开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
协同创新项目是为实现创新目标而组建的多方协作平台，具有强烈的任务导向性。知识是组织中实现创新目标的关键资源，在协同创新项目中尤其重要[1]。项目知识是指在项目过程中产生和使用的各种知识的总和[2]，知识扩散过程作为知识资源整合的主要途径，是协同创新项目成功的先决条件[3]。
协同创新项目是各利益相关方为了实现一定的创新目标而组建的平台，具有一定的自组织性[4]，其组织中的个体行为主要由所处组织情境加以约束和规范，即嵌入性(Embeddedness)。嵌入性是指经济行为和结果受整个网络结构及利益相关方关系的影响，网络理论中反映行动者与其他主体间的关系以及在网络中的影响力[5-6]。协同创新项目具有跨领域、多主体参与特征[7]，利益相关方之间的交互关系所构成的网络是协同创新项目的主要组织形态[8]。利益相关方通过与组织中其他个体的交互嵌入项目组织网络，而个体网络嵌入程度又会影响其知识扩散行为[9]。对于协同创新项目组织来说，知识借助组织中的协作网络进行扩散，网络嵌入性反映了参与方所处的组织位置及与其它方的连接关系，从而影响知识扩散类别、数量、效率等。同时，社会资本理论认为，网络提供了参与方互动平台，其节点嵌入特征导致在交互过程中获得的收益或限制不同。因此，基于网络嵌入视角分析协同创新项目组织特征对知识扩散的影响是十分必要的。由于协同创新项目组织的任务导向性，导致知识扩散过程与其它组织中的知识扩散呈现出显著差异。项目是有期限的[8]，知识扩散过程只能在规定时间范围内进行，若超出时间范围或项目任务完成则知识扩散过程终止。因此，项目中的知识扩散并不一定能够充分进行，如何提升知识扩散效率是协同创新项目组织治理的关键。另外，在协同创新项目中各创新主体为寻求某项技术或产品创新建立了深度协作关系，故利益相关方在一定程度上是利益共同体。与企业联盟相比，项目层面知识扩散的目的是整合多方异质性知识资源，优化组织整体知识结构，以此激发创新活力。更重要的是，协同创新项目中知识扩散更像是一个社会化过程，较多受组织内部参与方交互的影响[4]。项目组织内部不强调等级，参与方之间更多地通过所处组织结构及与其他个体的关联关系相互约束。因此，相比于其它组织，项目层面的组织特征对知识扩散的影响更为重要。
目前，学者们对网络型组织中的知识扩散开展了一定的研究，现有研究大多从企业、行业联盟等层面进行讨论[10-12]。但由于项目层面知识扩散的上述特征导致知识扩散过程的运行机理、网络嵌入性与知识扩散的关系均与其它组织层面存在差异，故基于协同创新项目组织特点，构建知识扩散模型，并探究组织中知识扩散行为如何受到网络嵌入性的影响是本研究需要解决的关键问题。
Granovetter[12]将网络嵌入性分为关系嵌入性(Relational embeddedness )和结构嵌入性(Structural embeddedness)。关系嵌入性描述了组织中交互关系的密集度，可以使个体在网络中通过与其他网络个体互动产生有益的优势[12-13]；结构嵌入性则关注参与者在网络中所处的位置，并为组织间知识扩散提供渠道[14]。相比于个体位置及两两关系，协同创新项目更加关注组织中所有节点的平均特征。因此，本研究中的网络嵌入性是指项目组织中所有节点的平均网络嵌入程度。
由于项目中的知识流动与交互是服务于项目目标的，故扩散过程通常伴随任务协作过程实现[2]。项目总目标可以分解成多个子任务，每个子任务中又可以划分为多个工作单元，并由不同相关方完成(见图1)。因此，每个相关方都承担着不同的任务，也就是说被赋予了任务属性。
项目子任务之间既相互独立又彼此关联，每个子任务由多个相关方协作完成，而不同子任务之间彼此关联。根据项目任务分解，可以识别出相关方的任务协作关系，进而构建组织网络。由于相同子任务中相关方关系紧密，而不同任务之间的关联相对稀疏，因而协同创新项目协作网络中的节点具有基于任务聚集的分布特征，如图2所示。
图1 协同创新项目任务分解
图2 任务导向的网络关系
关系嵌入特征表达的是网络中节点间关系紧密程度，现有研究表明，关系嵌入程度与知识交互及共享具有高度相关性。一些学者认为，行动者通过关系嵌入可以增进企业间的信任程度及资源共享意愿等，进而促进知识共享与整合[6，15]；还有学者认为，良好的关系嵌入性可以使参与方在网络中获得一定的社会资本，对于组织中知识资源获取起积极作用[16]；也有学者认为,网络中的强关系嵌入容易导致组织中资源过度冗余，对组织创新的效率具有负向影响[17]。
