团队在解决实际问题过程中的记忆和直接感受，难以被编码或作为有形载体呈现。因此，研究在一段较长时间内的经验类隐性知识演化机制和演化动因，并设计合适的经验知识获取、传播及重用管理机制，对于促进企业提升工程经验知识管理水平，具有重要意义。
目前针对经验类隐性知识的研究存在两大障碍：①由于隐性知识描述性定义所形成的隐性悖论，导致隐性知识的深入研究陷入两难，难以突破。由于在隐性知识的经典定义中对隐性特征的界定停留在结果不可见的唯一判据上，导致隐性知识研究常常陷入困境。以往文献虽然对隐性知识的显性/隐性二分法及其缺陷有所涉及，但并未对此现象进行深入分析，也未提出针对性对策[5]；②对隐性知识形成和演变机制缺乏系统性分析，限制了针对隐性知识获取与重用的深入研究。
针对以上问题，本文提出知识多阶隐性特征，用以解决知识隐性悖论问题，进而基于多阶隐性特征提出经验类隐性知识演变二维体系模型，为隐性知识获取和共享提供理论基础。
隐性知识是指个性化的、难以文字化、公式化的知识[6]。根据日本著名学者Nonaka[7]的观点，隐性知识具有难以编码、难以规范化、高度情景化和个人化等特征，因而不易传递给他人。Chen[8]将经验类隐性知识定义为一种难以转化的、比显性知识缺乏流动性的知识，企业据此可以获得独特、难以复制、不易为外人察觉的能力。根据以上文献，对隐性的界定集中在难以表述、难以形式化、难以获取等结果不可见(不能形式化表述)的唯一判别特征上。以知识是否可见判定该知识属于哪种类型知识，就是知识显性/隐性二分法。
基于知识可见性的显性/隐性二分法不足之处在于：给隐性知识理论研究带来障碍，使隐性知识研究常常陷入两难境地——研究已经表述出来的隐性知识(可见知识)已经不属于隐性知识范畴，而对没有进行表述的隐性知识难以采用量化、科学的方法进行研究。基于以上原因，隐性知识研究难以取得突破性进展，甚至其科学性也受到质疑[9]。本文称这种现象为隐性悖论。
因此，隐性知识研究只有突破隐性悖论的束缚，才能在更广范围内进行深入探索。突破隐性悖论的核心在于对目前知识隐性特征判据(不可见性)的拓展，从结果不可见的单一评价维度，拓展到多阶评价标准，从而实现从隐性到显性的多阶隐性特征转变。
现有文献对隐性知识的分类多关注知识特征以及个体特征，但作为隐性知识拥有者的个体在知识演变和复用过程中通过与其他人交互完成大多数任务。因此，应在隐性知识划分和测量时对社交维度加以考虑。增加个体认知和社交维度的隐性知识划分更能体现出隐性知识在使用过程中的特征[10-12]。本文从隐性知识认知特征和社交(Social Network)维度对隐性知识进行分析，充分考虑隐性知识获取和应用情景(特别是企业应用)。P Blouw等[11]对社会因素划分方法有：①任务相关的社会交往，通常发生在企业小团体内；②通用社会交往，不是围绕特定任务展开的社会交往及其知识交流，即正常社会交往。在互联网社交平台高度发达的时代，这种形式得到了飞速发展。
基于隐性知识应用认知和社交特征，本文提出知识多阶隐性特征，如图1所示。
知识的“隐性”被分为嵌套结构的3级阶层，内层为结果不可见，这是隐性知识的经典含义和广泛采用的形式。中层过程不可见和外层情景不可见为本文提出的新概念，是对知识显性/隐性二分法的创新与拓展，详述如下：
(1)结果不可见性。与Polanyi和Nonaka对隐性知识的定义相吻合，结果不可见性是隐性知识的最初、最本质含义，是指存在于个体头脑中的知识，该层次隐性知识没有明确、可见的表述。这是学界一直公认的对于隐性知识的理解和认知。例如，在国内外著名学者的隐性知识定义中，普遍强调隐性知识个人的、不易用语言表达等特征[7,13-15]。
图1 知识多阶隐性特征
