【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097(2025)05—091—10【DOI】10.3969/j.isn.1009-8097.2025.05.010
一研究背景
在线问答学习社区因其开放性、交互性、及时性等特征受到众多学习者的喜爱,成员数量呈喷井式增长,并为学习者提供了一个“群体众包”型的知识共享交流平台。知识共享是组织或个体适应世界与维持核心竞争力的关键1,其相关研究集中在三个方面: ① 知识共享网络特征。例如,宋雪峰等[2发现在线社区多数成员联系较为松散,核心角色和外围角色分化鲜明。 ② 知识共享行为。例如,陈明红等[3]、Sun等4]提出结构资本对社区知识共享具有正向影响,而关系资本、认知资本对社区知识共享的数量与质量具有正向影响。 ③ 知识共享影响因素。例如,侯贵生等[5]认为知识外化的难度直接影响知识共享策略;姚慧丽等回、冀鸿等[]、Lou等[8]认为知识共享会产生知识协同收益,且收益与知识共享意愿、知识存量、知识吸收转化等紧密相关;而 Hendriks[9]、李从东等[10]、王鹏民等[11]提出,共享收益还受到知识获取能力、知识转化能力等因素的影响。
知识耦合是两个或两个以上的知识系统相互渗透、重组,以促进新知识生成的过程[12]。在知识耦合视角下探究知识共享行为的独特优势,在于能够通过动态交互分析知识共享行为的规律。知识活动个体倾向于以有限的思考、有限的时间投入参与知识耦合过程,这意味着知识共享具有不确定性,需要在演化博弈的过程中探索知识共享策略。知识耦合的相关研究聚焦三个方面: ① 企业/产业知识交流,包括产学研知识耦合[13]、新兴产业与传统产业知识耦合[14]等; ② 知识体系的耦合,包括知识共同体与德育共同体的耦合[15]、学科知识生产系统的耦合[16]等; ③ 知识耦合的技术效应,包括技术突破与创新[17]、技术耦合度[18]等。
既往研究忽略了知识共享在知识流动和知识耦合过程中的动态作用机制,因此有必要从动态视角对知识耦合过程中的知识共享行为进行深入分析。基于此,本研究采用演化博弈方法,尝试构建在线问答学习社区知识共享演化博弈模型,并借助仿真实验分析社区成员知识共享的发生机制与演化规律,以期为在线学习社区的知识共享行为研究与平台功能优化提供参考。
二在线问答学习社区知识共享演化博弈模型的构建
演化博弈方法是一种研究群体成员行为随时间变化而发生变化的方法,重在探究群体策略的调整与选择机制,以解释社会行为的形成与演化。采用此方法,本研究构建了在线问答学习社区知识共享演化博弈模型,包括四个步骤: ① 分析知识耦合过程,揭示演化博弈涉及的“知识外化、知识群化、知识内化、知识创造”四个阶段; ② 构建收益矩阵,即在四个阶段的基础上分别探究成员群体的收益成本; ③ 构建复制动态方程,即在收益矩阵的基础上,探究用户知识共享决策随时间变化而呈现的变化趋势; ④ 制定演化博弈稳定策略,即在复制动态方程的基础上,分析用户知识共享决策的稳定行为模式。
1知识耦合过程
本研究基于Nonaka等[9提出的知识转化模型,将知识耦合过程分为知识外化、知识群化、知识内化、知识创造四个阶段,如图1所示。在线问答学习社区知识共享演化博弈模型比较关注知识耦合过程中社区成员与其他知识系统的知识转化,但忽略了外部环境带来的影响。而知识耦合的外部环境是一个泛化概念,包括学校培训、社会培训等,这些内容并不直接作用于在线问答学习社区的知识耦合过程,但会通过丰富个人知识存量间接影响知识耦合质量。从知识外化到知识群化到知识内化再到知识创造,对应了知识呈现、知识转移、知识吸收、知识升华的内在过程,这一过程是问答学习社区知识生产与传播、用户知识获得与创造的关键。

2收益矩阵
虽然社区成员知识获得的外部环境差异较大,但最终都会影响到个体知识存量。因此,外部环境对社区成员的影响,可以间接用知识存量来描述。本研究用 Km , Kn ,分别表示成员 m 、n的知识存量。
(1)知识外化阶段的收益
