團隊共享心智模型研究的知識圖譜分析

楊 杰，鄧衛權，程 浩，樂美謙

（1.江西財經大學創新與戰略人力資源管理研究中心，江西 南昌330013；2.華東交通大學體育學院，江西 南昌330013；3.華東交通大學土木建筑學院，江西 南昌330013；4.江西財經大學工商管理學院，江西 南昌330013）

團隊共享心智模型研究的知識圖譜分析

楊 杰1，鄧衛權2，程 浩3，樂美謙4

（1.江西財經大學創新與戰略人力資源管理研究中心，江西 南昌330013；2.華東交通大學體育學院，江西 南昌330013；3.華東交通大學土木建筑學院，江西 南昌330013；4.江西財經大學工商管理學院，江西 南昌330013）

運用知識圖譜理論和可視化分析技術對Web of Science數據庫中的130篇論文進行了解構，從中發現團隊共享心智模型研究的發展和演變規律。研究的主要發現是：① 從事團隊共享心智模型研究的學者和機構主要集中于美國、澳大利亞、英國、加拿大和瑞士，Salas、Cannon-Bowers、Stout、Milanovich和Entin是該領域的重要研究者；② 《Human Factors》、《Ergonomics》、《Journal of Perinatal&Neonatal Nursing》、《Systems Engineering》和《Journal of Management Information Systems》是發表團隊共享心智模型的主要期刊；③團隊共享心智模型的研究熱點是績效、溝通、團隊合作和心智模型，其演化軌跡是共享心智模型→績效→知識→共享心智模型→團隊合作→溝通→模擬→協調→隨機控制實驗，前沿研究主題是績效、團隊協調、團隊認知以及團隊分析模型。

團隊；共享心智模型；科學引文數據庫；文獻計量學分析

團隊既是當今組織中的重要工作方式，又是集體競技的組織形式，因而成為眾多學科關注的焦點。團隊共享心智模型是團隊成員共享的團隊相關情境關鍵要素的有組織理解、知識心理表征或信念［1］。國內外的研究已充分表明，團隊共享心智模型可讓隊員們對團隊任務及其完成形成共識，從而協調各自的行為以適應彼此和任務的需求。在時間緊迫、溝通不暢、需要密切配合的任務中，團隊共享心智模型尤其能起到減少事故和過程損耗、提高團隊工作效率、維持或提高團隊績效的作用。團隊共享心智模型還可用以解釋不同團隊績效差異的原因［2-12］。

鑒于團隊共享心智模型的巨大理論與實際應用價值，為了厘清其發展脈絡，全面、準確地把握該領域最具影響力的學者、國家、機構和文獻及其之間的關系和隱藏的本質規律，描繪出團隊共享心智模型研究的沿革，特別是前沿熱點演進軌跡，我們借助信息可視化（Information Visualization）技術對Web of ScienceTM核心合集收錄的1998—2014年團隊共享心智模型文獻進行抽絲剝繭，以期有益于未來研究的深化，并為現實的團隊建設和團隊績效提升提供有益參考。

1 數據來源和研究方法

1.1 數據來源

本研究以Web of ScienceTM核心合集為數據來源。檢索方法選定為高級檢索，檢索式為:TS=（“team shared mental model*”OR“shared team mental model*”OR“shared mental model*”OR“team mental model*”）。檢索年限設定為1998—2014年，數據最后的更新時間為2014年10月，其中:文獻類型設定為“Article”、“Proceedings paper”和“Review”，語言類型設定為“All”，數據下載的方式設定為“全紀錄并且包含所引用的參考文獻”，共檢索到130篇文獻，其中:論文114篇，綜述10篇，會議論文4篇，專書章節中的綜述2篇。這130篇文獻源自93本期刊，420位作者，共引用文獻5 929篇。