(2)过程不可见性。过程不可见是在结果不可见的基础上隐性知识显性化的一个阶段。从隐性知识认知特征看，结果可见被认为是知其然，过程可见则是知其所以然[16]。例如，罗仕鉴[17]将经验丰富的设计师在进行运动手机外形设计时的隐性知识定义为“将形象概念表达为抽象设计语言的能力”。但是，外界仍难以知晓其设计过程中如何将形象概念表达为抽象设计语言。即经验丰富的设计师在设计过程中的隐性知识对于其他个体仍是未知的，具有过程不可见性。
在隐性知识从结果不可见扩展到过程不可见的过程中，其内容和形式都将发生变化，从特定知识点或案例变为知识关联或知识逻辑性。此外，随着知识可见性变化，隐性知识获取的研究重心将发生变化，研究重点在于挖掘其过程中的关键点，即特征关联[3]。
(3)情景不可见性。基于隐性知识应用认知与社交特征，本文定义情景不可见性是指拥有和应用隐性知识的团队成员之间的共享情景对于团队之外个体具有的不可见及不可得特征。在团队协作解决问题过程中，团队成员在交互过程中共享知识及其相关情景，而这些共享情景具有团队社交特征，难以为团队之外的个体认知。例如：同一个研发团队使用的研发流程、术语、数据、实验条件，以及团队成员共同阅历等构成团队成员共享情景，而团队之外的成员由于不具备团队成员共享情景(不熟悉研发流程、术语、数据、实验条件等，以及不具有团队成员之前的共同阅历)，导致这些知识难以被团队外部成员所理解、掌握及运用，或者说这些知识对于团队之外的个体和群体而言仍是“隐性”的。情景不可见类型的隐性知识是一种有效的团队知识保护形式。例如,华为公司认为，员工在虚拟社区的讨论本身就是一种知识，因为在问题讨论过程中蕴含着工程师解决问题的方法、技巧等基于问题情景的经验类隐性知识[18]。
通过式(1)所示的形式化表征对多阶隐性特征进行描述。
K=f(x1,x2,…,xn,a1,a2,…,am)
(1)
其中：K表示隐性知识，x1,x2,…,xn表示过程要素，a1,a2,…,am表示情景要素，f为从过程要素和情景要素到隐性知识的映射关系，知识多阶隐性特征可以描述如下：①当隐性知识结果不可见时，在式(1)中表现为：K未知；②当隐性知识结果可见但过程不可见时，在式(1)中表现为：K已获取，但K=f(x)的映射关系未知；③当隐性知识结果和过程均可见，但是情景不可见时，在式(1)中表现为：K和x已获取，并构建了K=f(x)的概率性映射关系(此时映射成立，但不完备，依据经验或一定概率成立)；④当隐性知识结果、过程和情景全部可见时，在式(1)中表现为：K，x和a已获取，并构建了K=f(x,a)的精确映射关系(此时映射精确成立、逻辑完备)。
知识多阶隐性特征划分的提出，充分考虑了知识拥有者、使用者认知和社交特征，对隐性知识理论和应用研究，特别是企业知识管理研究和应用有很大帮助。综上所述，隐性知识多阶显性化过程如图2所示，从结果层到过程层，再到情景层逐步推进，不断突破隐性知识不可见性，从而使隐性知识逐步显性化。相应地，针对知识的不同隐性特征，隐性知识获取过程应有所侧重，相应方法和步骤也有所不同。
图2 基于多阶隐性特征知识获取过程
综上可知，知识从完全隐性到完全显性需要跨越多个状态，并且伴随着知识载体、知识表征形式等多方面变化。传统隐性知识演变为显性知识的过程集中在知识自身变化的单一维度，没有考虑知识认知特征和知识拥有者社交特征等方面的变化，具有一定的局限性。因此，本文从多个维度对隐性知识演变过程进行描述，提出新的隐性知识演变体系模型。
在隐性知识演变研究中，Nonaka[19]提出的SECI(社会化(Socialization)、外在化(Externalization)、组合化(Combination)、内隐化(Internalization))模型是至今最具代表性的隐性知识演变模型。该模型将知识从隐性到显性再到隐性的演变过程分为4个阶段：社会化、外在化、组合化和内隐化，当4个阶段完成后，最初的隐性知识实现了从隐性到显性再到隐性的螺旋式上升，完成知识变迁和升华。SECI模型是迄今为止对隐性知识演变过程解释和说明最为详尽的模型，在学术界和企业界受到广泛的关注和应用。但是，从知识多阶隐性特征角度看，该模型的局限性如下：
