Computational knowledge management system resilience is a positive adaptation state of the computational knowledge management system to cope with short-term shocks and long-term changes,reflecting the system's dynamic adaptive capacity,restructuring capacity,disturbance absorption capacity and innovation and transformation capacity.This study analyzes the computing knowledge management system resilience in four dimensions:time,space,content and intensity,constructs a computing knowledge management resilience model,and systematically analyzes the macro-mechanism of resilience.In the time dimension,the knowledge management resilience cycle is divided into the adaptation period,recovery period and transformation period.In the spatial dimension,the computational knowledge management resilience space is divided into simple domain,complex domain,complicated domain,chaotic domain and disorder domain.In the content dimension,the computational knowledge management resilience dimension is divided into knowledge resilience,information resilience and data resilience.Adaptive tension and absorptive tension coordinate with each other and together determine the strength of computational knowledge management system toughness.
Resilience governance of the computational knowledge management system is the management under the guidance of systems theory,which refers to the dynamically adaptive and creative response to the coordination and equilibrium of the system dynamics of the computational knowledge management system element base (data,information and knowledge) of different granularity and vulnerability,which have the same tendency of crisis.In response to changes in the vulnerability of the elements of a computational knowledge management system,targeted governance is developed in terms of the characteristics of data resilience,information resilience and knowledge resilience.Data resilience governance is for the adaptive regulation of data potential,focusing on data resilience of the direction and intensity of governance,manifested as data resilience governance potential and effectiveness; information resilience governance is characterized as the dynamic orchestration of information resources,covering information resources action continuity governance,coupled with situational adaptive governance,and process matching synergistic governance; knowledge resilience governance is the value of the knowledge of the action of governance,manifested as the complexity of the knowledge field within the knowledge field.Knowledge resilience governance is the action-oriented governance of knowledge value,manifested in the complexity of knowledge flux and contextualized nesting of knowledge practices within the knowledge field to realize the deterministic causality and complexity adaptation of knowledge within the organization.
