社群績效比較值範圍限制在 0 至 100 之間，僅是為求一公平計算之用，
對於 KVAS 系統之正確性不具任何影響。
6.1.2 模糊隸屬度函數之假設
本研究採用模糊隸屬度函數來說明知識分類及價值，建立模糊隸 屬度函數之先前假設有以下兩項，其假設對於模式之影響程度以下將 進行討論。
一、假設模糊語詞沒有回逆現象產生
本研究允許兩個相鄰的模糊語詞可重疊，但不允許左側模糊語詞 之中間值超過右側模糊語詞之中間值，產生回逆現象（亦即評分高的 平均值低於評分低的平均值）。以微觀角度來觀察模糊語詞，在各知識 社群知識活動皆可能發生模糊語詞產生回逆現象。然而，以巨觀角度 來檢視知識活動價值，模糊語詞不應該發生回逆現象，否則將導致知 識活動價值不正確之產生。應用模糊概念所建立之 RKCP 及 KVAP 模 糊隸屬度函數，其五個模糊語詞不會產生回逆現象，可符合知識活動 之價值。如僅以所回收之有效問卷得分來統計，則無法避免回逆現象 產生。
二、假設原創知識之知識加值變數(式 4.3 之 K 值)為 100。
本研究在建立 RKCT × KVAT 模糊隸屬度函數，已有一項基本假設，
以一個知識活動案例過程來說明，其過程應包含 RKCP 及 KVAP 兩個 過程，即社群成員提出一個原創知識時，會有成員提出知識加值。然 而若僅針對原創知識進行計算，則建議以式 4.3 計算，將 RKCT × K 再 除以 100，式 4.3 中 K 值是指知識加值變數值。本研究將此 K 值設定 為 100，是為了鼓勵提供原創知識者，以提高其「KVA 值」之評價。
因為若「KVA 值」過低，將使社群成員沒有意願提出原創知識，則 KMS 之知識管理活動將受到壓抑。
6.2 模式應用之討論
本研究提出以下四項模式應用功能，並進行未來其應用之建議討 論。
一、提供社群管理人進行個人績效衡量參考
本研究所提出之「知識加值模式」不僅可量化個人參與知識社群 之績效高低，經由其長期累積之績效資訊將可提供社群管理人，對於 個人在知識社群參與知識討論之表現，可作為評量依據之參考。藉由 此績效資訊，社群管理人可針對績效不佳之參與者，規劃一激勵方針 或改善策略。
二、提供知識社群間績效比較之用
利用社群成員彼此比較之心態來激發社群，發表更有價值之知識，
將有助於社群成長，因此，建立公平的比較基準點相當重要。本研究 所建立之績效評量基準點，在各知識社群之貣點平均皆相同。因此，
未來知識社群進行績效比較，除了可用於知識社群自己比較之外，更 可用於各知識社群間互相進行績效比較。
三、提供知識社群之知識品質改善
本研究所提出之「KVA 值」可將個人及社群績效完整呈現。現有 知識社群比較基準點是「知識計點」，其僅考慮參與社群討論之數量，
並未將知識品質納入考量；而「KVA 值」不僅將討論數量納入，並探 討每個知識活動品質，更真實地表達知識活動價值。由個案公司之知
識社群在 2006 年的研究樣本，可分析得知社群知識討論數量呈現成長 趨勢，如圖 6.1 所式；以 KVAS 系統量化案例後，其呈現的「KVA 總 值」亦呈現成長趨勢，如圖 6.2 所示；然而，知識品質（平均 KVA 值）
卻呈現逐年下降趨勢，如圖 6.3 所示。本研究有以下兩項改善建議。
（一）建議以「平均 KVA 值」取代「知識計點」來對社群參與成員進 行比較，並事先加強評估來刪除無用之知識產生，使知識社群討論內 容更有價值。
（二）綜整所有知識社群一定期間之績效資料，規劃出最佳評估時間 點。為了預防每年年終時員工為補足公司所要求之知識管理參與量，
而大量發表品質不良之知識。本研究建議可以類似物價指數來對「KVA 值」進行每期之參數調整，改善員工參與知識社群之心態，不僅要求 知識量足夠，更要求其知識品值。
圖 6.1 2006 年知識討論數量
0 100 200 300 400 500 600 700 800 900
案 例 數
時間 案例數
線性(案例數)
圖 6.2 2006 年 KVA 總值
圖 6.3 2006 年平均 KVA 值
四、更新知識社群之歷史案例
一般知識社群對於歷史案例沒有時間關閉機制，因此，當社群累 積大量知識案例卻因討論過程過於繁雜，使得知識無法進行更新，導 致產生重複且繁亂的知識案例。未來導入 KVAM 模式之後，本研究建 議只保留高績效值之知識，將有益於對社群案例進行更新。綜整社群 成員隱性知識並保留成公司寶貴的顯性知識，將可減少員工搜尋相關 知識的時間，且可作為經驗傳承之用。
0.0 2000.0 4000.0 6000.0 8000.0 10000.0 12000.0 14000.0 16000.0 18000.0
K V A 總 值
時間 KVA總值
線性(KVA總值)
0.0 5.0 10.0 15.0 20.0 25.0 30.0 平 均 K V A 值
時間
平均KVA值 線性(平均KVA值)