在本阶段,知识提供方通过外化个体知识到在线问答学习系统,实现知识与系统的耦合。参考侯贵生等[20]提出的“知识外化是一种相对支出状态和相关指标”的观点,本研究用 ηm , ηn 分别表示成员 m 、n的支出系数,同时用 ηmKm , ηnKn 分别表示成员 m 、n的知识支出状态。
(2)知识群化阶段的收益
在本阶段,社区成员与知识系统耦合产生协同效应。依据姚慧丽等[211、冀鸿等[22]、Lou等[23]等关于知识协同的观点,本研究将成员知识存量 (K) 、知识协同系数 (α) 、知识转化能力 (θ) 、异质性知识比例 (H) !成员知识共享意愿(S)作为知识协同的主要因素。据此,本研究用 KmSmHmθn 表示成员 n 获得成员 m 的知识价值,协同收益为 KmSmHm(θn+αn) ;同理,成员 m 的协同收益为 KnSnHn(θm+αm) 。
(3)知识内化阶段的收益
在本阶段,社区成员主动与知识系统耦合,并不断建构和拓展已有的知识体系。依据李从东等[24]、王鹏民等[25]、Hendriks[26]提出的直接知识收益计算方法,本研究用 G 表示知识获取能力,则成员 n 的知识内化收益为 KmSmGnθn 、成员 m 的知识内化收益为 KnSnGmθm 。
(4)知识创造阶段的收益
在本阶段,社区成员基于已有的知识存量及其与知识系统的耦合,获得协同收益和直接收益。由于个体的认知系统存在差异,故本研究使用 β 表示知识创造能力,则成员 n. 成员m创造知识的收益分别为 βnKn !βmKm 。通过知识创造引发新的知识不平衡,可使知识存量在内、外部环境的作用下迭代更新,从而产生新一轮的耦合效应。
综上,本研究构建了社区成员收益矩阵,如表1所示。其中,T表示其他支出,主要指社区成员行动产生的额外成本。当成员 n 与成员m积极共享时,整体收益为“知识内化、知识群化、知识创造三个阶段用户收益之和”与“知识外化阶段用户收益”之差;当一方成员消极共享时,收益值为0,即不获得收益。

3复制动态方程
本研究采用演化博弈方法,设成员 m 选择积极共享策略的概率为y、选择消极共享策略的概率为1-y,而成员 n 选择积极共享策略的概率为 x 、选择消极共享策略的概率为 。对成员 n (成员 m 同理,故不赘述)两种策略的期望收益情况进行分析,本研究得到积极共享期望收益 Nps 、消极共享期望收益 Nns 。在此基础上,本研究构建了成员 n 的复制动态方程,用函数 F(x) 表示,如公式(1)所示。
公式(1)
根据函数稳定性原理,仅当 F′(x)lt;0 时, X0 是原始方程和展开式的稳定点。基于此原理,本研究对 y=y0, (20 分别进行数据计算,结果显示:当成员 m 以 y0 概率进行知识共享时,无论成员 n 是否进行了知识共享,其演化策略都没有显著变化;当成员 m 的知识共享概率低于 y0 时,成员 n 的积极共享策略向消极共享策略转变;当成员 m 的知识共享概率高于 y0 时,成员 n 的消极共享策略向积极共享策略转变。据此,本研究绘制了成员 n 的演化策略相位,如图2所示。



4演化博弈稳定策略
基于上述推导结果,本研究采用雅可比矩阵计算方法,得到 F(x) 的局部稳定点:(0,0)、(0,1)、(1,0)、(1,1)和 (x0,y0) 。其中, xo∖yo 的计算分别如公式(2)、公式(3)所示。
公式(2)
公式(3)
得到 F(x) 的局部稳定点之后,本研究采用行列式 detJ 与迹 trJ 计算方法[27],对复制动态方程 F(x) 进行分析,分析结果即为演化博弈稳定策略,即(0,0)、 (1,1) 为稳定点, (0,1) 一 (1,0) 为不稳定点, (x0,y0) 为鞍点。如果坐标点为稳定点,则表明演化博弈过程具有向其聚焦和收敛的趋势,进而可得到在线问答学习社区知识共享的演化博弈相位,如图3所示。
三在线问答学习社区知识共享行为演化博弈的仿真实验
系统动力学是一类研究复杂系统动态行为的科学方法统称,而仿真实验是实现系统动力学模拟与分析的具体方法。由于知识共享行为具有不确定性和不稳定性,故本研究依托构建的演化博弈理论模型进行仿真实验,这是在线问答学习社区知识共享演化博弈模型的具体实践。