(1)在SECI模型的知识转化过程中，仅对知识自身变化的单一维度进行讨论，模型没有特别关注知识承载对象的变化。在实际隐性知识演变过程中，知识承载对象也在发生变化，从隐性知识最初的拥有者(个体)，变为隐性知识显性化后的行业和社会。这是SECI模型忽视的一个重要维度。
(2)在SECI模型中，虽然对每个演变阶段的内容进行了阐述，但是并没有深入剖析每个阶段的演变过程和规律，即知识在该阶段如何演变。尤其是从隐性到显性这一关键阶段中，缺乏足够的深入研究，使得后续研究只能停留在知其然层面，难以知其所以然。
(3)在SECI模型中缺失重要的一环——隐性知识产生，即隐性知识从无到有的过程。在一个完整的知识演变过程中，隐性知识产生过程具有重要意义，应在模型中占有一席之地。
针对一维视角下知识演变模型的局限性，本文提出新的二维隐性知识演变体系模型，该模型涵盖经验类隐性知识从产生到成熟、扩散以及最终成为行业(或社会)通用显性知识这一完整过程。
2.2.1 知识演变中的新维度
本文提出的二维隐性知识演变体系模型，包含时间、空间两个维度，此处的时空概念是与知识演变有关的特定时间和空间概念，有别于传统时间和空间概念。经验类隐性知识产生和演变过程是跨组织、跨领域、跨学科的大规模、长周期知识活动。在时间维度上，经验知识演变表现为从单一问题到问题族再到问题域的不断迭代和变迁，体现了人们对问题解决和知识应用的认知过程。在空间维度上，经验知识演变表现为知识从个体到组织，进而到行业的传播与扩散，体现了知识使用者的社交范围和需求扩展。以下对经验知识演变过程中的空间和时间维度进行解释说明。
(1)空间维度界定。经验类隐性知识演变过程中的空间维度表现为知识传播和扩散中的承载空间(知识承载人际网络空间)，即知识承载对象规模与结构变化。隐性知识在人际网络空间演变过程中具有较为明显的边界性，本文通过定义两层边界对隐性知识演变进行划分。
个体-组织边界：个体是经验类隐性知识的起点，个体通过反复实践和思考完善自身知识体系，并将其应用于问题解决。当个体具有的经验类隐性知识逐渐成熟后，便突破个体边界进入组织进行共享和扩散，此时知识承载对象发生变迁。
组织-行业边界：当个体知识扩散到组织范围内时，便演变为组织知识体系，组织知识体系同样处于不断演变和发展中。由知识多阶隐性特征可知，由于缺乏共同情景共享，此时组织经验知识对于组织外部而言仍为隐性知识。只有当知识突破组织边界，扩散到行业并为全行业(或社会)共有时，经验类隐性知识才转化为行业(或社会)共享的显性知识。
(2)时间维度界定。本文的时间概念并非确定的时间段，而是从单一问题解决到问题族解决再到问题域解决过程中经验类隐性知识不断演变的时间进程及其划分。在完整的知识演变时间进程中，有两个边界划分(里程碑)对隐性知识的演变产生重要影响，分别是：从单个问题到问题族边界，以及从问题族到问题域边界，介绍如下：
问题-问题族边界：经验类隐性知识起源于新问题的提出和解决，通过解决新问题完善自身知识体系，从而完成隐性知识积累过程。因此，一个完整的问题解决过程是知识演变的初始阶段，当问题解决范围从单个问题进入由相似问题构成的问题族时，经验知识将随之迁移，其内容和形态发生变化。
问题族-问题域边界：问题域是具有相似或相近需求和功能的问题系统所覆盖的区域。针对问题域的知识体系具有一定的相似特性，该知识体系是相对内聚和稳定的。问题领域覆盖一定范围内的相似或相近问题族，相应的问题解决知识体系需要适应变化范围，从而导致问题解决范式变迁和升级。当解决对象从相似问题族变为某个问题领域时，跨越相似问题边界的知识形态将发生变化。
2.2.2 经验类隐性知识演变二维体系模型
根据隐性知识演变的时间边界和空间边界，本文提出经验类隐性知识演变二维体系模型，如图3所示。