Starting from the adaptation period,recovery period and transformation period of the resilience of the computational knowledge management system,this study constructs a framework for resilience governance of the computational knowledge management system.In the full cycle of resilience,resilience governance presents a top-down holistic evolution; in the resilience transformation period,resilience governance includes a bottom-up adaptive evolution and innovation.Computational knowledge management resilience and governance are complex subjects aimed at achieving dynamic adaptation.They are designed to ensure the computational knowledge management system exhibits 'robustness' and 'flexibility',as well as the ability to manage both 'certainty' and 'uncertainty'.The focus on resilience and governance in computational knowledge management systems underscores the importance of adaptive tension,absorptive capacity,and dynamic capabilities within complex systems.It offers multi-scale insights and interpretations of behavioral simulations,data computations,and knowledge practices of computational knowledge management.
开放科学(资源服务)标识码(OSID)：
当前我国新一轮科技革命和产业变革风起云涌,以人工智能、计算机技术为代表的数智化技术融合发展,推动社会科学与管理科学研究范式计算化、智能化与智慧化。数智化时代,知识作为关键生产力和战略资产[1],面对外部环境的高度复杂性、不确定性以及数字化转型需求的战略驱动,如何进行知识管理科学研究范式转移与复杂系统管理以激活新型知识生产力,推动经济高质量发展与高水平科技自立自强,是知识管理与技术创新理论及实践研究面临的新挑战。人智交互与人际交互协作智能(Jarrahi等,2023)、数据计算与边缘计算协作智能(Dressler等,2022)、生成语言与意图想象协作智能,为知识管理行为过程动态化、计算化和敏捷化注入新动力,计算知识管理科学(姚伟,2023)应势而生。计算知识管理思想已经落地并推广至多个行业领域,2020年华为云发布了全生命周期知识计算解决方案,已嵌入企业生产、研发等多个业务流程,应用至汽车、石油、钢铁、医疗等多个行业,释放出知识计算新活力,也极大推动知识管理系统的数字化转型应用。
计算知识管理系统是利用计算思维表达、管理和处理知识以解决复杂性问题的人工智能系统[2],是一个具备持续新颖性和自溶性特征、涵盖大规模数据源与高计算层级的新兴复杂系统(Siegenfeld和Bar-Yam,2020)。系统的计算化与智能化过程不仅能提高系统复杂度,而且增大了系统不稳定性。相较于一般复杂系统,计算知识管理系统的外部环境敏感度更高,混沌涌现的外化特征也更明显。数智化技术带来的数据高连通性导致计算知识管理系统面临的外部攻击速度更快、覆盖面更广。针对系统恢复的不稳定性与非线性行为进行针对性治理,有助于进一步完善复杂系统管理[3]。
复杂系统的韧性与韧性治理研究涉及多学科、多领域,覆盖生态学、运筹学、管理科学和计算机科学等,涵盖个人、组织、社区、供应链、生态系统、计算机网络等复杂系统。生态学领域,社会生态系统韧性与韧性治理研究较为广泛且成熟,围绕韧性体系(刘晓锋和刘俊祥,2024)、适应性治理(Brass和Sowell,2021)与网络治理(Bixler等,2020)等展开;运筹学与管理科学领域,聚焦复杂系统管理(盛昭瀚等,2022)、可持续性管理(Settembre-Blundo等,2021)等视角,从微观、宏观及中观层面展开供应链网络韧性能力分析(Azadegan等,2021),从集体意义建构、团队决策、协调和互动4个维度解析应急管理系统韧性(Son等,2020);计算机科学领域,针对超大规模计算系统的韧性研究从冗余、容错、软硬件协同及进化算法等层面展开分析(Bouvry等,2015)。
