Welcome to litan's blog
这是我的教育技术学习小天地-
2020-03-22阅读笔记-泛在学习环境下知识分享社区的知识传播研究：路径与要素
本文系阅读华南师范大学林秀瑜等人发表在中国电化教育期刊上《泛在学习环境下知识分享社区的知识传播研究：路径与要素》所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。
1.问题提出
当前对于知识分享社区研究越来越多，但是从传播角度对知识分享进行研究还是相对较少，特别是关于知识分享社区的传播过程中知识分享与再生研究欠缺。
2.知识分享及知识分享社区的知识分享路径
2.1 知识分享及其特性
总结前人研究基础之上，提出该研究分为两个阶段：一是知识传递过程的知识交换阶段；而是知识转化过程中的知识再生阶段。（知识交换阶段时知识创造与再利用的前提，知识再生阶段是知识交换与分享的目的）
2.2知识分享社区及其知识分享路径
研究提出知识分享社区中知识分享路径包括三个阶段：一是知识需求产生的知识诉求阶段，二是知识传递过程中的知识交换阶段，三是知识转化过程中的知识再生阶段。引文[7-19]均值得重点阅读
3.知识传播与知识分享社区的知识传播要素
3.1知识传播及其特性
引文[20]从知识传播方式，知识传播内容，知识传播主题以及知识传播环境四方面对知识传播的特性进行了总结：
作者研究认为知识传播具有传播主体融合性、传播方式泛在性、传播行为参与性、传播内容聚合性、知识转化再生性。
3.2知识分享社区的知识传播的要素
作者研究认为知识分享社区的知识传播包含7个要素：
a.融合性的传播主体；b.个性化的传播目的；c.泛在化的传播方式；d.参与是的内容产生；e.聚合性的传播内容；f.再生式的知识转化；g.良性的传播效果。
4.知识分享社区“知乎”的知识传播路径与要素分析
4.1研究目的与对象
研究目的：泛在学习环境下知识分享社区的知识传播路径与要素研究
研究对象：“知乎”社区
4.2 研究框架
4.3 研究假设
- a.个人特征会影响知识诉求
- b.使用与满足会影响知识诉求
- c.社区环境会影响知识交换
- d.利他心理会影响知识交换
- e.信任会影响知识交换
- f.自我价值会影响知识再生
- g.知识自我效能会影响知识再生
- h.认可度会影响知识再生
4.6调查结果
a.个人特征分析 调查中85.15%的调查对象年龄集中在21-40岁。65%的用户学历为大学本科，31.54%的用户工作时长为5年以上。
b.知识诉求分析
c.知识交换分析
d.知识再生分析
###4.7结果分析
a.在个人特征方面，使用时间与知识再生具有正相关，使用时间长说明用户对社区的认可，以此为基础用户有更大的可能参与到社区的提问、回答、评论中；工作经验较丰富的用户更愿意在知乎上共享自己的知识经验；学历对知识再生有正相关，说明一些问题的回答与知识的再生需要专业知识才能实现。
b.在知识诉求方面，即从使用与满足来看，用户主要使用知乎寻找所需信息，其次是回答问题以及评论答案，这种行为表明用户对知乎的知识质量的认可。高质量有价值的问题解答可以吸引更多的用户进入知乎进行讨论，促进了社区的知识再生。
c.在知识交换方面，社区环境、利他心理和信任对知乎的知识再生都有正相关。社区的易用性和有用性很大程度上决定用户是否继续参与到该社区的问答中。而利他心理是一种自我价值的实现，通过对回答他人的问题，共享自己的知识获得满足感。对社区的信任也是促进用户参与社区的知识再生的一个重要因素。
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前从事的研究：社会媒体计算与计算心理学。个人感兴趣的方向（私下喜欢阅读的文献）：复杂系网络计算与知识传播，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP;个人博客:www.litan.tech。如果发布的博文触及您的相关权益，请和我联系，我会及时删除和声明。
-
2020-03-22阅读笔记-考虑遗忘机制的企业隐性知识传播SIR模型研究
本文系阅读上海工程技术大学杨湘浩等人发表在中国管理科学期刊上《考虑遗忘机制的企业隐性知识传播SIR模型研究》所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。
1.文献综述