图3 经验类隐性知识演变二维体系模型
在经验类隐性知识演变二维体系模型中，完整的隐性知识演变过程被分割为9个区间(区间Ⅰ-Ⅸ)，每个区间内的隐性知识演变现象及相邻区间之间的演变现象分别具有不同的内涵和特征。
本文将隐性知识演变分为两种类别：隐性知识自演变和跃迁演变。其中，隐性知识自演变是指隐性知识在不突破既定边界，发生在单个区间内的演变形态。例如：在问题解决过程中，个体隐性知识演变过程发生在区间Ⅰ内，没有突破区间边界，即个体工程师在反复的问题解决中构建和积累个体经验知识的过程。跃迁演变是指隐性知识演变内容和过程已经突破时间或空间边界，从一个区间进入另一个区间。例如：从个体隐性知识到组织隐性知识演变。从区间Ⅰ到区间Ⅱ的跃迁演变中，个体经验类隐性知识通过协同作业形式不断演变为群体或组织经验类隐性知识。
在知识演变体系模型的不同区间之间，知识承载对象、组织形式、表现形式及知识的媒介丰富性等关键特征均有所不同，如图4所示。
知识演变体系模型中每个区间的关键特征分析如下：
(1)区间Ⅰ。区间Ⅰ的内容为个体在解决单个问题时的知识演变和积累过程，这是个体获取经验的主要形式，是个体经验类隐性知识的主要来源。研究个体在解决单个问题时的知识演变过程旨在发现个体隐性知识形成和积累的过程与规律，以及其中的影响要素，改进个体问题解决过程和措施，从而更好地形成和积累经验类隐性知识。区间Ⅰ的研究内容与成果是知识演变总体架构中最基础的工作，对时间维度和空间维度的后续研究有借鉴价值[20-22]。
图4 知识演变体系模型关键特征变化
(2)区间Ⅱ。区间Ⅱ的内容为决策团体(正规组织)在解决问题时形成团队(组织)隐性知识的过程，是组织获得核心竞争力的重要途径。例如：企业或创新团体针对某个难题展开的攻关过程，并最终形成组织特有知识体系。在此领域最经典和最重要的贡献来自于日本学者Nonaka[23]，他基于对数家日本知名企业(CANON、 HONDA等)的研究，在1995年首先将隐性到显性知识演变过程描述为隐喻-类比-建模(Metaphor-Analogy-Model)过程。由于区间Ⅱ的研究工作直接来自企业并服务于企业知识积累和管理，因而具有良好的实用价值。
(3)区间Ⅲ。区间Ⅲ的内容是来自不同背景的组织和个体协同解决问题过程中的知识演变过程。例如：在公开社区(专业论坛、Wiki等)，不同背景的组织和个体协同工作所形成的问题解决过程。区间Ⅲ和区间Ⅱ虽然均属于协作问题解决过程，但是，二者存在以下不同之处：①人员构成不同，区间Ⅱ中的决策团队成员是彼此熟悉的小团体，具有共享问题解决情景，表现为问题背景认知统一、专业词汇理解统一、团队成员角色定位认知统一等，上述特征是区间Ⅲ所不具备的；②在实施层面，在区间Ⅱ中，由于共享情景存在以及企业知识产权保护，知识演变具有较为明显的隐性特征，后者在区间Ⅲ中则是完全开放的。
(4)区间Ⅳ。区间Ⅳ的内容为个体在同一技术条件与技术范式下，通过分析同一问题族的解决过程，研究在该过程中个体知识演变和积累的过程。该区间的研究更多地表现为个体在解决相似问题过程中的知识迁移及其特征和动因[24]。在相似情景下知识迁移在日常生活和工作中广泛存在。例如，汽车研发领域知识对于高铁研发领域有正向迁移作用，因为两者之间具有许多相似因素。反之，汽车领域知识与建筑领域知识之间几乎没有相同因素，很难迁移。
(5)区间Ⅴ。区间Ⅴ的内容为决策团队(或组织)在同一技术条件下对同一问题族的解决，并在该过程中其知识体系积累和演变的过程。例如：企业在攻克某一技术难题后，会衍生出一系列相关的新知识和发现等。这种知识演变是企业中具有关联或依赖关系的知识承载个体的有效集聚与整合，这种集聚与整合又反作用于知识个体行为过程。
