李雨桐， 黨延忠

(大連理工大學系統(tǒng)工程研究所， 大連 116024)

?

基于交互記憶系統(tǒng)的團隊發(fā)展狀況分析方法①

李雨桐， 黨延忠

(大連理工大學系統(tǒng)工程研究所， 大連 116024)

通過對團隊發(fā)展狀況進行分析，可以了解團隊的發(fā)展狀態(tài)，評價團隊的發(fā)展過程，為團隊建設提供必要的決策依據(jù). 本文從知識視角，依照交互記憶系統(tǒng)理論，指出交互記憶系統(tǒng)可以作為團隊知識的表示模型之一，并提出了基于交互記憶系統(tǒng)對團隊發(fā)展狀況進行分析的方法. 首先，對成員的知識構成進行分析，針對成員的交互記憶中差異知識，提出了成員的交互記憶-差異知識模型(TM_DKM)；其次，通過整合所有成員的差異知識得到交互記憶系統(tǒng)，提出了用交互記憶系統(tǒng)表征團隊知識的交互記憶系統(tǒng)模型(TMSM)；再次，在TM_DKM和TMSM基礎上提出了團隊發(fā)展狀況分析方法；最后，結合一個實例對上述模型和方法進行了驗證，并對實例中該團隊的發(fā)展狀況進行了評述. 本文提出的方法可用于創(chuàng)新團隊的狀態(tài)評價和發(fā)展過程評價以及問題診斷等，比如教育部創(chuàng)新團隊、國家創(chuàng)新群體以及更廣泛的團隊分析之中.

交互記憶系統(tǒng)； 團隊知識； 團隊發(fā)展狀況； 知識管理

0　引　言

20世紀80年代以來，團隊作為組織執(zhí)行任務的基本工作單元已經(jīng)得到越來越廣泛的應用. 團隊是一個由少數(shù)成員組成的小組，小組成員具備互補的技術或技能，依賴成員彼此間的互動與協(xié)調，共同實現(xiàn)組織的績效目標[1-2]. 通過改善組織的架構僵化、內部交流不暢等問題，團隊提高了組織的知識創(chuàng)造和創(chuàng)新能力，增強了組織在復雜環(huán)境中的響應能力和應變能力. 因此，如何管理和有效運作團隊是現(xiàn)代組織迫切需要解決的實際問題，同時也是學術界關注的熱點研究問題[3-4].

團隊發(fā)展是一個從不成熟到成熟的動態(tài)過程，先后經(jīng)歷建立、發(fā)展、成熟、衰退等幾個階段[5]. 每個階段具有不同的特征，表現(xiàn)出的團隊績效[6]也不盡相同. 一方面，若管理者能夠了解團隊的發(fā)展狀態(tài)，指明團隊當前所處的發(fā)展階段，并對現(xiàn)階段制約其發(fā)展的問題進行有效診斷，將提高團隊的績效水平，促使團隊科學、健康地快速成長；另一方面，若管理者能夠掌握團隊在整個動態(tài)發(fā)展過程中的演化進程，分析其發(fā)展過程中的演化規(guī)律，預測其未來的發(fā)展趨勢，將提升團隊的管理效率，為團隊建設提供必要的決策支持. 為此，這就要求管理者對團隊發(fā)展狀況進行客觀、全面地分析與評價.

從現(xiàn)有研究成果來看，學者對于團隊發(fā)展狀況的分析與評價研究主要集中在團隊效能[7](team effectiveness)的衡量方面. 測量指標分為績效性結果、態(tài)度性結果和行為性結果三個方面[8-9]. 績效性結果包括團隊的目標達成率、決策時效性、生產(chǎn)力、產(chǎn)品的數(shù)量和質量、滿足客戶需求等；態(tài)度性結果包括成員的工作滿意度[10]、團隊承諾[11]、知識分享意愿、團隊活力[12]等；行為性結果包括缺勤率、離職率等. 測量方法包括問卷調查法、平衡記分卡[13]、層次分析法、模糊綜合評判方法[14]等.

然而，知識是組織最重要的資源，是團隊發(fā)揮高效能的關鍵要素. 團隊具有的知識分為兩個層面，一個是個人層面的知識，另一個是團隊層面的知識，本文將后者即團隊作為一個整體所具有的團隊層面的知識，稱為團隊知識(team knowledge).團隊知識來源于成員的個人知識并通過團隊互動過程[15]逐步產(chǎn)生和發(fā)展，它是個人經(jīng)驗與群體經(jīng)驗長期發(fā)展的結果. 表現(xiàn)為：當團隊剛剛組建時，團隊知識幾乎為零；隨著成員在互動過程中的交流與合作，團隊知識逐漸生成和增長；當團隊解體時，成員的個人知識依舊存在，但是互動過程產(chǎn)生的團隊知識將不復存在. 因此，團隊知識隨著團隊的組建而產(chǎn)生，隨著團隊的互動而增長，隨著團隊的成長而變化，隨著團隊的衰退而衰減. 它可以表征團隊的發(fā)展狀態(tài)，并利用它的狀態(tài)變化過程評價團隊的動態(tài)發(fā)展過程. 本文即從團隊知識視角提出一套分析和評價團隊發(fā)展狀況的方法.

當前研究結果表明，共享心智模型[16-17]和交互記憶系統(tǒng)[18]是兩種重要的團隊知識的表征方式[19]. 共享心智模型強調團隊成員個人知識的共享[20]，團隊應該通過各種途徑促進知識在成員間的共享和轉移，促使成員對團隊所處環(huán)境的知識具有共同理解[21]. 而交互記憶系統(tǒng)則主張團隊成員個人知識的分布[22]，成員對于其他成員所擅長的知識并不需要實現(xiàn)共享心智模型所提倡的“共享”，而是明確“誰知道什么”便可實現(xiàn)成員之間的知識協(xié)調[23-24]. 為了實現(xiàn)有效的團隊過程和較高的團隊效能，這兩種團隊知識的表征方式缺一不可. 由于篇幅所限，本文僅從交互記憶系統(tǒng)視角對團隊發(fā)展狀況分析方法進行研究.

