网络分析用于挖掘关键知识和行为

network analysis for key knowledge and action in problem solving, KKANA

研究问题和背景

在企业场景的问题和解决中，特别需要识别出来那些促进问题提出和解决的关键的知识（这个可能跟具体问题相关，也可能具有一些一般性）、思维模式（高层知识）和行为模式，以及关键的人。那怎么把这些关键点找出来呢？网络分析可以帮上忙。

其实，不仅仅企业，科学研究等任何有一定重复性的问题提出和解决都值得这样去挖掘一下。

研究方法

数据

把问题提出和解决的过程，尤其是把小组讨论的过程记录下来，最好把每一个人自己解决问题的过程，做了什么样的尝试和思考也记录下来，形成数据。

知识编码

对数据做编码，例如，每一句话或者每一个行为中包含了用到了什么和第几层知识，这是属于批评的还是建设性建议的讨论，是关于研究方法还是研究问题的讨论，是关于工程实现的讨论还是科学研究的讨论，都形成编码的体系，完成对原始数据的编码。

按照最后的问题解决（假设都解决了）来反溯这些行为和对话的作用，找到直接联系就行。

这个编码的体系需要借助具体案例摸索出来，而且这个体系应该是和所解决的问题的领域相关的。是否可以找到一个生成编码体系的更高层知识，还是个问题。

问题提出和解决跟这些编码了的行为知识之间的直接联系的标注也是一个问题。这也需要摸索，同时需要摸索出来以后做好实践。

网络分析

构建网络：原则上按照是否有启发性来对前面编码的知识来构建连边，实际上可能就按照出现的时间窗口来构建连边。

分析网络：采用投入产出分析或者其他反溯分析方法，找到每一个知识对提出和解决问题的作用。顺便，其实，对人也可以做类似的分析。借鉴ena确实可以考虑做一下每个时间点窗口范围内的网络的SVD分解，看看是不是存在着前几个分量占比的很大变化。如果有这个变化，大概可以看成问题讨论聚焦了，内容有了很大变化。

为什么网络分析可以来回答这个识别出来对于问题提出和解决的关键知识思维和行为的问题？实际上，就是反溯算法。从直接提出和解决问题编码以后的网络顶点出发，利用联系回溯到促进这个编码所对应的知识思维和行为的提出的编码（也就到了所对应的知识思维和行为），然后再继续反溯到更上一层。当然，由于考虑到多个因素的反溯，实际上需要类似于投入产出分析这样的整体性算法而不是真的用逐步反溯。

可能的结果

例如，可能我们会发现某个具体问题之中，关注产品的设计原理的问题的讨论往往引起突破，或者双方激烈的辩论往往刺激突破，或者反过来平衡辩论的行为往往促进（或者抑制突破，看具体研究结果），或者讨论中一个对对方职级的称呼往往抑制突破。那只要有这样的结论就可以尝试迁移到其他的问题提出和解决之中。