(6)区间Ⅵ。区间Ⅵ的内容为超出企业范围的行业或社区力量在同一技术条件下解决同类或相似问题，并在该过程中的知识体系演变及知识积累过程。这是目前较为普遍的一种知识演变现象和知识积累形态。在跨组织或跨部门利用大规模协同平台合作完成创新性产品研发和决策辅助过程中，经验性隐性知识逐步产生、积累、成熟。这些经验知识及其发展演变过程能够指导企业作出恰当的决策，有助于问题得到快速、有效的解决。
(7)区间Ⅶ。区间Ⅶ的内容为个体基于自身实践经验、知识体系在跨越多个技术边界过程中的知识演变过程及其最终形态。该区间的知识演变现象既包括不变个体在一段较长时间内的知识演变，也包括可变个体(传承)之间的知识演变。例如：独门技艺或知识传承中的知识演变现象及其规律符合区间Ⅶ的特征。
(8)区间Ⅷ。区间Ⅷ的内容为决策团队(或组织)在跨越多个技术边界过程中的知识演变过程及其最终形态。该区间的研究主要针对历史悠久的大型企业基于数十年甚至上百年的知识演变和积累。例如：孔德成与侯光明[25]基于系统动力学，以重大工程参与者作为隐性知识传承载体，通过模型求解得出隐性知识传承效果表达式，并对隐性知识传承和演变效果曲线随时间推移的形态进行了定量研究。
(9)区间Ⅸ。区间Ⅸ的内容为社会力量在跨越多个技术边界过程中的知识演变过程及其最终形态。这类研究工作通常需要收集该领域在一段较长时间内(通常为几年至几十年)的知识并构建知识网络，然后利用复杂网络分析(Complex Networks Analysis, CNA) 对网络中关键节点和社团进行抽取，通过分析其行为和状态，定量表征知识演变。如Kim[26]利用文本挖掘方法对1989-2012年200万个科技新闻报道进行整理，并基于共现分析方法发现了美国工业技术知识发展模式和未来趋势。
区间Ⅰ针对的是个体在单一问题解决中的隐性知识积累和转移，本文以技能操作中的隐性知识积累与获取为例进行分析。以某装备制造企业产品制造过程中的焊接工序为例，该大型产品内部结构非常复杂，焊接轨迹不规则，焊接过程非常繁琐，不能使用机器焊接方法，只能依靠工人手工焊接。通过观察发现，不同技能等级的员工焊接操作相差很大。在长期反复的实践操作和思考过程中，高技能工人积累了丰富的技能类隐性知识，焊接速度更快，焊接质量更好，焊接更省力。通过研究发现，整个焊接过程是一个复杂的动作序列，包含一系列动作和细小动素。在这些动作、动素组合和序列中蕴含着高技能工人的技能类隐性知识，这些独特的动作或动素组合与序列将对产品质量产生至关重要的影响。
笔者在之前研究中，基于复杂操作中的经验类隐性知识特性，充分融合工业工程分析方法以及数据挖掘方法，从而获取个体经验类隐性知识。针对操作技能类活动，通过视频分析与工业工程方法分析操作者的操作动作和动素，通过访谈分析获取操作者的动作意图，进而通过情境分析获取作业活动中的情境因素，并构造整合模型，然后通过粗糙集数据挖掘与后处理方法获取熟练操作者的经验知识。该知识显性化后为小团队或企业共享，成为团队(或企业)内行之有效的独有知识[27]。
随着该类知识进入知识演化模型中新的区间(由区间Ⅰ进入区间Ⅱ)，知识所有者、知识形态等随之变化，针对该类知识的研究方法也随之变化。
区间Ⅱ针对的是群体在单一问题解决中的隐性知识积累和转移，本文以决策问题中的隐性知识获取为例进行分析。实例的背景为，在工厂设施布置方法SLP(Systematic layout planning, 系统化布局方法)中，非物流关系分析为初学者较难掌握的决策点。进一步分析发现，在非物流关系分析中，难点在于如何确定各作业单位之间的非物流关系，以及如何进行评分。因此，本实例目的在于通过群体决策形式获得领域专家在非物流关系分析时的经验类隐性知识。
笔者在之前研究中，通过邀请10名工业工程师根据给定问题及情境信息进行决策，对非物流因素进行讨论，从而形成结论。然后通过两个阶段的获取方法获取群体决策中的隐性知识。第一阶段，基于特定决策问题，领域专家在知识工程师的配合下以最原始、直接的形式给出自己解决问题的经验及超越常规的知识，即完成隐性知识从无到有的过程；第二阶段，从初始状态隐性知识内容出发，通过具体分析和计算将其转化为可用于知识库存储与共享的形式，即从无序到有序的过程[28]。