现有文献大多通过量化节点之间的关系强度表达关系嵌入性[11]，更多关注个体两两之间的关系紧密程度。协同创新项目中，由于工作单元内部或单元之间的工作对接，项目参与方之间建立起直接或间接联系，形成协同创新项目利益相关方协作网络[18]，知识资源在该网络中流动。节点关系嵌入性呈现出显著任务特征：相同工作单元的参与方形成的网络关系嵌入性最强，彼此之间直接相连，关系最紧密，如图2中的点B、点C、点D。然而,不同工作单元的参与方之间可能通过某一个节点与其它工作单元中的参与方相连，而其它节点之间只能通过中间人与外部间接相连。因此，不同工作单元的节点之间关系较为稀疏。在项目中，侧重于多方协作及组织中所有节点的关系紧密程度，故本研究采用平均路径长度(Average path length)表征项目组织中节点的平均关系嵌入水平。平均路径长度是指网络中任意可达两节点最短路径的平均长度[19]，由式(1)计算可得。其中，n为网络中可达矩阵节点数量，i，j为网络中任意两个可达的节点，dij 为i到j的最短路径长度。
(1)
项目参与方的网络位置影响其与其它相关方的交互方式，因此网络结构嵌入性对于理解网络中节点知识扩散行为至关重要[20]。知识依附于网络中的节点存在，而节点结构嵌入性，即网络中所处位置能够为项目中的知识传播提供渠道[15]。因此，处于网络中心位置的个体能够接触到更多知识资源，在收集和传播知识方面比非中心参与者具有更大的优势[21]。
协同创新项目中由于任务的重要性及与影响力不同，导致工作任务之间的关联程度不同[18,22]。例如，图2中工作单元2分别与其它两个工作单元相连，因此工作单元2中的节点相较于其它节点拥有更高的结构嵌入性。工作单元之间通过某个参与方进行对接，而这个参与方就成为两个单元所有参与方知识流动的桥梁，占据了重要网络位置，具有极高的结构嵌入性，如图2中的节点B。网络中心性(Network centrality)是被广泛研究的个体结构嵌入性指标[23]，表示焦点行动者凭借许多重要关系在网络中占据关键地位的程度[24]。鉴于项目组织的整体性，本研究重点考虑所有节点结构嵌入性的平均程度。据前文所述，协同创新项目网络一定程度上呈现向某些节点集中的态势，适合用中心势(Centralization)描述网络中所有节点的平均结构嵌入性[25]。相关研究表明，当网络度数中心势较高时，占据中心位置的利益相关方就会拥有更多合作伙伴，整合更多知识[26,27]，也会导致网络中知识分布不均衡[28]，影响整体知识扩散。
式(2)为中心势指数CRD的计算方法，其中，n为网络规模，CRDmax为网络中最大的度数中心度，CRDi为点i的度数中心度。
(2)
协同创新项目涉及众多组织与人员，研究问题不同，涉及的利益相关方层次也不同[29]。为确保研究问题与所建模型相符，建模前要确认模型边界[30]。本研究构建组织协作网络的前提是以项目任务实现为基本条件，基于项目工作任务分解将直接参与任务执行的人员作为组织利益相关方，以相关方知识水平及其任务协作网络作为模型输入数据。为保证数据更加贴合项目实际，模型中并没有采用随机生成的复杂网络，而是以一个典型协同创新项目案例作为模型输入，既保证了数据的有效性，又能够为模型测试及验证提供依据[31]。
本研究构建的协同创新项目知识扩散模型，基于Cowan & Jonard[32]的知识扩散过程进行了改进。其主要贡献是考虑协同创新项目组织任务特征，提出项目中节点间知识扩散规则，构建了符合协同创新项目组织情境的知识扩散仿真模型。由于项目中各参与方承担着较为密集的任务，知识扩散过程伴随着工作任务同时进行[1]，一个节点无法同时参与多个扩散过程。因此，模型中规定知识扩散一对一进行，即知识扩散过程为多个两元扩散关系。
假设网络中有n个节点，每个节点的知识都分为m个知识领域，节点i的知识向量表示为[ki1，ki2，……kim]。知识搜索规则为：由于每个节点均有知识搜索能力，因而网络中任意一个节点皆可作为潜在知识受体(Knowledge receiver)[33]。假设某一知识受体为节点i，通过自身知识水平分析及判断，选择知识量最小的一个知识领域，该领域记为s，并在s领域内搜索知识源(Knowledge sender)备选节点集合O，O={n1,n2,......nk}。知识源j必须满足以下条件：①与知识受体直接相连；②与知识受体的知识距离(Knowledge distance)在知识阈值(Knowledge threshold)范围内，由式(3)表示。其中，[θ ,γ]表示知识阈值，kis,kjs 分别为点i与点j在s领域的知识量。