交互記憶系統(tǒng)(transactive memory system，TMS)的提出是基于外援記憶(external memory)這一概念. Wegner[25]觀察到人們會利用他人作為記憶輔助來擴充自己的知識容量，從而提出了交互記憶的概念. 交互記憶(transactive memory，TM)是指對來自不同知識領域的信息進行編碼、儲存、檢索和交流活動的共享的認知勞動分工，它通常是在親密關系基礎上發(fā)展起來的. Hollingshead[26]指出，在工作群體中，當個人了解到其他成員的專長時，獲取和編碼與此專長相關信息的責任就會通過內隱或外顯的方式分配給最合適的專家成員，此時TM便產(chǎn)生了.

由于TM的存在，在團隊互動過程中成員間的相互依賴逐漸衍生出更大且復雜的知識管理系統(tǒng). 團隊成員之間形成的這種彼此依賴的，用以編碼、存儲和提取不同領域知識的合作性分工系統(tǒng)稱為交互記憶系統(tǒng)(TMS)[27-28]. TMS在團隊發(fā)展過程中逐步形成，從不完善到完善逐步發(fā)展[29]. 當成員擁有不同的專長、且在必要時能結合對其他成員專長的了解進行自由互動時，團隊便形成了較為成熟的TMS. TMS促使成員通過彼此差異化專長的認知，減少了各自的信息負擔[30]；同時，團隊形成了每個成員對于不同知識領域的分工體系，成員能在跨越個人知識領域的問題上快速從他人獲取幫助. 上述優(yōu)勢使得TMS在成員滿意度[31]、團隊績效[32-33]、團隊生存能力[34]、團隊創(chuàng)造力[35]等方面為團隊帶來了積極作用.

綜上所述，TMS是嵌入在團隊成員、團隊結構和團隊互動過程中的團隊知識，是成員在團隊互動過程中根據(jù)TM形成的“知道誰知道什么”的團隊層面的知識. 它可看作是成員TM中差異化專長的整合，表征團隊關于“誰知道什么”的普遍了解狀況. 利用TMS可分析團隊的發(fā)展狀態(tài)，評價團隊的發(fā)展過程. 一方面，發(fā)展狀態(tài)從團隊成員和團隊知識兩個方面進行度量. 測量每個成員的人際了解度、知識了解度、人際被了解度和知識被了解度來反映團隊成員的發(fā)展狀態(tài)；分析知識分布情況和知識領域分布情況來描述團隊知識的發(fā)展狀態(tài). 另一方面，通過比較時間序列上TMS表征的不同狀態(tài)，從成員親密度、團隊知識水平、知識領域的動態(tài)變化情況評價團隊的發(fā)展過程.

鑒于此，本文提出了TMS的團隊知識表示模型和基于TMS的團隊發(fā)展狀況分析方法，包括四個方面：首先，在對團隊成員的知識構成進行系統(tǒng)分析的基礎上，針對成員TM中差異知識，提出了成員的交互記憶-差異知識模型(TM_DKM)；其次，利用知識鉸接法對全體成員的差異知識進行整合，提出了用TMS表征團隊知識的交互記憶系統(tǒng)模型(TMSM)；再次，在TM_DKM和TMSM基礎上提出了團隊發(fā)展狀況分析方法；最后，利用本文提出的模型和方法進行實例分析，并對實例中該團隊的發(fā)展狀況進行評述.

1　成員交互記憶中差異知識的表示

1.1成員的知識構成分析

成員在未加入團隊之前是組織中獨立的個人，個人所擁有的知識稱為個人知識(individual knowledge，IK). 在團隊互動過程中，成員逐步形成了對其他成員個人知識的了解：初期，僅僅了解其他成員一部分知識；隨著互動的增多，了解的知識也逐漸增多. 為此，團隊互動過程使得每個成員的知識結構發(fā)生變化，變化后的成員知識包括兩部分：一部分是IK；另一部分是對其他成員個人知識的了解，這里稱為成員交互記憶知識，簡稱為交互記憶知識(transactive memory knowledge，TMK).

IK包括“知道是什么(know-what)”、“知道為什么 (know-why) ”、“知道怎樣做(know-how)”的知識. TMK，即“知道是誰(know-who)”的知識，包括“知道誰知道是什么 (know-who：know-what) ”、“知道誰知道為什么 (know-who：know-why) ”、“知道誰能做什么 (know-who：know-how) ”的知識.

其中，TMK既包括他本身擁有且了解其他成員也擁有的知識，稱為共有知識(common knowledge，CK)，又包括他本身不擁有而了解其他成員擁有的知識，稱為差異知識(differentiated knowledge，DK).

圖1一個成員的知識結構

Fig. 1 Structure of a member’s knowledge

為此，團隊中任意成員i的知識結構如圖1所示，包括他自己的個人知識，如IK虛框中知識，和對成員j、成員l以至于成員t的知識的了解，即TMK(know-who)虛框中知識. 其中i的TMK既包含他自身擁有且了解成員j也擁有的知識，如CK虛框中知識，又包含他本身不擁有而了解成員l以至于成員t擁有的知識，即DK虛框中知識.

