图1 产品创新模式发展和应用历程
张 硕1，李英姿2，张晓冬2
(1.华北电力大学 经济与管理学院，北京 102206；2.北京科技大学 东凌经济管理学院，北京 100083)
摘要：首先从众创设计任务特点、成员自主性、成员异质性和社区结构层次性等方面说明社区参与人员任务选择过程具备创新扩散特点；其次，利用多主体建模与仿真研究方法对社区成员任务选择过程进行模拟；最后，以OpenIdeo社区为例进行三组仿真实验。结果表明：基于创新扩散理论的众创设计社区成员选择行为模型有效，同时，核心成员、任务复杂度及社区推荐对社区成员选择行为具有不同程度影响，研究成果为探索众创设计模式运行机制奠定了基础。
关键词：众创设计；创新扩散；成员选择；多主体仿真
产品创新最早源于欧美国家的新产品管理，其发展历程如图1所示。我国学者从20世纪90年代开始研究协同创新、集群创新模式。随着互联网技术的高速发展， “大众生产”、“开源”等模式的应用也蓬勃发展。例如，2006年百度百科试运营，2008年正式上线；2008年开源中国上线。2014年，“大众创新、万众创业”首次被提出，2015年7月，国务院印发《关于积极推进“互联网+”行动的指导意见》，第一条就是“互联网+”创业创新；国家“十三五”规划以深入推进大众创业万众创新作为重要目标；在十九大报告中，习近平总书记又一次指出科技创新的重要性，提出“要着力以科技创新为核心，全方位推进产品创新、品牌创新、产业组织创新、商业模式创新，把创新驱动发展战略落实到现代化建设整个进程和各个方面”。因此，基于互联网的万众创新将成为重要的产品创新模式，其主要特点包括：人员具有高度自治性、组织呈现松散扁平式且无具体组织规则。在这样的环境下，大量具有多样化能力结构的志愿者主动共享产品创意、信息、技术和成果。该设计模式在产品创意转化、技术转化、市场导向、创新程度等方面具有显著的低成本和高客户满意度等优势，将深刻改变人们未来协作模式、交往模式，甚至生活方式。
根据创新活动主导者的不同，可以把众创分为两大类：企业主导式众创和大众主导式众创。企业主导式众创是指大众在企业创新需求的主导下识别机会并参与企业创新的过程。这种模式下，企业是创新的主导方和发起者，它在“团体智慧往往超越个体智慧”的逻辑引导下，通过互联网寻求大众参与创新。比较典型和成功的应用包括苹果APP Store、Lego Mind Storm等。而大众主导式众创是指在没有明确创新需求的情况下，大众主动获取创新机会，从而实施创新并将其商业化的过程[1-2]。学者们应用实证方法对众创模式特性进行了分析与总结，主要包括开源软件设计[3-4](Open source software, OSS)、大众生产(知识共享)[5]、知识协作[6-7](OpenIdeo)、开源产品设计等领域[8]。
图1 产品创新模式发展和应用历程
学者们对Apache Server、Linux、SourceForge等著名开源软件设计社区进行了大量研究，总结出OSS具有高人员参与度、低产品缺陷率及快速响应顾客问题的特点[3,9];基于维基百科和百度百科的案例分析展开对大众生产系统运行机理的探讨,如华南理工大学的杨建梅团队[10]结合大众生产虚拟社区的静态结构与动态演化机理，提出择优机制与间接推荐是大众生产虚拟社区的显著演化特征；开源产品设计研究通过对类似于OpenIdeo的社区进行调研,描述出社区结构演化规律以及产品进化规律[7]；Muller-Seitz G[11]研究发现，对于开源硬件来说(基于Oscar社区分析)，其在人员动机、产品模块化以及信息传递方面与开源软件一致。因此，以上领域虽有各自特点，但是运行机理基本一致：产品呈现典型的动态进化特征，社区内人员具有典型的自组织特征，整体组织松散扁平化。上述研究方法多为实证研究与调查研究，但众创过程具有典型的非线性、自组织特点，无法简单应用线性系统和混沌系统等相关理论描述，因此更适合采用系统建模和动态仿真研究方法。ABMS(Agent-based Modeling Simulation)是研究微观层次主体在信息不完备、有限理性、个体异质性社会网络中的各类行为，从而应对过程中开放性、动态性以及环境变量不断切换问题的有利工具[12]。值得借鉴的研究包括：姚灿中和杨建梅[15]在分析大众生产合作网络结构特征的基础上，构建了多智能体仿真平台，对大众生产合作者的群体选择进行了仿真分析；为了探究大规模协同产品开发运行机理，Panchal[13]提出了基于主体建模方法，建立了大规模协同产品开发社区中设计主体的效用及价值函数，从而描述主体的自治设计行为。目前，运用主体建模与仿真方法系统研究众创模式的文献较少，可以借鉴相关领域已有研究，如客户协同领域[14]、集群创新领域[15]以及协同产品开发领域[16]。基于上述研究成果，本文针对众创过程特点，运用创新扩散理论与多主体建模及仿真技术，描述众创设计过程中人员行为模式并建立社区成员选择行为模型。
