知识是项目型组织持续发展的关键资源，其有效地识别、保存、转移不但有助于项目的成功，更有利于项目型组织的长远发展。本书综合运用复杂系统、关键成功因素、认知图、 粒计算等多学科理论与方法，在知识转移动机和组织情境视角下，以项目型组织为研究对象， 识别知识转移过程的关键成功因素和作用机理，提出通过知识转移动机和组织情境促进项目型组织知识转移的思路和方法。研究对克服传统社会科学研究方法的局限性 ，探索项目型组织知识转移系统复杂性，解决由于项目临时性导致的知识转移在“效率和质量 ”之间的悖论问题，提升项目型组织管理水平和绩效具有理论和现实价值。

第1章 绪论001

1.1 研究背景 / 001

1.2 研究意义 / 004

1.2.1 理论意义 / 004

1.2.2 实践意义 / 006

1.3 研究内容与结构安排 / 007

1.3.1 研究内容 / 007

1.3.2 结构安排 / 007

1.4 研究方法与技术路线 / 010

1.4.1 研究方法 / 010

1.4.2 技术路线 / 012

第2章 文献综述014

2.1 知识转移研究综述 / 014

2.1.1 知识转移的内涵 / 017

2.1.2 知识转移相关文献演进脉络梳理 / 019

2.1.3 知识转移研究前沿与热点探析 / 024

2.1.4 小结 / 031

2.2 项目型组织知识转移研究综述 / 032

2.2.1 项目型组织的内涵及特点 / 032

2.2.2 项目型组织知识转移的内涵及特点 / 034

2.2.3 项目型组织知识转移研究综述 / 037

2.2.4 小结 / 041

2.3 研究变量综述 / 041

2.3.1 知识转移动机综述 / 041

2.3.2 组织情境综述 / 046

2.3.3 知识转移效果综述 / 049

2.3.4 小结 / 055

2.4 本章小结 / 056

第3章 基于动态粒认知图的项目型组织知识转移要素特征选择058

3.1 项目型组织知识转移要素系统 / 058

3.1.1 项目型组织知识转移过程要素 / 058

3.1.2 项目型组织成员知识转移动机和组织情境要素系统 / 060

3.2 粒认知图理论及其发展 / 063

3.2.1 粒认知图理论 / 063

3.2.2 构建动态粒认知图的一般步骤 / 068

3.2.3 动态粒认知图的适用性 / 072

3.3 粒认知图的构建 / 072

3.3.1 数据收集与处理 / 072

3.3.2 信息粒化 / 075

3.3.3 粒认知结构图 / 080

3.4 由粒认知图到动态粒认知图 / 080

3.4.1 DGCM参数设计及仿真过程 / 080

3.4.2 DGCM稳定结构图 / 082

3.4.3 解粒化及结果讨论 / 083

3.5 本章小结 / 088

第4章 项目型组织知识转移系统量表设计与检验089

4.1 问卷设计原则、内容与过程 / 089

4.1.1 问卷设计原则 / 089

4.1.2 问卷设计内容 / 090

4.1.3 问卷设计过程 / 090

4.1.4 测量工具选择 / 092

4.2 变量测量量表 / 092

4.2.1 知识转移动机测量 / 093

4.2.2 组织情境测量 / 094

4.2.3 知识转移效果测量 / 095

4.3 小样本前测 / 096

4.3.1 小样本描述统计分析 / 096

4.3.2 初始量表校正项目总分相关系数及内部一致性分析 / 100

4.3.3 初始量表修订 / 103

4.4 大样本数据分析与检验 / 104

4.4.1 大样本数据收集与描述统计分析 / 104

4.4.2 探索性因子分析 / 108

4.4.3 信度与效度分析 / 113

4.4.4 验证性因子分析 / 116

4.5 本章小结 / 118

第5章 基于多层线性模型的项目型组织成员知识转移效果分析119

5.1 多层线性模型理论及研究现状 / 119

5.1.1 多层线性模型的概念及发展 / 120

5.1.2 多层线性模型的原理 / 121

5.2 理论基础与研究假设 / 124

5.2.1 理论基础 / 124

5.2.2 研究假设 / 125

5.2.3 理论模型 / 127

5.3 假设验证 / 128

5.3.1 零模型随机结果分析 / 128

5.3.2 知识转移动机对知识转移效果的调节效应

假设检验 / 129

5.3.3 组织情境的跨层次调节效应假设检验 / 131

5.4 本章小结 / 136

第6章 基于机器学习的项目型组织成员知识转移效果分析137

6.1 机器学习方法的原理及研究现状 / 137

6.1.1 机器学习方法的原理 / 137

6.1.2 机器学习方法的研究及应用现状 / 143

6.2 基于机器学习的项目型组织知识转移系统分析 / 144

6.2.1 多元线性回归分析 / 144

6.2.2 径向基反馈神经网络仿真分析 / 145

6.2.3 径向基核函数支持向量机仿真分析 / 148

6.2.4 算法对比及研究结果分析 / 149

6.3 机器学习算法与多层线性模型方法对比分析 / 152

6.4 本章小结 / 153

第7章 知识中介模式下项目型组织知识转移155

7.1 知识中介模式下知识转移系统动力学仿真 / 155

7.1.1 知识中介的内涵、研究现状及模式 / 156

7.1.2 基于知识中介的知识转移系统动力学模型构建 / 159

7.1.3 基于知识中介的知识转移演化仿真 / 164

7.1.4 研究结果 / 168

7.2 基于知识中介的项目型组织知识转移多群体演化

博弈分析 / 168

7.2.1 项目型组织知识中介：项目管理办公室 / 169

7.2.2 项目型组织知识转移演化博弈模型 / 171

7.2.3 项目型组织知识转移演化博弈分析 / 176

7.2.4 研究结果 / 184

7.3 本章小结 / 185

第8章 结论与展望186

8.1 研究的主要结论 / 186

8.2 研究存在的不足与展望 / 189

参考文献191

附 录227

附录1 项目型组织知识转移特征要素重要程度评分量表 / 227

附录2 稳定状态下动态粒认知图概念节点相关性系数 / 229

附录3 项目型组织知识转移系统调查问卷 / 233