圖2知識體系結構

Fig. 2 Structure of knowledge system

對于know-what，know-why和know-how，從知識內容的專業(yè)性來看，它的知識體系可表示為圖2所示結構. 其中，知識可劃分為若干知識領域，每個知識領域可細分為多個知識子領域，知識子領域又可繼續(xù)細分，直到不可再分的最小級別的知識子領域為止. 無論是知識領域、知識子領域或是最小級別的知識子領域，都代表著知識體系中不同粒度的知識. 作為知識體系的構成要素，為了處理方便，本文將它們統(tǒng)稱為知識點(knowledge point，KP). 知識點間具有關聯(lián)性，既有上層與下層知識點間的從屬關系，如粒度大的知識點包含粒度小的知識點；又有同層知識點間的相關關系，如包含同一知識點的兩個上層且同層的知識點.

因此，團隊中成員的知識是由圖2所示的任意知識點構成，有的知識比較籠統(tǒng)、宏觀和抽象，有的知識則比較詳細、微觀和具體. 根據(jù)上述分析，圖1中成員i的知識構成可進一步表示為圖3所示結構. 他的知識分為人際層和知識層，知識層是由不同粒度的知識點組成，在此不考慮知識點間關聯(lián)性. 其中，IK是由i所擁有的知識點構成，TMK是由i了解人際層中成員及其所擁有的知識點構成，并且TMK中知識點可分為CK和DK兩類.

圖3一個成員的知識構成與關系

Fig. 3 Composition and relationships of a member’s knowledge

1.2交互記憶-差異知識模型

剔除圖3中IK，DK的構成與關系如圖4所示. 從圖4可知，成員i的DK是一個由人際層和知識層組成的兩級結構. 這個兩級結構包含兩種關系：一種是i對人際層中成員的了解關系，如，有向邊〈pi,pj〉表示i了解j，它的邊參數(shù)w〈pi,pj〉表示i對j的了解程度；另一種是i對人際層中成員所擁有知識點的了解關系，如〈pj,kpk〉表示i了解j掌握知識點kpk，它的邊參數(shù)w〈pj,kpk〉表示i對“j掌握kpk”的了解程度. 本文利用這個兩級結構表示一個成員的差異知識，并稱為交互記憶-差異知識模型(transactive memory-differentiated knowledge model，TM_DKM).

圖4一個成員的差異知識的構成與關系

Fig. 4 Composition and relationships of a member’s differentiated knowledge

令P={p1,p2,…,pm}為團隊成員集合，成員數(shù)量為M.KP={kp1,kp2,…,kpn}為團隊的知識點集合，知識點數(shù)量為N.

定義1布爾變量ρ(pi,pj,kpk)表示DK中成員i與知識點的關聯(lián)關系，即

(1)

其中pi,pj∈P，i,j=1,2…m；kpk∈KP，k=1,2…n. 則圖4所示pi的TM_DKM為

(2)

其中

1)Vi={pi,PiP-P,KiP-P-K}，Ei={EiP-P,EiP-P-K}，Wi={W(EiP-P),W(EiP-P-K)}.

2)pi了解的成員集合為

(3)

3)pi了解的知識點集合為

(4)

4)pi對PiP-P中成員的了解關系為邊的集合為

(5)

〈pi，pj〉為從pi指向pj的有向邊，表示pi了解pj.

5)pi對PiP-P中成員所擁有知識點的了解關系為邊的集合為

(6)

〈pj,kpk〉為從pj指向kpk的有向邊，表示pi了解pj具有kpk.

6)EiP-P中邊參數(shù)值集合為

(7)

w〈pi,pj〉為〈pi,pj〉的邊參數(shù)，表示pi對pj的了解程度.

7)EiP-P-K中邊參數(shù)值集合為

(8)

w〈pj,kpk〉為〈pj,kpk〉的邊參數(shù)，表示pi對“pj掌握kpk”的了解程度.

2　交互記憶系統(tǒng)整合的知識鉸接法

TMS是成員TM中差異知識的整合. 這里的整合，是指將所有成員的差異知識“鉸接”在一起，而形成團隊關于“誰知道什么”的普遍了解狀況. 為此，提出如下“知識鉸接法”：

令團隊成員組成的集合為

P′={p1,p2,…,pm}.

第一步將pi和pj的差異知識分別表示為TM_DKMi和TM_DKMj，其結構如圖5(a)所示，更新P′=P′-{pi,pj}.

第三步表示pt的TM_DKMt，更新P′=P′-{pt}，鉸接TM_DKMt與TMSij獲得TMSijt，其方法如第二步.

第四步重復第三步，直到P′=Ф，此時獲得的TMS1,2,…,m即團隊的交互記憶系統(tǒng).

圖5pi與pj的差異知識進行知識鉸接的方法過程

Fig. 5 Process of hinged joint withpiandpj’s differentiated knowledge

圖6交互記憶系統(tǒng)的構成與關系

Fig. 6 Composition and relationships of transactive memory system

3　交互記憶系統(tǒng)模型

圖6所示的TMSM表示為

TMSM=(P,K′,EP-P,EP-P-K,W(EP-P),

W(EP-P-K))

(9)

其中

4)EP-P中邊參數(shù)值集合為

(10)

5)EP-P-K中邊參數(shù)值集合為

(11)

4　團隊發(fā)展狀況分析方法

利用上文提出的TM_DKM和TMSM可對團隊的發(fā)展狀態(tài)和發(fā)展過程進行分析與評價.

4.1發(fā)展狀態(tài)分析指標

從團隊成員和團隊知識兩個方面對團隊發(fā)展狀態(tài)進行度量，分析指標的定義和計算方法如下.

4.1.1團隊成員的發(fā)展狀態(tài)分析指標

定義2成員的人際了解度(member interpersonal known degree，M-IKD)為

(12)

表示成員對團隊中其他成員的了解情況.M-IKD越大，該成員在團隊互動過程中了解其他成員的成員數(shù)量越多；反之，M-IKD越小，他了解的成員數(shù)量越少.

