知識耦合視角下在線問答學習社區的知識共享演化博弈

【中圖分類號】G40-057【文獻標識碼】A【論文編號】1009—8097（2025）05—091—10【DOI】10.3969/j.isn.1009-8097.2025.05.010

一研究背景

在線問答學習社區因其開放性、交互性、及時性等特征受到眾多學習者的喜愛，成員數量呈噴井式增長，并為學習者提供了一個“群體眾包”型的知識共享交流平臺。知識共享是組織或個體適應世界與維持核心競爭力的關鍵1，其相關研究集中在三個方面： ① 知識共享網絡特征。例如，宋雪峰等[2發現在線社區多數成員聯系較為松散，核心角色和外圍角色分化鮮明。 ② 知識共享行為。例如，陳明紅等[3]、Sun等4]提出結構資本對社區知識共享具有正向影響，而關系資本、認知資本對社區知識共享的數量與質量具有正向影響。 ③ 知識共享影響因素。例如，侯貴生等[5]認為知識外化的難度直接影響知識共享策略；姚慧麗等回、冀鴻等[]、Lou等[8]認為知識共享會產生知識協同收益，且收益與知識共享意愿、知識存量、知識吸收轉化等緊密相關；而 Hendriks[9]、李從東等[10]、王鵬民等[11]提出，共享收益還受到知識獲取能力、知識轉化能力等因素的影響。

知識耦合是兩個或兩個以上的知識系統相互滲透、重組，以促進新知識生成的過程[12]。在知識耦合視角下探究知識共享行為的獨特優勢，在于能夠通過動態交互分析知識共享行為的規律。知識活動個體傾向于以有限的思考、有限的時間投入參與知識耦合過程，這意味著知識共享具有不確定性，需要在演化博弈的過程中探索知識共享策略。知識耦合的相關研究聚焦三個方面： ① 企業/產業知識交流，包括產學研知識耦合[13]、新興產業與傳統產業知識耦合[14]等; ② 知識體系的耦合，包括知識共同體與德育共同體的耦合[15]、學科知識生產系統的耦合[16]等； ③ 知識耦合的技術效應，包括技術突破與創新[17]、技術耦合度[18]等。

既往研究忽略了知識共享在知識流動和知識耦合過程中的動態作用機制，因此有必要從動態視角對知識耦合過程中的知識共享行為進行深入分析。基于此，本研究采用演化博弈方法，嘗試構建在線問答學習社區知識共享演化博弈模型，并借助仿真實驗分析社區成員知識共享的發生機制與演化規律，以期為在線學習社區的知識共享行為研究與平臺功能優化提供參考。

二在線問答學習社區知識共享演化博弈模型的構建

演化博弈方法是一種研究群體成員行為隨時間變化而發生變化的方法，重在探究群體策略的調整與選擇機制，以解釋社會行為的形成與演化。采用此方法，本研究構建了在線問答學習社區知識共享演化博弈模型，包括四個步驟： ① 分析知識耦合過程，揭示演化博弈涉及的“知識外化、知識群化、知識內化、知識創造”四個階段； ② 構建收益矩陣，即在四個階段的基礎上分別探究成員群體的收益成本； ③ 構建復制動態方程，即在收益矩陣的基礎上，探究用戶知識共享決策隨時間變化而呈現的變化趨勢； ④ 制定演化博弈穩定策略，即在復制動態方程的基礎上，分析用戶知識共享決策的穩定行為模式。

1知識耦合過程

本研究基于Nonaka等[9提出的知識轉化模型，將知識耦合過程分為知識外化、知識群化、知識內化、知識創造四個階段，如圖1所示。在線問答學習社區知識共享演化博弈模型比較關注知識耦合過程中社區成員與其他知識系統的知識轉化，但忽略了外部環境帶來的影響。而知識耦合的外部環境是一個泛化概念，包括學校培訓、社會培訓等，這些內容并不直接作用于在線問答學習社區的知識耦合過程，但會通過豐富個人知識存量間接影響知識耦合質量。從知識外化到知識群化到知識內化再到知識創造，對應了知識呈現、知識轉移、知識吸收、知識升華的內在過程，這一過程是問答學習社區知識生產與傳播、用戶知識獲得與創造的關鍵。

