以代理人基礎塑模來探討組織中個人知識分享行為(I)

行政院國家科學委員會專題研究計畫 成果報告

以代理人基礎塑模來探討組織中個人知識分享行為(第 2

年)

研究成果報告(完整版)

計 畫 類 別 ： 個別型

計 畫 編 號 ： NSC 96-2416-H-004-015-MY2

執 行 期 間 ： 97 年 08 月 01 日至 98 年 07 月 31 日

執 行 單 位 ： 國立政治大學資訊管理學系

計 畫 主 持 人 ： 楊亨利

計畫參與人員： 博士班研究生-兼任助理人員：賴正育

博士班研究生-兼任助理人員：趙逢毅

博士班研究生-兼任助理人員：楊學隆

博士班研究生-兼任助理人員：蕭淑玲

博士班研究生-兼任助理人員：楊筱芳

博士班研究生-兼任助理人員：吳俊德

報 告 附 件 ： 出席國際會議研究心得報告及發表論文

公 開 資 訊 ： 本計畫涉及專利或其他智慧財產權，2 年後可公開查詢

中 華 民 國 98 年 08 月 03 日

行政院國家科學委員會補助專題研究計畫期末報告

以代理人基礎塑模

來探討組織中個人知識分享行為

計畫類別：個別型計畫

計畫編號：NSC 96-2416-H-004 -015 -MY2

執行期間： 96 年 8 月 1 日至 98 年 7 月 31 日

計畫主持人：楊亨利 教授

計畫參與人員：吳俊德、賴正育、趙逢毅、楊學隆、楊筱芳、蕭

淑玲

成果報告類型：精簡報告

處理方式：二年後可公開查詢

執行單位：國立政治大學 資訊管理學系

中 華 民 國 98 年 7 月 31 日

行政院國家科學委員會專題研究計畫期末報告

以代理人基礎塑模來探討組織中個人知識分享行為

計畫編號：NSC 96-2416-H-004 -015 -MY2

執行期限：96 年 8 月 1 日至 98 年 7 月 31 日

主持人：楊亨利 教授 國立政治大學 資訊管理學系

計畫參與人員：吳俊德、賴正育、趙逢毅、楊學隆、楊筱芳、蕭淑玲

一、中文摘要

組織中經理人總是在尋求有效的

政策以促進員工彼此分享知識。在組

織中激勵知識分享的政策帶來的效果

並不是容易的掌握，因為同時存在著

人為與組織的複雜的因素為會影響組

織的成員知識分享的行為。對於不同

的組織激勵的政策或手段，欲通過田

野調查或實驗設計來評估不同的政策

所帶來效果及對組織中個別行為的影

響，在實務上並不容易實現。因此，

本研究嘗試運用一項新穎的研究策略-代 理 人 基 礎 塑 模 (Agent-based

Modeling)，藉以建構一個人造的世界

來模擬組織成員知識分享的行為。為

了探索組織成員知識分享的行為，在

這個人造的社會中，研究者考慮了知

識 分 享的 報酬 、組 織 成員 的行 為 策

略、行為策略的學習與適應機制、不

同 組 織的 群體 能力 水 準 、互 動 的網

路、知識的選擇模式與不同的組織激

勵政策設計等變數，藉以設計相關的

實驗。模擬的結果產生了的幾項有趣

的發現： (1) 當分享知識的報酬愈高

時，代理人知識分享行為會愈多，無

論是在那一種的互動網路、群體能力

或分享知識的選擇模式的情況之下。(2)

代理人的互動網路是一項重要影響因

素，互動網路扮演著知識流通與行為

策略學習的管道，它同時會影響個體

知識分享的報酬與行為策略的學習。

它可能促成不分享的策略的擴散，可

能會提升組織激勵的效果，也可能會

增強激勵所帶來的副作用。(3) 個體的

知識分 享與吸收的 能 力如果 存有差

異，則能力較好的代理人將會局部地

吸引能力較差的互動對象採用他的策

略，即使他所用的不是可以獲致最佳

報酬策略。(4) 為促進組織成員分享知

識，定期審視固定獎勵的作法可以導

致比較好的效果，不但可以提升分享

知識的行為，也使代理人比較願意採

用傾向分享知識的策略，促成組織信

任的氣氛。但是，在某些情況下，可

能造成反效果。

關鍵詞：知識分享、代理人基礎塑模、

組織激勵政策、賽局理論、組織

行為

Abstract

Managers are always seeking

effective

policies

that

encourage

employees to share their knowledge with

others

in

an

organization.

The

appropriate organizational incentives are

difficult to investigate due to human

factors

and

other

institutional

complexities affecting sharing behaviors

of individuals. Conducting laboratory or

field experiments to evaluate the

effectiveness of various organizational

incentive policies is unrealistic. This

modeling approach to simulate the

actions of knowledge sharing between

actors in an organization. This study

considers some parameters including the

payoff of knowledge sharing, the

strategies of members, the learning and

adaption

mechanism

of

strategies,

collective

capabilities,

interactive

network, the selection methods of

sharing

knowledge

and

incentive

policies to design experiments in the

agent-based model. The results of

simulations produced some interesting

findings: (1) the higher the payoff of

sharing knowledge, the more the actions

of sharing knowledge is in spite of any

kind of interactive networks, collective

capabilities, and the selection methods

of sharing knowledge. (2) Interactive

Network of agents is an important factor,

which plays a role of channel of

knowledge

transition

and

strategy

learning. It simultaneously affects the

payoff of knowledge sharing and

learning of strategy. It maybe results in

the diffusion of strategy of not sharing

knowledge, or enhances the effect and

side effect brought by incentive policies.

(3) Because of difference between

agents’ capabilities, agents with better

capabilities will locally attract the ones

with worse capabilities to learn their

strategies, which even are not the best.

(4) To enable sharing knowledge

between members in an organization,

periodic reward will get better results. It

does not only increase the action of

sharing knowledge, but also make

agents to adopt the strategies trending

toward sharing knowledge. Periodic

reward is helpful to form a trustful

organization climate. However, in some

circumstances, it may get minus effects.

Key

Words:

Knowledge

Sharing,

Agent-based

Modeling,

Organizational

Incentive

Policy,

Game Theory, Organization Behavior.

二、計畫緣由與目的

在許多的組織中，知識扮演著重

要的角色。在最近的幾十年，經理人

已經體認到知識可為組織所帶來的競

爭優勢。為保持與獲取組織的競爭優

勢，許多的組織投入了大量的資源來

建構知識管理系統及促進組織中成員

的知識分享。然而許多的知識管理系

統最終還是無法有效地成組織中成員

的知識分享的行動而失敗收場。根據

以下的分析，對這個問題的一個可能

的解釋。假如一項特定的知識對組織

而言是一項重要的競爭的優勢與策略

性的資源，對於擁有該項知識的成員

而言，也是他在組織權力與利益的來

源。該成員因為這些獨特的知識在組

織享受某些利益與地位。如果這項知

識分享與他人則將可能損害他在組織

中所享有的利益。因此，組織中的知

識 的 分 享 涉 及 了 “ 社 會 因 境 ”