定義3成員的知識了解度(member knowledge known degree，M-KKD)為

(13)

體現(xiàn)了成員對團隊中其他成員掌握知識的了解情況.M-KKD越大，表明他了解別人掌握的知識越多；反之，M-KKD越小，則他對于別人掌握的知識了解越少.

定義4成員的人際被了解度(member interpersonal be known degree， M-IBKD)為

(14)

表示成員被團隊中其他成員的了解情況.M-IBKD越大，在團隊互動過程中了解他的成員數(shù)量越多；反之，M-IBKD越小，團隊中了解他的成員數(shù)量越少.

定義5成員的知識被了解度(member knowledge be known degree， M-KBKD)為

(15)

體現(xiàn)了團隊對該成員掌握知識的了解情況.M-KBKD越大，團隊對該成員擁有的知識了解越多；反之，M-KBKD越小，被團隊中其他成員了解他所擁有的知識越少.

4.1.2團隊知識的發(fā)展狀態(tài)分析指標

定義6知識共有度(knowledge common degree，KCD)為

(16)

是指知識點被團隊成員共同擁有的程度.KCD(kpk)越大，表明團隊中了解掌握kpk的成員數(shù)量越多；反之，KCD(kpk)越小，團隊了解掌握kpk的成員數(shù)量越少. 根據(jù)知識共有度，團隊的知識分布情況可表示為全體的知識共有度所包含知識點集合的并集，如式(17)所示.

(17)

其中Kλ為知識共有度為λ的知識點集合.

知識分布情況可以清晰地指明團隊當前的“熱點”和“冷點”. “熱點”是知識共有度較大的知識點，它是團隊的專長知識；“冷點”則是知識共有度較小的知識點，是團隊的易流失知識. 通過人才培養(yǎng)或引進等方式可以改善團隊的“冷點”狀況，為團隊的有效管理和建設提供必要的決策支持.

知識分布情況從知識的微觀層面了解和評價了團隊知識狀況. 此外，知識領域分布情況可從知識的宏觀層面、從知識領域的發(fā)展態(tài)勢反映團隊知識的發(fā)展狀態(tài). 如，團隊包含的知識領域數(shù)量越多，表明該團隊的知識內容越豐富. 對于每個知識領域而言，它的廣度越大，團隊對該領域的掌握范圍越寬；深度越大，則說明團隊對該領域的掌握程度越深.

為此，根據(jù)上文1.1節(jié)內容，交互記憶系統(tǒng)的知識層是由許多不同粒度的知識點組成，較大粒度的知識點包含較小的知識點，較小的知識點又包含更小的知識點等，從而形成的一個層級網(wǎng)絡. 團隊中任意知識領域kpi可看作是這個層級網(wǎng)絡的子網(wǎng)絡，即以kpi為根結點、kpi的所有下級知識點為下級結點的網(wǎng)絡.

定義7知識領域的廣度(knowledge domain breadth，KDB)為

(18)

定義8知識領域的深度(knowledge domain depth，KDD)為

(19)

其中L(kpi,kpj)為kpi到kpj的最短路徑長度，KPi為kpi及其所有下級結點組成的集合.

4.2發(fā)展過程分析指標

團隊發(fā)展是個動態(tài)過程，成員互動建立的親密度、團隊知識水平、各個知識領域的掌握情況都將隨著團隊發(fā)展而變化. 通過比較上述分析指標在時間序列上的變化情況可了解團隊的演化進程及走向趨勢，評價團隊的動態(tài)發(fā)展過程.

定義9成員親密度(member intimacy，MI)為

(20)

其中s(pi,pj)的取值為0或1. 若s(pi,pj)=1表示pi與pj可達；反之，pi與pj不可達. 當成員之間沒有進行任何形式的知識交流與合作時，MI最小為0. 而當團隊中任意兩個成員均有互動、且成員之間相互了解、關系融洽時，MI最大其值為1.

定義10團隊知識水平(team knowledge level，TKL)為

(21)

表示團隊整體知識水平的高低.TKL越大，團隊整體知識水平越高；反之，TKL越小，團隊整體知識水平越低.

定義11知識領域kpk在△t內的廣度增長率(knowledge domain breadth growth ratio，KDBGR)和深度增長率(knowledge domain depth growth ratio，KDDGR)分別為

(22)

(23)

根據(jù)時間序列上KDBGR(kpk)和KDDGR(kpk)的變化情況，可知：

1)當KDBGR(kpk)和KDDGR(kpk)均增大時，團隊對kpk的掌握范圍和深度逐漸增大.kpk是團隊過程中持續(xù)發(fā)展的知識領域，可看作是團隊當前的熱點領域.

2)當KDBGR(kpk)和KDDGR(kpk)均減小時，團隊對kpk的掌握范圍和深度逐步減小.kpk是團隊正處于消亡的衰退領域，今后一定時間內其廣度和深度都有可能繼續(xù)減小.

3)當KDBGR(kpk)增大而KDDGR(kpk)減小時，團隊對kpk的掌握范圍逐漸增大而掌握深度逐步減小.kpk可看作是團隊的新興領域，若kpk對團隊未來發(fā)展具有價值，它的深度很可能持續(xù)增大；反之，深度將有可能繼續(xù)減小.

4)當KDBGR(kpk)減小而KDDGR(kpk)增大時，團隊對kpk的掌握范圍逐漸減小而掌握深度逐步增大.kpk可看作是團隊當前的專有領域，若kpk對團隊未來發(fā)展具有價值，今后一段時間內其廣度有可能增大，反之，它的廣度將持續(xù)減小.