1.2 研究方法

本研究選擇美國德雷塞爾大學（Drexel University）信息科學與技術學院陳超美博士最新研制的CiteS-paceⅢ（版本號為3.8.R7）、SCI的創始人加菲爾德（Garfield）及其同事們合作開發的引文編年可視化系統HistCite（版本號12.03.17）以及荷蘭萊頓大學（Leiden University）科學與技術研究中心的利茲（Needs Jan van Eck）博士與魯多（Ludo Waltman）博士聯合開發的CitNetExplorer作為知識可視化分析工具。這3個軟件各有所長:CiteSpace較適于多元、分時、動態的復雜網絡分析，可對圖譜進行精簡，可進行交互操作，提供多種方式顯示各種類型的共引/共現及前沿演變圖譜［13］；HistCite基于Web of Science平臺而研發，界面簡潔，參數設置簡便，提供豐富的文獻計量學指標，產生的引文編年圖可顯示某領域內的關鍵事件，主要路徑圖可以使研究者快速了解該領域內各個年代的重要文獻，且能找出無指定關鍵詞的重要文獻［14-16］；CitNetExplorer可以非常方便、快速地找出施引文獻中彼此的連接關系，對施引文獻進行作圖、聚類，抽取與某一類別緊密相關的文獻子網絡，找出核心文獻和連接的最短路徑以及最長路徑等［17］。將上述3種可視化分析軟件聯合運用于某一主題的研究，在國內外尚未見到。

綜合運用這3款軟件繪制各種相關統計圖表、聚類視圖及時區視圖，可確定某學科或知識域的核心或重要文獻、重要作者、重要機構，清晰顯示某學科或知識域在一定時期發展的趨勢與動向，展示若干研究前沿領域的演進歷程，從而有利于全面而客觀地掌握某學科或知識域的全貌。

2 結果與分析

2.1 文獻計量統計

2.1.1 團隊共享心智模型研究的論文發表趨勢

從圖1可以看出，WOS最早從1998年開始收錄團隊共享心智模型研究方面的文獻；1999—2009年間，每年該主題的發文數量介于1篇至8篇之間。從2010年起，該主題研究突然引起學界的高度關注，發文數量從2009年的6篇猛然躍升至19篇；2011年雖略有下降，但2012年又再次攀至峰頂（20篇）。隨后，學界對此主題的研究興趣開始減弱，每年發文數量呈下降趨勢。

圖1 團隊共享心智模型研究的論文發表趨勢Fig.1 The publishing trend of papers on team shared mental models（TSMM）

2.1.2 團隊共享心智模型研究的主要國家

從表1可以看出，從事團隊共享心智模型研究的學者主要集中于美國（73），其后依次是澳大利亞（13）、英國（11）、加拿大（8）、瑞士（8）。因此，對該主題感興趣的學者，應重點從上述國家和地區尋找志同道合的研究伙伴。

表1 團隊共享心智模型研究的國家和地區分布Tab.1 The national and regional distribution of TSMM research

2.1.3 團隊共享心智模型研究的主要學術機構

從表2可以看出，團隊共享心智模型研究的重鎮在賓夕法尼亞大學（9），其次是中佛羅里達大學（7），再次是密歇根大學（5）。發文排名前3的全都是美國的高校，由此反映出美國在此領域獨領風騷。

表2 團隊共享心智模型研究的主要學術機構Tab.2 The main academic institutions of TSMM research

2.1.4 團隊共享心智模型研究的主要學者

Salas、Yen、Fan、Langan-Fox、Hysong、Kalisch、Manser、Volz、Cannon-Bowers和Rosen是團隊共享心智模型研究領域發表文章居于前10位的學者，各自發表文章都在3篇以上，而以Salas和Yen為最，高達8篇。

根據HistCite提供的TLCS（Total Local Citation Score，本數據集的總被引次數，它在一定程度上可以反映某作者發表文獻在某領域被認可程度）值 （詳見表3），則可以發現Salas、Cannon-Bowers、Stout、Milanovich、Entin、Serfaty和Cooke是團隊共享心智模型研究的重要研究者。

表3 團隊共享心智模型研究的重要研究者Tab.3 The important researchers of TSMM research

然而，一個值得注意的現象是:排名前10的高產學者與重要研究者之間存在的交集僅有Salas和Cannon-Bowers兩人。這說明:數量高產，并不代表研究者的工作價值一定都等量齊觀。Yen和Fan通過與知名學者合作而躋身高產作者的行列，但其研究的價值卻相對偏低。因此，追求數量，還是追求質量對于研究者而言始終是一個選擇。

2.1.5 團隊共享心智模型研究的主要發表載體

從表4可以看出，《Human Factors》、《Ergonomics》、《Journal of Perinatal&Neonatal Nursing》、《Systems Engineering》和《Journal of Management Information Systems》位居發表團隊共享心智模型研究論文的前三甲，分別刊載14篇、6篇和3篇。毫無疑問，未來研究者在發表文章和引用文獻時，上述三大期刊將是重要考量。