以上实例完成了区间Ⅱ中的隐性知识获取过程，通过隐性知识获取过程，该类知识进入区间Ⅲ，知识承载对象、知识形态等相应发生变化。
一个或几个独特的核心要素在家族企业成功传承，因而使得家族企业经历数代后依然具有活力。隐性知识则是留存要素的核心组成部分，因为与非家族企业相比，家族企业的优势在于拥有由于家族参与而产生的一种被称为“家庭性”的资源。这些资源包括：家族内独特的公共网络资源、企业家精神、能力与视野、嵌入核心人物或团队的与管理技能及社会关系网络相关的隐性知识等。
研究结果表明，家族企业传承中的隐性知识主要有以下7类:①核心知识、技术诀窍和经验，这是家族企业最基本、最重要的传递要素；②管理技能和经验；③企业家视野与能力；④企业家精神；⑤关系网络；⑥经营理念；⑦价值观。这些是影响家族企业绩效的重要因素，是家族企业代际传承重点。上述在家族企业代际之间传承的知识，对于企业之外的成员而言往往具有情景不可见性[29]。例如，丰田生产方式的创始人大野耐一[30]在《丰田生产方式》中提到：“据我们了解，丰田生产方式被误解了，有的公司只采用对他们便利的部分，从而导致丰田生产方式被滥用了”。
同时，在隐性知识代际传承过程中，知识适用范围不断扩大，知识媒介丰富性不断降低，如上述实例中的丰田生产方式，在2001发布的《Toyota way》中被高度概括，同时适用范围扩大到生产领域外的诸多领域。
本研究的理论意义在于，构建的知识演化体系模型从知识本身与知识承载者两个维度对经验类隐性知识演变进行刻画。该模型是对以往隐性知识分类体系的概括、总结和创新。在充分考虑隐性知识分类方法的基础上，对知识承载者特征进行了补充，是对隐性知识分类的突破，并绘制了隐性知识从无到有演变研究的全景视图，更能反映工程经验类隐性知识从产生、成熟、扩散到普遍应用的本质特征，从而明确了知识演变与知识获取研究的关系。
在知识演变体系模型的不同区间，知识承载对象、组织形式、表现形式及知识媒介丰富性等关键特征均有所不同。因此，本文实践价值体现在：①在隐性知识获取研究和实践方面，可用于指导隐性知识获取过程中，随着知识承载对象变迁(从个体到小团队)该类知识组织形式、表现形式，尤其是知识媒介丰富性的变化(从高到低的变化。随着知识应用范围扩大和使用人群增加，知识承载媒介丰富性也必须降低，以适应知识应用群体的变迁)，从而使知识获取研究和实践工作有章可循；②在知识传承研究和实践方面，为不同区间之间的知识变迁(单一区间内的知识积淀)提供理论指导。例如：企业在知识传承中，需要注意知识组织形式、表现形式及知识媒介丰富性的变化，并主动适应这种变化。
本文提出的理论模型虽然可以涵盖目前关于隐性知识研究的主流形态，但是在实践中的指导意义与作用还有待进一步验证和完善，这也是未来研究应关注的重点。
参考文献:
[1] BREUKER J. A cognitive science perspective on knowledge acquisition[J]. International Journal of Human-Computer Studies, 2013, 71(2): 177-83.
[2] DO ROS RIO C R, KIPPER L M, FROZZA R, et al. Modeling of tacit knowledge in industry: simulations on the variables of industrial processes[J]. Expert Systems with Applications, 2015, 42(3): 1613-25.