综上所述,已有文献在复杂系统韧性及韧性治理层面进行了多学科、多领域的丰富研究,但是除生态学与环境科学领域研究较集中且成熟外,其它领域的韧性研究呈现出高度分散状态,在理论基础层面限制韧性研究成果的涌现。知识管理是技术创新、组织管理、应急管理等一系列涉及知识生产与管理活动的关键枢纽[4],该领域的韧性探索有利于建立管理科学领域韧性研究的关联集合;其次,韧性研究的学科交叉性和跨领域关联性较弱,韧性研究边界和研究范围存在局限性,而计算知识管理系统韧性治理研究有效综合了计算科学与管理科学。因此,本研究立足复杂系统视域,深入剖析计算知识管理系统韧性内涵构成、治理维度与治理框架,旨在丰富计算科学与管理科学韧性交叉研究,拓宽复杂系统管理研究边界与韧性治理研究边界,为系统性、整体性计算知识管理思维范式的嵌入提供学理借鉴,推动知识管理的数字化转型与可持续发展。
计算知识管理科学源于计算社会科学的跨学科迁移与融合,其核心是计算机科学技术赋能知识管理过程的数字特征涌现,以及组织自学习、反思、再学习形成的广义智慧涌现,形成“数据—信息—知识—实践”的交互循环[5]。计算知识管理科学突破知识需求者的认知带宽与管理认知局限,使得知识管理行为可模拟、数据可计算、知识可实践,促进计算知识管理科学体系层面新特质的涌现。复杂系统视域下的计算知识管理系统将复杂思维、整体思维和计算思维应用于知识管理,运用计算实验、数字模拟等方法推动知识创造、整合、吸收、更新与应用,实现知识的计算化表示与价值化传达,以及计算知识管理系统自组织性与动态能力的宏观涌现。
知识管理系统与计算知识管理系统的对比结果如表1所示。其中,计算知识管理系统由数据、算法、算力三位一体驱动,内部各层级、各要素间存在非线性作用,并针对不确定性知识进行模块间的松耦合管理[6],计算子系统、管理子系统、中介子系统与交互子系统多维协作,共同推动计算知识管理系统韧性发展。
表1 知识管理系统与计算知识管理系统对比
Table 1 Comparison of knowledge management systems and computational knowledge management systems
内容知识管理系统计算知识管理系统管理客体知识知识管理主体个体、组织个体、组织知识类型确定性知识为主不确定性知识为主形态特征紧耦合松耦合系统驱动数据驱动数据、算法、算力驱动系统行为知识共享、知识利用等知识计算、知识孪生等管理技术数字化技术数智化技术
“韧性”一词源于拉丁语,是当国家、组织以及个人面临危机、中断等干扰情形时表现出的一种克服破坏、适应中断的状态,并展现出积极恢复稳定状态的能力[7]。计算知识管理系统具备吸收变化、持续演化的适应能力,通过对系统内外部知识资源的感知、获取、整合以协调内部资源,适应外部动态环境[8]。计算知识管理的一系列活动能有效促进韧性产生与韧性资源形成。由于知识具有时间连续性,有助于系统形成复原力(Reyes-García等,2014),其中,知识存储、共享、利用、整合是增强系统韧性的关键[9]。基于此,本研究将韧性引入计算知识管理系统,创新性探究计算知识管理系统韧性行为、能力和作用机理。
复杂系统视域下的计算知识管理系统韧性是指计算知识管理系统在应对短期冲击和长期变化时各模块间快速协调适应[10],保障系统高效运作并提供正确服务或以可预测方式退化的能力[11],具体表现为系统动态适应能力、恢复重组能力、吸收干扰能力[12]和创新转型能力(Folke等,2010)等,推动适应韧性、恢复韧性、变革韧性转化与协同[13]。计算知识管理系统复杂性包括以韧性思维捕获面向计算知识管理系统的复杂性和面向计算知识管理过程的复杂性(Sellberg等,2021),其中,系统复杂性对应系统韧性,过程复杂性对应韧性治理。
韧性治理要求治理更具适应性,韧性思维要求治理体现创造性和启发式反应,视逆境为创新机遇[14]。韧性治理的辨析与应用分别聚焦韧性治理和治理韧性,二者落脚点不同。前者探究的是治理,重视治理过程的动态适应,例如企业“短期—恢复反弹”和“长期—稳定适应”的韧性治理[15];后者强调的是韧性,凸显治理过程中的可收缩性张力。本文探讨的韧性治理为前者,即通过重塑主体脆弱性与环境变化关系,重构系统结构和管理流程,在动态多变的环境下维持持续的适应和革新[16]。韧性治理基于特定情境,其治理能效建立在差异化知识、流程和规范情境基础上(Roberts等,2020)。
计算知识管理系统韧性治理是在系统论指导下针对计算知识管理系统韧性的管理,宏观表现为对计算知识管理系统主体韧性行为的规范、引导、激励和约束[17],在动态适应外界环境变化的过程中涌现秩序;微观映射为具备相同危机趋向、不同粒度和脆弱性的计算知识管理系统要素基础(数据、信息和知识)针对系统动态协调与平衡作出的适应性、创造力反应。
复杂系统韧性研究维度与复杂系统研究领域、系统要素以及韧性基础密切相关,已有研究聚焦于空间、生态、设施和社会4个维度探究社会生态系统韧性(盛广耀,2023),从时间、空间、物资3个维度探究社区应急生态系统的韧性机理(解为瀚和汪伟全,2024),从时间和内容维度探究复杂系统韧性的动态反应过程(宋耘等,2021)。本研究立足于计算知识管理系统结构特征与韧性基础,整合并扩展已有韧性研究分析维度,从时间、空间、内容和强度4个维度解构计算知识管理系统韧性,构建复杂系统视域下计算知识管理系统韧性模型,如图1所示。
图1 复杂系统视域下计算知识管理系统韧性模型
Fig.1 Resilience model of computational knowledge management system from the perspective of complex systems