表4 發表團隊共享心智模型研究的主流期刊Tab.4 The active journals for publishing TSMM research

對被引參考文獻出處及其作者的進一步分析，則顯示Mathieu等人（2000）在《Journal of Applied Psychology》發表的“The influence of shared mental models on team process and performance”、Cannon-Bowers等人（1993）在《Individual and Group Decision Making:Current Issues》發表的“Shared mental models in expert team decision making”、Klimoski等人（1994）在《Journal of Management》發表的“Team Mental Model:Construct or Metaphor？”、Stout等人（1999）在《Human Factors》發表的“Planning，shared mental models，and coordinated performance:An empirical link is established”以及Rous等人（1986）在《IEEE Transactions on Systems，Man and Cybernetics》上發表的“The role of mental models in team performance in complex systems”文章高居前五。這些文獻是從事團隊共享心智模型研究必須要參閱的經典文獻。

2.1.6 團隊共享心智模型研究的主要學科分布

從總體來看，團隊共享心智模型研究涉及的學科達到32個，由此可見該主題具有極強的跨學科生命力。團隊共享心智模型研究主要涉及的學科是:工程學（41篇）、計算機科學（28篇）、心理學（27篇）、健康護理科學和服務（17篇）以及行為科學（14篇）。此外，護理學（10篇）、普通醫學和內科學（9篇）、管理科學與運籌學（9篇）、商業與經濟學（7篇）、信息科學與圖書館學（7篇）也對該主題比較感興趣。

2.2 機構分布及合作

我們首先將從Web of ScienceTM核心合集中下載的 “團隊共享心智模型”1998至2014年相關數據導入CiteSpaceⅢ中，設定時間跨度為1年，這樣整個數據被分成17片。接下來，我們將主題詞來源設定為文獻標題（Title）、文摘（Abstract）、作者關鍵字（Author Keywords）和附加關鍵字（Keywords Plus）；將節點類型設定為設置為機構 （Institution）；在每個time slice中提取50個被引次數最高的國家或機構 （即將Top N per slice設定為50；N越大生成的網絡將相對更全面一些）；選擇 “Pathfinder”尋徑網絡算法、“Prunning sliced networks”和 “Prunning the merged network”。然后，運行CiteSpaceⅢ，即可得出輸出網絡所涵蓋的節點（nodes=151）與鏈接線（links=68），同時繪制出團隊共享心智模型領域的機構網絡知識圖譜，見圖2。

圖2中網絡節點大小反映了國家或機構發文量的多少，節點越大發文量越多，節點之間的連線是反映國家或機構之間的合作關系，連線越多說明合作程度越密切。從圖2中可以看出，雖然從事團隊共享心智模型研究的機構很多，但彼此間有效的聯系與合作并不多。其中，賓夕法尼亞大學（9）、中佛羅里達大學（6）、德克薩斯農工大學（5）和密歇根大學（5）居于前三。

將節點類型設置為國家（Country），其余設置保持不變，運行CitespaceⅢ，可得到一個節點（nodes=20）與鏈接線（links=13）的國家及其合作網絡圖譜，見圖3。

圖2 機構合并知識網絡圖譜Fig.2 The merged network of institutions

圖3 國家合并網絡知識圖譜Fig.3 The merged network of countries

從圖3中可以看出，美國居于該領域研究的核心（圖3中帶有紫紅色光圈的節點，具有較高的中心性，與其它節點之間也聯系緊密，中心度為0.27）。從不同國家間連線的顏色與粗細來看（CiteSpace用從藍色的冷色調到紅色暖色調的變化表示時間從早期到近期的變化），早期主要是英國（中心度為0.02）與澳大利亞、英國與荷蘭開展合作；中期主要是瑞士（中心度為0.07）和德國，美國和韓國、美國和加拿大（中心度為0.07）、瑞士和美國之間開展合作；近期的國家間合作主要是意大利和以色列、英國和塞浦路斯、加拿大和印度以及澳大利亞和荷蘭。美國與中國、美國與西班牙以及美國與阿拉伯聯合酋長國在該領域近期雖有合作，但合作并不多。上述狀況說明，團隊共享心智模型研究的整體格局是:以美國為主中心，以英國和荷蘭、瑞士和德國為兩個次中心。