【Dawes 和 Messick，2000】與個別成

員、群體、組織政策間複雜互動。

本研究主要是探索在自私(或者

說自利)為基礎的人類行為與不同的

組織激勵知識分享的政策如何交互影

響。從過去相關的研究來看，許多的

實證研究與概念模型已經廣泛地運用

數理的模式建構出來。但是這些研究

所面臨的共同困境是不容易進行分析

性的推論。因為複雜的社會互動並不

容易利用數學的函式表示。組織成員

知識的吸收與傳遞的能力不同，亦會

使分析更加地困難。在本研究中運用

代理人基礎塑模的方法，設計不同的

個體的特徵與組織的激勵措施，經由

模擬組織中成員的互動，以探索組織

中 知 識分 享的 現象 。 經由 此模 擬 系

統，經理人可了解組織複雜的知識分

享現象與不同組織激勵政策的效果。

組織中推動知識管理的主要目的

之一，就是要改善或是促成個人間知

識分享與部門之間的知識移轉。如果

組織的成員能夠利用與分享他工作上

的知識，則組織與個人都會成長。如

果知識在組織中不能被有效地分享，

知 識 在 組 識 有 就 會 逐 漸 地 消 失

【Teece，1998】。為了促進組織成員

知識分享許多不同的影響因素需要被

確認。這些因素可被簡單地歸類成三

個 層 次： 組織 、個 人 與 知識 的 層次

【Yang 和 Chen，2007】。個別來看在

組 織 層次 被指 出來 的 因素 包括 了 文

化、權力、技術、組織的能力、組織

的氣候與社會的結構。在個人的層次

上影響因素包括了動機、信任、社會

資本、自我效能、產出的預期、吸收

能力等【Sun 和 Scott，2005；Bock 等

人，2005；Levy 等人，2003；Hsu 等

人，2007；Wasko 和 Faraj，2005；Angel

等人，2006；Chou，2005；Snejina 和

Kenneth，2004】。在知識的層次上，

知 識 的特 徵將 會影 響 知識 分享 的 結

果。從知識的層次來看，我們發現了

一個有趣的現象，甚少有研究從個人

知識的經濟價值出發來探討組識知識

分享的行為，大部份的研究將焦點置

於內隱知識移轉上。

從經濟理論的觀點，知識的稀少

性將會決定知識本身的經濟價值，而

不是由知識是外顯或是內隱來決定其

經濟價值。知識本身的內隱程度是與

其轉移的成本相關。組織所需的知識

愈稀有，其對組織的經濟價值愈高。

如果個人所擁有知識對組織來講是稀

少且重要的，其將可將從組織中取得

重大的利益。也就是說，當他們將這

些知識分享與他人時，他們在組織中

的優勢與利益可能受到損害，在這樣

的情況下，組織成員為什麼要將他們

所有特有且對組織有用的知識分享與

他人呢？對於這個問題，目前我們所

知甚少。

根據以上的討論，當在探索組織

中成員知識分享的行為時，知識依其

經濟的 價值來分類 是 有其必 要性。

Becerra-Fernandez

【Becerra-Fernandez 等人，2004】 等

人所提出來的架構，有助於吾人區別

不同經濟價值的知識。依照他們的論

點，知識可分為一般性知識與特定的

知識。一般性的知識被廣大群眾所擁

有，且容易在個體之間移轉。例如，

標準作業流程可視為一般性的知識。

相對地，特有的知識只被少數人所擁

有，而且不容易移轉。特定的知識可

以是技術性知識，也可以是情境性知

識。技術性的特定知識是對某一特定

領域的深層知識。這類的知識包括了

對工具與技術的知識，在特定的領域

中用以解決某些問題。例如醫師、工

程師等。情境性的特定知識則是關於

在特定的時空條件之下讓工作可以被

執行的知識。

三、研究架構與系統建構

本節將敘述本研究的目標與本研

究所用代理人基礎模型【Axelrod，

1997；Axelrod，1984】的特徵。

(一). 研究問題與目標

在本研究運用 Repast【Collier

等人，2006】工具箱配合 JAVA 程式語

言來發展與實做代理人基礎模型，建

構一個代理人基礎模型，在此模型中

將呈現(1)組織中成員的行為規則，(2)

知 識 在成 員之 間分 享 產生 的個 人 報

酬，(3)組織成員對知識分享與吸收的

能力，(4)代理人知識分享網路之構形

與(5)組織的激勵成員分享知識的政

策。雖然還有許多的因素會影響組織

成員的知識分享行為，這個簡化過的

模型是一個好的開始。

所以原則上在此模型中總體層次

所浮現出來的現象是來自於在個體層

次的軟體代理人的互動。以下有三個

問題是在本研究要處理的：(1)根據不

同類型的知識分享所產上報酬，在沒

有任組織的措施介入的條件下，組織

中成員可用的策略的組合，將如何影

響組織的行為、氣候【Schneider，

1975】與知識分享的績效？(2)給定不

同類型的知識分享的報酬，配上不同

知識分享的激勵政策，將如何影響組

織的行為、氣候與知識分享的績效？

(3)代理人所處之知識分享網路之構

形將如何影響組織的行為、氣候與知

識分享的績效？

在個體的層次上，有四個問題是

在本研究中要處理的。(1)不同類型的

知 識 如何 影響 代理 人 的知 識分 享 行

為？(2)組織的激勵政策如何影響代

理的知識分享行為？(3)不同的知識

分享與吸收的能力如何影響代理人的

行為？(4)不同知識分享網路之構形

將如何影響代理人的行為？

(二). 知識分享的報酬

假設每一單位的知識對每一個代

理人而 言都具有相 同 的價值 或是效

用，並且每一代理人都具有一些其他

代理人所沒有的知識。在此條件下，

對每一個代理人而言知識分享的效用

由以下三種元素所構成：

1. 對每一個知識的接收者而言，所得

的知識具有一定水準的基本價

值，在此定義為 R，R≧0；

2. 因為彼此相互分享知識所帶來的綜

效，是分享者雙方都可以獲得，

在此定義為 S，S≧0；

3. 因為分享知識給對方而感受到的自

我效用的損失的程度，這種損失

來自於自身因知識所享有的獨特

利益部份被移轉到他人身上，當

代理人 A 將某項知識分享與代理

人 B 時，代理人 A 所感受到的效

用的減損，定義為-L

A

；當代理人 B

將某項知識分享與代理人 A 時，

代理人 B 所感受到的效用的減

損，定義為-L

B

，但是這些效用的

損失並不會超出本身的基本價

值，0≦L

A

,L

B

≦R.

假設每一個代理人知識的分享與

吸收的能力都相同，在每一次雙方進

行知識分享的互動時可以獲得效用，

取決於對手的行為。舉例來說，假如

代理人 A 與 B 相互分享知識，他們會

因為從對方身上得到一項知識而提升

他們的效用(R)，也會因彼此在知識的

互 動 過 程 中 得 到 一 個 額 外 效 用 ( 綜

效，S)，但是因為雙方都有拿出其知

識分享與他人，使其所享有的知識獨

佔的利益受到某種程度的減損(-L

A

,

-L

B

)。第二種情形是一方分享知識，但

是另一方並未分享知識，例如代理人 A

分享他的知識與 B，而代理人 B 沒有分

享知識給 A，這種情況下，代理人 A 將

受到損失(-L

A

)，而代理人 B，從 A 身

上得到新的知識，提升其效用(R)，而

因為只有單方分享知識並不會產生綜

效(S)。如果雙方都沒有分享知識，則

雙方都不會有效用的提升或是減少。

表 一描述了互動的雙方在一次知識

分享的互動可能得到的報酬的情況。

表 一. 報酬矩陣(每一個人的知識分享與吸收的能力是屬於優異)

Player A 分享知識 不分享知識 Player B 分享知識 R+S-LA R+S-LB R -LB 不分享知識 -LA R 0 0 Legend R: 從對手所得知識的基本價植, R≧0. S: 相互分享知識所得之綜效, S≧0. -LA:因為獨特知識分享與他人造成 Player A 認知的效用損失, 0≦LA≦R. -LB: 因為獨特知識分享與他人造成 Player B 認知的效用損失0≦LB≦R.