4.3分析方法

利用上述分析指標，提出團隊發(fā)展狀況分析方法如下：

1)搜集數(shù)據(jù). 成員的知識主要存在于團隊工作過程、經(jīng)驗管理的制度和方法中，以文件、手冊、圖紙等形式存儲. 搜集所有成員在工作中用到的文本數(shù)據(jù)用來表示成員的知識和交互記憶系統(tǒng).

2)數(shù)據(jù)預處理. 利用“文本挖掘法”，從上述文本數(shù)據(jù)提取若干特征詞，其表現(xiàn)形式為一系列詞組和短語，作為團隊的知識點集合. 其中，知識點間關聯(lián)關系，可以通過比較知識點間是否具有共同知識來確認. 共同知識是指知識點間共同擁有的長度大于1的詞組或短語. 若兩個知識點具有共同知識，則長度大的知識點是長度小的知識點的直接下級結點. 因此，具有共同知識的知識點按照隸屬關系形成的層級網(wǎng)絡可看作是一個知識領域. 本文將通過字符串比較析取知識點中共同子串，并根據(jù)字符串長度確定擁有共同子串的知識點間隸屬關系的知識領域獲取方法，稱為“知識領域析取法”. 利用該方法可獲得團隊的知識領域集合.

3)構建成員的交互記憶-差異知識模型(TM_DKM). 成員的知識由他在工作中用到的文本數(shù)據(jù)來表示. 其中，IK由他獨自整理的文件、手冊等材料挖掘出的知識點表示，TMK由他與其他成員合作發(fā)表的論文、專利、書籍等材料挖掘得到的知識點表示. 依據(jù)成員間合作關系，獲得差異知識中對其他成員和知識點的了解關系，構建成員的TM_DKM，方法如1.1節(jié)和1.2節(jié)所示.

4)構建團隊的交互記憶系統(tǒng)模型(TMSM). 基于所有成員的TM_DKM，利用第2節(jié)提出的“知識鉸接法”，獲得團隊的TMSM.

5)分析團隊發(fā)展狀態(tài). 根據(jù)4.1節(jié)中提及的分析指標和計算公式，從團隊成員和團隊知識兩個方面綜合反映團隊當前的發(fā)展狀態(tài). 其中，成員的人際了解度、知識了解度、人際被了解度、知識被了解度可度量成員的發(fā)展狀態(tài)，知識分布情況和知識領域分布情況可描述團隊知識的發(fā)展狀態(tài).

6)評價團隊發(fā)展過程. 比較時間序列上成員親密度、團隊知識水平和各個知識領域的廣度變化率和深度變化率，從成員間親近密切程度、成員整體知識水平和知識領域的生成、發(fā)展、衰退等變化反映團隊發(fā)展的演化過程和走向趨勢.

上述團隊發(fā)展狀況分析方法的過程及步驟如圖7所示.

圖7基于交互記憶系統(tǒng)的團隊發(fā)展狀況分析方法的步驟流程

Fig. 7 Step process of team development analysis based on transactive memory system

5　實例驗證

5.1實驗背景

下面以某科研團隊為例，對本文提出的基于交互記憶系統(tǒng)的團隊發(fā)展狀況分析方法進行實例驗證與分析. 某基礎研究團隊，共有9位科研人員，發(fā)展至今十余年，從未出現(xiàn)人員外流或引進. 管理者想了解該團隊當前的發(fā)展狀態(tài)和十余年里團隊的發(fā)展變化情況.

5.2實驗步驟及結果展示

利用基于交互記憶系統(tǒng)的團隊發(fā)展狀況分析方法，分析該團隊的過程與步驟如下：

1)搜集數(shù)據(jù)：該團隊主要開展科研工作，搜集9位研究人員截至2012年12月底在CNKI全文數(shù)據(jù)庫中的科研成果，包括期刊論文、會議論文、學術報告及專著.

2)數(shù)據(jù)預處理：采用文本挖掘法，從科研成果提取團隊的知識點集合(不影響一般性，本文直接將論文關鍵詞作為知識點). 利用知識領域析取法獲得團隊的知識領域集合.

3)構建成員的TM_DKM：成員IK由他獨自發(fā)表的科研成果的論文關鍵詞表示. TMK由他與其他人員合作發(fā)表的科研成果中論文關鍵詞表示，利用合作關系量化DK中人員間的了解關系和了解合作者對合作發(fā)表的科研成果中論文關鍵詞的擁有關系. 圖8為根據(jù)上述方法獲得的成員b的TM_DKM.

4)構建團隊的TMSM：根據(jù)“知識鉸接法”構建TMSM. 該團隊2012年的TMSM，如圖9所示.

5)分析團隊發(fā)展狀態(tài)：以2012年為例，比較每個成員的人際了解度、知識了解度、人際被了解度和知識被了解度，分析團隊成員當前的發(fā)展狀態(tài)；根據(jù)知識分布情況和知識領域分布情況衡量團隊知識的發(fā)展狀態(tài).

6)分析團隊發(fā)展過程：從2000年到2012年，分別計算2000、2004、2008、2012年的成員親密度、團隊知識水平、各個知識領域的廣度變化率和深度變化率，通過比較上述時間序列上的分析指標值，評價團隊發(fā)展的演化進程.

圖8該團隊中成員b的交互記憶-差異知識模型

Fig. 8 Transactive memory-differentiated knowledge model for memberbin this research team

圖8為成員b的TM_DKM. 其中，○、◇分別代表成員和知識點. 從圖8可知，b曾經(jīng)與a、d、f、g合作發(fā)表過科研成果. 在合作過程中，b對其他成員的知識有所了解，如：b了解d具有“信息檢索、向量空間模型”等知識，了解a、f、g均具有“知識管理”，等.