2.3 知識基礎分析

知識基礎（Intellectual Base）是相對研究前沿而言的。Chen（2006）認為，知識基礎是研究前沿概念所在文獻的引用文獻群［13］。Klavans和Boyack（2006）認為，直接引用關系（科學引文網絡）比同被引關系（同被引網絡）更適合實現相似文獻的聚類分析，且能更直接、更早地揭示研究領域的結構特征和發展趨勢［18］。

通過對早期奠基性文獻、高被引文獻、核心文獻和關鍵節點文獻四個方面的基礎性分析可以挖掘出團隊共享心智模型領域研究的發展脈絡和研究基礎。為了獲得清晰的可視化結果，我們采用CitNetExplorer軟件對基于Web of Science獲取的1998—2014年130篇團隊共享心智模型研究論文數據進行聚類分析。聚類參數和優化參數均保持默認的設定，即分辨率設定為1，最小類的規模設為10，隨機開始數為1，迭代數為10，隨機種子號為0。程序運行后獲得三個較為清晰的聚類（詳見圖4-圖6）。130篇文獻可以分成三大類，第一大類如圖4中藍色節點所示，計有30篇文獻；第二大類如圖5中綠色節點所示，計有26篇文獻；第三大類如圖6中紫色節點所示，計有14篇文獻。

圖4-6中的每個圓圈代表一篇文獻，并用該文獻第一作者的姓作為標簽。為了避免標簽重疊，程序會自動隱去一些標簽。每篇文獻在圖中水平軸向上的位置由其與其他文獻的引用關系來決定，而在垂直軸向上的位置由該文獻的發表年份來確定，這樣被引用的文獻總是在施引文獻之上。圖中的曲線，代表文獻間的引用關系。

2.3.1 早期奠基性文獻分析

早期奠基性文獻是某一學科領域后期研究的重要知識來源，其認定的主要條件是文獻被引時間早且被引頻次相對較高。

通過閱讀圖4所示的聚類一時間序列知識圖譜，發現第一大類的奠基性文章有2篇，分別是Entin和Serfaty（1999）發表于《Human Factors》的“Adaptive team coordination”與Stout、Cannon-Bowers、Salas和Milanovich（1999）發表于《Human Factors》的“Planning，shared mental models，and coordinated performance:An empirical link is established”。

圖4 聚類1文獻引用時間序列圖譜Fig.4 Citation network of the literature in Cluster 1

圖5所展示的第二大類的早期奠基性文獻有3篇，分別是Langan-fox、Code和Langfield-smith（2000）發表于《Human Factors》的“Team mental models:Techniques，methods，and analytic approaches”，Cooke、Salas、Cannon-Bowers和Stout（2000）發表于《Human Factors》的“Measuring team knowledge”，Langan-fox、Wirth和Code等（2001）發表于《International Journal of Industrial Ergonomics》的“Analyzing shared and team mental models”。

圖5 聚類2文獻引用時間序列圖譜Fig.5 Citation network of the literature in Cluster 2

圖6 所展示的第三大類早期奠基性文獻有1篇，是Rasker、Post和Schraagen（2000）年發表于《Ergonomics》的 “Effects of two types of intra-team feedback on developing a shared mental model in Command& Control teams”。

圖6 聚類3文獻引用時間序列圖譜Fig.6 Citation network of the literature in Cluster 3

如果我們追溯團隊共享心智模型研究的更早淵源，在進行可視化分析前去掉對“Include non-matching cited references”的勾選，讓Citnetexplorer對WOS收錄期刊外的文獻進行分析，則發現:Johnson-Laird（1983）在哈佛大學出版社出版的《Mental Models》與Rouse和Morris（1986）發表于《Psychological Bulletin》上的“On looking into the black box:Prospects and limits in the search for mental models”是最早的兩篇開創性工作。Rouse、Cannon-Bowers和Salas（1992）發表于《IEEE Transactions on Systems，Man and Cybernetics》上的“The role of mental models in team performance in complex systems”，Cannon-Bowers與Klimoski和Mohammed發表于《Journal of Management》上的“Team Mental Model:Construct or Metaphor？”則對后續團隊共享心智模型的研究具有更廣泛而直接的影響。