(1)时间维度上,强调随时间推移计算知识管理系统韧性融合复杂系统适应性、鲁棒性与动态性,表现出适应、恢复和转型能力[18],分别对应系统韧性周期的适应期、恢复期和转型期3个阶段。
(2)空间维度上,基于麦强等[19]提出的复杂性分类框架与复杂性降解原理,综合计算知识管理系统特征和复杂性分析框架[20],将计算知识管理系统韧性空间划分为简单域、繁杂域、复杂域、混沌域和无序域,各场域因果关系、因果特征、韧性特征、强度如表2所示。由于无序域系统基础要素的结构化水平、可利用性与规范性降低,导致该场域系统无法发挥韧性能力,因此不讨论该场域韧性特征及强度。
表2 计算知识管理系统韧性空间分类及特征
Table 2 Space classifications and characterization of resilience of computational knowledge management system
比较项简单域繁杂域复杂域混沌域因果关系清晰因果复杂因果因果可溯源无清晰因果因果特征确定性线性可预测可控不确定性非线性不确定性不可预测韧性特征稳定性可复用性准确性可用性灵活性适应性可操作性韧性强度适应张力较弱吸收张力较弱适应张力较强吸收张力较强适应张力强吸收张力强适应张力弱吸收张力弱
(3)内容维度上,将计算知识管理系统韧性划分为数据韧性、信息韧性与知识韧性,强调计算知识管理系统韧性基础。计算知识管理系统具有多模块松耦合的结构特征,交互模块、计算模块、管理模块与中介模块相互作用,以非连续、非线性、自组织的形式应对危机事件[21],在异质性危机情境下通过数据韧性、信息韧性、知识韧性的动态交互行为,调节系统结构,维持系统韧性。
(4)强度维度上,计算知识管理系统韧性的适应张力与吸收张力相互协调,共同决定计算知识管理系统韧性强度。计算知识管理系统韧性的适应张力是指通过自主学习、调节演进以动态适应系统复杂变化[22];吸收张力是指系统通过内外部知识资源的动态协调以吸收外部复杂环境的干扰(Tim等,2023)。
复杂系统视域下计算知识管理系统数据韧性是指数据经历结构破坏或攻击时的动态适应能力、抗性能力和数据结构复原能力。计算知识管理系统的模块化结构使得系统更具适应能力和恢复重组能力,系统主要通过数据管理、数据计算、数据中台与数据交互4个子系统间的动态交互,调整数据韧性作用方向与强度,抽象映射为不同场域数据复杂度的降解,如图2所示。数据一方面代表计算知识管理活动主导者(高位势者)的数据需求,另一方面象征计算知识管理活动参与者(低位势者)的主体特征(Bertoni等,2023)。数据高位势者聚焦于数据混沌态与复杂态,更关注数据整体性与聚合机会获取,以及计算基础设施和相关政策 [23],数据价值较高;数据中位势者聚焦于数据复杂态和繁杂态,更关注微观数据分析与监控,数据具有一定价值性;低位势者处于数据的无序态和简单态,参与多模态数据生产过程,数据价值较低。
图2 复杂系统视域下计算知识管理系统数据韧性模型
Fig.2 Data resilience model of computational knowledge management system from the perspective of complex systems
计算知识管理系统内非结构化、半结构化与结构化数据间存在非线性作用,交互映射与调节数据复杂度位势,以应对系统危机情境。不同属性、类型数据间存在显著的身份势差,这种身份势差将计算知识管理系统不同流程隔离,而数据韧性方向和强度是弥合这种身份势差的关键。数据韧性的作用方向表征计算知识管理行为合理性与规范性,反映数据身份位势变化,包括高位势逆差的多元传递与平衡位势顺差的协同共进。高位势向低位势的数据多元传递是指混沌态的系统数据通过聚合与开放,转为复杂态的高价值数据;复杂态数据通过数据抽取转为繁杂态,再通过数据解构、重构、重组、复用,转换为结构化数据。该过程凸显吸收张力。平衡位势顺差是计算知识管理系统具备同级身份位势的关联数据交互演进的过程,该过程凸显适应张力。
复杂系统视域下计算知识管理系统的信息韧性是指系统面临危机时基于信息进行系统结构调整、适应和重塑的能力,在信息系统和资源层面灵活、持续应对外部压力以及复原系统的决策支持能力[24]。计算知识管理系统韧性发挥涉及关联信息子系统的存取、调用与松耦合,简单态、繁杂态、复杂态与混沌态间信息复杂度的降解,推动信息管理、信息计算、信息中台与信息交互4个子系统整合重塑,激活信息韧性并作出反应,如图3所示。计算知识管理系统信息场域复杂度决定信息韧性作用方向和潜在行动实施,涵盖信息资源配置、适应与调整,通过信息资源吸收、融合与动态适应映射信息韧性强度。
图3 复杂系统视域下计算知识管理系统信息韧性模型
Fig.3 Information resilience model of computational knowledge management system from the perspective of complex systems
信息资源冗余与灵活配置是信息韧性发挥作用的先决条件,通过关键问题识别、优先事项确定、信息态势明晰,快速合理配置信息资源以维持系统稳定性。无序态信息可以通过信息解构与重构转换为结构化信息,通过数据治理、元数据管理提高信息规范化与可用性,实现信息复杂性降解并向混沌态迁移;混沌态信息可以通过信息聚合、信息序化挖掘信息潜在秩序,建立灵活、敏捷的信息架构;复杂态信息可以通过信息降解、信息转化,实现信息解耦;繁杂态信息可以通过数字化存储与备份,实现信息重用与安全防护,提升简单态信息准确性、标准性与时效性,有助于增强系统稳定性。
知识是动态的框架或过程,能够以复杂方式感知和应对复杂性,体现结构化经验、价值观、信息场域以及专家洞察力,提供信息评估、整合和价值化实践框架[25]。复杂系统视域下计算知识管理系统的知识韧性是系统面临内外部干扰、变化或挑战时,适应、恢复和发展知识资产与知识价值的能力,通过知识的动态吸收、重组、复用,减小知识价值损耗,使计算知识管理系统仍能保持可访问性、有效性和可供性,具备适应能力、发展能力和维持竞争的能力。