对于隐性知识的传播，首先介绍了SECI模型：该模型认为指出显性知识和隐性知识可以通过社会化、外部化、综合化和内部化的过程实现相互转化和传播。
后来随着经济发展，国内学者针对性的优化了该模型[1]，
随后国内的相关学习又基于应用心理学的“顿悟学习”和“量子学习”模型的思想提出在顿悟学习基础之上的量子知识创造（Q-SECI）模型[2]。
在SIR与隐性知识传播研究理论之中，张生太以及王秀红等人认为组织隐性知识传播与传染病传播具有很多相似之处，据此构建了应用系统动力学构建了员工隐性知识传播的“传染病模型”并验证部分推断[3][4]。而对遗忘机制的引入是模型在真实环境中，由于隐性知识长期不得到复习或者受到外界感染而导致的遗忘，其中华中师范大学信息技术系瞿少成等人在研究小世界网络传播机制时考虑了遗忘机制，通过研究发现，考虑了遗忘机制的模型能更好的模拟组织学习网络显性知识的演化。[5]
2.模型内容与模型构建
2.1模型基本内容
本研究将知识传播者分为三类：学习者、传播者以及免疫者。
- 假设a.学习者以λ几率转化为传播者，开始传播隐性知识；而以1-λ的可能性转化为免疫者，不再参与考察的隐性知识传播。免疫者是指对考察的隐性知识失去兴趣或掌握后不使用也不传播，对考察的隐性知识传播不再产生影响。在传染病模型中会假设人接种疫苗后会对某种传染病产生免疫力，隐性知识的传播过程也是如此，不同的学习者由于不同的原因无法掌握知识而成为免疫者。而传播者由于对传播隐性知识的得益进行评估后，认向其他人传播其拥有的隐性知识是弊大于利的或者其他原因，那个该传播者也会成为免疫者。因此免疫者会有两个来源：一个是传播者一个是学习者。该模型如下图表示。
- 假设b.时间t内如果传播者因为遗忘导致其从传播者变为免疫者，其几率为δ；另外传播者由于受到免疫者影响也会转化为免疫者，所占据的比例约为η；当传播着与传播者相互交流时，会产生新的认识，对隐性知识产生新的评价，并转化为免疫者：几率为γ。此外假设在概率上存在以下假设：γ<η。
2.2数学模型构建
研究假设是建立在混合均匀网络中的，因此建立了平均场方程：
其中k表示网络平均度，I(t),S(t),R(t)分别表示t时刻学习者、传播者和免疫者。且满足：I(t)+S(t)+R(t)=1。假定在隐性知识传播初期只有一名传播者，其余都是学习者，因此可以将隐性知识传播模型的初始条件设置为：
3.模型推导
3.1模型稳态分析
3.2仿真
采用Runge-Kuntt方法求解上述微分方程组，设定一下参数：N=10^4，平均度K=10的均匀网络，初始态仅一位传播者，即S(0)=1/10^4，I(0)=(10^4-1)/10^4,R(0)=0。仿真图像如下：
引用
[1] 姚哲晖,胡汉辉.知识演化和创新的SECI模型之改进研究[J].中国软科学,2007(09):118-124. [2] 褚建勋,汤书昆.基于顿悟学习的Q-SECI模型及其应用研究[J].科研管理,2007(04):95-99. [3] 张生太,朱宏淼.人员流动对组织间隐性知识共享影响研究[J].管理科学学报,2016,19(07):78-84. [4] 王秀红,韩琼,韩光平.员工隐性知识传播的系统动力学模型研究[J].情报杂志,2008(03):57-60. [5] 瞿少成,李莎,田文汇.基于复杂网络理论的组织学习知识传播模型研究[J].华中师范大学学报(自然科学版),2009,43(04):573-577.
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前从事的研究：社会媒体计算与计算心理学。个人感兴趣的方向（私下喜欢阅读的文献）：复杂系网络计算与知识传播，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP;个人博客:www.litan.tech。如果发布的博文触及您的相关权益，请和我联系，我会及时删除和声明。
-
2020-03-17阅读笔记-基于SIR的众包社区知识传播模型研究
本文系阅读河海大学薛娟等人发表在科技进步与对策期刊上《基于SIR的众包社区知识传播模型研究》所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。本文引用格式：薛娟,丁长青,陈莉莎,张志武.基于SIR的众包社区知识传播模型研究[J].科技进步与对策,2016,33(04):131-137.