创新扩散理论认为，创新是一种被个人或其它采用单位视为新颖的观念、实践或事物；创新扩散是指一种基本社会过程，在该过程中，主观感受到的关于某个新语音的信息被传播，通过社会构建过程，其创新意义逐渐显现[17]。参与人员在众创社区的选择行为可以视为创新扩散过程，具体原因如下：
(1)设计任务特点。产品模块化是众创项目极其重要的特点[18-19]，社区管理者在发布任务时基于功能和技术需求，将项目分解为若干任务模块。每个模块完成一个特定子功能，所有模块组装后成为一个整体，以实现整个产品功能。这些产品信息面向社区全体成员发布，供广大社区成员自主选择完成。因此，在众创设计社区中，任务具有开放性、模块化和多样性特点。与传统的协同产品开发项目不同，在众创设计社区中，每一个任务模块的选择时间都相对宽松，任务选择、执行时间不再有严格限制，甚至有的任务一直开放，可以持续改进。
(2)成员自主性。在众创设计过程中，人员具有高度自主性，体现在以下几个方面：①人员可以自主选择是否加入或退出社区；②由于在众创设计过程中，组织呈现松散扁平特点，所以人员在社区中仅受社区日常管理规则约束，不受严格的组织限制；③在开发和设计活动中，人员自由选择任务与模块，同时，可以在开发过程中自由加入和退出。与传统协同产品开发不同，设计任务不再由上级组织派发，而是自主选择。因此，对于任何角色的参与人员，他们选择任务的过程可以视为接受新事物的过程。
(3)成员异质性。在众创设计过程中，设计人员是由来自不同领域、不同专业、不同文化的各类人员组成的。根据社区发布的产品需求，设计人员在遵循社区规则的前提下，通过与其他人员、人员与社区之间不断的交互与适应，形成社会网络。在该网络中，成员异质性程度较高，导致信息交换程度较高，从而形成良好扩散条件。
(4)社区结构层次性。Crowston 等[20]提出开源社区是洋葱型结构，包括核心人员、外围人员等。Martínez-Torres[21]提出开源社区中不同人的行为模式。如核心成员负责引导和协调开源项目，他们参与项目时间较长，对项目选择意义重大；活跃的参与者对开源社区有着规律性选择，而次要参与者偶尔对开源社区有选择，甚至从来不选择 “搭便车”(free rider)。AlMarzouq等[22]认为核心人员的信息处理频率以及与他人的交互频率较高，对其它成员有着重要影响。
由上述分析可知，众创设计社区中参与人员的任务选择过程具备创新扩散的4个要素，如表1所示。
表1众创设计社区参与人员任务选择的创新扩散过程四要素
众创设计过程本质上是产品开发和创新过程，而产品开发是一个复杂系统，是由人、产品、设计资源(从实体的角度)/人的创造性、组织协同机制、产品信息、设计技术 (从软系统的角度)/信息流、知识流和价值流(从动力系统的角度)组成的典型复杂人机系统。其中，设计人员是产品开发活动主体，该过程体现了设计人员的认知行为和创造性活动。产品开发是个体或组织根据知识、经验和技能等脑力资源对事物进行加工或创造的脑力劳动过程，设计人员通过自己的创意、分析、判断、综合、设计给产品带来附加值。因此，个人是开发活动的核心要素。在众创设计过程中，社区成员是驱动演化过程的主要因素，与传统开发组织人员相比，社区参与人员拥有更高的主动性、自主性和协同性。本文利用智能主体描述社区参与人员，根据复杂适应系统理论，与主体相关的5个特点分别是聚集(aggregation)、非线性(non-linearity)、流(flows)、多样性(diversity)、标识(tag)。在众创设计过程中，这些特点分别体现在：①参与人员作为具有自主性的主体，可以通过协作，与其它主体建立聚集联系，共同参与产品设计；② 主体间的交互、主体与环境间的交互存在各种反馈作用(包括负反馈和正反馈)交互影响、互相缠绕的复杂关系，并非简单的线性关系；③主体之间、主体与环境之间的“流”为信息流，主要包括产品、任务模块的相关信息；④主体知识背景、技能水平差异巨大，参与众创设计的动机也各不相同，使得主体在参与过程中呈现不同特点；⑤产品模块信息作为开源设计中的主要信息，不同主体识别和处理信息的能力不同。