当计算知识管理系统参数发生变化时,知识流的定性结构发生改变,计算知识管理系统相空间的拓扑结构也产生变化,随时间推移形成不动点、分岔,此时系统知识网链表征出脆弱性。计算知识管理系统根据危机情境,识别并定位系统脆弱点及知识模块,进行知识复杂度降解,调节不同场域知识流变方向,促进知识韧性发挥作用,如图4所示。类似生物系统的自我调节和进化,计算知识管理系统借助计算工具、专家知识及洞察力,通过知识流动与混合进行知识创造、共享、吸收、转化与更新,呈现出比微观尺度因果关系更为清晰的宏观尺度联系。此时,知识演化方向更接近复杂系统吸引子趋向,计算知识管理系统的自组织能力凸显,通过知识更新形成系统新稳态。
图4 复杂系统视域下计算知识管理系统知识韧性模型
Fig.4 Knowledge resilience model of computational knowledge management system from the perspective of complex systems
计算知识管理系统韧性能力评价涉及规范性,取决于计算知识管理系统目标,例如知识保存与组织、效率提升与重复性降低、追求创造性发展与创新性提升等,目标不同导致韧性能力作用方向和强度也存在差异,而韧性能力发挥作用与韧性治理适应性、灵活性有关。针对计算知识管理系统韧性差异性进行适应性治理,具体表现为数据韧性治理、信息韧性治理与知识韧性治理。
计算知识管理系统的数据韧性治理涵盖针对数据脆弱性变化实现数据公正交叉与位势调节的持续动态适应过程(Taylor,2023),其围绕数据位势的自适应调节开展精准化治理与参与式治理。数据韧性治理的核心是大规模数据源的粒度区分、身份落差、非线性作用与不均衡影响,通过不同数据场域的位势调节与动态交互,实现未知数据的价值挖掘与已知数据的安全保护。
3.1.1 数据韧性精准化治理
数据韧性精准化治理是指对基于特定危机情境的数据进行离群点监督、脆弱点识别与数据身份位势定位。精准化治理首先聚焦于情境和场景化应用,脱离情境数据的有效性降低,容易形成数据冗余,增加数据韧性治理复杂性;其次,针对大规模数据源进行单平台统一接入,采取数据身份的细颗粒度权限策略。此外,明确数据身份位势与治理目标,综合数据韧性指标与系统风险指标进行可视化建模及任务定制,采取敏捷性数据决策,以调整、规范及约束数据的韧性方向与强度,从而实现数据的秩序表征与自适应。
3.1.2 数据韧性参与式治理
数据韧性参与式治理强调计算知识管理系统多方利益主体协同参与,针对系统模块间的位势调节进行治理干预,促进不同身份位势数据进行自组织方向与强度调整。数据平衡位势顺差的治理干预指向以数据自主学习和自适应为主导的适应性张力,涉及数据开放、转换行为的韧性规制,是针对数据隐私计算、数据算法的可解释性与透明性展开的技术和法律协同共治[26];数据高位势逆差的治理干预指向以吸收与整合内外部数据为主导的吸收性张力,涉及数据聚合、开放、解构与重构等韧性行为规制,具体表现为数据多模块间权力下放与松耦合关系。
信息韧性治理是针对计算知识管理系统信息主体脆弱性与管理环境变化,进行信息及相关资源的动态适应与调节的能力或实践集合(Heeks和Ospina,2019),以支持计算知识管理系统的复杂性决策。信息资源在复杂系统的危机管理层面发挥至关重要的作用,信息韧性激活依赖于信息资源吸收与重构。根据信息资源恒定性与复杂性特征,信息资源的动态编排可以协调不同利益相关者的信息资源以维持复杂系统稳定性[27],通过信息资源建构、整合与利用实现计算知识管理系统价值重组和创造[28]。复杂系统视域下计算知识管理系统信息韧性治理涵盖信息资源行动的持续性治理、耦合情境的适应性治理、匹配流程的协同性治理。
3.2.1 信息韧性持续性治理
信息韧性治理是指在信息安全治理基础上嵌入灵活性、动态性和持续性治理思维,在危机预防基础上具备恢复至系统原有状态和价值水平的信息治理能力。其根据计算知识管理系统所处管理环境和危机情境,针对不同信息资源行动实施差异化治理,基于异质性信息韧性行为开展动态监控与风险评估,追踪记录信息异常点与活跃度,通过持续改进机制定期评估信息韧性资源行动成效并实施优化治理策略。因此,需要建立以信息价值化为导向的韧性治理能力成熟度框架,辅助组织专注于环境变化与危机复杂度,持续监测、评估与发展治理能力。
3.2.2 信息韧性适应性治理
建立信息韧性治理自适应学习机制,是指根据危机情境变化针对信息资源行动开展适应性治理。计算知识管理系统内嵌多种计算方法,在增加系统复杂性的同时,可以辅助系统通过经验与算法推理实现学习反思,根据历史经验与行动目标,动态调整和优化异质性情境下信息资源行动。结合信息模块态势区间,动态编排信息资源以支持信息决策;根据信息从确定到不确定的复杂性变化,采取简单态势的最佳实践、繁杂态势的专家决策、复杂态势的群体决策和混沌态势的敏捷性决策方案。
3.2.3 信息韧性协同性治理
针对信息韧性流程开展协同性治理,信息韧性资源的合理编排建构于信息资源行动流程基础上,建立与流程适应协同的信息治理机制可以推动计算知识管理系统信息韧性自治。面对外部环境变化和内部数据与知识的动态协调,信息韧性治理流程的推进依赖于计算知识管理各子系统的协同配合与响应,也依附于外部资源的获取、吸收、整合与利用。同时,算法与算力的韧性协同也为信息韧性治理实现敏捷化、多样化提供了可能,通过透明、开放、协同的治理手段增强组织信任,提升韧性治理效能。
知识韧性治理是知识价值的行动化治理,指向知识韧性实践的路径规制,从整体视角审视知识韧性动态调节过程的松耦合[29],知识韧性治理目的是形成确定的复杂性因果关系[30]。计算知识管理系统不同模块知识韧性的实践能力存在差异,导致计算知识管理系统知识场域的价值不平衡,在韧性调节过程中易导致知识价值损耗,而敏捷化、适应性的知识韧性治理手段能够赋能危机情境下的知识秩序化与价值涌现。