2收益矩陣

雖然社區成員知識獲得的外部環境差異較大，但最終都會影響到個體知識存量。因此，外部環境對社區成員的影響，可以間接用知識存量來描述。本研究用 K_m ， K_n ，分別表示成員 m 、n的知識存量。

（1）知識外化階段的收益

在本階段，知識提供方通過外化個體知識到在線問答學習系統，實現知識與系統的耦合。參考侯貴生等[20]提出的“知識外化是一種相對支出狀態和相關指標”的觀點，本研究用 η_m ， η_n 分別表示成員 m 、n的支出系數，同時用 η_mK_m ， η_nKn 分別表示成員 m 、n的知識支出狀態。

（2）知識群化階段的收益

在本階段，社區成員與知識系統耦合產生協同效應。依據姚慧麗等[211、冀鴻等[22]、Lou等[23]等關于知識協同的觀點，本研究將成員知識存量 （K） 、知識協同系數 （α） 、知識轉化能力 （θ） 、異質性知識比例 （H） ！成員知識共享意愿（S）作為知識協同的主要因素。據此，本研究用 K_mS_mH_mθ_n 表示成員 n 獲得成員 m 的知識價值，協同收益為 K_mS_mH_m（θ_n+α_n） ；同理，成員 m 的協同收益為 K_nS_nH_n（θ_m+α_m） 。

（3）知識內化階段的收益

在本階段，社區成員主動與知識系統耦合，并不斷建構和拓展已有的知識體系。依據李從東等[24]、王鵬民等[25]、Hendriks[26]提出的直接知識收益計算方法，本研究用 G 表示知識獲取能力，則成員 n 的知識內化收益為 K_mS_mG_nθ_n 、成員 m 的知識內化收益為 K_nS_nG_mθ_m 。

（4）知識創造階段的收益

在本階段，社區成員基于已有的知識存量及其與知識系統的耦合，獲得協同收益和直接收益。由于個體的認知系統存在差異，故本研究使用 β 表示知識創造能力，則成員 n. 成員m創造知識的收益分別為 β_nK_n ！β_mK_m 。通過知識創造引發新的知識不平衡，可使知識存量在內、外部環境的作用下迭代更新，從而產生新一輪的耦合效應。

綜上，本研究構建了社區成員收益矩陣，如表1所示。其中，T表示其他支出，主要指社區成員行動產生的額外成本。當成員 n 與成員m積極共享時，整體收益為“知識內化、知識群化、知識創造三個階段用戶收益之和”與“知識外化階段用戶收益”之差；當一方成員消極共享時，收益值為0，即不獲得收益。

3復制動態方程

本研究采用演化博弈方法，設成員 m 選擇積極共享策略的概率為y、選擇消極共享策略的概率為1-y，而成員 n 選擇積極共享策略的概率為 x 、選擇消極共享策略的概率為 。對成員 n （成員 m 同理，故不贅述）兩種策略的期望收益情況進行分析，本研究得到積極共享期望收益 N_ps 、消極共享期望收益 N_ns 。在此基礎上，本研究構建了成員 n 的復制動態方程，用函數 F（x） 表示，如公式（1）所示。

公式（1）

根據函數穩定性原理，僅當 F^′（x）lt;0 時， X₀ 是原始方程和展開式的穩定點。基于此原理，本研究對 y=y₀， （20 分別進行數據計算，結果顯示：當成員 m 以 y₀ 概率進行知識共享時，無論成員 n 是否進行了知識共享，其演化策略都沒有顯著變化；當成員 m 的知識共享概率低于 y₀ 時，成員 n 的積極共享策略向消極共享策略轉變；當成員 m 的知識共享概率高于 y₀ 時，成員 n 的消極共享策略向積極共享策略轉變。據此，本研究繪制了成員 n 的演化策略相位，如圖2所示。