既往研究经过严密的理论、逻辑推导,获得了虚拟学习社区行为仿真研究的初始赋值[28][29][30],具有一定的可信度,但个别变量水平有必要加以修正:在线问答学习社区中,知识获取易受网站搜索与功能设置可用性的间接影响,故将变量“知识获取能力”的初始值从既往研究的0.2修正为0.4;考虑到不同用户的知识转化能力存在差异,故将变量“知识转化能力”的初始值从既往研究的0.3修正为0.5;另外,由于社区用户大多为“潜水者”,难以真正实现有效知识创新,故将变量“知识创造能力”的初始值从既往研究的0.6修正为0.3。在此基础上,本研究进行了变量赋值,如表2所示。在后续的仿真实验过程中,上述变量水平仅为初始状态,所有变量将依次分别变动至少四个水平,以保证研究结果的可靠性。
为进一步验证变量设置的合理性,本研究根据演化博弈稳定策略调整变量水平,并使用Matlab 编写模型代码,具体包括: ① 变量数值不变; ② 修改知识共享S值为0.1; ③ 修改知识共享S值为1的同时,设置支出系数 η 为0.1,形成三组理论上的趋势样态,具体如图4所示。其中,图4(a)对应了图3的理论建构,呈现出一种演化博弈态,当超过鞍点位置 (xO=0.357,yO=0.357) 时,用户趋向于选择稳定点为(1,1)的积极共享策略。图4(b)、图4(c)分别对应稳定点为(0,0)的消极共享策略、稳定点为(1,1)的积极共享策略。上述验证结果表明,在线问答学习社区知识共享演化博弈理论模型和实际结果具有高度一致性,说明本研究提出的模型、变量均有效,可以作为后续研究的基础。

1知识存量对知识共享的仿真分析
知识存量对知识共享的仿真结果如图5所示,其中右侧“异水平”图中的d表示变量差值(图 6~ 图12同理)。在如图5(a)所示的同水平情况下,成员的知识存量越大,其知识内化与知识建构的速度就越快,就越易实现知识共享;但知识存量的增长,会导致收敛趋势的变化幅度变小。在如图5(b)所示的异水平情况下,不同成员的知识存量差值越大,用户越趋向于选择积极共享策略;而当成员的知识存量差异不大且初始值较高( k=60 )时,收敛速度更快。上述分析表明,知识水平齐平的协同效应与知识水平差异的互补效应,均推动了知识共享。

2知识共享意愿对知识共享的仿真分析
知识共享意愿对知识共享的仿真结果如图6所示。在如图6(a)所示的同水平情况下,低水平知识共享意愿将降低知识生产和交流的可能性,而随着知识共享意愿增强,社区成员知识交流的概率得到显著提高。当知识共享意愿达到 35% 时,积极共享行为的发生概率接近 50% ,说明知识共享意愿具有放大效应,维持知识共享活动至少需要 35% 的积极情绪。在如图6(b)所示的异水平情况下,低水平知识共享意愿(初始值 s=0.1 )会导致消极共享行为,即使其中一方的知识共享意愿达到 85% ( d=0.75 ),积极共享行为的发生仍会呈现短增、长降的趋势。同理,高水平知识共享意愿(初始值 s=0.6 )会导致积极共享行为。
3知识异质性对知识共享的仿真分析
知识异质性对知识共享的仿真结果如图7所示。在如图7(a)所示的同水平情况下,低知识异质性将快速引起消极知识共享行为,但较小幅的增长将提高积极共享概率。在如图7(b)所示的异水平情况下,每 25% 的增幅都会较为显著地提高积极共享概率。低知识异质性不利于知识共享与知识创造,但当成员知识异质性差值足够大( d=0.75 )时,他们同样会趋向于选择积极共享行为,积极共享概率为 80%~90% 。当初始知识异质性水平足够高时,积极共享行为将更快收敛。因为知识内容的多元化更可能促进跨学科交流活动,产生更多知识碰撞与分享意愿。

4知识协同对知识共享的仿真分析
知识协同对知识共享的仿真结果如图8所示。在如图8(a)所示的同水平情况下,社区成员进行较低水平的知识协同,其积极共享行为的发生概率大于 80% ;随着知识协同系数增大,积极共享行为会更快收敛。知识协同本身具有高附加值,其较低的水平就能促进社区成员积极共享知识。在如图8(b)所示的异水平情况下,低知识协同(初始值 α=0.1 )、高知识协同(初始值 α=0.6 )都能促进积极共享行为的发生,但与知识异质性、知识共享意愿等作用机制存在不同。差异化知识协同往往意味着知识与学科背景不同、成员思维模式不一,这更有可能衍生出独立思考的个体、创造出新的理念和观点,进而促进成员之间的知识交流与知识共享。