(3)
集合O可能存在多个节点，在项目中，相关方通常会向该领域中拥有最多知识的人或组织寻求知识。因此，通过计算在s知识领域节点i与集合O中每个节点的知识距离，选择知识距离最大的节点j作为知识源节点。若O为空集，则结束该节点作为知识受体的搜索。
由于一个节点不能同时参与多个扩散过程，如果两节点匹配成功，则在该步长内的节点集合中去掉这两个节点；如果未匹配成功，则仍在备选节点集合O中，并继续参与匹配。知识搜索结束条件为：如果在一个步长内所有节点无法匹配，则系统达到稳定状态，结束搜索。另外，由于项目时限性[20，31]，若知识扩散模型运行时间t超过项目完成时间T，即t ≥ T，则该步骤伴随项目结束。
节点之间知识水平距离既是产生知识扩散行为的动力，也是知识搜索及转移的主要目标资源[34]。基于现有文献中的知识转移模型[32,34,35]，知识受体与知识源之间的知识距离与成功转移的知识成正比，即知识受体只能吸收知识源转移的部分新知识。因此，模型中知识转移规则为：知识受体节点匹配到知识源节点后，知识源节点便根据受体节点与自身知识距离，选择性地向受体节点扩散一定量的知识，而知识受体节点对接收到的知识进行解码、重新编码，进而将一部分吸收为自己的知识[32]。知识源节点选择多少知识与受体节点进行共享，涉及到知识源节点扩散意愿α；知识受体能够多大程度吸收并内化知识取决于自身吸收能力β[34]。
网络中节点知识水平随着知识转移过程提升[35]。 假设在仿真步长[T,T+1]时间间隔内，知识源i与知识受体j在s领域的知识水平分别由式(4)、式(5)表达。
(4)
(5)
其中，αi,j表示知识源 i 对知识受体j 的扩散意愿，βj,i表示知识受体j对知识源i所扩散的知识吸收能力。
协同创新项目知识扩散的最终目的是通过整合组织中各方资源实现创新目标，因此如何在临时性组织中提升知识扩散效率，最大程度地实现资源有效流动是项目关注的重点。本研究从知识增量以及节点知识水平差异程度两个方面度量知识扩散模型仿真结果。
(1) 知识增量。 模型中，网络节点知识增量表征经过知识扩散项目整体知识水平提升程度。t时网络节点总知识增量I(t)为：
(6)
其中，n为网络中的节点数量，Iis(t)为节点i的s领域在t时的知识增量。
(2)知识水平差异程度。知识在组织中充分流动有利于优化项目中的知识分布，降低节点之间知识的不均衡性。因此，通过计算并对比扩散前后的节点知识水平差异程度，可以有效反映扩散过程对知识分布的优化程度。用D(t)衡量t时期网络中节点知识水平差异程度。
(7)
其中，ki(t)为节点i在t时的知识总量，v(t)为t时所有节点知识量的均值。
为验证协同创新项目知识扩散模型的有效性及网络嵌入特征的影响，本研究选取典型协同创新项目——SHNM项目进行仿真实验。SHNM项目是为发挥资源优势、实现煤炭清洁高效转化利用而发起的国内第一个产业化煤制油项目，也是世界上单体装置投资与规模最大的煤制油项目。该项目的核心任务是粉煤气化技术研究与应用，属于典型协同创新类项目。项目创新管理通过“问题—联合研究—结果应用—持续升级”的PDCA周期进行：该项目中的技术问题被定义为科学研究项目，并邀请中国和海外顶级科研院、大学进行研发合作，并将结果直接应用于设备和技术过程。技术应用过程中产生的问题将直接反馈给技术人员进行优化和改进，实现从技术开发到应用程序改进的完整闭环控制。该项目过程中产生了38项国家专利技术，涉及参与方众多，为知识密集型项目。因此，该项目中的知识扩散具有代表性，适合作为案例研究。
案例中的利益相关方及其协作关系识别分为两个步骤：首先根据项目文件进行利益相关方及其关联关系的初步识别，再通过与项目人员访谈对初步识别的结果进行纠正和确认。
(1)基于项目WBS文件，把项目划分为5个子任务：技术研发、勘察设计、物资采购、施工及运营。随后根据RAM文件识别出子任务中各工作单元的主要参与方，由此识别出该项目的28个重要参与方。其中，包括项目业主、总承包商、材料设备供应商、项目管理团队、勘察设计单位、物资采购单位、技术研发单位、服务分包、施工分包、运营维护单位等。根据28个相关方任务属性，分析两两之间是否存在协作关系，如果存在则两节点有直接网络关系，在邻接矩阵中表示为“1”；如果节点之间没有直接协作关系，在邻接矩阵中则表示为“0”。由此构建28*28的二值邻接矩阵，该项目协作网络初步形成。