基于上述分析，本文采用多主体建模与仿真方法，从微观层次研究众创设计过程中参与人员的选择行为，原因如下：
(1)根据Ian P McCarthy等[23]的研究，新产品开发具有典型的非线性、自组织和创新特点，无法简单应用线性系统和混沌系统等相关理论描述这些特点。而CAS的出现正好解决了上述难题。基于多主体的建模与仿真可以应对系统中开放性、动态性以及环境变量不断切换的问题[24]。
(2)与传统协同设计相比，众创设计具有一个典型特点，即自下而上的自组织过程。在该过程中，社区参与者具有高度的自主性和主动性，他们的行为是推动创新演化的主要驱动力。因此，为了描述众创演化过程，将社区参与者视为主体，研究他们在信息不完备、有限理性、个体异质性的社会网络中的各类行为正是ABMS的优势。
因此，众创设计过程可以描述为：大量设计者(志愿者)自愿加入/退出开源社区，并根据自身知识/技能水平自愿选择任务，参与其开发过程，不断更新任务信息和状态，直到完成该任务。与此同时，他们与社区内其他设计者进行协作，共同完成任务。设计者在此过程中不断学习，充实知识、提高技能、积累经验，推动整个系统更为有效、动态地演化，从而完成产品开发过程。
本文基于创新扩散理论和多主体建模与仿真方法，探讨众创设计过程中参与人员的选择行为。结合文献[25]、[26]与上述分析，建立基于主体的行为模型，如图2所示。
由图2可知，在众创设计过程中，主体不断感知环境对象信息，主要包括：任务模块信息(开放时间、技能要求等)，结合自身知识库并通过自身推理机制输出适当行为，从而通过行为影响环境对象状态，推进众创过程不断演化。主体行为可以分为3个层次：应激行为层的反应行为、本地规划层的决策行为以及协作规划层的交互行为。本文重点讨论的选择行为处于第二层次——决策行为。在该层次，众创社区成员的任务模块依赖效用函数进行决策，即：对参与者i而言，当其在t时刻的效用值Ui,j(t)大于临界值Ui,j,min时，会选择该任务执行：
Ui,j(t)≥Ui,j,min
(1)
Ui,j(t)=α·xi,j+(1-α)·yi(t)
(2)
xi,j=λ·prei,j+(1-λ)·matchi,j
(3)
(4)
(5)
具体说明如下：该效用函数包含两大部分，个体效用xi,j和社区影响yi(t)。其中，xi,j为参与者i在t时刻选择任务j时的个体效用，包括3个方面：①参与者i对任务j的主观偏好prei,j;②参与者i与任务j的匹配程度matchi,j，由参与者i的技能水平和si任务所需技能决定，rj值为0和1；③λ为个体效用权重，取值为[0,1]。yi(t)为社区中其它参与者对参与者i的影响，即在当前参与者所处协作网络中，与之相邻的参与者选择执行任务j时对其的影响。neighbor_selectedi(t)为t时刻参与者i相邻者选择任务j的人数，neighbor_totali(t)为t时刻参与者i相邻者的总数。另外，α为效用权重，取值范围[0,1]；本文设定临界值Ui,j,min为参与者对任务的认知。相对而言，核心参与者拥有丰富经验和较高技能水平，承担的任务比普通参与者重。因此，设定核心参与者的临界值小于普通参与者，分别为[0,0.8]和[0,1]。
图2 基于主体的众创社区成员行为模型
基于主体行为模型，利用Netlogo对进行仿真，模拟参与者选择行为，提出包含推荐阶段、扩散阶段以及选择阶段的仿真流程。其中，上述效用函数分别对应扩散阶段和选择阶段。仿真的输入、输出分别为：①输入，即参与者、任务和社区的相关信息。其中，参与者信息包括状态和属性两个方面；任务信息主要是指任务所需技能水平；社区信息包括基本的社区网络类型、社区规模以及社区推荐设置。②输出。由上述分析可知，众创社区成员在社区中的任务模块选择行为可以被视为一个创新扩散过程。本文采用任务选择率selection-percentage表示创新扩散中的采用率，同时，设定认识概率awareness-percentage作为辅助指标。具体仿真参数设计和说明如表2所示。
表2仿真模型基本参数
仿真阶段具体可描述为：