2.3.2 高被引文獻分析

被引頻次高低可在一定程度上反映文獻的學術影響力和經典程度，其所蘊含的知識、觀點等易在某一時間段內獲得較多學者的認同，且常被相關學者作為進一步研究的知識基礎來源。

Histcite在進行文獻統計分析時，提供多種計量指標，如GCS（Global Citation Score，即總引用次數，也就是Web of Science網站上看到的引用次數）、LCS（Local Citation Score，即當前數據庫中被引用次數）、CR（Cited References，即文章引用的參考文獻數量）等。考慮到GCS反映的是文獻被全球研究者關注程度，而LCS反映的是研究方向相近的小同行關注程度，因此，我們以Histcite提供的LCS/t值（表示平均每年被引用多少次）作為判別標準，選取前8篇作為高被引文獻的代表（詳見表5）。LCS/t值越高，說明該文章每年都被大量引用，生命力強。

表5 團隊共享心智模型研究經典高被引文獻表Tab.5 The highly-cited classical literature on TSMM

2.3.3 核心文獻分析

為了確定團隊共享心智模型研究領域的核心文獻，我們運用CitNetExplorer軟件，首先將那些高被引文獻中彼此相互引用在3次以上的作為核心文獻，結果獲得23篇核心文獻。從這23篇文獻中，我們以5作為閾值，截取前8篇文獻作為團隊共享心智模型研究的核心之核心（詳見表6）。從這8篇核心文獻的發表年份來看，1999年、2000年和2004年各2篇，2001和2002年各1篇。這說明團隊共享心智模型研究主要成型于1999至2004年間。

表6 團隊共享心智模型研究的核心文獻Tab.6 The core literature on TSMM

2.3.4 關鍵節點文獻分析

關鍵節點文獻是共被引網絡中連接2個以上聚類群組，在整個網絡中起到關鍵中介作用，具有相對較高的中心度和被引頻次的節點。這些節點可能成為網絡中由一個時間段向另一個時間段過渡的關鍵點［19］。從知識理論的角度看，通常關鍵節點文獻是一領域中提出重大理論或者創新概念的文獻，也是最易形成新的科研前沿熱點的關鍵文獻。

為了確定團隊共享心智模型領域中起關鍵樞紐作用的關鍵節點文獻，我們將主題詞來源（Term Source）設定為文獻標題（Title）、文摘（Abstract）、作者關鍵字（Author Keywords）和附加關鍵字（Keywords Plus），主題詞類型（Term Type）設為涌現主題詞（Burst Terms），節點類型設置為主題詞（Term）和共被引文獻（Cited References），Top N per slice設為10，選擇Pathfinder算法，運行CitespaceⅢ軟件可得出輸出網絡所涵蓋的節點（nodes=126）與鏈接線（links=326）數。

文獻節點中介中心性高低可反映一篇文獻對某學科研究領域的樞紐作用。劉則淵、陳悅和侯海燕等（2008）將中介中心性Centrality≥0.1的節點視為關鍵點［20］。從表7我們可以看出，被引文獻中共有5篇文獻的中介中心度大于0.1，且被引頻次高的文獻并不一定中介中心度高。具體而言，Cannon-Bowers等人（1993）發表于《Individual and Group Decision Making》上的“Shared mental models in expert team decision making”中心度最高，被引頻次33（居第二位）；其次是Mathieu等人（2000）發表于《Journal of Applied Psychology》上的“The influence of shared mental models on team process and performance”；第三是Stout等人（1999）發表于《Human Factors》上的 “Planning，Shared Mental Models，and Coordinated Performance:An Empirical Link Is Established”；第四是Langan-Fox等人（2000）發表于《Human Factors》上的“Team Mental Models:Techniques，Methods，and Analytic Approaches”以及Rouse等人（1992）發表于《IEEE Transactions on Systems，Man and Cybernetics》上的“The role of mental models in team performance in complex systems”。

表7 團隊共享心智模型研究的關鍵節點文獻Tab.7 The key nodes of TSMM research

為驗證上述關鍵節點文獻的重要性，我們于2014年10月29日在Google Scholar中對上述文獻的被引用次數進行了檢索，結果發現它們被引用次數依次分別為1 590，1 349，498，199和415次。

在共被引網絡圖譜的基礎上，利用EM算法對網絡中的節點進行聚類分析繪制出團隊共享心智模型領域的主題詞-共被引混合網絡圖譜，見圖7。EM聚類算法是通過對已知變量先驗概率的最大化的極大似然估計方法對變量進行重復迭代的最優化聚類，不同聚類的結果以不同的顏色顯示在原有的共被引網絡圖譜中，以便更加清晰的辨識研究領域的突發興起的范式和持久的范式。EM聚類通過對所有的節點的各個屬性進行計算，將共引網絡圖譜中的126個節點共分成了31個聚類，Q值為0.757 1，大于0.3，意味著劃分出來的社團結構是顯著的；S值為0.82，大于0.7，意味著聚類是高效率且令人信服的［21］。