(2)为了对初步形成的网络进行确认及纠正，与项目总经理及5位子任务的负责人进行两轮会谈。首先，与6位管理者进行一对一的半结构式访谈，每人45分钟，询问关键利益相关方及其关联关系，例如“在技术研发工作中主要参与单位有哪几个”、“哪个单位负责该任务的统筹策划”、“单位1与单位2有直接的工作对接吗”等。所有访谈结束后，统计并整理每轮访谈得到的答案，修正原始网络节点与关系。第二轮会谈中，将6位项目管理人员聚集到一起，共同商讨第一轮访谈后得到的网络要素，访谈时间为90分钟。根据讨论结果再次对网络进行修正，并得到最终网络，如图3所示。
参数设置是模型有效运行的关键，本研究通过三方确认对参数进行设置，即现有文献、项目管理从业人员及专家学者，以保证参数内部有效性和可靠性[36]。首先，本文根据相关研究文献初步设置参数值[32-37]，包括知识量范围、扩散意愿、吸收能力、项目时间、知识阈值等。其次，邀请该案例的项目经理与两名来自院校的项目管理专家进行访谈。最终，本研究设定扩散意愿α=0.8、吸收能力β=0.1，知识阈值设定为[1,5]，项目时间T=100，节点在某一知识领域的知识量kis∈[0,10]。
图3 SHNM项目协作网络
基于模型参数设定结果，对案例中的节点知识水平进行量化。项目知识是指在项目过程中产生和使用的各种知识总和，Mian[3]认为，可以分为技术知识、管理知识以及其它相关知识等。因此，将该项目中节点知识资源分为上述3类加以讨论，各知识领域中知识独立扩散，且不受其它领域知识的影响。模型中，运用专家打分法对项目各参与方的知识水平进行量化，主要依据是各相关方曾经参与的项目、业界影响力、领域内发表的文章和专利及承担的课题等。
通过案例研究得到知识扩散模型输入数据，设置仿真模型相关参数，为仿真实验提供充分的条件。仿真过程通过软件Netlogo 6.0.4的编程实现，模型流程如图4所示。仿真实验设置如下：首先，基于案例网络初始结构进行仿真，并输出知识扩散结果；其次，通过不同的网络嵌入性调整策略分析嵌入特征对协同创新项目知识扩散的影响。为尽量消除仿真实验中的随机性，每个仿真实验进行20次，最终取所有结果的平均值。
初始网络扩散结果如表1所示，结果扩散知识总量增加了30.20%，整体网络知识水平有了大幅度提高；节点知识差异程度下降了21.47%，说明扩散过程有效平衡了网络中的知识分布。
随机一次的知识扩散过程如图5、图6所示。从图中可以看出，直到项目结束知识扩散过程并没有达到稳定状态，但整体网络中知识增速变缓，且有趋于稳定的态势。图6中，t <13时，网络中知识差异程度持续提升，在t =13时达到峰值，说明网络中高知识水平节点之间相互作用使知识量持续增加，而知识水平低的节点由于知识阈值的限制没有参与扩散过程。图5也证明了同样的现象，知识增量随时间推移整体呈下降态势，但下降过程中出现多个增量的小高峰，尤其在t <45时较为明显。同样证明原来网络中一些相连的节点由于知识阈值的限制不能成功匹配，但随着前期知识扩散，节点知识量增加，知识距离逐渐缩小，原本不能匹配的两个节点也能够进行知识扩散。因此，扩散过程中会有多个小高峰显现。然而，伴随扩散过程持续，节点之间的知识距离越来越小，可扩散的知识减少，总体知识增量又会下降。
图4 知识扩散过程仿真流程
表1 初始网络知识扩散结果
项目总知识量差异程度扩散前4072.96扩散后527.022.32
图5 初始网络知识增量
图6 初始网络知识差异程度
在保持初始网络(网络1)基本结构的基础上，控制节点数量不变，通过增加或删减节点之间的连线增加或减小网络平均路径长度，实现关系嵌入性调整，进而产生两个新的网络情境，分别定义为网络2和网络3，具体调整策略如表2所示。在两个网络情境中分别进行知识扩散仿真，输出结果如表3所示。
表2 关系嵌入性调整策略
网络平均路径长度关系嵌入性网络11.83初始值网络22.11减小网络31.00增加
表3 不同平均路径长度网络仿真结果
项目网络1网络2网络3知识增量122.9292.38123.35差异程度2.322.492.33
(1)表3 为网络2的知识扩散结果，其中知识增量比初始网络值下降了30.54，节点知识量标准差比初始值增加了0.17，说明路径长度增加后知识增量大大降低，节点知识水平差异比初始网络更大，分布更不均匀。
从图7—8可以看出，路径长度增加后，知识增量曲线峰值降低，说明网络中节点度数降低会导致潜在知识源或知识受体减少，每个步长中只有少数几对节点参与扩散过程，知识扩散速度整体处于下降状态。这是由于该网络中节点聚集程度降低，节点之间的关系较为稀疏，且由前期扩散导致的知识量累积并不能引发新一轮大规模知识扩散。因此，节点整体关系嵌入性降低导致网络知识扩散效率降低，且网络中知识分布的不均衡性较初始网络有所增加。