接下來考慮有組織有實施知識分

享的激勵政策的條件下，每一個分享

知識與他人的代理人都會得到組織的

獎勵，對每一個代理而言，這獎勵產

生的效用(定義為 I，I≧0)是一樣的，

組織的獎勵多少可以彌補分享知識的

一方其效用的損失。表 二加入了組織

的激勵政策所帶來的雙方在進行知識

分享時報酬的變化。

表 二. 報酬矩陣(每一個人的知識分享與吸收能力都是優異且組織有提供獎勵)

Player A

分享知識

不分享知識 Player B 分享知識 R+S-LA+I R+S-LB+I R -LB+I

不分享知識 -LA+I R 0 0 Legend R: 從對手所得知識的基本價植, R≧0. S: 相互分享知識所得之綜效, S≧0. I: 組織給予的獎勵效用, I≧0. -LA:因為獨特知識分享與他人造成 Player A 認知的效用損失, 0≦LA≦R. -LB: 因為獨特知識分享與他人造成 Player B 認知的效用損失0≦LB≦R.

表 三呈現了不同的知識分享與

吸收能力的條件下，雙方在進行知識

分享互動時報酬的變化。知識分享的

能力(定義為 Cs)與知識吸收的能力

(Ca)指出了在知識移轉與吸收時因為

能力的差異，造成無法完整地傳遞與

吸收知識。這是在真實世界中常見的

現象。 像有些人可 能 擁有豐富的知

識，但是他不見得可以將他的知識完

整地傳遞給他人。或者是有些人想要

努力地學習某項新知識，但是不一定

可以完 整地將新知 識 學習起 來。所

以，知識的分享與學習的能力將會調

節知識分享的效果。

表 三. 當代理人知識的分享與吸收的能力存有差異時之報酬矩陣

Player A

分享知識

不分享知識 Player B 分享知識 R*CsB*CaA+S+I -LA*CsA*CaB R*CsA*CaB+S+I -LB*CsB*CaA R*CsB*CaA -LB*CsB*CaA+I 不分享知識 -LA*CsA*CaB+I

R*Cs

A

*Ca

B

0

0

Legend: R: 從對手所得知識的基本價植, R≧0. S: 相互分享知識所得之綜效, S≧0. I: 組織給予的獎勵效用, I≧0. -LA:因為獨特知識分享與他人造成 Player A 認知的效用損失, 0≦LA≦R. -LB: 因為獨特知識分享與他人造成 Player B 認知的效用損失0≦LB≦R.. CsA, CsB: player A 或 B 知識分享的能力，0≦CsA, CsB≦1. CaA, CaB: player A 或 B 知識吸收的能力， 0≦CaA, CaB≦1.

(三). 實驗設計

在本節將對各項不同的參數設計

與配置的方式進行說明，包如知識分

享報酬矩的設計、代理人的策略、組

織的激勵政策、成員的知識分享與吸

收 能 力、 代理 人的 學 習與 適應 的 機

制、與系統運作的方式進行說明。

1. 知識分享的報酬矩陣

依據上節對代理人知識分享的報

酬分析，另外考慮不同的知識類型，

在本模型中設計了三種報酬矩陣來進

行相關的模擬實驗：

 第一種類型知識分享報酬矩陣：分享與

他人對原來的知識擁有者會有效用的

減損，但是相互分享卻不會產生綜

效。為了能在模擬系統中操作此現

象，依據上述的報酬矩陣令 R=5，L=2

且 S=0。其報酬矩陣如表四所示。

 第二種類型知識分享報酬矩陣：分享與

他人對原來的知識擁有者不會產生效

用的減損，但是相互分享也不會產生

綜效。因此，令 R=5，L=0 且 S=0。其

報酬矩陣如表五所示。

 第三種類型的知識分享報酬矩陣：分享

與他人對原來的知識擁有者會有效用

的減損，但是相互分享也會產生綜

效，如產生新的有用知識。因此，令

R=5，L=2 且 S=5。其報酬矩陣如表六

所示。

表 四

. Type I 報酬矩陣

Player A

分享知識

不享知識

Player

B

分享知識

3

3

5

-2

不分享知識

2

5

0

0

表 五

. Type II 報酬矩陣

Player A

分享知識

不分享知識

Player

B

分享知識

5

5

5

0

不分享知識

0

5

0

0

表 六

. Type III payoff matrix

Player A

分享知識

不分享知識

Playe

r B

分享知識

8

8

-2

5

不分享知識

-2

5

0

0

2. 代理人的策略

在此模擬系統中，每一個代理人

都會採用一種策略。策略說明了代理

人的行動，及如何回應其他代理人行

動的規則。在模擬系統的運作的過程

中，不同的時間點上各種策略被採用

的次數將以時間序列的方式呈現，我

們將可藉此猜測整個組織氣候是否傾

向 於 信 任 的 氣 氛 。 根 據 文 獻

【Axelrod，1997；Axelrod，1984；

Yang 和 Wu, 2006 ； Chiong 等 人 ，

2006】，本研究中代理人策略的選擇，

分別可為「完全合作」、「以牙還牙」、

「欺善怕惡」、「完全不合作」與「不

信任」。藉由代理人採用策略的變化

來研究對代理人行為與組織績效的影

響。以下是五種策略規則的說明：

(1) 完全合作(Cooperative)：不管對手

的行為為何，代理人總是會分享知

識與他人。

(2) 以牙還牙(Tit-for-tat)：第一次互動

時分享知識給對方，之後根據對手

的上一次的行動而行動，也就是對

手上次分享知識，代理人就分享知

識，上一次互動對手沒有分享知

識，這次就不分享知識與對手。

(3) 欺善怕惡(Bullying)：第一次互動時

不分享知識給對手，之後根據對手

的行動採行相反的行為，也就是上

次對手分享知識，這次我就不分享

知識；上次對手不分享知識，我就

分享知識。

(4) 完全不合作(Uncooperative)：從一

開始不管對手如何做，代理人就是

不會分享知識。

(5) 不信任(Mistrustful)：第一次互動時

不會分享知識給對方，之後根據對

手的上一次的行動而行動，也就是

對手上次分享知識，代理人就分享

知識，上一次互動對手沒有分享知

識，這次就不分享知識與對手。

以上的策略存在著一個假設：每

一個代理人只有一步的記憶。意指每

一個代理人只會記著對手上一次的行

動，更之前的對手行為並不會影響代

理人的決策。代理人的行動策略在此

模擬系統中是一個外生的變數，在進

行實驗時，我們設計了四種的策略組

合 來 模擬 組織 成員 的 相互 信任 的 狀

況，此四種組合分別為：{完全合作，

以牙還牙，欺善怕惡，完全不合作}、

{完全合作，以牙還牙，欺善怕惡，完

全不合作，不信任}、{以牙還牙，欺

善怕惡，完全不合作，不信任}、{完

全合作，欺善怕惡，完全不合作，不

信任}。每一個代理人在一個時間點上

只能使用一種策略，在模擬系統在一

開始會以隨機的方式帄均將不同的策

略指定給代理人。不同的策略也分別

表現代理人對其他成員的信任程度。

3. 成員的知識分享與吸收能力

知識分享與吸收的能力將會影響

代理人在進行知識分享的報酬水準，

也有可能影響代理人的行為。在設計

實驗時，研究者以不同的機率分配函

數來描述組織成員知識分享與吸收的

能力。四種類型的群體知識分享與吸

收的能力的條件，應用在此研究中，

分別是：

(1) 優異(

Uniformly intelligent

)：全部的組

織成員可以完整地分享與吸收知

識；

(2) 聰明(

Smart distribution

)：組織成員知

識吸收與分享的能力呈現為左傾

(left-skewed)的貝他機率分配函

數，參數

α=5，β=2。

(3) 普通(

Normal distribution

)：組織成員

知識吸收與分享的能力呈現為常態

機率分配函數，參數

μ(mean)=0.5 ，

σ

2

(variance)=0.16.

