Kane和Alavi（2005）提出计算实验模型是基于理论对现实情境的抽象和精炼，因此模型的参数设定应基于理论或者实际案例。对于跨组织项目网络学习仿真模型而言，模型最重要的参数设定是对项目情境和跨组织项目网络中组织和个体特性相关的参数设定。由于组织和个体中很多参数相对于整个仿真系统是外生的，因此本章将基于一个跨组织项目现实案例来设定仿真模型的情境参数，研究该案例情境下的跨组织项目网络学习间策略对项目知识水平的影响。

重大科研项目由于其任务的高交叉性与高复杂性，往往采用多研究课题单位合作完成的工作方式。在重大科研项目中，课题主持单位负责课题研究团队的组建、人员甄选、指南构思、分工安排、过程监督等一系列流程，各协作单位分别负责各子课题的具体研究工作，重大科研项目参与单位之间以合作关系为主，具有跨组织项目网络特征（李林英和徐礼平，2017；许治等，2016；袁博等，2014）。同时，由于科研项目具有很强的创新性，在合作研究过程中会产生较多的知识交互和共同创造需求，项目最终的交付产品往往是合作单位间互相学习形成的共同知识，体现了网络层次的知识水平变化，具有跨组织项目网络组织间学习的典型特征。因此，本书的计算实验情境以一个作者参与的国家级科研项目案例进行设定。

该科研项目历时5年，研究内容主要聚焦于我国重大基础设施工程组织模式和组织行为，项目有5个课题团队合作完成，累计参研人数超过100人。由于项目持续时间长，课题参与人数众多，考虑到数据的可采集性，作者主要以2015—2017年的项目实施情况作为计算实验的项目情境，根据项目的申请书、该年度项目的会议纪要和研究成果报告，获取项目参数所需要的数据。

根据所构建的跨组织项目网络组织学习仿真模型，模型输入需要设定的项目情境参数有项目环境知识维度数m、组织数org＿Num、个体数agt＿Num、任务数task＿Num、工作项数work＿Num、项目环境knowledge、个体知识向量agent＿knowledge、组织个体关系矩阵organization＿agent、组织知识向量organization＿knowledge、工作项与个体关系矩阵work＿agent、工作项知识向量work＿knowledge。根据采集的项目基本信息，该项目这三个年度共有5个课题单位合作参研，参与人数共50人，完成研究工作21项，累计工作149项（表5.1）。本书把项目任务等同于研究工作，把承担工作内容等同于任务中的工作项，设定org＿Num=5，agt＿Num=50，task＿Num=21，work＿Num=149。(www.daowen.com)

表5.1　案例基本信息

根据项目会议纪要中对研究工作分工的描述，本书构建task＿work、work＿agent和organization＿agent^[1]。由于知识是抽象构念，项目任务、个体和组织的知识在案例中较难测度，因此本书把每项研究工作成果中提到的研究关键词作为一种知识，共识别出113个研究关键词（研究关键词识别过程见附录C），因此设定m=113，并生成项目环境知识向量knowledge。根据研究工作成果和所识别研究关键词的对应关系，构建work＿knowledge^[2]。对于组织和个体知识向量，由于较难从项目中直接测度，本书采用Matlab伪随机数生成的方式自动生成organization＿knowledge和agent＿knowledge。为了避免个体（组织）知识与工作项（任务）知识完全不匹配的极端情况出现，本书对跨组织项目网络整个网络组织和个体初始平均知识水平perf和组织初始平均知识水平org＿perf进行设定，Perf取值来源于案例项目上一年度任务的完成情况，根据上一年度项目成果报告记录，整个项目总体的任务完成为30%，因此perf和org＿perf取值为0.3，表明项目中组织和个体具备项目所需30%的知识。考虑到个体和组织初始知识水平差异性对研究结论的影响，本书在5.4节的敏感性分析对这两个参数进行分析。

项目中参与单位组织间关系相关参数测度较为困难，考虑到整个课题项目各个参与单位间信任水平较高，具有较高的组织间合作承诺，因此本书把organization＿trust和organization＿commitment矩阵中取值均为1。此外，考虑到整个项目的各个单位间合作关系良好，未进行关系专用性投资，因此本书把organization＿investment矩阵取值均为0。