4演化博弈穩定策略

基于上述推導結果，本研究采用雅可比矩陣計算方法，得到 F（x） 的局部穩定點：（0，0）、（0，1）、（1，0）、（1，1）和 （x₀，y₀） 。其中， xo?yo 的計算分別如公式（2）、公式（3）所示。

公式（2）

公式（3）

得到 F（x） 的局部穩定點之后，本研究采用行列式 detJ 與跡 trJ 計算方法[27]，對復制動態方程 F（x） 進行分析，分析結果即為演化博弈穩定策略，即（0，0）、 （1，1） 為穩定點， （0，1） 一 （1，0） 為不穩定點， （x0，y0） 為鞍點。如果坐標點為穩定點，則表明演化博弈過程具有向其聚焦和收斂的趨勢，進而可得到在線問答學習社區知識共享的演化博弈相位，如圖3所示。

三在線問答學習社區知識共享行為演化博弈的仿真實驗

系統動力學是一類研究復雜系統動態行為的科學方法統稱，而仿真實驗是實現系統動力學模擬與分析的具體方法。由于知識共享行為具有不確定性和不穩定性，故本研究依托構建的演化博弈理論模型進行仿真實驗，這是在線問答學習社區知識共享演化博弈模型的具體實踐。

既往研究經過嚴密的理論、邏輯推導，獲得了虛擬學習社區行為仿真研究的初始賦值[28][29][30]，具有一定的可信度，但個別變量水平有必要加以修正：在線問答學習社區中，知識獲取易受網站搜索與功能設置可用性的間接影響，故將變量“知識獲取能力”的初始值從既往研究的0.2修正為0.4；考慮到不同用戶的知識轉化能力存在差異，故將變量“知識轉化能力”的初始值從既往研究的0.3修正為0.5；另外，由于社區用戶大多為“潛水者”，難以真正實現有效知識創新，故將變量“知識創造能力”的初始值從既往研究的0.6修正為0.3。在此基礎上，本研究進行了變量賦值，如表2所示。在后續的仿真實驗過程中，上述變量水平僅為初始狀態，所有變量將依次分別變動至少四個水平，以保證研究結果的可靠性。

為進一步驗證變量設置的合理性，本研究根據演化博弈穩定策略調整變量水平，并使用Matlab 編寫模型代碼，具體包括： ① 變量數值不變； ② 修改知識共享S值為0.1； ③ 修改知識共享S值為1的同時，設置支出系數 η 為0.1，形成三組理論上的趨勢樣態，具體如圖4所示。其中，圖4（a）對應了圖3的理論建構，呈現出一種演化博弈態，當超過鞍點位置 （x_O=0.357，y_O=0.357） 時，用戶趨向于選擇穩定點為（1，1）的積極共享策略。圖4（b）、圖4（c）分別對應穩定點為（0，0）的消極共享策略、穩定點為（1，1）的積極共享策略。上述驗證結果表明，在線問答學習社區知識共享演化博弈理論模型和實際結果具有高度一致性，說明本研究提出的模型、變量均有效，可以作為后續研究的基礎。

1知識存量對知識共享的仿真分析

知識存量對知識共享的仿真結果如圖5所示，其中右側“異水平”圖中的d表示變量差值（圖 6～ 圖12同理）。在如圖5（a）所示的同水平情況下，成員的知識存量越大，其知識內化與知識建構的速度就越快，就越易實現知識共享；但知識存量的增長，會導致收斂趨勢的變化幅度變小。在如圖5（b）所示的異水平情況下，不同成員的知識存量差值越大，用戶越趨向于選擇積極共享策略；而當成員的知識存量差異不大且初始值較高（ k=60 ）時，收斂速度更快。上述分析表明，知識水平齊平的協同效應與知識水平差異的互補效應，均推動了知識共享。