(4) 駑鈍(

Stupid distribution

)：組織成員

知識吸收與分享的能力呈現為右傾

(right-skewed)的貝他機率分配函

數，參數

α=2，β=4。

4. 組織的激勵政策

在實驗中設計了三種類型的組織

激勵政策以探討組織激勵政策對組織

成員的知識分享行為產生的短期與長

期的效果。另外，不同的獎勵的水準

代表了對代理人分享知識的效用損失

的彌補程度。不同的激勵政策與獎勵

水準設計如下：

(1) 不獎勵：對組織成員知識分享的行

為不給予任何的獎勵。

(2) 即時對每一個知識分享的行動給

予獎勵：當組織成員分享知識與他

人時，馬上可以得到的組織的獎

勵。另外，假設了兩種不同類型的

獎勵水準：(1)組織所給予的獎勵只

能夠部分彌補分享知識所損失的效

用。在系統中，研究者運用演算法

的設計，隨機在 0 與 2 之間(表示為

[0,2])取一個浮點數做獎勵的水準。

(2)組織所給予的獎勵水準其效用超

出分享知識所造成的效用損失。系

統將在 2 與 5 之間(表示為[2,5])隨機

取一個浮點數做為獎勵的水準。

(3) 定期審視給予獎勵：組織會定期地

審視個別代理人知識分享的互動，

如果分享知識行動的比例超過其全

部行動 50%，則組織給予一個固定

的獎勵值。在系統中設計十種獎勵

的水準來實驗其效果，分別為： 30,

50, 70, 90 和 110。

5. 代理人知識分享的網路

代理人知識分享網路的構成方式

及變動的頻率對代理人的知識分享的

行為會造成何種影響？及如何影響組

織知識分享效果？在本研究中，根據

相關的文獻研究者分別實驗了七種網

路的構成方式。每一週期內，代理人

之間一對一的互動共會進行四次的互

動。代理人的知識分享的互動網路，

表現了三點特性：

1. 代理人互動的關係是長期或是

短暫的，代理人是否只與特定

互動對手互動，或是經常更換

互動的對手。

2. 代理人所連結的互動對象是在

自身附近的範圍，或者是會較

跟較遠的對象互動。

3. 代理人之間的互動是否相應的

(Reciprocal) 、 對 稱 的

(Symmetrical)，代理人之間

是否會相互主動進行知識分

享的互動，例如代理人 A 會主

動找代理人 B 分享知識，而代

理人 B 也會主動找代理人 A

分享知識，或者代理人之間互

動

是

不

對

稱

的

(Asymmetrical)，例如代理人

A 會主動找代理人 B 分享知

識，但是代理人 B 不會找代理

人 A 分享知識。

以下是針對本研究中所使用知識

分享的互動網路建構的規則的說明。

1. 2DK (2-Dimensions, Keeping

locations for entire run)：

在整個模擬的過程中，代理人只

與位於其上下左右四個代理人

互動。代理人與互動對手是對稱

的 (Symmetrical) ， 也 就 是 若

A、B 兩個代理人在進行知識分

享時，A 主動會找 B 分享知識，

B 也會主動找 A 分享知識。

2. FRNE(Fixed Random Network of

Neighbors)：分成兩個步驟來建

構代理人之間的知識分享互動

網路。首先，建立一 2DK 的網

路。而後在每一個代理人的四個

互動對象中，隨機選一個與其他

代理人(隨機選出)的互動對象

交換。一但網路建立後，在整個

模擬的過程中，代理人的互動對

象都不會改變，而代理人與對手

的互動是對稱的。

neighbors)：在初始時每一個代

理人隨機選擇四個代理人做為

其互動的對象。在整個模擬過程

中 代 理 人 不 會 更 換 互 動 的 對

象。另外，代理人與對手的互動

是不對稱的(Asymmetrical)。

4. 2DS(2-Dimensions)：每一個代理

人以其上下左右位置的代理人

做為互動的對象，但是模擬過程

中每一個階段，每一個代理人的

互 動 對 象 都 會 重 新 洗 牌

(Shuffle)一次。此外，代理人

與對手的互動是對稱的

5. PN(Programmed Network) ：此類

型的知識分享互動網路分兩個

階段建構，第一階段先建構一個

2DK 的網路。第二階段，以 10%

的機率值為門檻對每一個代理

人所有的互動對象，測試是否要

需要更換新互動的對象，如果

是，就重新隨機抽取一個新的對

手，否則就維持原來的互動對

象。互動的網路一但建立之後，

整 個 模 擬 的 過 程 中 將 不 會 改

變，而代理人與對手的互動是不

對稱的。

6. SOUP：代理人在模擬過程中每一

個階段都會重新隨機選擇四個

互動對手。在此類型的網路構形

中，代理人之間的互動也是不對

稱的。

7. SOCIAL TAG：每一個代理人都設

有 一 個 社 會 標 簽 (social

tag)，其值為介於[0，1]間浮點

數。另外，系統設有一個代表社

會 差 異 程 度 的 參 數

(SOCIAL_DIFF)其值為 0.01。此

知識分享的互動網路建立規則

如下：每一個代理人嘗試搜尋四

個知識分享互動的對象，代理人

將從其他代理人中隨機挑選一

個代理人，而後與其比較兩者代

理人身上社會標簽之值相減，取

其絕對值，若其值小於或等於系

統所設定的社會差異之參數值

(0.01)，則可選為正式的互動對

象，否則再重新挑選一個新代理

人來進行以上檢核。每一個代理

人在挑選互動對象時有四次選

擇的機會，若挑選四次之後，都

沒有符合條件的對象，則將最後

一 個 所 選 的 代 理 人 為 互 動 對

手。上述規則反覆執行，直至四

個互動對手選齊而止。此知識分

享的互動網路，代理人間的互動

是不對稱的。

6. 代理人學習與適應的機制

在系統中每一個代理人所用的策

略並非是一成不變的，假設代理人可

以在每一輪互動周期中觀察到與其互

動的所有代理人的策略及所得到的帄

均報酬水準，假如與所有跟他互動的

代理人相較，有一個代理人他的策略

所得到的帄均效用水準是最高，則他

可能學習(模仿)他所用策略，但是這

種學習並非是絕對會發生，系統中設

計了 20%機率代理人會改變原來的策

略，學習贏家的策略。

7. 模擬系統的運作

圖一呈現了本研究的模擬架構與

所涉及的相關參數，代理人的活動空

間由一個 500x500 的二維空間所組成

(圖 二所示)，每一次模擬將產生 625

個代理人。進行模擬實驗時，將不同

知識報酬矩陣、代理人分享與吸收之

群體能力類型、代理人知識分享網路

之類型、組織的激勵政策類型相關參

數之組合來進行實驗，其參數組合在

有 672 種(=3*4*7*8) 。 總共 要 進行

6,720 次實驗(=672*10)。系統根據給

定的知識分享網路與互動過程，代理

人依所給定的行為規則，與每一個互

動對象每個回合進行 4 次知識分享的

互動，在一個回合(Tick)下來全部的

代理人都完成互動之後，各自計算其

所得帄均報酬，依系統所設計行為策

略學習與調應(Adaption)規則，代理

人各自進行為策略的調整。然後再重

複進行互動。每一個模型，每一組參

數，在每一次模擬，將進行 500 回合

的互動，其演算法如圖三所示。系統

會在每 一個週期中 收 集代理 人的行

動，所用的策略、報酬的統計等資料，

且相關的變數的變化會顯示於監控之

畫面中，如圖四所示。最後，研究者

將此十次最終的實驗結果計算其帄均

值，做為資料分析之依據。

圖 一 模擬的架構

圖三 模擬的演算法

圖二 代理人互動的空間

在每一次(Run)模擬：

{

初始化組織激勵政策；

While(代理人數量<=625) //初始化 625 個代理人

{設定代理人行為策略；

設定代理人知識分享能力值；

設定代理人知識吸收能力值；

設定代理人社會標簽；

}；

初始化代理人知識分享的互動網路；

While (Tick<=500)：

{

更新前階段互動的相關資訊。

每一個代理人與其所連結的對象，進行四次互動；

計算在互動中所得之帄均報酬。

依調適的規則，代理人進行策略調整。

調整代理人知識分享的互動網路。

}

}

(1)