圖92012年該團隊的交互記憶系統(tǒng)模型

Fig. 9 Transactive memory system model for this research team in 2012

圖9為截至2012年12月底該團隊的TMSM. 其中，○表示團隊中9名成員，△、□、▲分別表示K1、K2、K3. 圖9可觀察各個知識點的具體分布，如“信息集成”主要分布在成員a、f、c；查詢團隊中知識專家和知識導航路徑，如：a想獲得“知識傳播”，從圖9可知b、f、g為“知識傳播”專家，知識導航路徑為“a-b-知識傳播”、“a-g-知識傳播”、“a-f-知識傳播”，等.

5.2.1團隊發(fā)展狀態(tài)分析

從圖10和圖11所示的成員發(fā)展狀態(tài)來看，截至2012年12月底，該團隊a的人際了解度最高，b、f次之，c、g緊隨其后，e、d較c、g有所遞減，h與i值為零. 該團隊中c的知識了解度最高，a次之，g、f、b、e、d逐個遞減，h與i的知識了解度為零. 從人際被了解度來看，a、b、f的值最高，c、g次之，e、d逐個遞減，h與i為零. 從知識被了解度來看，c的值最高，a次之，e、g較a有所遞減，f、b、d逐個遞減，h與i的值為零.

圖102012年該團隊中成員的人際了解度和知識了解度

Fig. 10 Members’ interpersonal/knowledge known degree of this research team in 2012

當前，a與c的發(fā)展狀態(tài)最佳，是該團隊的核心骨干；b、d、e、f、g次之；h與i尚未與他人合作，自身的人際了解度、人際被了解度、知識了解度和知識被了解度為零. 今后要繼續(xù)加強成員間的知識交流與合作，特別是h、i與其他成員間互動，促進團隊知識的生成與利用.

圖112012年該團隊中成員的人際被了解度和知識被了解度

從圖9所示的知識分布情況來看，當前團隊的知識點總量為107，其中，K1(△結點)數(shù)量為16，約占總量的14.95%，K2(□結點)數(shù)量為82，占總量比例最大約為76.64%，K3(▲結點)數(shù)量為9，總量中比重最小約為8.41%.K3中知識的共有度最高，表明團隊的“熱點”為“小世界網(wǎng)絡”、“知識傳播”、“個體策略”、“信息集成”、“理論結構”等，該團隊擅長開展上述知識方面的科研工作.

從圖12所示的知識領域分布情況來看，截至2012年12月，該團隊主要從事以下9大知識領域的研究工作. 知識領域分別為“網(wǎng)絡(19,22)、系統(tǒng)(20.5,25)、結構(19.5,21)、模型(16.5,21)、知識(14,17)、信息(14.5,22)、模糊(10,16)、管理(11,11)、智能(4,4)”，“( )”內數(shù)字分別表示該知識領域的廣度和深度. 其中，“系統(tǒng)”的廣度和深度最大，“網(wǎng)絡”、“模型”和“結構”次之，表明該團隊關于“系統(tǒng)”、“網(wǎng)絡”、“模型”和“結構”領域的知識儲備最多，擅長開展上述知識領域方面的科研工作. “智能”領域的廣度和深度最小，團隊具有該領域一些知識，掌握程度尚淺.

圖122012年該團隊的知識領域分布情況

Fig. 12 Knowledge domain distribution of this research team in 2012

5.2.2團隊發(fā)展過程分析

從2000年到2012年，隨著人員間合作關系的增多，團隊對于“誰知道什么”的了解也逐漸增多，表現(xiàn)為交互記憶系統(tǒng)從不成熟到成熟逐年發(fā)展. 圖13中每幅子圖為特定年份上該團隊的TMSM. 其中，成員均勻分布在子圖的中心圓上，中心圓外劃分為5個區(qū)域，分別描述K1、K2、K3、K4、Kλ≥5.

圖132000年、2004年、2008年、2012年團隊的交互記憶系統(tǒng)模型

Fig. 13 Transactive memory system model for this research team in 2000、2004、2008 and 2012

從圖13可知，該團隊在2000年僅有4名人員合作發(fā)表過科研成果，此時團隊知識主要分布在K1、K2和K3三個區(qū)域，其中K2的知識點數(shù)量最多. 2004年，該團隊K1、K2和K3的知識點數(shù)量較2000年均有所增加. 2008年，人員間合作越發(fā)緊密，K2數(shù)量顯著增多. 截至2012年底，團隊中共有7名人員合作發(fā)表過科研成果.K2的知識點數(shù)量最多，在團隊知識中占據(jù)很大比例，K3也較2008年有所增長. 當前，該團隊已經(jīng)發(fā)展成為具有一定知識儲備和特定專長的科研團隊，有能力開展相應的科學研究工作.

從圖14所示的成員親密度和團隊知識水平來看，隨著成員間不斷地知識交流與合作，成員親密度逐年增長由2000年的0.198增長至2012年的0.605；團隊知識水平也從2000年的9.296增長到2008年的18.722，2012年為15.904較2008年有所減少.

圖14　2000年、2004年、2008年、2012年成員親密度和團隊知識水平

從圖15所示的團隊知識領域變化情況來看，2000年、2004年、2008年、2012年的知識領域數(shù)量分別為6、7、8和9. 從2000年到2012年，“管理”的廣度和深度增長率均增大，它可看作是團隊的熱點領域，在團隊發(fā)展過程中持續(xù)發(fā)展. 相反，“結構”的廣度和深度增長率均減小，作為團隊的衰退領域，成員對它的研究逐漸減少. 對于“信息”、“網(wǎng)絡”和“系統(tǒng)”，研究熱度先后經(jīng)歷由低到高又到低的變化趨勢，可看作是團隊的次衰退領域. 而“模型”和“模糊”領域在2008年均有所發(fā)展，隨后，停滯不前，不再發(fā)展. “知識”和“智能”是團隊發(fā)展過程中逐漸發(fā)展起來的領域，由于廣度增長率和深度增長率的數(shù)據(jù)不完善，暫時無法看出它們的變化趨勢. 但是從廣度和深度的數(shù)量變化上看，“知識”領域發(fā)展迅速，很可能在今后一定時間內研究熱度持續(xù)增長.