(2)网络3的知识扩散结果如表3所示，扩散后网络知识增量及差异程度与初始网络相比几乎没有变化。在一次仿真过程中(见图9～10)，知识增量曲线波动更大，相邻波峰与波谷的值最大相差1.04(t =14至t =21)，而初始网络中最大波动处的差值为0.7。因此，本文认为，网络平均路径减小使得每个节点的度大幅增加，强连通的特征使得节点在知识搜索过程中有更大概率匹配到网络中该知识领域内的最优节点，扩散时节点间的知识距离更大，因而曲线中的峰值较大。由于网络连通性提升，网络中各领域内知识量最大的节点将会持续作为知识源向其他节点扩散知识，但知识受体会不断变化。因此，随着知识距离变化，知识增量曲线出现较大的波动。
虽然在一次仿真过程中，网络中的扩散行为模式与初始网络略有不同，但扩散的最终结果几乎没有差异。该现象表明尽管平均路径长度减小使节点拥有更多潜在知识源节点，但知识源会根据知识距离择优选择，即使知识受体有更多知识源备选节点，最终依然会选择最优节点。另外，该现象表明在初始网络情境中，平均路径长度已经足够短，网络关系紧密程度足以使知识在网络中充分流动。由此证明，过高的关系嵌入性并不能对项目层面的知识扩散过程起正向作用。
在保持初始网络基本结构的基础上，控制节点数量和关系数量不变，通过提升或降低个别节点的度数实现网络中心势上升或下降，具体如表4所示。在两个新的网络情境中(网络4及网络5)，进行20次知识扩散过程的仿真实验，输出结果如表5所示。
图7 网络2知识增量
图8 网络2知识差异程度
图9 网络3知识增量
图10 网络3知识差异程度
表4 中心势调整策略
网络中心势(%)结构嵌入性网络127.07初始值网络443.02增加网络57.41减小
表5 不同中心势网络仿真结果
项目网络1网络4网络5知识增量122.92122.00135.19差异程度2.322.611.80
(1)网络4知识扩散结果如表5所示。该情境下，扩散过程中的知识增量比初始值略微增加，扩散结束时节点知识差异程度提升了0.28，网络中节点知识的不均衡程度大大增加。
图11～12描绘了一次仿真过程中的知识增量及差异程度变化情况。与初始网络相比，较为明显的区别是：该网络情境下节点知识差异程度在步长22时达到峰值，且该峰值大于初始网络的峰值。另外，网络中心势增加使得扩散过程围绕几个中心度大的节点展开，导致差异程度越来越大。尤其在步长为14～22时内，网络中知识扩散量随着扩散次数增加逐渐减小。这是由于节点会在阈值范围内根据知识距离择优匹配，由此在一段时间内上述节点之间组合形成相对固定的搭配，多次重复进行扩散，导致节点之间的知识距离不断缩小，知识增量持续下降。当中心度大的节点跟“邻居”节点进行充分的知识扩散后，一部分“邻居”节点随着知识积累达到向相连其它节点扩散的条件，使得中心度小的部分节点逐渐加入到扩散过程中来，差异程度开始下降，即t >22。整个知识扩散过程主要围绕中心度大的节点展开，而一些度数小的节点参与不充分，导致整体呈现不均衡状态。因此，结构嵌入性提升与知识增量的关系并不显著，但严重影响知识水平差异程度。
(2)网络5知识扩散结果如表5所示。该情境下最终知识增量明显增大，网络节点知识差异程度大大降低，整体网络知识分布更加均匀。
图13、图14描绘了一次仿真过程中知识量变化情况。结合知识增量变化曲线(见图13)分析，t <68时知识增量曲线明显在初始网络曲线之上，且节点知识水平差异程度从步长18开始一直处于下降态势，相比初始情境能更快地向整体网络扩散。由此证明，从扩散初期开始，网络中更多节点从初期开始就参与到扩散过程中，网络扩散过程更加同步，使整体扩散效率大幅提升。扩散过程在步长100时，增量已经接近0，扩散过程趋于稳定。图14显示，在该网络情境下节点知识水平差异程度经过扩散过程大大降低，证明网络中多数节点都能够有找到与其匹配的节点进行扩散，使得网络中节点参与率提升，扩散过程辐射到网络中大部分节点。整体来看，网络中结构嵌入性降低对项目知识扩散过程中的知识增量及知识水平差异程度均起显著正向作用。
为验证模型的鲁棒性，本研究将在极端条件下进行仿真测试，以观测模型仿真是否符合研究结论及现实。本文主要讨论两种维度的网络嵌入特征对项目中知识扩散的影响，即平均路径长度与中心势，因而通过输入两个指标的极端值加以验证。在前文仿真实验中，关系嵌入性减小的网络情境中平均路径长度已达到最小值，且仿真结论符合现实。因此，本文补充结构嵌入变量的极端测试。由于中心势在星型网络中达到最大值，该网络中只有一个中心节点，其它节点都只与其相连，即一个行动者是所有其他行动者的桥接点，中心势等于1。将该网络输入仿真模型，并进行20次仿真实验，结果平均值如表6所示。