2知識共享意愿對知識共享的仿真分析

知識共享意愿對知識共享的仿真結果如圖6所示。在如圖6（a）所示的同水平情況下，低水平知識共享意愿將降低知識生產和交流的可能性，而隨著知識共享意愿增強，社區成員知識交流的概率得到顯著提高。當知識共享意愿達到 35% 時，積極共享行為的發生概率接近 50% ，說明知識共享意愿具有放大效應，維持知識共享活動至少需要 35% 的積極情緒。在如圖6（b）所示的異水平情況下，低水平知識共享意愿（初始值 s=0.1 ）會導致消極共享行為，即使其中一方的知識共享意愿達到 85% （ d=0.75 ），積極共享行為的發生仍會呈現短增、長降的趨勢。同理，高水平知識共享意愿（初始值 s=0.6 ）會導致積極共享行為。

3知識異質性對知識共享的仿真分析

知識異質性對知識共享的仿真結果如圖7所示。在如圖7（a）所示的同水平情況下，低知識異質性將快速引起消極知識共享行為，但較小幅的增長將提高積極共享概率。在如圖7（b）所示的異水平情況下，每 25% 的增幅都會較為顯著地提高積極共享概率。低知識異質性不利于知識共享與知識創造，但當成員知識異質性差值足夠大（ d=0.75 ）時，他們同樣會趨向于選擇積極共享行為，積極共享概率為 80%～90% 。當初始知識異質性水平足夠高時，積極共享行為將更快收斂。因為知識內容的多元化更可能促進跨學科交流活動，產生更多知識碰撞與分享意愿。

4知識協同對知識共享的仿真分析

知識協同對知識共享的仿真結果如圖8所示。在如圖8（a）所示的同水平情況下，社區成員進行較低水平的知識協同，其積極共享行為的發生概率大于 80% ；隨著知識協同系數增大，積極共享行為會更快收斂。知識協同本身具有高附加值，其較低的水平就能促進社區成員積極共享知識。在如圖8（b）所示的異水平情況下，低知識協同（初始值 α=0.1 ）、高知識協同（初始值 α=0.6 ）都能促進積極共享行為的發生，但與知識異質性、知識共享意愿等作用機制存在不同。差異化知識協同往往意味著知識與學科背景不同、成員思維模式不一，這更有可能衍生出獨立思考的個體、創造出新的理念和觀點，進而促進成員之間的知識交流與知識共享。

5知識獲取能力對知識共享的仿真分析

知識獲取能力對知識共享的仿真結果如圖9所示。在如圖9（a）所示的同水平情況下，社區成員的知識獲取能力越強，其積極共享概率越大，每 25% 的增幅都會顯著加快其積極共享行為的發生，說明更高的知識獲取能力為社區成員帶來了更便捷的知識體驗和學習反饋。在如圖9（b）所示的異水平情況下，社區成員的知識獲取能力差值越大，積極共享行為發生的概率也就越大，反之亦成立，且更高水平的知識獲取能力（初始值 g=0.6 ）會更快地誘發積極共享行為。

6知識轉化能力對知識共享的仿真分析

知識轉化能力對知識共享的仿真結果如圖10所示。在如圖10（a）所示的同水平情況下，社區成員的知識轉化能力越弱，積極共享行為發生的概率就越低，反之亦成立。特別是當知識轉化能力達到 35% 時，成員的知識共享概率將超過 90% 。社區成員的知識轉化能力越強，其知識內化速度越快、自我效能感和積極情緒越高，也就更易開展更多的知識交流。在如圖10（b）所示的異水平情況下，社區成員之間的低知識轉化能力（初始值 Θ=0.1 不利于積極共享行為的發生，即使其中一方的知識轉化能力達到 85%（d=0.75） ），最終的知識共享概率仍可能不足 80% 。而具有高知識轉化能力（初始值 Θ=0.6 ）的成員之間無論差異系數多大，其積極共享行為都將更快收斂。

7知識外化支出對知識共享的仿真分析

知識外化支出對知識共享的仿真結果如圖11所示。在如圖11（a）所示的同水平情況下，知識外化支出越多，社區成員的消極共享概率越大，反之積極共享概率越大、收斂速度越快。可見，過于復雜、繁瑣的知識輸出環境（如實名認證發言、限制發言字數等）加大了知識外化的難度，阻礙了知識共享行為。在如圖11（b）所示的異水平情況下，成員之間的知識外化支出差值越小，積極共享概率越大。值得注意的是，當知識共享雙方的知識外化支出極端化時（ η=0.1 ， d=0.75 ），并不會直接導致消極共享行為，因為積極共享行為、消極共享行為發生的概率均為 50% ，這說明知識共享行為是內外部多個變量演化博弈的結果。

8知識創造能力對知識共享的仿真分析

知識創造能力對知識共享的仿真結果如圖12所示。在如圖12（a）所示的同水平情況下，知識創造能力越強，社區成員的積極共享概率越大。在如圖12（b）所示的異水平情況下，低水平知識創造能力（初始值 β=0.1 ）不利于知識交流，即使其中一方的知識創造能力達到 85% （ d=0.75 ），其積極共享行為發生的概率也僅為 50% 。高水平知識創造能力（初始值 β=0.6 ）正向影響積極共享行為的發生概率，且成員之間的知識創造能力差值越大，收斂速度越快。

需要說明的是，“其他成本”變量是一個綜合變量，包括一些不易測量或間接的行動成本。本研究引入該變量的目的是控制其對整體仿真的影響，故不對此變量展開具體分析。

四結論與建議

1結論

為探究在線問答學習社區在知識耦合過程中的知識共享行為特征和演化規律，本研究采用演化博弈方法開展了仿真實驗，所得結論主要如下：

（1）能力水平齊平的協同效應與能力水平差異的互補效應并存推動知識共享

仿真實驗結果顯示，問答學習社區中成員的知識共享概率主要隨能力水平提升而持續加大，且這種現象同時存在于“同水平”和“異水平”兩種情況。其中，“同水平”情況反映了能力水平齊平的協同效應，交流雙方的能力水平相匹配是知識共享的首要前提，如同水平學習者的知識存量、知識轉化能力、知識創造能力等越高，知識共享概率越大；而“異水平”情況反映了能力水平差異的互補效應，加大知識異質性、知識獲取能力等變量水平的差值，均能有效提升知識共享概率。協同效應與互補效應并存，兩者不僅不對立，反而共同推動了社區知識共享。

（2）知識共享意愿、知識轉化能力、知識創造能力等主動性能力顯著影響積極共享策略

知識存量、知識獲取能力等基礎性能力始終正向影響知識共享，其較低的初始水平就可導致積極的知識共享行為。但是，知識共享意愿、知識轉化能力、知識創造能力等主動性能力必須達到一定的水平，才能導致積極的知識共享行為，且收斂速度更快；而且，這些變量的初始水平越高，其知識共享概率就越大，但概率增長幅度會有所下降。也就是說，這些主動性能力是積極共享策略的關鍵影響因素，其在知識系統中的分布結構與離散性比例越不穩定，對知識耦合與知識共享的影響就越大。

（3）知識群化階段是提升知識共享概率的關鍵環節

從知識耦合過程四個階段中不同變量影響知識共享行為的作用機制來看，知識群化階段受到了更多變量的影響，其對知識共享行為產生的實際影響也更為多樣。例如，在異水平情況下，知識群化階段相關變量的差值越大，積極共享概率越不穩定；知識異質性使知識共享概率低于 90% ，而知識轉化能力使知識共享概率低于 80% 。可以說，知識群化階段是影響積極共享概率的關鍵階段，之后按照影響大小依次是知識外化階段、知識創造階段、知識內化階段。知識群化階段的特殊性在于加速了知識流動，促成了個體隱性狀態向群體顯性狀態的轉變，使知識耦合的價值得以最大化。

2建議

為促進在線問答學習社區成員積極共享知識，本研究基于上述研究結論，針對社區建設提出以下建議：

① 完善激勵制度與分類導引知識共享區。一方面，要完善成就等級與貢獻排行榜系統，為知識共享水平較高的用戶提供部分VIP服務，如開放部分會員文章閱讀權限、放寬發言字數條件等。另一方面，要完善分類導引知識共享區，如為知識水平較高的群體提供專業技術討論圈、為知識水平差異較大的群體提供具有知識索引分類的知識討論區。

② 強化技術賦能學習活動的成效。具體來說，要最大化發揮知識共享意愿、知識轉化能力、知識創造能力等關鍵變量的作用，將人工智能技術引入在線問答學習社區，為知識共享者提供人工智能生成圖表、文字與自動糾錯等智慧工具。同時，要積極開發知識智能分類與整理功能和專有名詞、復雜詞語的知識圖譜解釋功能，建設完整的知識庫和專家庫，促進知識轉化和知識創造。

③ 形成相對穩定的知識共享生態。在線問答學習社區要基于大數據做出循證決策，動態監測社區成員參與知識討論與知識共享的活躍度，并采取有針對性的調整與管理措施，以強化社區成員與學習社區的結構性耦合。此外，在線問答學習社區要通過豐富多模態學習資源、提供個性化學習推薦路徑等，提升社區成員的知識共享意愿，減少知識外化過程對知識共享的消極影響，打造相對穩定的知識共享生態。

參考文獻

[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]宋學峰，趙蔚，高琳，等.社交問答網站知識共享的內容及社會網絡分析——以知乎社區\"在線教育\"話題為例[J].現代教育技術，2014，（6）：70-77.

[3]陳明紅，漆賢軍.社會資本視角下的學術虛擬社區知識共享研究[J].情報理論與實踐，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]侯貴生，王鵬民，楊磊.在線健康社區用戶知識轉化與共享的演化博弈分析[J].情報科學，2017，（7）：31-38.

[6][21][9]姚慧麗，毛翔宇，金輝.考慮平臺影響因素的虛擬社區知識共享演化博弈研究[J].運籌與管理，2020，（12）：82-88.

[7][22]冀鴻，霍明奎.高校教師團隊知識共享的演化博弈分析[J].情報科學，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]李從東，黃浩，張帆順.基于網絡演化博弈的互動創新社區用戶知識共享行為影響因素研究[J].現代情報，2021，（4）：36-45.

[11][25][28]王鵬民，侯貴生，楊磊.基于知識質量的社會化問答社區用戶知識共享的演化博弈分析[J].現代情報，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]關新，趙琰，郭瑞，等.行業評價驅動下的產教耦合課程知識體系建設[J].高等工程教育研究，2021，（4）：111-117.

[14]王嘉杰，李天逸，孫建軍，等.戰略性新興產業與傳統產業的知識耦合測度研究：基于互補與替代視角[J].情報理論與實踐，2024，（8）：63-75.

[15]任少波，單玨慧.構建基于\"知識共同體\"的\"德育共同體”——高等學校立德樹人的二維耦合[J].教育研究，2019，（7）：44-50.

[16]單捷飛，何海燕，石秀，等.我國高校學科組織管理與知識生產耦合機理研究——兼論一流學科發展規律[J].學位與研究生教育，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]武華維，王超，許海云，等.知識耦合視角下區域科學-技術-產業協同創新水平的評價方法研究[J].情報理論與實踐，2020，（5）：91-98、8.

[19]Nonaka I， Takeuchi H.The knowledge-creating company[M]. New York： Oxford University Press，1995：69-123.[27]趙玉鵬，楊連生，侯坤超.演化博弈視域下研究生導師和輔導員協同育人策略及路徑研究[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

編輯：小米