6　結束語

本文從團隊知識視角，依照交互記憶系統(tǒng)理論，提出了用交互記憶系統(tǒng)表征團隊知識的表示模型和基于交互記憶系統(tǒng)的團隊發(fā)展狀況分析方法. 該方法可以表示團隊知識的構成與關系，從成員的人際了解度、知識了解度、人際被了解度和知識被了解度描述團隊成員的發(fā)展狀態(tài)，從知識的分布情況和知識領域分布情況反映團隊知識的發(fā)展狀態(tài)；并且通過比較時間序列上成員親密度、團隊知識水平、各個知識領域的廣度增長率和深度增長率的變化情況，反映團隊發(fā)展的演化進程和變化趨勢. 本方法適用于團隊工作的過程、經(jīng)驗、制度和方法中相關文件、手冊、圖紙等數(shù)據(jù)甚至大數(shù)據(jù)的分析，可推廣應用于科研團隊、教育部創(chuàng)新團隊、國家創(chuàng)新群體以及更廣泛的大群體的狀態(tài)評價、發(fā)展過程評價和問題診斷.

此外，該方法分析和評價了團隊在過去和現(xiàn)在的發(fā)展狀況，利用上述分析結果可推測團隊未來發(fā)展狀況，如后續(xù)研究預測團隊未來的知識熱點，各個知識領域的未來演化趨勢等. 由于團隊知識的內容較為復雜，本文僅利用交互記憶系統(tǒng)來表征團隊知識. 共享心智模型也是團隊知識的一種表征方式，如何表示共享心智模型、如何利用共享心智模型分析團隊發(fā)展狀況是本文下一步要深入探討的問題.

[1]Hackmnan J R. The Design of Work Teams. In Lorsh JW, ed.Handbook of Organizational Behavior[M]. Englewood Cliffs: PrenticeHall, 1987.

[2]Cohen S G, Bailey D E. What make team work: Group effectiveness research from the shop floor to the executive suite[J]. Journal of Management, 1997, 23(3): 239-290.

[3]Seth K, Kate L, Mary J W. The role of positive affectivity in team effectiveness during crises[J]. Journal of Organizational Behavior, 2012, 34(4): 473-491.

[4]David J W, Luis M A, Taylor L P. Exploring the effects of value diversity on team effectiveness[J]. Journal of Business and Psychology, 2013, 28(1): 107-121.

[5]Tuckman B W, Jensen M A. Stages of small-group development revisited[J]. Group & Organization Management, 1997, 2(4): 419-427.

[6]Katzenbach J, Smith D. The Wisdom of Teams-Creating the High-Performance Organization[M]. Boston: Harvard Business School Press, 1993: 213-220.

[7]Tjosvold D, Margaret P, Zi-you Yu. Team effectivenes in China: Cooperative conflict for relationship building[J]. Human Relations, 2005, 58(3): 341-367.

[8]Cohen S G, Bailey D E. What makes teamswork: Group effectives research from the shop floor to the executive suite[J]. Journal of Management, 1997, 23: 239-290.

[9]武欣, 吳志明. 國外團隊有效性影響因素研究現(xiàn)狀及發(fā)展趨勢[J]. 外國經(jīng)濟與管理, 2005, 27(1): 47-50.

Wu Xin, Wu Zhiming. Current state and development trends of foreign research on factors of team effectiveness[J]. Foreign Ecnomics & Management, 2005, 27(1): 47-50. (in Chinese)

[10]Gladstein D L. Groups in context: A model of task group effectiveness[J]. Administrative Science Quarterly, 1984, (5): 499-517.

[11]Porter L W, Steers R M, Mowday R T, et al. Organizational commitment, job satisfaction, and turnover among psychiatric technicians[J]. Journal of Applied Psychology, 1974, 59(5): 603-609.

[12]Hackman J R. The design of work teams[J]. Handbook of Organizational Behavior, Englewood Cliffs: Prentice-Hall, 1987, 315-342.

[13]郭娟, 梁梁. 平衡積分卡在不同類型團隊績效評定中的應用[J]. 管理科學, 2004, (8): 25-30.

Guo Juan, Liang Liang. Application of balanced score card in the evaluation of different teams’ performance[J]. Management Sciences in China, 2004, (8): 25-30. (in Chinese)

[14]黎琦, 黎志成. 研發(fā)團隊績效的模糊評價系統(tǒng)研究[J]. 武漢理工大學學報(信息與管理工程版), 2004, 26(5): 189-192.

Li Qi, Li Zhicheng. On a fuzzy appraisal system of R&D team performance[J]. Journal of Wuhan University of Technology(Information & Management Engineering), 2004, 26(5): 189-192. (in Chinese)

[15]Marks M A, Mathieu J E, Zaccaro S J. A temporally based framework and taxonomy of team processes[J]. Academy of Management Review, 2001, 26: 356-376.

[16]Cannon-Bower J A, Salas E. Cognitive psychology and team training: Shared mental models in complex systems[J]. Miami FL: Paper Presented at the Annual Meeting of the Society for Industrial and Organizational Psychology, 1990, 33: 1-4.