3.3.1 知识韧性敏捷化治理
知识韧性敏捷化治理强调治理时效性,贯穿于计算知识管理系统韧性全周期,通过建立全域韧性监测机制,快速识别韧性作用过程中的异常知识流向和价值主体行为偏差,结合计算知识管理系统知识韧性作用空间与强度进行快速定位及策略调整。根据韧性强度偏差,选择韧性适应策略或韧性吸收策略。韧性适应策略是指快速稳定知识韧性作用方向,从无序知识转向有序知识,从不确定性因果转向确定性因果;韧性吸收策略是指通过知识深度和宽度探索,将知识搜寻与知识整合相结合,产生“高搜寻—高吸收”结果,促进知识深度挖掘、推理与融合。虚拟观测可以根据危机情境、知识韧性作用空间、知识韧性强度,进行个性化韧性治理效果预演,以辅助治理策略的高效选择。
3.3.2 知识韧性适应性治理
知识韧性适应性治理是指根据计算知识管理系统韧性作用阶段,进行知识韧性方向的自组织调节与价值主体行动化纠偏。根据韧性作用阶段与韧性治理目标的不同,识别与监控知识韧性能力行动化核心路径和边缘路径。其中,满足阶段化韧性治理目标的韧性行为处于核心路径,偏离或违背阶段化韧性治理目标的行为处于边缘路径。可针对核心路径进行知识演化与行为价值监测预演;通过合理配置资源、搭建紧密关系、促进多项目合作等(孙国强等,2021),对处于边缘路径的价值主体进行认知纠偏、及时规制,引导其韧性行为。
计算知识管理系统不同层级间治理不匹配会导致系统冲突,进而影响稳定性,因此韧性治理需具备动态性、灵活性与适应性。复杂系统韧性具有灵活性、不确定性和不可预测性等复杂特征,而治理强调稳健性、确定性与可预测性(Duit等,2010),如何均衡复杂系统韧性与治理的对立需求是复杂系统韧性治理问题的核心。根据韧性周期,本文构建计算知识管理系统韧性治理框架,如图5所示。
图5 复杂系统视域下计算知识管理系统韧性治理框架
Fig.5 Resilience governance framework of computational knowledge management from the perspective of complex systems
计算知识管理系统韧性适应期是指在不断变化的环境中快速完成系统适应和资源重组,利用现有资源更好地应对不稳定、持续变化的环境。在韧性适应阶段,韧性治理主要针对复杂系统灵活性与稳健性需求的二元对立。系统韧性强调灵活的适应能力,通过调节吸收张力与适应张力,确保计算知识管理系统具有自组织适应性;系统治理则重视维持系统稳健性,保证治理过程透明、公正和秩序性。然而,高度稳健的系统内部易存在路径依赖和管理惰性等不利因素,且在面对外界高强度或特定压力时易出现系统崩溃。因此,解决复杂系统灵活性与稳健性的二元对立是计算知识管理系统处理复杂性问题的关键(Heeks和Ospina,2019)。
在韧性适应期,计算知识管理系统韧性结构呈现为知识韧性引领、信息韧性与数据韧性双驱动的三元结构,在危机发生时优先表现为知识韧性基础的抗性与适应性能力,并逐级向下传达,实现信息韧性与数据韧性的逐步激活和响应,即通过动态的系统吸收与适应快速应对系统变革和干扰,以稳固现有复杂系统形态。
韧性适应阶段采取知识韧性引领治理、数据治理与信息治理协同的计算知识管理系统韧性治理手段。伴随适应期系统知识韧性的激活,其借助人工智能技术实时监控、预测、可视化知识韧性作用效果,利用计算分析提供实时见解,确保有效调配资源与知识行动以应对不确定情形。同时,自动检测韧性服务实例运行情形,在法律监管与数智技术协同的情况下针对异常韧性实例和知识行为,采取敏捷化与适应性韧性治理策略。该阶段计算知识管理系统数据模块与信息模块的自适应治理为知识韧性治理提供安全保障和资源基础,维持系统的暂稳态。在保障系统灵活性的同时满足韧性治理过程稳健,以实现计算知识管理系统灵活性与稳健性的动态平衡。
计算知识管理系统韧性恢复期发生于适应期后,是指在危机、干扰、突发事件后,系统通过一系列行为反应复原至危机前状态的阶段。适应期系统灵活性、稳健性的适应调节水平越高,韧性恢复的敏捷度越高。在韧性恢复阶段,韧性治理主要针对复杂系统确定性与不确定性的二元对立。韧性面临系统外部环境与系统内部涌现的不确定性,危机情境下环境、用户与系统三者之间的数据交互形成知识不确定性,凸显知识流在跨场域间流动、混合的演化与异变现象。该阶段治理强调系统确定性与稳健性,展现系统治理方向和预期治理效果,重视因果确定性挖掘。因此,解决计算知识管理系统微观不确定性与宏观确定性的对立是韧性恢复期治理的关键。
在韧性恢复期,计算知识管理系统韧性呈现知识韧性与信息韧性双元整合、数据韧性协同的结构态势,通过系统重塑、知识重组、信息重用、数据重构,达到危机事件发生前的计算知识管理系统水平。该韧性复原不等同于系统形态与知识的完全复现,而是计算知识管理系统与社会环境、用户进行实践交互产生的价值复原。例如,新冠疫情冲击下的知识共享由线下的会议组织转变为线上的交流研讨,促进知识扩散并实现线下形态的价值收益。
韧性恢复阶段采取知识韧性与信息韧性双元分衡治理、数据治理协同的韧性治理手段,知识韧性治理自上而下地指导信息资源的动态化编排,采用信息韧性持续性治理、适应性治理和协同性治理等策略,进行韧性资源的弹性收缩以快速响应治理策略,重组计算资源并实现资源调配与复用。数据治理有助于保障系统基础要素和资源合理调取,针对系统内部不确定性与确定性的对立需求,在系统不确定性演化中构建确定性治理机制,规制韧性边缘路径向核心路径聚拢,推动计算知识管理系统由不确定性因果关系转向确定性因果关系。韧性恢复阶段计算知识管理系统韧性治理的目标是实现确定性与不确定性平衡,形成二者相互制衡的系统稳态。
计算知识管理系统韧性转型是建立在恢复基础上,此时系统已恢复至原有状态,并通过韧性行为的价值转化,超越系统原有水平,实现自我革新,是将危机、干扰转化为机遇与创新。在韧性转型阶段,韧性治理聚焦于系统潜在危机可预测与系统演化不可预测的二元对立,其中,韧性强调系统受到外界冲击、干扰后内在演化调节的不可预测性,治理则重视系统治理演化效果的可预测性以及时调整过程性决策。因此,解决计算知识管理系统可预测与不可预测的二元对立是韧性转型期治理的关键。