1.基础知识介绍
1.1 首先介绍了众包网的拓扑统计指标：
介绍了节点度的概念：结点度用于测量结点中心性，以发现整个网络的核心结点，结点度也就是所有与该结点相邻的结点数量。
节点度体现了用户合作型和对知识的关注度。节点度是知识传播的重要影响因素，节点度越大，节点的知识扩散能力越强。网络节点平均度可以如下表示：
通过统计发现，该众包社区存在如下分布（符合幂律分布）
1.2 众包网络知识传播模型
将众包网络上的用户类型设为三种类型：企业知识经纪人、企业特聘专家以及普通大众。其次该众包社区属于网络社区，因此设置三种类型的结点：传播结点i(t)，易感结点s(t)和免疫结点r(t)。且设置该系统内属于一种稳定状态，n(t)=n=s(t)+i(t)+r(t)，因此构建的微分方程解释如下图：
2.改进的SIR模型—WSIR
原有的SIR经典模型，其中的传播概率和衰减概率是固定的，但是作者提出在传统经典中加入结点权重因子和传播衰减因子。
2.1结点权重因子
其中，k(gi)表示结点gi的度 值，[k]为结 点 平 均度值。当结点为普通用户 时，容易接受度值较高的权威用户的观点，也较易由ｓ态转变为i态，所以wl(gi)较大。反之，权威用户的权重数wl(gi)则相对较小，说明其不太容易受他人观点的影响。由于内化能力，也就是某个结点对知识的在吸收了知识以后经过内部消化，实现自身的知识创新，并由s态转化为i态。因此对结点的权重进行定义：
因此从s->i的转移概率如下表示：
2.2 衰减因子
作者修正了由i->r的转移概率：
因此修正后的微分方程如下：
3.WSIR知识传播模型仿真
最后作者对比了WSIR模型在各项性能和SIR的区别，由于不是本人关注重点，不再详述。
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前我正在从事深度学习以及自然语言处理和教育领域结合的研究，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP。
-
2020-03-17阅读笔记-复杂网络视角下的知识传播
本文系阅读北京邮电大学刘颖老师著作：《复杂网络视角下的知识传播》所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。本书的阅读主要是为了了解复杂网络的相关概念，因此对部分个人认为非重点章节，做略读，因此部分章节笔记将十分粗糙。
2章 知识传播复杂网络分析
定义2.1 网络形式化定义：Network=(V,R)
定义2.2 节点i的度ki表示节点i所连接的总边数，所有节点度的平均值成为网络的平均度，记为（k）。当连接边有方向时，节点度分为入度和出度，入度用kin表示，出度用kout表示。同理，平均出度为（kout）,平均入度为(kin)。
定义2.3 网络中节点的度分布函数P(k)表示一个任意选择的节点恰好有k条连接边的概率，也等于度为k的节点个数占全网节点的总数百分比。
定义2.4 网络中，连通两个节点i和j的最少变速，定义为两个节点路径长度或者距离lij
定义2.5 网络直径d定义为所有节点其中的最大路径长度：d=max(lij)
定义2.6 网络特征路径长度CPL表示所有节点对的路径长度平均值。CPL=
定义2.7 假设节点i通过ki条边与其他ki个节点相连，如果这ki个节点相互连接，它们之间存在2ki(ki-1)条边，而ki个节点间实际存在的边数记为Ei,则节点i的聚集系数Ci表示为：Ci=Ei/2ki(ki-1)。C定义为网络的聚集系数，则C=
表示网络中所有节点聚集系数的均值。聚集系数度量了一个节点的两个直接邻居彼此互为邻居的可能性，网络中这种关系构成了三角形结构。聚集系数高，意味着网络拓扑在局部层次上更紧密。显然在全联通的网络中每一个节点都是相互通的，也就是聚集系数为。在随机网络中，C=N^(-1)。 定义2.8 幂律分布指任何节点与其他k个节点相连的概率，与1/k成正比。
幂律分布在经济生活中经常可以见到，如：财富分配、社会网络等等，之所以可以存在在大量社会生活中，是因为该分布社会结构具有稳定性，同时也兼顾到效率。
小世界理论 小世界现象是与网络特征路径长度这个指标密切相关的概念，反映出复杂网络中平均路径长度相对网络的节点规模非常小。MIT精确测量任意两个美国人所需要的连接数量不超过4个，哈佛大学通过转寄信件的实验验证这一个猜想，将实验结果总结为“六度分割”现象。理论与实验研究揭示，即使构成网络的节点数N很大，其特征路径长度仍然很小，一般为O(logN)。
聚集效应 可以表述为你朋友的朋友也是你的朋友，或者你爹两个朋友彼此也是朋友。实证表明：大部分真实网络中的节点倾向于聚集在一起，聚集系数C可能小于1但是远比随机图中国指标的取值N^(-1)大。
定义2.9 社区指网络中节点形成的群组，群组内部节点之间的连接比较紧密，而群组之间的节点比较稀疏，这样的群组成为社区。大量实证研究，表明许多实际网络同时满足“小世界”和“无标度”特征
度相关 当网络中度数高的节点倾向于与其他度数高的节点相连，即节点具有正的度相关性，网络称为依连接度协调混合；反之，当度数高的节点倾向于连接度数低的节点，称为非协调混合。