(2)

(3)

(4)

圖四系統運作時相關變數之監測(1)各種策略代理人數量變化，(2)組織累積報酬與激勵成本，

(3)各種策略代理的帄均報酬之變化與(4)代理人分享與不分享行為統計量之變化。

表 七.模擬參數組態摘要表 參數名稱 類型 值 說明 WorldSize 625 代理人的數量 Neighborhood 4 系統初始時每一個代理人所設定互動對象的數量。 MaxIter 4 每一回合代理人兩兩互動時的次數。 RewiringPro 0.1 用於建構 PN 類型的 Topology 所用的重新選擇對手的機率值 Topology FRN 0 代理人知識分享之網路類型 FRNE 1 PN 2 2DK 3 2DS 4 SOUP 5 SOCIAL_TAG 6 Payoff Type1 1 Type 2 2 Type 3 3 Strategy ALLC 0 TFT 1 ATFT 2 ALLD 3 MIST 4 CapCode INTELLIGENT 0 代理人群體能力 SMART 3 NORMAL 1 STUPID 2 IncentiveMode NO 0 組織激勵政策 [0,2] 1 0<= I <=2 [2,5] 2 2<= I <=5 30 30 50 50 70 70 90 90 110 110 pAdapt 0.2 代理人改變策略的機率。