[3] LIU L, JIANG Z, SONG B. A novel two-stage method for acquiring engineering-oriented empirical tacit knowledge[J]. International Journal of Production Research, 2014, 52(20): 5997-6018.
[4] JAFARI M, AKHAVAN P, AKHTARI M. Exploration of knowledge acquisition techniques in tunnel industry: the case study of iran tunnel association[J]. International Journal of Business and Management, 2011, 6(8): 245.
[5] 宋云龙. 隐性知识转移机理分 [J]. 现代情报, 2005, 25(10): 222-3.
[6] POLANYI M. The tacit dimension [M]. Chicago:University of Chicago Press, 1966.
[7] NONAKA I. A dynamic theory of organizational knowledge creation [J]. Organization Science, 1994, 5(1): 14-37.
[8] CHEN Y J. Ontology-based empirical knowledge verification for professional virtual community [J]. Behaviour & Information Technology, 2011, 30(5): 555-86.
[9] GOURLAY S. Conceptualizing knowledge creation: a critique of Nonaka's theory [J]. Journal of Management Studies, 2006, 43(7): 1415-36.
[10] LIETO A, LEBIERE C, OLTRAMARI A. The knowledge level in cognitive architectures: current limitations and possible developments[J]. Cognitive Systems Research, 2017.
[11] BLOUW P, SOLODKIN E, THAGARD P, et al. Concepts as semantic pointers: a framework and computational model[J]. Cognitive Science, 2015, 40(5): 1128.
[12] FRIEDMAN L H, BERNELL S L. The importance of team level tacit knowledge and related characteristics of high-performing health care teams[J]. Health Care Management Review, 2006, 31(3): 223-30.
[13] 王众托. 关于知识管理若干问题的探讨[J]. 管理学报, 2004(1):18-24.
[14] 钟义信. 知识论框架 通向信息-知识-智能统一的理论[J]. 中国工程科学, 2000(9): 50-64.
[15] 周宽久, 仇鹏, 王磊. 基于实践论的隐性知识获取模型研究[J]. 管理学报, 2009, 6(3): 309-14.