在韧性转型期,计算知识管理系统韧性结构呈现出知识韧性、信息韧性与数据韧性三元协奏的结构态势,通过对产生的新数据进行标识、分析、处理,嵌入具体情境进行数据价值的新颖性挖掘,推动计算知识管理系统转型升级。
韧性转型阶段采取知识韧性治理、信息韧性治理与数据韧性治理三元协同的韧性治理手段,该阶段治理层次更倾向“数据—信息—知识”自下而上的治理体系,开展数据精准化与参与式治理,进行数据位势的适应性调节以促进新计算知识管理系统韧性服务产生,采取持续性、适应性信息资源的动态编排策略,推动知识韧性治理的自组织演化,实现计算知识管理系统的创新转型与价值升值。通过自下而上的多代理建模,根据经验数据进行计算模拟仿真,融合定性指标,测试不同情境下计算知识管理系统复原力趋向与复原力治理路径。它可能是已有状态、类别或者落地路径中的一种或几种,也可能出现新治理形态与策略[31]。韧性转型阶段计算知识管理系统韧性治理目标是实现系统不可预测性与可预测性时序并行的稳定,系统演化过程不可预测,但可以根据历史经验进行追溯模拟。系统治理演化效果可以根据过程模拟进行预测,计算知识管理系统韧性治理是系统自稳态意识觉醒,形成动态韧性自治。
本文立足复杂系统视域探究计算知识管理系统韧性与韧性治理的概念意涵和作用机理。基于计算知识管理系统结构、特征和韧性基础,构建复杂系统视域下计算知识管理系统韧性模型,从时间、空间、内容、强度4个维度解构计算知识管理系统韧性,分析危机情境下计算知识管理系统数据韧性、信息韧性、知识韧性作用机理,映射并揭示计算知识管理系统计算模块、管理模块、中介模块与交互模块间的动态耦合与相互作用。计算知识管理系统韧性治理框架构建须基于计算知识管理系统韧性模型,揭示计算知识管理系统韧性适应期、恢复期与转型期的韧性治理问题、韧性表征以及动态治理结构。计算知识管理系统韧性治理有助于实现系统动态平衡与保持自稳态,缓解韧性与韧性治理间的对立冲突,推动计算知识管理系统稳健性与灵活性、确定性与不确定性、可预测与不可预测的和谐。
计算知识管理与复杂系统的理论耦合存在研究缺口,有关计算知识管理韧性治理的研究也鲜有涉及。本文延展了复杂系统管理研究边界,丰富了计算知识管理系统意涵,拓宽了韧性与韧性治理研究范畴。
(1)本文创新性提出复杂系统视域下计算知识管理系统概念意涵,促进计算知识管理科学范式下的系统应用,在已有韧性、韧性治理的理论基础上,阐述复杂系统视域下计算知识管理系统韧性与计算知识管理系统韧性治理内涵及框架,为丰富计算知识管理系统意涵、拓展理论边界、嵌入新研究视角和推广系统应用提供了方向指引与学理借鉴。
(2)计算知识管理系统韧性与韧性治理概念的提出拓展了韧性与韧性治理研究范畴,复杂系统视域下数据韧性、信息韧性与知识韧性概念内涵的界定扩展了韧性与韧性治理研究边界,也为韧性机理发现、韧性治理策略制定提供了新研究视角与理论支撑。
(3)既有的复杂系统韧性与韧性治理模型研究聚焦于时间、空间、内容维度,本文在已有研究基础上进一步扩充复杂系统韧性强度维度,模型构建侧重于系统韧性的内容维度与时间、空间和强度3个维度的关联演化。在已有韧性治理研究框架基础上进一步明确不同阶段韧性治理问题与治理结果,丰富了复杂系统韧性研究内容与韧性治理框架。简言之,本文深化了数智化时代计算知识管理的相关研究内容,丰富了系统韧性与韧性治理意涵及研究维度,为复杂系统视域下计算知识管理系统实践与扩展奠定了坚实的理论基础。
计算知识管理系统基础应用涉及知识发现计算、知识行为模拟、知识管理科学实验(姚伟等,2023)与知识管理复杂性分析等。华为云是计算知识管理系统实施的典型案例,华为云数据中涉及计算知识管理中介模块,华为云全生命周期知识计算解决方案涵盖知识获取、知识建模、知识管理与知识应用四大模块[32],多方面映射诠释计算知识管理系统的计算、管理、交互等多个模块。在计算知识管理系统韧性实践层面,华为云开发了弹性云服务器、弹性伸缩服务等,提供安全、稳定、高弹性的计算服务,开发出满足多业务场景需求的计算实例以应对系统危机。当前华为云建立了数据治理中心,进行全生命周期数据集成、管理和全链路监控,但是缺乏针对全生命周期的知识计算平台韧性治理解决方案。
本研究构建的计算知识管理系统韧性治理框架可为华为云进一步开展系统韧性治理提供理论借鉴,基于系统数据治理流程,针对弹性计算数据服务进行数据身份定位与动态调节规制,针对弹性计算信息服务开展信息资源建构、整合与利用的动态化编排,针对弹性计算知识服务进行全域、全链路追踪与动态化治理,对知识韧性价值化路径进行监控规制。根据计算知识管理系统韧性周期进行全链路追踪与动态化治理,采取差异化韧性治理机制以提供敏捷化、适应性、针对性的韧性解决方案,拓展并丰富当前计算知识管理系统治理研究范围,为企业计算知识管理系统韧性实践提供更加丰富的解决方案,释放知识价值、激活新型知识生产力,推动企业知识管理向智慧管理转型。
作为一项理论探索性研究,本文构建的计算知识管理系统韧性模型与治理框架,其可行性有待未来结合具体情境进行深入探究和检验,同时,可融合AI治理与算法治理进一步拓展韧性治理分析维度。后续研究还可以从认识论、本体论和方法论层面深化计算知识管理系统韧性与韧性治理研究:在认识论层面,计算知识管理系统韧性认知超越“已知”的数据与知识,向“应知”展开价值行动实践,探索“未知”的创新涌现;在本体论层面,从互动本体论出发,立足系统交互感知视角剖析韧性在自组织适应过程中的关键作用机理;在方法论层面,综合复杂系统思维、计算思维、整体思维,通过计算实验、仿真模拟进行计算知识管理系统韧性治理效果与策略的仿真预测。
[1] 董小英,胡燕妮,曹珅珅.数字经济时代的知识管理:挑战与趋势[J].图书情报工作,2019,63(1):60-64.