四、研究發現與討論

由於人與人，人與組織之間互動的複

雜性，讓研究人員不容易了解組織中知識

分享的現象。知識本身的價值會影響組織

的成員決定是否要將自己的知識與他人

分享。組織成員可能因為擁有某項知識而

在組織中佔有特殊的利益或待遇。在知識

分享的互動中，雙方所得到的報酬仰頼於

雙方的行動。為了讓組織成願意將知識分

享出來，組織有必要設計一些激勵的政策

或是管理機制以鼓勵、促成組織成員分享

知識。本研究運用代理人基塑模的研究策

略 進 行 組 織 中 知 識 分 享 相 關 議 題 的 研

究。在研究中，研究者考慮了以下變數，

包括知識的特性、分享知識的報酬、代理

人的行為策略、代理人行為策略學習與適

應之模式、組織激勵的政策、群體的知識

分享與吸收能力的水準、代理人互動網路

與代理人的選擇模式等因素。研究者藉由

以上參數的操弄，進行模擬實驗，以檢視

對組織成員間知識分享所產生的效果。本

研究有以下發現：

(一)、自發性地分享知識

如果不考慮代理人能力的差異(假設

每一個代理人的知識吸收與分享的能力

都是優異的)與組織沒有任何激勵政策，

代 理 人 之 間 的 連 結 拓 樸 是 非 常 有 秩 序

(Regular)、 對稱 的 (Symmetrical) ， 如

2DK 的拓樸。知識分享的行為會在成員間

自發性的產生。

當分享知識的報酬愈高時，代理人知

識分享行為會愈多，無論是在那一種互動

網路、群體能力或分享知識的選擇模式下

都可成立。這意味著只要組織成員認知到

分享知識可以帶來高報酬，則組織成員就

會自發性發展出知識分享的行為，雖然在

初期會有不分享的行為存在，可是只要持

續地進行知識分享的互動，則最後組織成

員，還是會表現出分享的行為，但是組織

氣氛是否傾向信任的則是依分享知識的

報酬與類型而定，當分享知識如果會造成

個人效用的減損，雖然代理人會表現出分

享知識的行為，但是在策略上所用的可能

是偏向不信任的策略，如「以牙還牙」的

策略。

(二)、知識分享的互動網路的影響

代理人的互動網路是一項重要影響

因素，互動網路扮演著知識流通與行為策

略學習的管道，它同時會影響個體知識分

享的報酬與行為策略的學習。因此，連結

的結構對知識分享的效果影響很大，從模

擬的結果可得到下的發現：

1. 無論是在那一種類型網路拓樸，隨

著知識分享的報酬增加，代理人

合作行為隨之增加，「以牙還牙」

的策略是主導的策略。

2. 在 Type 1 類型的知識分享報酬，

群體能力類型是優異的條件下，

只要代理人的互動關係是長期持

續不變的，代理人連結互動對象

的範圍愈隨機，反而可以減少不

分享知識的行為，而少量提高母

體中代理人採用「完全合作」策

略之代理人數量。

3. 但是如果代理人互動關係持續時

間短且經常變動的，也就是說互

動的對手經常在改變，將使代理

人傾向於不分享知識。又代理人

連結互動對象的範圍愈隨機則愈

不會分享知識。

4. 代 理 人 互 動 關 係 是 對 稱 的 情 況

下，代理人連結互動對象的範圍

愈隨機，則愈可增加分享知識的

行為。代理人連結互動對象的範

圍是隨機且互動關係是對稱、持

續時間長的情況，代理人將會全

部表現出分享知識的行為。

(二)、能力愈差愈不會分享知識-不同水

準的群體知識分享與吸收的能力

當代理人的群體能力並非是優異的

類型，而是存在著不同的程度的變異時，

不同的群體知識分享與吸收的能力水準

的情況下，當集體的能力愈差，則最後模

擬 的 結 果 顯 示 代 理 人 的 策 略 使 用 愈 分

散，知識分享與吸收能力的差異調節了分

享知識的報酬，減弱了「以牙還牙」策略

的主導優勢。所以，相較於群體能力為優

異的類型，雖然採用「完全合作」策略的

代理人數量會變多，但是「完全不合作」

策略的代理人數量也增加不少，其他類型

策 略 的 代 理 也 都 或 多 或 少 存 在 母 體 之

中。這種現象可從系統模擬的動態過程來

解釋。

一開始時，採用「完全不合作」策略

與「以牙還牙」策略的代理人數量同時增

加，但是很快的「完全不合作」策略的代

理人族群因為缺乏“群聚效果”，數量開始

減少。另外，採用其他策略(如「欺善怕

惡」、「不信任」、「完全合作」)的代

理人，相較於他的互動對象，只要具有較

佳能力者，則不會消失。在此情況下，能

力較佳的代理人所用的策略，甚至會吸引

能力較差的對手來模仿他的策略。而這種

效果是非常局部的，因為模仿者本身的能

力就比較差，其所得到的報酬不足以吸引

其他的代理人來模仿，這種效果稱之為

“ 局 部 的 吸 引 效 果 (Local attraction

effect) ”。這種效果會隨著知識分享的

報酬增加而減緩。

在真實世界中，組織成員的知識分享

與吸收能力都是完美一致的情況不可能

存在。事實上，組織成員知識分享與吸收

的能力是有差異，不管組織群體能力是屬

於聰明、普通、駑鈍的類型，成員的知識

分享與吸收能力還是存有差異。“局部吸

引效果(local attraction effect)”就

是成員的能力差異與代理人有限的理性

所造成，因為代理人不知對手與自己能力

上的差異，它只能觀察到對手所採用的行

為策略，所以誤以為對手的報酬較高是因

為其所運用之策略造成，進而模仿對方的

策略，讓傾向於不分享知識的策略，可以

存在組織成員中，進而造成不分享的行為

增加。因此，經由激勵的政策以促成組織

成員知識分享是有其必要性。

(三)、效果有限的組織的激勵政策

1、知識分享報酬與激勵政策。

如果組織想運用激勵政策來鼓勵組

織的成員分享知識，最有效的激勵政策是

根據知識分享的行動即時給予獎勵(By

Action)。 如果在優異群體能力的組織中

採用定期審視給予固定獎勵水準的激勵

政策(Periodic Reward)，研究中發現：

(1) 相 較 於 沒 有 任 何 的 激 勵 政 策 (No

Reward)的實驗結果相比，系統中不分享

知識的行為是增加的。(2) 雖然這種激勵

政策會提升採用「完全合作」策略代理人

的數量，但卻無法有效消除採用「欺善怕

惡」與「完全不合作」策略代理人的數量。

這個發現令人感到困惑，採用定期審視給

予固定獎勵水準的激勵政策反而造成反

效果，讓組織中採用「完成不合作」策略

的代理人數也明顯增加，同時增加不分享

知識行為，尤其在固定獎勵水準在 50 時

達到高峰，這個結果是如何產生的？吾人

嘗試從不同策略互動時所產生的報酬與

系統動態的過程中採用不同策略代理人

數量的變化來說明此現象是如何產生的。

在優異群體能力的組織中，假如沒有

組織獎勵，當「完全不合作」與「完全合

作」策略的代理人互動時，依前述表 一

報 酬 矩 陣 的 公 式 換 算 其 報 酬 值 ( 見 表

四)，一個回合四次互動下來「完全不合

作 」 的 代 理 人 的 總 報 酬 為

20(5+5+5+5=20)，而「完全合作」策略的

代

理

人

的

總

報

酬

為

-8((-2)+(-2)+(-2)+(-2)=-8)。而當「欺

善怕惡」與「完全合作」策略互動時，「欺

善怕惡」策略的總報酬也是 20，「完全

合作」策略的總報酬也是-8。可以發現當

對手是採用「完全合作」策略時，「完全

不合作」與「欺善怕惡」策略代理人所得

到報酬的值是相同。根據系統所設訂的代

理人策略的調整規則，代理人可以從互動

對象中，選擇一個帄均報酬最高者，模仿

其 策 略 作 為 自 己 下 一 個 週 期 互 動 的 策

略。因此當「完全合作」策略的代理人遇

到「完全不合作」與「欺善怕惡」策略的

對手時，很容易轉換成採用「完全不合作」

或「欺善怕惡」策略。

在定期審視給予固定獎勵水準的激

勵政策下，一定可以得到組織的獎勵的策

略就是「完成合作」的策略，而「完成不

合作」的策略一定不會得到組織的獎勵，

其他的策略要看互動的對象而定，如「以

牙還牙」的策略遇到「完成合作」策略的

對手時，「以牙還牙」的策略可以得到組

織的獎勵。但是如果「以牙還牙」的策略

遇到了「完全不合作」策略的對手，「以

牙還牙」的策略就得不到組織的獎勵。當

組織的激勵政策可以有效地促成系統中

多數的代理人採用「完全合作」的策略

時，例如定期審視給予固定獎勵水準的激

勵政策，容易引發一個副作用就是讓採用

「完全不合作」與「欺善怕惡」策略的代

理人仍有存活成長的空間。甚至當「欺善

怕惡」對「欺善怕惡」策略互動時，「欺

善怕惡」的策略還可以得到組織的獎勵，

因為在此情況下「欺善怕惡」的策略中有

一半的行為會分享知識給對手。

以定期審視給予固定獎勵水準為 30

的政策為例，觀察系統動態的過程反應上

述策略變換的過程，開始時「欺善怕惡」、

「以牙還牙」、與「不信任」策略的代理

人數量逐漸減少，而採用「完全合作」與

「完全不合作」策略的代理人逐漸增加，

接著採用「完全不合作」策略的代理人數

量開始減少，採用「以牙還牙」策略的代

理人數量反轉開始增加，同時「完全合作」

策 略 的 代 理 人 的 數 量 仍 保 持 成 長 的 趨

勢。最後，「以牙還牙」的策略為大部分

是代理人所採用，另外約 27%的代理人採

用「完全合作」的策略。而在定期固定獎

勵在 50，70，90，110 水準的實驗結果，

大部份的代理人採用「完全合作」的策

略，見表 33，定期固定獎勵在 50，70，

90 的水準的實驗結果。與沒有任何組織

激勵政策的模擬結果相較，呈現出採用

「欺善怕惡」與「完全不合作」策略的代

理人的比例較高的現象。在定期固定獎勵

在 110 水準時，雖然全部的代理人都表現

出分享知識的行為，且絕大部份代理人採

用的是「完全合作」的策略，但組織的報

酬卻呈現為負，也就是設定如此高的報酬

水準並不符合成本效益的原則。

隨著知識分享的報酬增加，這種干擾

的情況將逐漸消失，如 Type 2 與 Type 3

的實驗結果顯非，多數的狀況全部表現出

分享行為的狀況。

2、能力差異與激勵政策

當知識分享的報酬為 Type 1 類型，

代理人互動網路為 2DK 的條件下，不同的

群體能力水準將對組識知識分享激勵政

策產生何種的效果？實驗結果顯示，聰明

(Smart)類型的群體能力類型，組織激勵

的結果與優異類型的群體能力相似。以代

理人的分享行為來獎勵時，可以大幅減少

不合作行為，同時增加「完全合作」策略

的代理人的數量。而如果採用定期審視，

定期獎勵的方式，則獎勵水準在 30 時，

反而不分享行為的數量增加，但是同時

「完全合作」策略的代理人數量也增加，

甚至超過半數。不分享行為增加的主要原

因是「完全不合作」策略的代理人數量也

因為組織的激勵而增加了。隨著獎勵水準

的提高，不合作的行為也跟逐漸減少消

失。

而在普通(Normal)與駑鈍(Stupid)