[16] 郝贵生. 论知识点的基本构成与对知识的理解[J]. 天津师范大学学报:社会科学版, 2000(3): 25-30.
[17] 罗仕鉴, 潘云鹤, 朱上上. 产品设计中基于图解思维的隐性知识表达 [J]. 机械工程学报, 2007(6): 93-8.
[18] 王培林. 对华为知识创新过程的理性分析[J]. 科技进步与对策, 2010(17): 120-3.
[19] NONAKA I, TOYAMA R, KONNO N.SECI, ba and leadership: a unified model of dynamic knowledge creation[J]. Long Range Planning, 2000, 33(1): 5-34.
[20] POPPER K R. Objective knowledge[M]. Oxford：Clarendon Press, 1972.
[21] MACH E, HIEBERT E N. Knowledge and error[M]. New York:Springer, 1976.
[22] IFENTHALER D. Bridging the gap between expert-novice differences: the model-based feedback approach[J]. Journal of Research on Technology in Education, 2011, 43(2): 103-17.
[23] NONAKA I, TAKEUCHI H. The knowledge-creating company: how Japanese companies create the dynamics of innovation[M]. Oxford：Oxford University Press, 1995.
[24] 张倩. 基于知识表达的迁移学习研究[D].徐州：中国矿业大学, 2013.
[25] 孔德成, 侯光明. 基于技术整合的复杂重大科技工程复合隐性知识集成模型研究[J]. 科学学与科学技术管理, 2012, 33(12): 5-11.
[26] KIM N, LEE H, KIM W, et al. Dynamic patterns of industry convergence: evidence from a large amount of unstructured data[J]. Research Policy, 2015.
[27] LIU L, JIANG Z, SONG B, et al. A novel method for acquiring engineering-oriented operational empirical knowledge[J]. Mathematical Problems in Engineering, 2016, 2016(2):1-19.
[28] 刘利军, 蒋祖华, 宋博. 一种经验型隐性知识表征及获取方法研究[J]. 管理学报, 2013, 10(8): 1194-200.
[29] 陈寒松. 基于知识观的家族企业代际传承研究[J]. 财贸研究, 2009, 20(4): 102-9.
[30] 大野耐一. 丰田生产方式[M].北京：北京出版社, 2014.
Liu Lijun1, Jiang Zuhua2, Li Xinyu2
(1.School of Mechanical Engineering, Shanxi University of Science and Technology, Xi′an 710021,China;2.School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240,China)
Abstract：Knowledge is divided into tacit knowledge and explicit knowledge, according to whether it can be accurately expressed. However, the research on the knowledge management is affected and puzzled, for only one criterion in judging the feature of knowledge. To deal with this problem, a novel concept of multi-level tacit features of knowledge is presented in our paper. The only one tacit feature is expanded to three features. Knowledge can be divided more specifically based on three features. And then the tacit knowledge evolution model of two dimensions is proposed. The multiple characteristics of the knowledge evolution process from tacit to explicit are discussed. Finally, we show several cases to validate the feasibility of the proposed models. Satisfactory results are reached for the study.
KeyWords:Tacit Knowledge; Experiment; Multi-level Tacit Features; Evolution Model
作者简介：刘利军(1978-)，男，河南新乡人，博士，陕西科技大学机电工程学院讲师，研究方向为知识管理、工业工程等；蒋祖华(1966-)，男，浙江温岭人，博士，上海交通大学机械与动力工程学院教授、博士生导师，研究方向为知识管理、人因工程等；李心雨(1991-)，男，湖北武汉人，上海交通大学机械与动力工程学院博士研究生，研究方向为知识管理。
基金项目：国家自然科学基金项目(71271133，71671113)
收稿日期：2017-12-01
文章编号：1001-7348(2018)14-0135-07
文献标识码：A
中图分类号：G302
DOI：10.6049/kjjbydc.2017090155
(责任编辑：张 悦)