(1)推荐阶段。由于开源设计社区内项目和任务庞杂，参与者无法一一筛选，所以设置社区推荐步骤，这与实际开源社区的情形一致。社区推荐有利于创新扩散，让社区中更多的人知道某任务模块。在本文中，定义扩散概率为recommendation-ratio，取值范围为[0,1]。如当设置社区推荐概率recommendation-ratio=0.1时，若此时社区规模network=500，那么每次仿真时，社区会将任务随机推荐给50个参与者。
(2)扩散阶段。根据文献[21],社会影响通常可以分为3个层次：①微观层次(micro-level)；②中观层次(meso-level)；③宏观层次(macro-level)。但在大多数研究中，社会影响通常是指中观层次影响，即社区其它成员。本文设定社区影响主要来自核心成员和邻居。其中，核心成员的影响为：当参与成员的邻居中有核心成员时，那么awareness的值为True。邻居对参与成员的影响在仿真中分为两个方面：①当邻居的“selected=true”，那么参与者的“awareness=true”；②参与成员的邻居选择任务的比例。反映在效应函数式(6)中，即邻居选择任务的比例越高，任务效用值越高。
(3)选择阶段。Rogers提出的采用率是指社会体系成员接受创新的相对速度，通常以某段时间内接受创新的总人数衡量，而创新的认知属性是创新采用率中很重要的解释数据之一。创新的认知属性包括：相对优势、兼容性、复杂性、可试验性以及可观察性。本文设定的效用函数着重考虑兼容性与复杂性。兼容性是指创新和目前的价值体系、过去的经验和潜在采用者需求的一致程度。本文中以参与成员的主观偏好prei,j表示；复杂性是指理解和使用某项创新的相对难度，以匹配度matchi,j表示。
OpenIdeo社区是一个开放式创新平台，在2010年7月推出，旨在让设计师和其他创意思考者更好地进行合作式开发。OpenIdeo社区作为典型的众创设计社区，具有规模大、参与人员多、自组织、低成本、高效率、研发过程中产品质量不受控等特征。其低成本、高效率的优势使得项目设计发展稳定，同时具有很强代表性。本文抓取该网站源数据进行社区规模测算与成员聚类分析。
(1)社区规模。社区规模为社区参与者人口数量。在众创社区中，人员自由加入和退出，参与者数量一直动态变化。据统计，社区中共存在2 556个注册用户，源数据中详细记录了他们的加入时间、每次活动时间(提出概念、给出评论或回复评论)以及退出时间(最后一次提交概念或评论)。社区中2 556个用户共参与10个项目，本文仅选取其中一个项目进行分析，即假设该开源社区为单项目社区。本文将人员在社区中的状态定义为“活跃”、“加入”和“退出”，选取了该社区某项目2010年6月14日至2013年6月14日的相关数据，如图2所示,计算出社区在线人员平均值为173(未参与设计的人员也包含其中，但图3未显示)。
图3 OpenIdeo社区成员活跃、进入、退出情况
(2)参与者聚类分析。在OpenIdeo社区中，成员行为可以分为：①生产行为；②评论行为；③回复评论；④传递信息。生产行为是指成员在项目发布后，根据项目要求提供设计思路和方案；评论行为是在已有方案基础上发表意见。本文以K-means聚类方法，利用生产次数(提出创意方案的次数)、评论次数(包括评论及回复评论)、中间中心度(社区用户在社区传递消息、充当桥梁作用的程度)3个指标进行聚类，结果如表3所示。
由表3可知，该社区用户分类与文献[11]中提出的三类行为模式对应，其中，创新领导者为第一类(3)，核心成员为第二类(12),活跃成员为第三类(104)，搭便车成员为54人(既不生产也不评论)，本文不考虑搭便车行为。因此，在社会网络中，社区规模为119，核心成员为15(领导者与核心成员之和)。根据文献[27]，本文在仿真中采用无标度社会网络结构，并依据核心人员比例和网络结构，设置links-to-be-CO=3。
3.2.1 参数设置
本文设计了3组仿真实验，以说明不同因素对主体选择行为的影响，即核心人员实验、任务复杂度实验以及社区推荐实验，具体参数设置如表4所示。
表3OpenIdeo社区成员聚类结果
表4仿真实验参数设置
3.2.2 仿真结果
(1)仿真模型验证。文献[21]总结了多主体建模与仿真在创新扩散中的重要作用——可以更好地描述成员行为。本文将仿真结果与经典BASS模型进行对比，以证明多主体建模与仿真模型的有效性。经典BASS模型如式(6)所示。
(6)
其中，累积采纳率曲线N(t)是一个典型的S形曲线。因此，采用Boltzmann函数对核心成员实验中a实验的选择率进行拟合，拟合函数如下：
(7)
拟合曲线为典型的S形曲线，与创新扩散的累积采纳曲线N(t)吻合(R2=0.999)。因此，利用多主体仿真对创新扩散过程进行描述是合理且有效的。图4展示了各实验选择比例曲线与认知比例曲线。
图4 任务选择比例与认知比例曲线 (从左至右分别为：核心成员实验、任务复杂度实验和社区推荐实验)
(2)核心成员实验。核心成员实验的仿真结果如表5所示，可知：在众创设计社区内，核心成员对任务选择及任务认知影响显著。主要原因如下：核心成员在社区内有助于创新扩散，这是因为他们具有较强影响力和信息传递能力。同时，与普通参与成员相比，核心人员拥有更高水平技能，更容易达到任务要求。
表5核心成员实验仿真结果统计分析
注：*p<0.05；CO_(a)_S：CO_(a)实验中的任务选择比例；CO_(a)_A：CO_(a)实验中的任务认知比例(其它类推)
(3)任务复杂度实验。任务复杂度实验的仿真结果如表6所示，可知：在任务复杂度变大后，任务选择概率显著下降，但是认知概率并没有显著改变。换言之，当任务更复杂时，许多普通成员的技能水平无法满足，因此任务不能选择。
(4)社区推荐实验。社区推荐实验的仿真结果如表7所示，可知：社区推荐对认知概率有着显著影响，对选择概率没有影响。当社区推荐概率提高时，接受任务信息的参与成员会随之增加。
表6任务复杂度实验仿真结果统计分析
注：*p<0.05；TA_(a)_S：TA_(a)实验中的任务选择比例；TA_(a)_A：TA_(a)实验中的任务认知比例(其它类推)，下同
表7社区推荐实验仿真结果统计分析
3.2.3 管理建议
目前，众创社区作为企业获得新鲜创新资源的重要阵地，越来越多的企业开始重视该创新模式。然而，我国对该模式的应用还处在初步探索阶段。综合以上分析，提出以下管理建议：
(1)核心成员激励设置。由仿真结果可以发现，核心人员对其它人员的选择行为有重要影响。即是说，核心人员具有很强的号召力，他们不仅是社区创新主力，而且是引导、吸引参与成员的重要元素。因此，在众创社区中，企业要重视核心人员的作用。结合众创社区参与人员动机研究结果[9], 企业可为核心人员设计适当的激励策略，包括提高声誉、提供奖金激励等，从而保证他们在社区内的持续创新，发挥他们的吸引力。
(2)任务难度设置。在众创社区中，任务模块化是其重要特点[19]。因此，任务模块的属性设定将大大影响人员参与性。当任务模块难度过高时，信息处理时间更长，需要更高的知识技能水平，这会让很多参与人员无法选择。因此，企业需要对任务难度进行合理设计，例如需求知识与技能单一化、任务模块与模块关系单一化等。以手机为例，可以划分为外形设计模块、听筒模块、主板功能模块、屏幕模块等，从而有助于让更多的人参与设计与创新，为企业提供更多创新资源。
(3)社区推荐设置。由仿真结果可以发现，社区推荐虽然对选择比例没有显著影响，但对认知比例影响显著。因此，社区推荐是有效的扩散方式。设置合理的社区推荐算法、将任务模块更精准地推荐给相关参与人员，对提高众创模式应用成功率至关重要。这也是未来的重点研究方向之一。
与传统设计模式相比，众创模式在开发成本、市场响应速度以及高客户满意度等方面具有显著优势。本文基于创新扩散理论以及多主体建模与仿真，对众创设计过程中的人员选择行为进行研究。今后将继续关注众创社区OpenIdeo和其它典型众创社区，并结合观察数据和多主体仿真结果，进一步分析核心成员与其他成员的交互行为以及交互在提高设计效率方面的作用。同时，合理的任务难度和社区推荐比例也对任务选择有着积极作用。根据文献[28]可知，多主体仿真并不能精确得到各项输出，但是有助于理解不同环境中的主体行为过程。
参考文献:
[1] 刘志迎, 陈青祥, 徐毅. 众创的概念模型及其理论解析[J]. 科学学与科学技术管理, 2015(2):52-61.
[2] 赵坤, 郭东强. 众创式创新:源起、归因解析与认知性框架[J]. 科学学研究, 2016, 34(7):1086-1095.
[3] ROBERTS J A, HANN I H, SLAUGHTER S A. Understanding the motivations, participation, and performance of open source software developers:a longitudinal study of the apache projects [J]. Social Science Electronic Publishing, 2006, 52(7): 984-999.
[4] TORAL S L, MARTINEZ-TORRES M R, BARRERO F J. Virtual communities as a resource for the development of OSS projects: the case of Linux ports to embedded processors[J]. Behaviour & Information Technology, 2009, 28(5):405-419.
[5] 姚灿中, 杨建梅. 多Agent大众生产系统的群体行为选择分析[J]. 计算机工程与应用, 2011, 47(1):8-11
[6] 胡杨, 张晓冬, 王翠翠,等. 开源设计社区中成员结构对知识协作网络进化的影响[J]. 计算机集成制造系统, 2015, 21(4):1150-1156.
[7] FUGE M, AGOGINO A. How online design communities evolve over time:the birth and growth of open IDEO[A]. ASME 2014 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference[C]. 2014.
[8] HIENERTH C, LETTL C, KEINZ P. Synergies among producer firms, lead users, and user communities:the case of the LEGO producer-user ecosystem[J].Journal of Product Innovation Management,2014, 31(4), 848-866.
[9] VON KROGH G, HAEFLIGER S, SPAETH S, et al. Carrots and rainbows: motivation and social practice in open source software development [J]. MIS Quarterly, 2012, 36(2): 649-676.
[10] 姚灿中, 杨建梅. 基于相似性链路预测的大众生产演化特征[J]. 计算机工程, 2012, 38(16):263-266.
[11] MULLER-SEITZ G, REGER G. Networking beyond the software code? an explorative examination of the development of an open source car project [J]. Technovation, 2010, 30(11-12): 627-634.
[12] ELMAR KIESLING, MARKUS GUNTHER, CHRISTIAN STUMMER， et al. Agent-based simulation of innovation diffusion: a review [J]. Central European Journal of Operations Research, 2012, 20(2):183-230.
[13] PANCHAL J H. Agent-based modeling of mass-collaborative product development processes[J].Journal of Computing & Information Science in Engineering, 2009, 9(3): 296-297.
[14] TERWIESCH C, XU Y. Innovation contests, open innovation, and multiagent problem solving[J]. Management Science, 2008, 54(9): 1529-1543.
[15] 陈伟, 周文, 郎益夫. 基于集群创新合作网络的知识创新与扩散过程建模及仿真研究[J]. 运筹与管理, 2014(6):257-265.
[16] XIAODONG ZHANG, SHUO ZHANG, YINGZI LI, et al. Task scheduling behavior in agent-based product development process simulation[J]. International Journal of Computer Integrated Manufacturing, 2012, 25(10): 914-923.
[17] E M 罗杰斯.创新的扩散(第五版)[M].唐兴通,郑常青,张延臣，译.北京:电子工业出版社，2016.
[18] MIDHA V, PALVIA P. Factors affecting the success of open source software [J]. Journal of Systems and Software, 2012, 85(4): 895-905.
[19] STOL K J, FITZGERALD B. Inner source——adopting open source development practices in organizations: a tutorial[J]. IEEE Software, 2015, 32(4): 60-67.
[20] CROWSTON K, WEI K, LI Q, et al. Coordination of free/libre and open source software development [D].Syracuse University School of Information Studies，2005.
[21] M R MARTINEZ-TORRES. A genetic search of patterns of behavior in OSS communities [J]. Expert Systems with Applications, 2012, 39(18): 13182-13192.
[22] ALMARZOUQ M,GROVER V,THATCHER J B.Taxing the development structure of open source communities: an information processing view [J]. Decision Support Systems, 2015,80:27-41.
[23] MCCARTHY I P, TSINOPOULOS C, ALLEN P, et al.New product development as a complex adaptive system of decisions [J]. Journal of Product Innovation Management，2006，23(5)：437-456.
[24] NIAZI M A, HUSSAIN A. Agent-based computing from multi-agent systems to agent-based models: a visual survey [J]. Springer Scientometrics, 2011,89(2)：479-499.
[25] 约翰·H·霍兰. 隐秩序适应性造就复杂性[M].周晓牧, 韩晖，译.上海: 上海科技教育出版社, 2000.
[26] 史忠植. 智能主体及其应用[M]. 北京: 科学出版社, 2000.
[27] A L BARABASI. Scale-free networks: a decade and beyond[J]. Science, 2009, 325(59): 412.
[28] L ALESSANDRO, E R LARSEN. Dynamics of organizations:computational modeling and organization theories[M]. MIT Press, 2001.
Zhang Shuo1,Li Yingzi2,Zhang Xiaodong2
(1. School of Economics and Management, North China Electric Power University, Beijing 102206,China;2.Dongling School of Economics and Management, University of Science and Technology Beijing, Beijing 100083 ,China)
Abstract：Firstly, task selection process of members in crowd innovation community can be taken as innovation diffusion. The evidences can be found from four aspects: task features, members' autonomy and heterogeneity and community hierarchy in crowd innovation process; secondly, task selection process of members is simulated based on multi-agent modeling; lastly, three experiments are carried out in light with Open Ideo community, the results show that selection behavior model based on innovation diffusion is effective, and core members, task complexity and community recommendation impact on the selection behavior. It is the base to explore the running mechanism of this innovation mode.
KeyWords:Crowd Innovation; Innovation Diffusion; Member Selection; Multi-agent Simulation
作者简介：张硕(1985-)，男，河北保定人，博士，华北电力大学经济与管理学院讲师，研究方向为复杂适应系统建模及仿真；李英姿(1985-)，女，山东新泰人，博士，北京科技大学东凌经济管理学院副教授，研究方向为产品开发过程建模与仿真；张晓冬(1972-)，女，河北滦平人，博士，北京科技大学东凌经济管理学院教授、博士生导师，研究方向为生产管理、产品过程管理与系统仿真。本文通讯作者：李英姿。
基金项目：国家自然科学基金项目(71601078)；教育部人文社会科学基金项目(16YJC630060)；北京市社会科学基金项目(16GLC070、18GLC061)；中央高校基本科研业务费项目(FRF-BR-17-006A)
收稿日期：2018-07-09
文章编号：1001-7348(2018)21-0015-08
文献标识码：A
中图分类号：F273.1
DOI：10.6049/kjjbydc.2018040118
(责任编辑：胡俊健)