5知识获取能力对知识共享的仿真分析
知识获取能力对知识共享的仿真结果如图9所示。在如图9(a)所示的同水平情况下,社区成员的知识获取能力越强,其积极共享概率越大,每 25% 的增幅都会显著加快其积极共享行为的发生,说明更高的知识获取能力为社区成员带来了更便捷的知识体验和学习反馈。在如图9(b)所示的异水平情况下,社区成员的知识获取能力差值越大,积极共享行为发生的概率也就越大,反之亦成立,且更高水平的知识获取能力(初始值 g=0.6 )会更快地诱发积极共享行为。
6知识转化能力对知识共享的仿真分析
知识转化能力对知识共享的仿真结果如图10所示。在如图10(a)所示的同水平情况下,社区成员的知识转化能力越弱,积极共享行为发生的概率就越低,反之亦成立。特别是当知识转化能力达到 35% 时,成员的知识共享概率将超过 90% 。社区成员的知识转化能力越强,其知识内化速度越快、自我效能感和积极情绪越高,也就更易开展更多的知识交流。在如图10(b)所示的异水平情况下,社区成员之间的低知识转化能力(初始值 Θ=0.1 不利于积极共享行为的发生,即使其中一方的知识转化能力达到 85%(d=0.75) ),最终的知识共享概率仍可能不足 80% 。而具有高知识转化能力(初始值 Θ=0.6 )的成员之间无论差异系数多大,其积极共享行为都将更快收敛。

7知识外化支出对知识共享的仿真分析
知识外化支出对知识共享的仿真结果如图11所示。在如图11(a)所示的同水平情况下,知识外化支出越多,社区成员的消极共享概率越大,反之积极共享概率越大、收敛速度越快。可见,过于复杂、繁琐的知识输出环境(如实名认证发言、限制发言字数等)加大了知识外化的难度,阻碍了知识共享行为。在如图11(b)所示的异水平情况下,成员之间的知识外化支出差值越小,积极共享概率越大。值得注意的是,当知识共享双方的知识外化支出极端化时( η=0.1 , d=0.75 ),并不会直接导致消极共享行为,因为积极共享行为、消极共享行为发生的概率均为 50% ,这说明知识共享行为是内外部多个变量演化博弈的结果。

8知识创造能力对知识共享的仿真分析
知识创造能力对知识共享的仿真结果如图12所示。在如图12(a)所示的同水平情况下,知识创造能力越强,社区成员的积极共享概率越大。在如图12(b)所示的异水平情况下,低水平知识创造能力(初始值 β=0.1 )不利于知识交流,即使其中一方的知识创造能力达到 85% ( d=0.75 ),其积极共享行为发生的概率也仅为 50% 。高水平知识创造能力(初始值 β=0.6 )正向影响积极共享行为的发生概率,且成员之间的知识创造能力差值越大,收敛速度越快。
需要说明的是,“其他成本”变量是一个综合变量,包括一些不易测量或间接的行动成本。本研究引入该变量的目的是控制其对整体仿真的影响,故不对此变量展开具体分析。
四结论与建议
1结论
为探究在线问答学习社区在知识耦合过程中的知识共享行为特征和演化规律,本研究采用演化博弈方法开展了仿真实验,所得结论主要如下:
(1)能力水平齐平的协同效应与能力水平差异的互补效应并存推动知识共享
仿真实验结果显示,问答学习社区中成员的知识共享概率主要随能力水平提升而持续加大,且这种现象同时存在于“同水平”和“异水平”两种情况。其中,“同水平”情况反映了能力水平齐平的协同效应,交流双方的能力水平相匹配是知识共享的首要前提,如同水平学习者的知识存量、知识转化能力、知识创造能力等越高,知识共享概率越大;而“异水平”情况反映了能力水平差异的互补效应,加大知识异质性、知识获取能力等变量水平的差值,均能有效提升知识共享概率。协同效应与互补效应并存,两者不仅不对立,反而共同推动了社区知识共享。
(2)知识共享意愿、知识转化能力、知识创造能力等主动性能力显著影响积极共享策略