圖7 團隊共享心智模型聚類后共被引網絡Fig.7 Co-citation network of TSMM research after clustering

2.4 研究熱點與研究前沿分析

2.4.1 研究熱點及其演化分析

通過了解一個學科領域的研究熱點，有助于研究者把握整個學科領域的研究動向，使研究者明確學科的發展態勢。由于關鍵詞是文章的精髓，是對文章主題的高度概括和集中描述，因此，通過對高頻關鍵詞的分析可幫助確定一個研究領域的熱點［22-23］。

我們將主題詞來源選擇為標題（Title）、摘要（Abstract）、作者關鍵字（Author Keywords，DE）和附加關鍵字（Keywords Plus，ID），主題詞類型（Term Type）選擇為名詞短語（Noun Phrases），網絡節點（Node Types）設置為關鍵詞（Keyword），設置閾值為Top 10%，選擇最小生成樹（Minimum Spanning Tree）算法，運行CiteS-pace軟件得到54個網絡節點，69條連線的團隊共享心智模型研究熱點知識網絡（重要關鍵詞詳見表8）。

從表8我們可以看出高頻關鍵詞與高中心性關鍵詞具有較強的一致性。從關鍵詞的意義來看，除去其本身，團隊共享心智模型研究的熱點是績效、溝通、團隊合作和心智模型。

表8 團隊共享心智模型研究的重要關鍵詞Tab.8 The important keywords of TSMM research

我們將網絡節點設定為關鍵詞，結合軟件自帶的涌現檢測算法，然后運行CiteSpaceⅢ，繪制出1998—2014年的各年度研究主題變化的時區分布圖譜，見圖8。CiteSpaceⅢ使用粗線外圈表示關鍵節點。關鍵節點可以解釋研究發展的階段特征，是指示研究方向變化的標志。從圖8可以看出，團隊共享心智模型研究熱點的主要變化軌跡是共享心智模型→績效→知識→共享心智模型→團隊合作→溝通→模擬→協調→隨機控制實驗。

圖8 團隊共享心智模型研究熱點變化圖譜（1998—2014）Fig.8 Knowledge mapping of the focus evolution in TSMM research（1998—2014）

2.4.2 研究前沿分析

研究前沿（Research Front）這個概念最早由Price引入，用于描述一個研究領域的過渡本質。Price認為:研究前沿是由被頻繁引用的近期文章（30～50篇）所組成的動態聚類［24］。與之相似或相近的概念包括新研究領域（Emerging Research Area）、潛在知識（Latent Knowledge）、新興趨勢（Emerging Trend）等。

目前，學界對研究前沿的認識可大致分成三類，并分別采用不同的研究方法進行前沿方向和內容捕捉:一是將一組高被引文獻定義為研究前沿，對應的主要研究方法是同被引聚類［24-25］；二是將一組施引文獻定義為研究前沿，對應的主要研究方法是文獻耦合［26-27］；三是將突發或熱點主題定義為研究前沿，對應的研究方法主要包括詞頻分析、共詞分析等［13，28-29］。

一般認為，研究前沿是一個研究領域中最先進、最新、最有發展潛力的研究主題或研究領域，它往往是正在興起或突然涌現的某些概念組合，它代表某一個研究領域的思想現狀，是一個暫時和相對的概念。通過對“前沿領域”里文獻數量、內容及相互引用方面的變化關系進行分析，有利于追蹤某一領域的產生、發展、分化、相互滲透的情況，可為及時進入國際新興主流科研問題研究，搶占科技制高點以及尋找高水平的國際合作伙伴、申請政府及基金資助和分配科研資源等提供重要參考。

HistCite提供LCS（e/b）指標（本地引用頻次（近期比早期））來表示該文獻對近期指導價值的熱門程度。該值越高，表明該文獻在近期越受關注，而在初期則不太受重視。在本研究中，我們將LCS（e/b）≥3的文獻視為研究前沿，詳見表9。從6篇文獻的內容來看，績效、團隊協調、團隊認知以及團隊分析模型是團隊共享心智模型研究當前關注的主題。