[2] LEE Y,CHO J.Knowledge representation for computational thinking using knowledge discovery computing[J].Information Technology and Management,2020,21(1):15-28.
[3] 盛昭瀚,于景元.复杂系统管理:一个具有中国特色的管理学新领域[J].管理世界,2021,37(6):36-50.
[4] 邵兵,匡贤明,王翚.数字化知识管理与制造业企业技术创新:基于动态能力视角[J].科技进步与对策,2024,41(14):111-121.
[5] 姚伟,周鹏,柯平.计算知识管理科学:数智化时代的知识管理研究路径[J].情报理论与实践,2023,46(2):15-23.
[6] 王竹立,吴彦茹.数智时代的知识管理:知识不确定性的挑战及应对策略[J].现代远程教育研究,2024,36(1):21-28.
[7] HOLLING C S.Resilience and stability of ecological systems[J].Annual Review of Ecology and Systematics,1973,4 (1) :1-23.
[8] TIM Y,CHIEW T K,LIM H M,et al.Design process knowledge for crisis-driven information systems solutions:Insights on building digital resilience from an action design research study[J].Information Systems Journal,2023,33(6):1343-1369.
[9] CORRALES-ESTRADA A M,G
MEZ-SANTOS L L,BERNAL-TORRES C A,et al.Sustainability and resilience organizational capabilities to enhance business continuity management:a literature review[J].Sustainability,2021,13(15):8196.
[10] HEEKS R,OSPINA A V.Conceptualising the link between information systems and resilience:a developing country field study[J].Information Systems Journal,2019,29(1):70-96.
[11] PUMPUNI-LENSS G,BLACKBURN T,GARSTENAUER A.Resilience in complex systems:an agent-based approach[J].Systems Engineering,2017,20(2):158-172.
[12] SADEGHI J K,STRUCKELL E,OJHA D,et al.Absorptive capacity and disaster immunity:the mediating role of information quality and change management capability[J].Journal of Knowledge Management,2021,25(4):714-742.
[13] SHEN Y,CHENG Y,YU J.From recovery resilience to transformative resilience:how digital platforms reshape public service provision during and post COVID-19[J].Public Management Review,2023,25(4):710-733.
[14] KOROSTELEVA E A.Reclaiming resilience back:a local turn in EU external governance[J].Contemporary Security Policy,2020,41(2):241-262.
[15] 刘春红,郄可心,陈李红.动态视角下组织韧性的形成机理与作用效果[J].经济管理,2023,45(8):5-25.
[16] 容志,宫紫星.理解韧性治理的一个整合性理论框架——基于制度、政策与组织维度的分析[J].探索,2023,27(5):119-133.
[17] 赵中华,孟凡臣.知识治理对目标方知识员工行为激励的机理研究[J].南开管理评论,2019,22(3):4-14.
[18] 张欣.面向产业链的治理:人工智能生成内容的技术机理与治理逻辑[J].行政法学研究,2023,36(6):43-60.
[19] 麦强,盛昭瀚,安实,等.重大工程管理决策复杂性及复杂性降解原理[J].管理科学学报,2019,22(8):17-32.
[20] SNOWDEN D.Complex acts of knowing:paradox and descriptive self-awareness[J].Journal of Knowledge Management,2002,6(2):100-111.
[21] 单子丹,门丽双,赵艳蓉,等.VUCA情境下数字创新生态系统韧性的提升策略及仿真研究[J].软科学,2024,38(9):16-23.
[22] BENBYA H,NAN N,TANRIVERDI H,et al.Complexity and information systems research in the emerging digital world[J].Mis Quarterly,2020,44(1):1-17.
[23] BERTONI E,FONTANA M,GABRIELLI L,et al.Handbook of computational social science for policy[M].Germany:Springer Nature,2023.
[24] 陈晓宇,杨若熙,邓胜利.信息韧性视角下的可持续信息学研究述评:知识基础、研究议题与应用场景[J/OL].图书情报知识,1-12[2025-09-15].https://link.cnki.net/urlid/42.1085.G2.20240125.1607.004.
[25] DAVENPORT T H,PRUSAK L.Working knowledge:how organizations manage what they know[M].USA:Harvard Business Press,1998.
[26] 李轩.隐私计算赋能公共数据开放的逻辑进路与风险规制[J].科学学研究,2024,42(8):1716-1723.
[27] PAN S L,CUI M,QIAN J.Information resource orchestration during the COVID-19 pandemic:a study of community lockdowns in China[J].International Journal of Information Management,2020,54(10):102143.
[28] 周翔,孙锐.产业互联网驱动的产业集群价值共创机制研究:基于资源编排的视角[J].中国软科学,2024,36(S1):74-91.
[29] GUO Y,CHEN Y,USAI A,et al.Knowledge integration for resilience among multinational SMEs amid the COVID-19:from the view of global digital platforms[J].Journal of Knowledge Management,2023,27(1):84-104.
[30] HILLMANN J,GUENTHER E.Organizational resilience:a valuable construct for management research[J].International Journal of Management Reviews,2021,23(1):7-44.
[31] 盛昭瀚,张维.管理科学研究中的计算实验方法[J].管理科学学报,2011,14(5):1-10.
[32] 华为云知识计算解决方案,AI行业落地新路径[EB/OL].(2021-01-12)[2024-07-04].https://www.huawei.com/cn/huaweitech/publication/87/knowledge-computing-enterprise-ai.