知识存量、知识获取能力等基础性能力始终正向影响知识共享,其较低的初始水平就可导致积极的知识共享行为。但是,知识共享意愿、知识转化能力、知识创造能力等主动性能力必须达到一定的水平,才能导致积极的知识共享行为,且收敛速度更快;而且,这些变量的初始水平越高,其知识共享概率就越大,但概率增长幅度会有所下降。也就是说,这些主动性能力是积极共享策略的关键影响因素,其在知识系统中的分布结构与离散性比例越不稳定,对知识耦合与知识共享的影响就越大。
(3)知识群化阶段是提升知识共享概率的关键环节
从知识耦合过程四个阶段中不同变量影响知识共享行为的作用机制来看,知识群化阶段受到了更多变量的影响,其对知识共享行为产生的实际影响也更为多样。例如,在异水平情况下,知识群化阶段相关变量的差值越大,积极共享概率越不稳定;知识异质性使知识共享概率低于 90% ,而知识转化能力使知识共享概率低于 80% 。可以说,知识群化阶段是影响积极共享概率的关键阶段,之后按照影响大小依次是知识外化阶段、知识创造阶段、知识内化阶段。知识群化阶段的特殊性在于加速了知识流动,促成了个体隐性状态向群体显性状态的转变,使知识耦合的价值得以最大化。
2建议
为促进在线问答学习社区成员积极共享知识,本研究基于上述研究结论,针对社区建设提出以下建议:
① 完善激励制度与分类导引知识共享区。一方面,要完善成就等级与贡献排行榜系统,为知识共享水平较高的用户提供部分VIP服务,如开放部分会员文章阅读权限、放宽发言字数条件等。另一方面,要完善分类导引知识共享区,如为知识水平较高的群体提供专业技术讨论圈、为知识水平差异较大的群体提供具有知识索引分类的知识讨论区。
② 强化技术赋能学习活动的成效。具体来说,要最大化发挥知识共享意愿、知识转化能力、知识创造能力等关键变量的作用,将人工智能技术引入在线问答学习社区,为知识共享者提供人工智能生成图表、文字与自动纠错等智慧工具。同时,要积极开发知识智能分类与整理功能和专有名词、复杂词语的知识图谱解释功能,建设完整的知识库和专家库,促进知识转化和知识创造。
③ 形成相对稳定的知识共享生态。在线问答学习社区要基于大数据做出循证决策,动态监测社区成员参与知识讨论与知识共享的活跃度,并采取有针对性的调整与管理措施,以强化社区成员与学习社区的结构性耦合。此外,在线问答学习社区要通过丰富多模态学习资源、提供个性化学习推荐路径等,提升社区成员的知识共享意愿,减少知识外化过程对知识共享的消极影响,打造相对稳定的知识共享生态。
参考文献
[1]Charband Y,Jafari Navimipour N.Onlineknowledgesharing mechanisms: Asystematicreviewof thestateof theartliterature and recommendations for future research[J]. Information Systems Frontiers, 20l6,(6):1131-1151.
[2]宋学峰,赵蔚,高琳,等.社交问答网站知识共享的内容及社会网络分析——以知乎社区\"在线教育\"话题为例[J].现代教育技术,2014,(6):70-77.
[3]陈明红,漆贤军.社会资本视角下的学术虚拟社区知识共享研究[J].情报理论与实践,2014,(9):101-105.
[4]SunYQ,Fang YL,Lim K,et al. User satisfaction with information technology service delivery: A socialcapitalperspective[J]. Information Systems Research, 2012,(4):1195-1211.
[5][20]侯贵生,王鹏民,杨磊.在线健康社区用户知识转化与共享的演化博弈分析[J].情报科学,2017,(7):31-38.
[6][21][9]姚慧丽,毛翔宇,金辉.考虑平台影响因素的虚拟社区知识共享演化博弈研究[J].运筹与管理,2020,(12):82-88.
[7][22]冀鸿,霍明奎.高校教师团队知识共享的演化博弈分析[J].情报科学,2013,(5):142-146.