根据整体仿真结果分析，在该网络情境中知识扩散效率十分低下，且网络中节点知识水平差异程度较扩散前没有太大变化。极端测试结果显示，在该网络情境中知识扩散模型仍然可靠，实验结果符合现实。综上所述，模型通过测试并且测试结果与研究结论相符。
图11 网络4知识增量
图12 网络4差异程度
图13 网络5知识增量
图14 网络5知识差异程度
表6 极端测试结果
知识增量差异程度数值21.043.44
本文基于协同创新项目的任务导向性，分析项目中节点网络嵌入特征及其与知识扩散过程的关联性，并构建协同创新项目知识扩散仿真模型，利用仿真实验验证网络嵌入性对扩散过程的影响，得到以下结论：
(1)协同创新项目低水平的关系嵌入性会妨碍知识扩散效率提升，但增强关系嵌入性并不能持续优化知识扩散过程。在合作关系较为松散的项目模式中，增强关系嵌入性会提升参与方关系紧密程度，有利于多样化知识融合，并为知识扩散提供渠道，提升整体扩散效率。整体关系较为紧密的项目组织中，继续减少网络平均路径长度只能增加节点之间的冗余连接，并不能有效提升知识扩散效率。协同创新项目中，低关系嵌入性会导致网络中节点之间合作对象单一，直接接触优质知识源的概率降低，获取某类知识需要通过多个中间人，从而导致整体知识扩散效率受到负向影响。
(2)协同创新项目的结构嵌入性对知识扩散过程有负向影响。低结构嵌入性有利于组织中知识扩散效率提升，并且能有效均衡网络中的知识分布，增强结构嵌入性。而知识扩散效率开始随结构嵌入性增强而降低，但在结构嵌入性增强到一定程度时便不再下降。由于协同创新项目任务的影响力及重要性差异，组织中存在核心创新主体，这些参与方凭借工作协作及对接的复杂性获得较高的网络中心度。因此，网络呈现出一定的中心势。然而，过高的网络中心势会使得知识扩散发生在有限的相关方之间，不能有效整合其它参与方的知识资源，妨碍创新活力激发。因此，适当的结构嵌入性不仅能有效提升项目知识水平，而且大大提升了项目组织整体知识均衡程度，对团队创新能力提升具有重要作用。
虽然知识扩散在项目过程中不一定总以显性方式体现，但管理者应关注到这一过程或个体行为并进行疏导及干预，以实现知识资源有效流动。
(1)关系嵌入性对协同创新项目知识扩散的影响提示项目管理者：协同创新项目组织中的节点关系嵌入程度应在一个合适的水平上，不能够一味地追求过度的紧密关系。过高的关系嵌入性会导致参与方花费大量时间进行知识识别、搜索，不仅不能提升参与方知识扩散效率，反而会导致搜索成本增加及工作效率低下等问题。接触过量知识资源的个体其创新想法难以融合，并且由于协同创新项目知识的高度异质性，项目参与方难以在短时间内吸收并内化过多知识。因此，研究结论提示项目管理者对于关键创新主体，应合理构建其关系嵌入水平，以提升组织整体知识资源传播及获取效率。另外，从组织整体层面，项目管理者在任务分解与工作分配中应考虑平均关系嵌入水平，并兼顾知识扩散效率。
(2)结构嵌入性对协同创新项目知识扩散的影响研究显示：协同创新项目任务导向性导致这类组织中的节点普遍具有较高的平均结构嵌入性，当结构嵌入性达到一定强度时，它对知识分布均衡程度的影响远大于知识扩散效率。也就是说，过高的结构嵌入性不利于知识扩散，主要原因在于加剧了知识水平差异程度，使项目组织中的知识流动受阻。因此，协同创新项目的治理方应重点关注在高结构嵌入性组织中如何通过干预知识流动实现各方知识资源有效整合，疏导知识流向、构建多维度沟通渠道等可能是有效的管理措施。另外，协同创新项目治理方应在概念阶段通过组织架构设计、工作分解、流程优化等方式避免过度结构嵌入，例如通过核心任务拆解、提升组织协作程度等方式使更多参与方共同处于网络核心位置，从根本上降低高结构嵌入性对组织知识扩散的负向影响。在项目执行过程中，由于各参与方的任务分工及工作流程都已确定，组织结构难以进行大规模调整。因此，项目管理者可以通过构建除协作关系外的非正式关系加以补充。
(1)本文构建的协同创新项目知识扩散模型是对现实的抽象和简化，并未将所有影响因素考虑在内，例如关系强度、知识扩散成本等。
(2)研究结论是基于一个项目案例分析得出的，尽管该案例具有较强的代表性，但仍然存在一定的局限性，未来需要多案例共同验证。
(3)本研究模型中的参数是基于案例实践并结合专家判断而设定，不同项目之间可能存在差异。因此，在应用时需要重新评估参数值的适用性。基于网络嵌入视角的项目知识扩散研究，需要考虑项目中利益相关方的角色属性问题，例如监督管理、技术研发、计划与统筹是否会对网络中的节点扩散行为规则产生影响。另外，未来可以从微观角度考虑项目中关键参与方位置嵌入性对知识扩散的影响，并进一步探讨动态项目组织网络特征等问题。