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前我正在从事深度学习以及自然语言处理和教育领域结合的研究，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP。
-
2020-03-16阅读笔记-复杂网络视角下的知识传播
本文系阅读北京邮电大学刘颖老师著作：《复杂网络视角下的知识传播》所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。背书的阅读主要是为了了解复杂网络的相关概念，因此对部分个人认为非重点章节，做略读，因此部分章节笔记将十分粗糙。
1.2 网络视角下的知识传播
1.2.1知识传播网络的相关概念和特征
1.知识与知识管理
知识、信息以及数据是三个完全不同的概念；数据是关于时间的一种客观表述，可以是没有特东意义的数字，图像或声音。当人们能对数据进行解释，并将其融入特定的背景，数据就演变成信息，因此信息比数据更有价值。当信息与应用目标联系在一起，通过综合、Fenix，使信息具有意义，并能指导行动则产生了知识。
3.知识传播
（1）知识发现：通过交流实现信息更新，接受关于知识内容和知识专家所处位置的信息，构建起个人或者组织的认知知识网络
（2）知识解释：通过互动过程，增进对知识的理解。在此过程中，组织中观点趋于一致。逐渐形成共识。
（3）知识应用实现：知识发现能力使得知识的获取更加准确高效，情境化的知识解释提升了知识再不同环境中的有用性，从而有利于更有效地将知识用于决和行动。
（4）知识创新：资源的共享、跨专业边界障碍的交流，以及开放的组织环境，将极大的促进新知识的创造。
4.知识传播网络
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前我正在从事深度学习以及自然语言处理和教育领域结合的研究，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP。
-
2020-03-16阅读笔记-优化SIS模型的社交网络舆情传播研究——基于用户心理特征
本文系阅读华侨大学工商管理学院林芹等人发表在情报科学期刊上的《优化SIS模型的社交网络舆情传播研究——基于用户心理特征》论文所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。该论文引用方式：林芹, 郭东强.优化SIS模型的社交网络舆情传播研究——基于用户心理特征[J]. 情报科学, 035(003):53-56,75.
作者通过构建一种基于SIS模型的舆情传播模型，并将其中加入了心理特征。具体模型和解释如下：
其中$I$表示参与者，S表示未参与者。参数具体解释如下：z表示治愈率；x表示信息风险感知；j表示接触率；c表示沉浸体验；q表示情感距离。
作者在论文中提出的三个心理学特征具体含义解释如下：
-
“沉浸体验”是指用户使用社交网络的专注水平和沉浸程度，假设其为c。沉浸体验会使用户产生时间扭曲感并失去自我意识，从而使得个体与任务融为一体。[1]
-
“情感距离”是指用户对传播内容中所涉及的人物事件的情感差距[2]，假设其为q。一般而言，情感距离越小，用户越关心传播内容，从而推动其对网络舆情的关注程度和传播行为[1]
-
“信息风险感知”是指用户在传播网络舆情时，感知该行为会造成自身受法律、道德等风险的程度，假设其为x。信息风险感知使用户在传播舆情时会有所顾虑，并且多个谣言传播的始作俑者受到法律制裁的现象也使得用户在传播舆情时更加关注信息风险因素[3]。
数学模型:
i的变化率为：jcqs(t)i(t)-zxi(t)；且满足:s(t)+i(t)=1,i(0)=i0；
由于在舆情传播过程中，更加关注的是参与者，因此：
令σ=icq/zx,因此：
因此建立起i的图像：
在该图像中，左边图像为i的增长率，当i>1-1/σ时，i的增长率为负，即如果i大于该点，则整体的传播从初始即处于减弱传播的过程中；i<1-1/σ时存在一二班导数的顶点，对应中间图片下面拐点处。右边图展示σ<0的情况。
仿真实验
1.无干预措施情况下：
2.干预状态下:
- a.不同沉浸体验下
- b.不同情感距离
- c.不同信息风险感知下
引用
[1]张敏, 霍朝光, 霍帆帆. 突发公共安全事件社交舆情传播行为的影响因素分析——基于情感距离的调节作用[J]. 情报杂志, v.35(5):42-49.
[2]孙利. 基于主题词表和FCA的海事本体构建研究[D]. 2010.
[3]成俊会, 赵金楼. 基于信息风险感知的社交网络舆情传播模型研究[J]. 情报杂志, 000(1):134-138.
声明
作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前我正在从事深度学习以及自然语言处理和教育领域结合的研究，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP。
-