[8][23]LouJFang Y,Kai HL,etal.Contributing highquantityandqualityknowledge toonline Qamp;Acommunities[J].Joualof the American Society for Information Science amp; Technology, 2013,(2):356-371.
[9]26]Hendriks P.Whysharingknowledge?The influenceofICTonthe motivation for knowledge sharing[J].KnowledgndProcess Management, 1999,(2):91-100.
[10][24][30]李从东,黄浩,张帆顺.基于网络演化博弈的互动创新社区用户知识共享行为影响因素研究[J].现代情报,2021,(4):36-45.
[11][25][28]王鹏民,侯贵生,杨磊.基于知识质量的社会化问答社区用户知识共享的演化博弈分析[J].现代情报,2018,(4):42-49、57.
[12]Yayavaram S,Ahuja G.Decomposability in knowledge structures and its impact on theusefulness of inventions andknowledge-base malleability[J]. Administrative Science Quarterly, 2008,(2):333-362.
[13]关新,赵琰,郭瑞,等.行业评价驱动下的产教耦合课程知识体系建设[J].高等工程教育研究,2021,(4):111-117.
[14]王嘉杰,李天逸,孙建军,等.战略性新兴产业与传统产业的知识耦合测度研究:基于互补与替代视角[J].情报理论与实践,2024,(8):63-75.
[15]任少波,单珏慧.构建基于\"知识共同体\"的\"德育共同体”——高等学校立德树人的二维耦合[J].教育研究,2019,(7):44-50.
[16]单捷飞,何海燕,石秀,等.我国高校学科组织管理与知识生产耦合机理研究——兼论一流学科发展规律[J].学位与研究生教育,2020,(3):19-27.
[17]CanerT,TylerBB.The effcts ofknowledge depthand scopeonthe relationshipbetween Ramp;Dalliances and new productdevelopment[J]. Journal of Product Innovation Management, 2015,(5):808-824.
[18]武华维,王超,许海云,等.知识耦合视角下区域科学-技术-产业协同创新水平的评价方法研究[J].情报理论与实践,2020,(5):91-98、8.
[19]Nonaka I, Takeuchi H.The knowledge-creating company[M]. New York: Oxford University Press,1995:69-123.[27]赵玉鹏,杨连生,侯坤超.演化博弈视域下研究生导师和辅导员协同育人策略及路径研究[J.研究生教育研究,2022,(4):23-28.
Evolutionary Game of Knowledge Sharing in Online Qamp;A Learning Community from the Perspectiveof Knowledge Coupling Simulation Experiment of Knowledge Sharing Behavior Based on System Dynamics
TAOJin-Hu1 DONG Wei²
(1.School ofEducation,TsinghuaUniversity,Beijing,China 0084; 2.School ofEducation, Tianjin University, Tianjin, China 300350)
Abstract: Clarifying the action mechanism of evolutionary game of knowledge sharing in online Qamp;A learning community can promote knowledge communication and problem-solving among community members.Accordingly,from the perspective of knowledge coupling,this paper firstconstructedthe evolutionary game model ofknowledge sharing inonline Qamp;Alearning communities through applying the evolutionary game method.Afterwards,thesimulation experiment of knowledge sharing behaviorbased onsystem dynamics was conducted,with simulation analysis performed using Matlab writing modelcodes,to analyze the influence of behavioral characteristics of community members on knowledge sharing. It was found that the synergisticefectofequal abilitylevelsandthecomplementaryefectsofdifferingabilitylevelscoexisted,jointlypromoting knowledgesharing.Proactiveabilitiesincluding knowledgesharingwilingness,knowledge transformationabilityand knowledge creation significantlyaffected positive sharing behavior,and the knowledge grouping stage served as akeylink in improvig the probabilityofknowledge sharing.Finally,basedon theseresearch findings,this paper proposedsuggestions for communityconstruction inorder to promote positive knowledge sharing among members ofonline Qamp;A learningcommunities. Theresearch contributedtoadeepunderstandingofthe inherentcharacteristicsand lawsof knowledge sharing,andcould provide guidance for optimizing functionality design and knowledge management strategies of related learning platforms, as well as improving members’ experience.
Keywords: Qamp;A learning community; knowledge coupling; knowledge sharing; evolutionary game; simulation experiment
编辑:小米