[1] CHIN-HUI LAI.Applying knowledge flow mining to group recommendation methods for task-based groups[J].Journal of the Association for Information Science and Technology,2015,66(3): 545-563.
[2] MIAN M.AJMAL,KAJ U KOSKINEN.Knowledge transfer in project-based organizations: an organizational culture perspective[J].Project Management Journal,2008,39(1): 7-15.
[3] STEPHEN ROPER,NOLA HEWITT-DUNDAS.Knowledge stocks,knowledge flows and innovation:evidence from matched patents and innovation panel data[J].Research Policy,2015,44(7): 1327-1340.
[4] 吴悦,张莉,顾新,等.知识流动视角下产学研协同创新过程的协同作用研究[J].兰州大学学报(社会科学版),2016,44(4):128-136.
[5] MARK GRANOVETTER.Economic action and social structure: the problem of embeddedness[J].American Journal of Sociology,1985,91(3): 481-510.
[6] 王新华,车珍,于灏,等.网络嵌入、多途径知识集聚与创新力——知识流耦合的调节作用[J].南开管理评论,2019,22(3):28-39.
[7] TEECE DAVID J.Profiting from technological innovation: implications for integration,collaboration,licensing and public policy[J].Research Policy, 1986, 15(6): 285-305.
[8] TIMOTHY J ROWLEY.Moving beyond dyadic ties: a network theory of stakeholder influences[J].The Academy of Management Review,1997,22(4).
[9] MARIA ADENFELT,KATARINA LAGERSTRÖM.Enabling knowledge creation and sharing in transnational projects[J].International Journal of Project Management,2006,24(3): 191-198.
[10] 成璐璐,谢恩,李瑜.关系嵌入视角下政治联系与中小企业研发强度——制度环境与市场竞争的调节作用[J].华东经济管理,2020,34(4):46-53.
[11] 向永胜,李春友.网络嵌入、双元创新能力构筑与后发企业创新追赶[J].技术与创新管理,2019,40(4):502-507.
[12] GRANOVETTER M.Problems of explanation in economic sociology[J].Networks and Organizations: Structure，Form，and Action，1992:25-56.
[13] MEULEMAN M,JAASKELAINEN M,MAULA M V J,et al.Venturing into the unknown with strangers:substitutes of relational embeddedness in cross-border partner selection in venture capital syndicates[J].Journal of Business Venturing,2017,32(2):131-144.