[17]Mohammed S, Dumville B C. Team mental models in a team knowledge frameword: Expanding theory and measurement across disciplinary boundaries[J]. Journal of Organizational Behavior, 2001, 22(2): 89-106.

[18]Wegner D M. Transactive memory: A contemporary analysis of the group mind[J]. Springer-Verlag, 1987, 9: 185-208.

[19]張鋼, 呂潔. 團隊心智模型和交互記憶系統(tǒng)： 兩種團隊知識表征方式[J]. 自然辯證法通訊, 2012, 34(1): 81-88.

Zhang Gang, Lü Jie. Team mental models and interactive memory system: Two ways of team knowledge representation[J]. Journal of Dialectics of Nature, 2012, 34(1): 81-88. (in Chinese)

[20]武欣, 吳志明. 團隊共享心智模型的影響因素與效果[J]. 心理學報, 2005, 37(4): 542-549.

Wu Xin, Wu Zhiming. Antecedents and consequences of shared mental model in work teams[J]. Acta Psychologica Sinica, 2005, 37(4): 542-549. (in Chinese)

[21]薛會娟. 共享心智模型和交互記憶系統(tǒng)： 對立或協(xié)同?——基于知識管理視角[J]. 心理科學進展, 2010, 18(10): 1559-1566.

Xue Huijuan. Shared mental models and transactive memory systems: Antinomy or synergy? from knowledge management perspective[J]. Advances in Psychological Science, 2010, 18(10): 1559-1566. (in Chinese)

[22]張鋼, 熊立. 交互記憶系統(tǒng)研究回顧與展望[J]. 心理科學進展, 2007, 15(5): 840-845.

Zhang Gang, Xiong Li. Transactive memory system research: Review and prospect[J]. Advances in Psychological Science, 2007, 15(5): 840-845. (in Chinese)

[23]Majchrzak A, Jarvenpaa S L, Hollingshead A B. Coordinating expertise among emergent groups responding to disasters[J]. Organization Science, 2007, 18(1): 147-161.

[24]Nrico R, Nchez-Manzanares M S, Gil F, et al. Team implicit coordination process: A team knowledge-based approach[J]. Academy of Management Review, 2008, 33(1): 163-184.

[25]Wegner D M, Giuliano T, Hertel P. Cognitive Interdependence in Close Relationships.In: Ickes W.J.(Ed.),Compatible and Incompatible Relationship[M]. New York: Springer-Verlag, 1985: 253-276.

[26]Holliangshead A B. Communication, learning and retrieval in transactive memory systems[J]. Journal of Experimental Social Psychology, 1998a, 34: 423-442.

[27]Hollingshead A B. Cognitive interdependence and convergent expectations in transactive memory[J]. Journal of Personality and Social Psychology, 2001, 81(6): 1080-1089.

[28]Lewis K. Measuring transactive memory systems in the field: Scale development and validation[J]. Journal of Applied Psychology, 2003, 88(4): 587-604.

[29]Lewis K, Lange D, Gillis L. Transactive memory systems, learning, and learning transfer[J]. Organization Science, 2005, 16(6): 581-598.

[30]Liang D W, Moreland R L, Argote L. Group versus individual training and group performance: The mediating role of transactive memory[J]. Personality and Social Psychology Bulletin, 1995, 21(4): 384-393.

[31]Nandkeolyar A K. How do teams learn? Shared mental models and transactive memory systems as determinats of team learning and effectiveness[D]. Ames: The University of Iowa, 2008.

[32]Sharma M, Ghosh A. Does team size matter? A study of the impact of team size on the transactive memory and performance of IT teams[J]. South Asian Journal of Management, 2007, 14(4): 96-115.

[33]張鋼, 熊立. 成員異質性與團隊績效: 以交互記憶系統(tǒng)為中介變量[J]. 科研管理, 2009, 30(1): 71-80.

Zhang Gang, Xiong Li. Member diversity and team performacne: The transactive memory system as a medium variable[J]. Science Research Management, 2009, 30(1): 71-80. (in Chinese)

[34]Lewis K, Belliveau M, Herndon B, et al. Group cognition, membership change and performance: Investigating the benefits and detriments of collective knowledge[J]. Organizational Behavior and Human Decision Processes, 2007, 103: 159-178.

[35]Gino F, Argote L, Miron-Spektor E, et al. First, get your feet wet: The effects of learning from direct and indirect experience on team creativity[J]. Organizational Behavior and Human Decision Processes, 2010, 111(1): 102-115.

Analytical method of team development status based on transactive memory system

LIYu-tong,DANGYan-zhong

Institute of Systems Engineering, Dalian University of Technology, Dalian 116024, China

Analyzing the status of team development can help to evaluate team current state and development process and provide necessary decision supports for team building. This paper, from the perspective of knowledge, shows that transactive memory system (TMS) can be used as a team knowledge representation, and proposes a method to analyse team development based on TMS. Firstly, according to a member’s knowledge structure, especially differentiated knowledge in his transactive memory, a member’s transactive memory-differentiated knowledge model (TM_DKM) is proposed. Secondly, a transactive memory system model (TMSM) is proposed by integrating all members’ differentiated knowledge. Then, an analytical method of team development status based on TM_DKM and TMSM is put forward. Finally, a case study is given to validate our model and method. Our method can be used to study innovation teams including their state and development process evaluations as well as problem diagnosis, such as innovative teams in the ministry of education, national innovative groups, and so on.

transactive memory system; team knowledge; team development; knowledge management

① 2013-10-15；

2014-09-26.

國家自然科學基金資助項目(71471028; 71271036).

李雨桐(1985—)， 女， 吉林省吉林市人， 博士生. Email: dearliyutong@163.com

C93

A

1007-9807(2016)04-0016-16