的群體能力類型，使用任何一種激勵的政

策都可以有效地減少不分享的行為，跟以

上優異與聰明類型相比，並沒有出現因激

勵而造成不合作行為的反效果。探討其原

因，代理人因其群能力較差，所經由知識

分享所得到的報酬與組織給獎勵相比，其

值是較低的。因此，代理人為了極大化自

身報酬，將轉為爭取組織的獎勵，而表現

出組織所期待的行為與策略。所以在實驗

的結果可以看到，代理人表現出分享知識

的行動與「完全合作」的策略轉變系統中

的優異策略。

如果從組織的績效來分析，則我們可

以發現，在普通與駑鈍類型的群體能力，

其組織執行激勵政策略的效果，從組織的

淨報酬來看都是負的，這代表組織所支付

的激勵成本高於代理人因知識分享所累

積的效用。從組織的淨報酬的角度來，在

普通與駑鈍類型的群體能力的條件下，不

執行任何組織的激勵政策反而可以為組

織的帶來正的淨報酬。在優異與聰明的群

體能力類型，不進行任何的組織激勵政

策，可以得到最高的組織報酬。如果依分

享行動給予[0,2]之間的獎勵值，雖然可

以完全消除不分享的行為，帄均為消除一

個 不 分 享 行 為 組 織 所 付 出 的 代 價 是

85.22(=20044.13/235.2) 效 用 單 位 。 但

是，同樣情況在聰明類型的群體能力的條

件

，

這

個

代

價

只

要

7.74(=19751.9/(2798.6-247.8))效用單

位。而如果採用定期審視固定獎勵水準的

激勵政策，從數據中可以看到，獎勵水準

在 30，50 ，70，90 時其不分享的行為的

數量都比不給予獎勵來的高，組織的淨報

酬反而因為要扣除組織為獎勵知識分享

所付出的成本而降低。兩相比較，在優異

的群體能力，如果組織真的想要籍由激勵

的措施來消除不分享的行為，以依行動來

給予部分的補償的方式來進行會比較有

效率。在聰明類型的群體能力的條件下，

採用依分享行動給予[0,2]的獎勵值，可

以大幅減少代理人不合作的行為，且帄均

的 成 本 也 比 在 優 異 的 群 體 能 力 條 件 為

低。而採用定期審視固定獎勵的方式，只

在獎勵水準為 30 時，其組織的淨報酬是

正的，其他都是負的，但是在這個獎勵水

準，會造成不合作行為的增加，與「完全

不合作」策略的代理人數量也增加。因此

在聰明類型的群體能力的條件，組織的獎

勵政策，以依行動來給予部分的補償的方

式來進行會比較好。

3、知識分享網路與激勵政策

在知識分享的報酬屬於 Type 1 類

型，群體能力是優異的條件所進行實驗的

結果，發現採用依分享的行為給予獎勵的

政策(By Action)，則不管是在任何的網

路拓樸的條件下，皆可有效消除不分享的

行為。但是，如果採用定期審視固定獎勵

的方式，其前述所討論的副作用，會隨互

動 網 路 連 通 效 率 與 作 用 力 的 提 高 而 增

強，造成代理人表現出更多的分享行為。

在代理人互動的對象是長期不變的情況

下，本來代理人的互動網路如果可以提高

連通的效率與作用力，在沒有任何激勵政

策之下，就會因為網路的結構的關係，使

代理人不分享知識的行為降低。但是，如

前述所討論的採用定期審視固定獎勵的

方式，在獎勵水準很低時，如 30，其不

分享知識的報酬還是很高的情況下，雖然

可以促使某些代理人轉為「完全合作」的

策略，但是也同時促使「完全不合作」策

略的代理人數量的成長，而互動網路的連

通效率與作用力提高，將產生兩個效果：

(1) 初期「完全不合作」策略的擴散速度

加快。(2)上述「以牙還牙」→「完全合

作」→「完全不合作」策略轉變的速度也

會加快。導致產生更多不分享知識的行

為，與更多的「完全不合作」策略的代理

人。

當代理人互動對象如果經常變動的

情況下，依行動給予獎勵方式將可使代理

人的行為完全表現分享知識的行為，在沒

有獎勵政策略代理人的行為會呈現兩種

極端的狀況，不是全是分享知識就是全不

分享知識，但是依行為給予獎勵的方式，

使完全不分享的知識的極端現象消失，而

表現出全部分享知識的行為，在 SOUP 的

實驗結果也是呈現，沒有激勵時是完全不

分享的情況，變成全部代理人都分享知

識。但是，若以定期審視固定獎勵的方

式，在 2DS 情況下 30 與 50 的獎勵水準反

而使代理人完全表現出不分享知識的行

為。同樣的獎勵方式在 30 與 50 的獎勵水

時，在 SOUP 情況下，仍然無法改變代理

人的行為，全部的代理人仍然不會分享知

識。

五、結論與建議

本研究在，考量了不同類型知識分享

的報酬、個體知識分享的行為策略、群體

能力的水準、知識分享的互動網路與組織

激 勵 政 策 ， 經 由 代 理 人 基 礎 塑 模

(agent-based modeling)的方法，模擬組織

成員知識分享的行為。綜合而言，本研究

之貢獻及未來發展方向說明如下：

(一) 研究貢獻

本研究運用代理人基礎塑模的研究

策略進行組織中知識分享相關議題的研

究。在研究中，研究者考慮了以下變數，

包括知識分享的報酬類型，成員的行為策

略，組織激勵的政策、分享知識的網路構

形 與 群 體 的 知 識 分 享 與 吸 收 能 力 的 水

準。運用資訊科技建構了一個人造的世

界，在此人造世界中，藉由以上變數的操

弄，設計實驗，以檢視對組織成員間知識

分享所產生的效果。經由系統模擬後，產

生以下結果：

1. 當分享知識的報酬愈高時，代理人知識

分享行為會愈多，無論是在那一種互

動網路、群體能力或分享知識的選擇

模式下都可成立。這意味著只要組織

成員認知到分享知識可以帶來高報

酬，則組織成員就會自發性發展出知

識分享的行為，雖然在初期會有不分

享的行為存在，可是只要持續地進行

知識分享的互動，則最後組織成員，

還是會表現出分享的行為，但是組織

氣氛是否傾向信任的則是依分享知

識的報酬與類型而定，當分享知識如

果會造成個人效用的減損，雖然代理

人會表現出分享知識的行為，但是在

策略上所用的可能是偏向不信任的

策略，如「以牙還牙」的策略。

2. 如果代理人的行為策略只是單純地經

由模仿、學習五種系統給定基本策略

的環境中，沒有任何的組織激勵下，

個體的知識分享與吸收的能力如果

存有差異，則能力較好的代理人將會

局部地吸引能力較差的互動對象採

用他的策略，即使他所用的策略的報

酬的期望值並不是最高的。這種現象

稱之為“局部吸引效果(local

attraction effect)”。這種效果導致了

不同的策略的產生了各自的小群體

散布在系統空間中。但是，

「完全合

作」或「以牙還牙」的策略仍是系統

中的優勢的策略。即使是代理人的行

為策略可以演化的情況下，“局部吸

引效果(local attraction effect)”也仍

然會發生作用。而且群體能力的水準

愈低，“局部吸引效果(local

attraction effect)”的作用愈明顯。

3. 代理人的互動網路是一項重要影響因

素，互動網路扮演著知識流通與行為

策略學習的管道，它同時會影響個體

知識分享的報酬與行為策略的學習。

4. 激勵效果是很難掌握的。激勵的效果受

制於代理人對行為策略的學習模

式、群體能力的水準、代理人互動網

路的結構與組織所實行之獎勵方法

的影響。當群體屬於優異的能力類型

時，運用激勵政策鼓勵成員的分享知

識行動的效果是有限的，但是對於促

成相互信任的組織氣候卻是有幫

助。在提升知識分享的行為上，對組

織成員分享知識的行動即時給予獎

勵的效果會優於定期審視給予固定

獎勵水準的激勵政策，但是無法有效

促成組織信任的氣候。定期審視給予

固定獎勵水準的激勵政策，當獎勵的

水準低時所造成「完全合作」代理人

的數量增加，可是如果遇到對手是

「完全不合作」或是「欺善怕惡」的

策略的代理人時，反而容易轉而採用

「完全不合作」或是「欺善怕惡」的

策略，降低組織中的知識分享行為，

增加不分享知識的行為。群體能力水

準低的團體，採用任何一種激勵政

策，皆可大幅減少不分享知識的行

為。但是，定期審視固定獎勵水準的

政策，卻可讓大多數的代理人採用

「完全合作」的策略，促成互信的組

織氣候。但是兩種激勵政策的施行可

能不符合成本效益的原則。

(二) 研究限制

在本研究中仍具有以下的研究的限

制：

1. 在給定的網路構形下，代理人無法拒絕

其對手互動。

2. 代理人所用的策略只是簡單地指定予

代理人。本研究缺乏策略演化的機

制，也許某些更有效的策略可以在演

化的過程中浮現出來。

3. 在本研究中假設每一個代理人都具有

無限的知識存量，並且每一項知識的

效用是固定，無法改變的。未來可進

一步設計組織中知識訂價的機制以

模擬組織中的知識交易市場運作。

4. 在本模型中，每一個代理人被假定具有

無窮的求知欲。在真實世界中，人們

會隨著個人知識的增長，吸收知識的

欲望也隨之降低。在本研究中代理人

的特徵只考慮知識分享與吸收能力

的差異對組織中知識分享所造成的

影響，但是其他的個人特質，如熱

情、角色、社會地位也可能會影響知

識分享的效果。未來的研究可能需要

再考慮更多的個人特質的因素。

5. 在模型中，每一個代理人的記憶深度只

有一步(one round memory)。這樣的

限制可能影響代理人知識分享的行

為，未來的工作可將此限制進一步地

放寬以探索對代理人知識分享行為

的影響。

6. 代理人的知識分享與動機在本研究中

假設為經濟性的。在真實世界中，分

享知識的動機可能來自於競爭的需

求、自我實現、互利等。

(三) 未來研究方向

雖 然 本 研 究 已 經 有 些 初 步 成 果 呈