[14] OMAR AL-TABBAA,SAMUEL ANKRAH.Social capital to facilitate 'engineered' university-industry collaboration for technology transfer: a dynamic perspective[J].Technological Forecasting & Social Change,2016,104:1-15.
[15] 梁娟,陈国宏.多重网络嵌入、知识整合与知识创造绩效[J].科学学研究,2019,37(2):301-310.
[16] ANKRAH S,AL-TABBAA O.Universities-industry collaboration: a systematic review[J].Scandinavian Journal of Management, 2015,31(3):387-408.
[17] RONALD S BURT.Reinforced structural holes[J].Social Networks,2015, 43: 149-161.
[18] GAO S,SONG X,DING R.Promoting information transfer in collaborative projects through network structure adjustment[J].Journal of Construction Engineering and Management，2020,146(2):4019108.
[19] JOJO JACOB,GEERT DUYSTERS.Alliance network configurations and the co-evolution of firms' technology profiles: an analysis of the biopharmaceutical industry[J].Technological Forecasting & Social Change,2017, 120: 90-102.
[20] JURI MATINHEIKKI,KARLOS ARTTO,ANTTI PELTOKORPI,et al.Managing inter-organizational networks for value creation in the front-end of projects[J].International Journal of Project Management,2016,34(7):1226-1241.
[21] POLIDORO F,AHUJA G,MITCHELL W.When the social structure overshadows competitive incentives: the effects of network embeddedness on joint venture dissolution[J].Academy of Management Journal,2011,54(1):203-223.
[22] PROVAN K G,LEMAIRE R H.Positional embeddedness in a community source software development project network: the importance of relationship intensity[J].R & D Management,2015,45(5):440-457.
[23] HERMINIA IBARRA,STEVEN B ANDREWS.Power,social influence,and sense making: effects of network centrality and proximity on employee perceptions[J].Administrative ence Quarterly,1993,38(2):277-303.
[24] ZHANG Y,LU B,ZHENG H.Can buzzing bring business? social interactions,network centrality and sales performance: an empirical study on business-to-business communities[J].Journal of Business Research,2020, 112:170-189.
[25] FREEMAN LINTON C,BORGATTI STEPHEN P,WHITE DOUGLAS R.Centrality in valued graphs: a measure of betweenness based on network flow[J]. Social networks, 1991,13(2):141-154.
[26] LEFEBVRE VM,SORENSON D,HENCHION M,GELLYNCK X.Social capital and knowledge sharing performance of learning networks[J].International Journal of Information Management,2016,36(4):570-579.
[27] GARC
A-VILLAVERDE PEDRO M, RODRIGO-ALARC
N JOB,RUIZ-ORTEGA MARIA JOSE,et al.The role of knowledge absorptive capacity on the relationship between cognitive social capital and entrepreneurial orientation[J].Journal of Knowledge Management,2018,22(5):1015-1036.
[28] BAEK SI,BAE S H.The effect of social network centrality on knowledge sharing[J].Journal of service science research.2019,11(2):183-202.
[29] 石乘齐.基于组织间依赖的创新网络演化模型及仿真研究[J].管理工程学报,2019,33(1):12-22.
[30] MARSDEN P V.Network data measurement[J].Annual Review of Sociology,2003,16(1):435-463.
[31] 王磊.项目治理风险的网络动力分析[D].济南：山东大学,2017.
[32] COWAN R,JONARD N.Network structure and the diffusion of knowledge[J].Journal of Economic Dynamics and Control,2004,28(8):1557-1575.
[33] GEOFF CONROY.Conserv,as a continual audit concept to provide traceability and accountability over the project life cycle[J].International Journal of Project Management,1998,16(3):185-197.
[34] QIAO T,SHAN W,ZHANG M,et al.How to facilitate knowledge diffusion in complex networks: the roles of network structure,knowledge role distribution and selection rule[J].International Journal of Information Management,2019,47:152-167.
[35] HAVAKHOR T,SOROR A A,SABHERWAL R.Diffusion of knowledge in social media networks: effects of reputation mechanisms and distribution of knowledge roles[J].Information Systems Journal,2018,28(1):104-141.
[36] GILSING V,NOOTEBOOM B.Density and strength of ties in innovation networks: an analysis of multimedia and biotechnology[J].European Management Review,2005, 2(3): 179-197.
[37] MUELLER M,MUELLER M,BOGNER K,et al.The effect of structural disparities on knowledge diffusion in networks: an agent-based simulation model[J].Journal of Economic Interaction and Coordination,2017,12(3):613-634.