表9 團隊共享心智模型的研究前沿Tab.9 The research fronts of TSMM

3 結論與展望

通過運用CiteSpace、HistCite和CitNetExplorer三款信息可視化軟件對從Web of ScienceTM核心合集中檢索得到的團隊共享心智模型研究文獻進行的綜合分析，我們得出如下結論:

1）WOS中收錄的團隊共享心智模型研究始于1998年，該主題從2010年起引起學界的高度關注，至2012年攀至峰頂。隨后，學界的研究興趣開始減弱，每年發文數量呈下降趨勢；

2）從事團隊共享心智模型研究的學者和機構主要集中于美國，澳大利亞、英國、加拿大和瑞士。其中，美國居于該領域研究的核心，英國和荷蘭、瑞士和德國是兩個次中心；

3）Salas、Yen、Fan、Langan-Fox和Hysong是團隊共享心智模型研究領域的高產學者，但Salas、Cannon-Bowers、Stout、Milanovich和Entin是該領域的重要研究者；

4） 《Human Factors》、《Ergonomics》、《Journal of Perinatal&Neonatal Nursing》、《Systems Engineering》和《Journal of Management Information Systems》是發表團隊共享心智模型的主要期刊；

5）團隊共享心智模型研究主要涉及的學科是工程學、計算機科學、心理學、健康護理科學和服務以及行為科學；

6）團隊共享心智模型的研究熱點是績效、溝通、團隊合作和心智模型，其演化軌跡是共享心智模型→績效→知識→共享心智模型→團隊合作→溝通→模擬→協調→隨機控制實驗；

7）團隊共享心智模型的前沿研究主題是績效、團隊協調、團隊認知以及團隊分析模型。

［1］楊杰，鄧衛權，程浩.基于網絡與演化視角的集體球類項目團隊共享心智模型［J］.心理科學進展，2012，20（5）:641-650.

［2］CANNON-BOWERS J A，SALAS E，CONVERSE S A.Cognitive psychology and team training:Sh-ared mental models in complex systems［J］.Human Factors Society Bulletin，1990（33）:1-4.

［3］CANNON-BOWERS J A，SALAS E，BLICHENSDERFER E，et al.The impact of cross-training and workload on team functioning:A replication and extension of initial findings［J］.Human Factors，1998，40（1）:92－101.

［4］CANNON-BOWERS J A，SALAS E.Reflections on shared cognition［J］.Journal of Organizational Be-havior，2001，22（2）:195-202.

［5］SALAS E，DICKINSON T L，CONVERSE S A，et al.Toward an understanding of team performanceand training［C］//Swezey R J，Salas E（Eds.）.Teams:Their training and performance.Norwood:Ablex P-ublishing Corp，1992:3-29.

［6］KRAIGER K，WENZEL L H.Conceptual development and empirical evaluation of measures of share-d mental models as indicators of team effectiveness［C］//Brannick M T，Salas E P（Eds.）.Team Perfor-mance Assessment and Measurement.Mahwah:Erlbaum，1997:63-84.

［7］MATHIEU J E，HEFFNER T S，GOODWIN G F，et al.The influence of shared mental models on team process and performance［J］. Journal of Applied Psychology，2000，85（2）:273-283.

［8］LANGAN-FOX J，WIRTH A，CODE S，et al.Analyzing shared and team mental models［J］.Internatio-nal Journal of Industrial Ergonomics，2001，28（2）:99-112.

［9］周瑩，呂健力，白新文，等.足球3人組對抗的共享心智模型發展及與團隊績效的關系［J］.體育科學，2006，26（10）:49-53.

［10］曹科巖，龍君偉.團隊共享心智模式對團隊有效性的影響機制研究［J］.科研管理，2009，30（5）:155-161.

［11］呂曉俊.共享心智模型對團隊效能的影響——以團隊過程為中介變量［J］.心理科學，2009，32（2）:440-442.

［12］呂曉俊.共享心智模型對團隊績效影響的現場研究［J］.人類工效學，2009，15（3）:1-5.

［13］CHEN C.CiteSpace II:Detecting and visualizing emerging trends and transient patterns in scientific literature［J］.Journal of the American Society for Information Science and Technology，2006，57（3）:359-377.

［14］GARFIELD E，PUDOVKIN A I.The HistCite system for mapping and bibliometric analysis of the output of searches using the ISI Web of Knowledge［R］.Rhode Island:Association for Information S-cience and Technology，2004.

［15］GARFIELD E.Historiographic mapping of knowledge domains literature［J］.Journal of Information Science，2004，30（2）:119-145.