現，為了豐富研究的內容，以下的限制條

件建議可進一步放寬，進行相關資料分析

與討論：

1. 在此模型中，每一個代理人互動的對象

(也就是所謂的連結)是固定且不可改

變，這與真實世界的狀況並不相符，

我們會經由選擇的過程建構自身的

社會網絡。因此，可進一步修改模型

的架構，使模型中的代理人可以在某

些條件下選擇建立新的連結，或是切

斷某一連結。再配合原有模型的因

素，進一步討論對組織知識分享可能

造成的效果。

2. 其次在現有的模型中代理人的策略是

外生變數，由研究者所給定無法變化

不同的策略。本研究中的代理人所用

的策略亦有一步記憶(one round

memory)的限制。可進一步修正，使

策略成為系統中的內生變數，放寬一

步記憶的限制具有演化的機制，如此

可探討在不同的條件下，代理人策略

的演化，及對組織的激勵政策產生何

種的影響。

3. 最後，現存的模型並未考慮知識的特徵

與組織目標，每一個代理人都具有無

窮的知識存量，且每一項知識的價值

是相同。可將知識的特徵與類型放進

模型中，加入市場評價機制，形成一

個組織內的知識市場；組織將有一個

最佳的知識組合，做為其組織目標，

每一個代理人的知識是有限的，每一

個代理人在其有限的關係(連結)尋求

互動與分享知識。如此可進一步探討

組織目標與激勵政策之間的交互影

響。

六、計畫成果自評

（一）計畫產出自評

本研究運用代理人基礎塑模的方法

探討組織中成員知識分享的行為，雖然模

型是經由適當的簡化，但是其產出的結果

仍可提供以下相關管理議題的洞察供管

理人員參考：

1. 知識本身是一項具有經濟價值的資

源，當組織成員考慮是否要與其他人

分享知識時，需要考慮分享行為可能

產生的報酬，雖然將知識分享與他人

可能造成自己效用上損失，但是也可

能從他人得到新的知識，或因相互的

分享知識而產生綜效。因此，分享的

效果需依頼雙方的行為而定。如果知

識的價值可以清楚地界定與彼此的

能力可以完整地吸收與分享知識，組

織中的成員將自發性進行知識的分

享，但是整體的組織的氣候，可能是

傾向猜忌與不信任。

2. 不同群體能力的水準可能會影響組織

成員的知識分享的行為，即使知識的

價值可以清楚地界地，組織成員的能

力水準愈差，不分享的行為會增加。

由於能力上的差異會造成有些成員

與他分享的知識的效果不好，而能力

好的成員可能經由其他具有不分享

的行為的策略而得到比較高的報

酬，而其他的成員並未知覺彼此能力

上的差異，而經由學習模仿這些能力

好成員的策略，致使不合作的行為會

增加。但是總體來看，即使沒有任何

的組織激勵政策，分享知識的行為仍

會佔大部份。

3. 組織成員之間知識分享的互動網路是

一項重要的影響因素，其中知識分享

的網路，其關係的持續性與互動對象

的可改變性將對組織成員知識分享

的行為造成影響。

4. 激勵組織成員分享知識的行為，直接依

據其分享的行為來獎勵效果最好，但

是如果想要造就互信的組織的氣候

則以定期審視固定獎勵的方式的效

果最好，由其是當組織成員的能力水

準愈差時，效果愈是明顯。但是對組

織而言這樣的激勵政策可能不符合

成本效益的原則。

（二）計畫發表

本研究成果目前已有兩篇期刊發表，

其 一 是

2008

年 的

Technological

Forecasting and Social Change. (SSCI)與，

另一是 2009 年的資訊管理學報(TSSCI)

期刊中。另有文章投稿國外期刊中。

七、參考文獻

（因篇幅限制，僅列出部分文獻）

【1】 Dawes, R., and Messick, M.: Social

Dilemmas, International Journal of

Psychology, 35(2) 111-116 (2000)

【2】 Teece, D.J.: Capturing Value from

Knowledge

Assets:

The

New

Economy, Markets for Know-How,

and Intangible Assets, California

Management Review, 40(3) 55-79

(1998)

【3】 Yang, C., and Chen, L.-C.: Can

Organizational

Knowledge

Capabilities

Affect

Knowledge

Sharing

Behavior?,

Journal

of

Information Science, 33(1) 95-114

(2007)

【4】 Sun, P.Y.-T., and Scott, J.L.: An

Investigation of Barriers to Knowledge

Transfer,

Journal

of

Knowledge

Management, 9(2) 75-90 (2005)

【5】 Bock, G.W., Zmud, R.W., Kim,

Y.G., and Lee, J.N.: Behavioral

Intention Formation in Knowledge

Sharing: Examining the Roles of

Extrinsic

Motivators,

Social-Psychological

Forces,

and

Organizational

Climate,

MIS

Quarterly, 29(1) 87-111 (2005)

【6】 Levy, M., Loebbecke, C., and

Powell, P.: SMEs, Co-Opetition and

Knowledge Sharing: The Role of

Informatin Systems, European Journal

of Information Systems, 12(1) 3-17

(2003)

【7】 Hsu, M.-H., Ju, T.L., Yen, C.-H.,

and Chang, C.-M.: Knowledge Sharing

Behavior in Virtual Communities: The

Relationship

between

Trust,

Self-Efficacy,

and

Outcome

Expectation, international Journal of

Human-computer studies, 65 153-169

(2007)

【8】 Wasko, M.M., and Faraj, S.: Why

Should I Share? Examining Social

Capital and Knowledge Contribution

in Electronic Networks of Practice,

MIS Quarterly, 29(1) 35-57 (2005)

【9】 Angel, C., William, C.C., and Jesus,

F.S.:

Determinants

of

Individual

Engagement in Knowledge Sharing,

The International Journal of Human

Resource Management, 17(2) 245-264

(2006)

【10】 Chou, S.-W.: Knowledge Creation:

Absorptive Capacity, Organizational

Mechanisms,

and

Knowledge

Storage/Retrieval Capabilities, Journal

of Information Science, 31(6) 453-465

(2005),

doi:

10.1177/0165551505057005.

【11】 Snejina, M., and Kenneth, H.:

Decision Making in Organisations

Hostile to Knowledge Sharing, Journal

for

East

European

Management

Studies, 9(1) 7 (2004)

【12】 Becerra-Fernandez, I., Gonzalez,

A., and Sabherwal, R.: Knowledge

Management- Challenges, Solution,

and Technologies, Pearson Prentice

Hall, 2004

【13】 Axelrod, R.: The Complexity of

Cooperation: Agent-Based Models of

Competition

and

Collaboration,

Princeton University Press, New

Jersey, 1997

【14】 Axelrod, R.M.: The Evolution of

Cooperation Basic Books, New York,

1984

【15】 Collier, N., Howe, T., Najlis, R.,

North, M., and Vos, J.R.: Repast 3

(2005).

Available

at:

http://repast.sourceforge.net/ (accessed

1 Dec 2006).

【16】 Yang, H.-L., and Wu, T.C.T.: