基于上述四个团队的加权知识网络，分别计算其加权平均路径长度、加权聚类系数与知识流动效率。作为比较，对应的无权指标值，即平均路径长度、聚类系数与网络效率，也相应计算给出。为了比较加权指标与无权指标的效果，本书采用投票法（User Vote，UV）的结果作为基准对上述指标进行评价。UV投票法主要收集以下三个方面的信息：① 成员间信息与知识的可达性与可获取性。② 成员间知识交流关系的紧密程度。③ 团队内部信息与知识交流与共享的难易程度。上述三方面的信息分别对应着三个网络指标：路径长度、聚类系数与知识流动效率。UV投票法的结果代表了团队成员对三个网络指标的主管认识，在一定程度上能够反映网络的知识流动状态。为了使UV投票法具有较高的准确性，本书对团队成员发送匿名电子问卷。总计162名团队成员，回收有效问卷151份，对收集的数据进行分析处理，得到UV投票法的结果及加权与无权指标的对比结果如表5.3所示。

表5.3　不同方法的评价结果对比

（1）四个团队CPIKN的无权路径长度与聚类系数指标的评价结果与UV投票法的结果具有较大差异性，而加权路径长度和聚类系数指标的评价与UV投票法具有较高的一致性。以路径长度指标为例，无权路径长度的评价结果为团队3>团队2>团队4>团队1，加权路径长度与UV投票法的结果同为团队3>团队4>团队1>团队2。造成这种差异的原因在于，无权指标只是基于网络结构特征判定网络的知识流动水平，而没有考虑成员知识交流协作能力以及成员间知识交流协作关系强度等因素，而上述因素对CPIKN的知识流动效率有着显著影响，并可能进一步改变网络初始结构的效率。具体地，以团队1的CPIKN局部信息为例，协同成员11与19之间拥有三条不同的知识交流路径（见图5.4、表5.4）。表5.4给出了上述三条路径的无权路径长度和加权路径长度。显然，成员11与19之间的最短无权路径为{p1 1,p19}，其路径长度为1。然而，在加权网络中，其可能并不是知识流动的最快路径。由表5.4可知，尽管路径{p1 1,p 3,p 25,p19}在结构上并不是最短的，然而其在加权网络中却有着最短的加权路径长度，考虑到其由一系列强关联组成，因此有可能成为更快的知识交流路径。另一方面，上述被无权指标忽视的影响因素却能够在一定程度上被网络成员获知并利用，这也解释了加权指标结果与UV投票法结果为什么具有较高的一致性。综上，对于加权知识网络，加权指标比无权指标能够更加准确地反映知识流动效率的真实状态。

(www.daowen.com)

图5.4　CPIKN局部信息示意图

表5.4　不同路径的路径长度

（2）由表5.3可以看到，尽管加权指标的评价结果与UV投票法的评价结果有着较高的一致性，然而它们在知识流动效率指标上的评价结果却有着较大的差异性。研究表明，组织的知识流动效率与组织绩效存在着正相关关系。因此，我们根据知识库信息以及实际调研信息评价四个团队的绩效，并将其作为比较知识流动效率指标评价结果与UV投票结果的依据。调查结果表明，四个团队的绩效高低水平依次为：团队3>团队2>团队4>团队1，其与知识流动效率指标的评价结果更为接近。造成上述差异的可能原因是，在CPIKN中，知识流动效率测度与评价是一个具有全局性与综合性的决策问题，而UV投票法主要依靠CPIKN成员各自的局部和主观判断信息获取评价结果。知识流动效率指标综合集成了全局的网络拓扑结构信息、细节的成员知识协作能力与成员间知识交流关系强度信息，是一个具有更好全局性和综合性的评价指标。另一方面，纵观和比较两种方法的评价过程，UV投票法花费了大量的时间与人力成本。整个UV投票法的处理过程包括问卷设计、初试、调整、发放、回收、信息处理与分析等环节，由8名调查者和162名受访者花费2周时间完成。显然，在实践中，这并不是一个经济高效的方法。综上所述，加权指标，尤其知识流动效率指标，相比UV投票法能够更加准确和有效地评价CPIKN的知识流动效率。

（3）通过对比加权指标的评价结果可知，不同加权指标的评价结果有着较为明显的差异。相反地，无权指标的评价结果有着较高的一致性，其中路径长度的评价结果与网络效率相同。这验证了Latora与Marchiori的研究结论，即在无权网络中，全局的网络效率可近似看作平均路径长度的倒数[273]。然而，在现实的加权知识交流网络中，上述结论可能并不成立。这是因为，现实CPIKN环境中的知识流动是一个涉及多种影响因素的复杂过程，而加权路径长度和聚类系数指标只是从网络拓扑结构角度反映了知识流动的部分特性。例如：加权路径长度反映了成员之间的可达性，其有助于促进成员间的知识可达性与可获取性。然而，成员间可达性并不完全等同于成员间的知识可达性，因此限制了加权路径长度指标评价结果的准确性。类似地，加权聚类系数指标也同样有着上述局限性。另一方面，由公式（5.21）～（5.22）可知，知识流动效率指标是一个全局性和综合性的测度指标，集成了网络规模、网络结构以及节点与边特性等因素，因此其能够更加准确地反映网络知识流动的真实状态。综上所述，对于现实的CPIKN，不同加权指标的评价结果有着较大的差异性，加权路径长度与聚类系数指标只能够反映真实网络知识流动的部分特性和状态，因此其只能作为知识流动效率测度的参考指标。知识流动效率指标能够更加准确地测度现实CPIKN的知识流动效率的真实水平，因此应被作为CPIKN的知识流动效率测度的主要指标。