［16］董立平，郭繼軍.利用Histcite的人胚胎干細胞引文編年圖主要路徑分析［J］.醫學信息學雜志，2010，31（11）:38-40，49.

［17］VAN ECK N J，WALTMAN L.CitNetExplorer:A new software tool for analyzing and visualizing citation networks［J］.Journal of Informetrics，2014，8（4）:802-823.

［18］KLAVANS R，BOYACK K W.Identifying a better measure of relatedness for mapping science［J］.Jo-urnal of the American So ciety for Information Science and Technology，2006，57（2）:251-263.

［19］CHEN，C.The centrality of pivotal points in the evolution of scientific networks［C］//Riedl J，Jameson A，Billsus D，et al（Eds.）. Proceedings of the 10th International Conference on Intelligent User Interf-aces（IUI’05）.San Diego:ACM，2005:98-105.

［20］劉則淵，陳悅，侯海燕，等.科學知識圖譜:方法與應用［M］.北京:人民出版社，2008:66.

［21］陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能［J］.科學學研究，2015，33（2）:242-253.

［22］BAILON-MORENO R，JURADO-ALAMEDA E，RUIZ-BANOS R，et al.Analysis of the field of p-hysical chemistry of surfactants with the Unified Scienctometric Model.Fit of relational and activityindicators［J］.Scientometrics，2005，63（2）:259-276.

［23］BELVAUX G，WOLSEY L A.bc-prod:A specialized branch-and-cut system for lot-sizing problems［J］.Management Science，2000，46（5）:724-738.

［24］PRICE D J D.Networks of scientific papers［J］.Science，1965，149（3683）:510-515.

［25］SMALL H.Co-citation in the scientific literature:A new measure of the relationship between two documents［J］.Journal of the American Society for Information Science，1973，24（4）:265-269.

［26］PERSSON O.The intellectual base and research fronts of JASIS 1986-1990［J］.Journal of the Amer-ican Society for Information Science，1994，45（1）:31-38.

［27］MORRIS S A，YEN G，WU Z，et al.Time line visualization of research fronts［J］.Journal of the A-merican Society for Information Science and Technology，2003，54（5）:413-422.

［28］RIP A，COURTIAL J P.Co-word maps of biotechnology:An example of cognitive scientometrics［J］.Scientometrics，1984，6（6）: 381-400.

［29］BHATTACHARYA S，BASU P K.Mapping a research area at the micro level using co-word analy-sis［J］.Scientometrics，1998，43（3）:359-372.

Bibliometric Analysis of Published Team Shared Mental Models Research

Yang Jie1，Deng Weiquan2，Cheng Hao3，Le Meiqian4
（1.Research Center Innovation and Strategic Human Resource Management，Jiangxi University of Finance and Economics，Nanchang 330013；2.School of Physical Education，East China Jiaotong University，Nanchang 330013；3.School of Civil Engineering and Architecture，East China Jiaotong University，Nanchang 330013；4.School of Business Administration，Jiangxi University of Finance and Economics，Nanchang 330013）

This paper conducted the bibliometric analysis of published team shared mental models （TSMM）research during the period of 1998—2014 based on Web of Science database.Our analysis revealed the authorial，institutional，spatiotemporal，and categorical patterns in TSMM and provided an alternative demonstration of research advancements，which may serve as a potential direction for future research.Most scholars and institutions who study TSMM are from USA，Australia，the United Kingdom，Canada and Swiss.Salas，Cannon-Bowers，Stout，Milanovich and Entin were the most important scholars in TSMM research.Human Factors，Ergonomics，Journal of Perinatal and Neonatal Nursing，Systems Engineering，and Journal of Management Information Systems are the most active journals in this field.The related research focuses include performance，communication，teamwork and mental models.The historical stream analysis shows an evolution trajectory starting from shared mental models to performance，then to knowledge，team shared mental models，teamwork，communication，simulation，coordination，and finally to randomized controlled experiment.The research fronts of TSMM research are performance，team coordination，team cognition and team analysis model.

team；shared mental models；Web of Science；bibliometric analysis

C93

A

1005-0523（2016）05-0118-14

（責任編輯 王建華）

2016－05－13

國家自然科學基金項目（71161009）

楊杰（1972—），男，教授，博士，博士生導師，研究方向為組織行為學與人力資源管理、知識管理與創新。

鄧衛權（1971—），男，教授，碩士，研究方向為體育科學。