基于動態模糊認知圖的項目型組織成員知識轉移效果研究
——知識轉移動因、組織情境視角

馬 騰，賈榮言，李榮平

(河北科技大學經濟管理學院，河北石家莊 050018)

項目型組織(Project-Based Organizations，PBO)是指以項目的形式為外部或內部客戶提供成熟產品或服務的組織［1］。PBO 的臨時性、一次性和專業性導致了人員流動性大、組織文化作用強大、高度的團隊合作以及與客戶緊密聯系等特點。項目經驗、知識創新成果是PBO 持續發展的關鍵資源。跨項目的知識轉移為PBO 提供了具有價值的經驗教訓，避免重復創新成本損失或重復錯誤［2］。區別于一般組織情境，PBO 的知識轉移對組織情境有更強的依賴性，增加了項目成員的異構性，成為阻礙知識轉移的潛在風險。近年來項目規模不斷擴大、管理體系日趨復雜，項目實施各階段積累的經驗、知識創新成果也成倍增加，這為PBO 知識轉移提出了新的挑戰。

Pemsel 等［3］認為組織邊界是PBO 知識轉移的障礙，弱化組織邊界、制定組織邊界連接策略能夠促進項目間的知識交流與合作。Almeida 等［2］認為項目成員觀念的誤解、不同的學科背景、項目文化差異和不同的工作方式是PBO 知識轉移的障礙。Armagnac［4］指出PBO 知識管理應充分考慮將人力資源管理實踐與組織設計相結合。Reich 等［5］認為PBO 知識管理成功的關鍵在于PBO 知識管理文化和項目管理辦公室(PMO)的構建。Pemsel 等［6］強調了知識治理流程的自然屬性及其與環境的關系。Koskinen［7］認為項目成員的語言、信任、物理上的接近將影響項目成員的知識共享行為，成員間面對面的交流將有利于知識共享。Savolainen［8］指出項目組織中個體間的信任、動態職能關系及開放的溝通環境是影響知識共享的重要因素。Sun 等［9］認為知識轉移機會、知識轉移對象、知識轉移方法和知識類型將影響知識轉移效率。Bell 等［10］基于文獻綜述、結構化訪談、存檔數據和德爾菲調查，提出一種能夠激勵和指導PBO 傳遞知識的框架。Wei 等［11］基于組織文化的三元素研究了PBO 文化與項目文化的相互作用對個體知識轉移行為的影響機制。Ren 等［12］認為項目的相似性可以促進項目間的溝通，提高轉移意愿和知識轉移有效性，而項目的時間性和緊迫性則對項目溝通產生負面影響。王能民等［13］認為項目成員的流動促成了項目間的知識轉移，且項目間知識轉移具有很強的組織情境依賴性。李麗萍等［14］指出項目的多學科性有利于知識的傳播與創新，而項目的一次性、臨時性特點將會使項目知識隨著項目生命周期的結束而丟失。

從上述文獻可以看出，已有較多關于PBO 知識轉移的研究，但是考慮成員知識轉移動因與組織情境的交互作用，及其反饋效用對成員知識轉移動因影響的文獻鮮見。PBO 成員知識轉移行為受到其自身意愿及其所在組織環境的雙重作用。因此，本研究運用動態模糊認知圖探究PBO 成員知識轉移動因交互影響及反饋效應。

1 PBO 知識轉移動因和組織情境要素系統

知識轉移的概念由Teece 首次提出，此后被研究者們不斷的發展、完善。學者們對知識轉移的概念已達成相對一致的看法，認為知識轉移概念包含以下4 個要素：（1）知識轉移主體、知識轉移客體；（2）在特定的情境下；（3）進行交互活動；（4）完成特定的目的［15］。本研究基于知識轉移的概念和過程要素，將PBO 知識轉移動因和組織情景系統分為：知識轉移主體、環境條件、知識屬性、知識轉移客體4 個維度。通過文獻分析和專家訪談歸納了PBO 知識轉移動因和組織情境要素系統，并進行了定義和修正，如表1 所示。

表1 PBO 知識轉移動因和組織情境要素系統

2 研究方法

2.1 動態模糊認知圖

動態模糊認知圖(Dynamic Fuzzy CognitiveMaps,DFCMs)是基于隨機神經網絡模型構建的，也稱作動態隨機模糊認知圖并通過大量計算過程取代符號演繹，最終實現推理。

2.2 動態模糊認知圖在知識轉移動因研究方面的適用性

DFCMs 改進了FCM，使概念節點量化且具有動態性，引入非線性動態函數用于推理過程，形成動態的因果聯系。動態模糊認知圖改變了模糊因果網絡，在運行時使用神經學習規則，學習新的模式對以前模式進行強化。DFCMs 的優勢在于更加接近真實環境，構造隨時間變化的虛擬世界，提供豐富的動態推理機制。

知識轉移過程是多要素參與的高度復雜的非線性過程，其間接性、轉移效果可測性等都存在模糊邊界，且組織成員的知識轉移動機受內外部因素驅動。選擇動態模糊認識圖建模仿真方法，能夠針對項目成員知識轉移動機的內外部影響因素之間的因果聯系，運用專家知識和隨機神經網絡學習算法來進行建模仿真，實現對PBO 成員知識轉移動機的動態分析。該方法以圖論為基本表現形式，學習算法和反饋機制使模型不斷進化，更加貼近真實環境。

2.3 參數設計

3 數據收集與處理

3.1 數據收集

采用專家評分法獲取數據，根據指標對PBO 知識轉移的影響重要程度打分，從非常不重要到重要的取值范圍為［1,5］。邀請5 位專家填寫問卷，這5位專家是來自同一PBO(建設項目總承包單位)不同項目的項目經理。5 位專家均在建設項目領域有長期項目經驗(10～20 年)，對項目的全過程、全要素管理有著深刻的認識。專家來自不同的項目使得評價結論更為客觀和全面。

本研究選用克朗巴哈系數(Cronbach α)檢驗原始數據的內部一致性。此外，對原始數據進行KMO檢驗和Bartlett 球形檢驗。本研究的Cronbach α 值為0.837 8＞0.7，KMO 值為0.793 2＞0.7，Bartlett 球形檢驗在0.001 的顯著性水平上通過檢驗，表明原始數據內部一致性較高，結果可信有效。

3.2 數據處理

3.2.1 數據轉換

本研究采用的是李克特5 級量表。為了構建模糊認知圖中概念節點間的關系矩陣，首先將專家打分的原始數據進行模糊化處理。具體方法如下：

原始數據模糊轉化結果，如表2 所示。

表2 原始數據模糊化結果

3.2.2 計算概念節點初始狀態

整合5 位專家對每一概念節點給出的模糊評價值，假設5 位專家的意見重要程度相一致，對這5組數據求均值，將這組均值作為動態模糊認知圖概念節點狀態的初始值。概念節點狀態初始值，如表3 所示。

表3 概念節點狀態初始值

3.2.3 計算概念節點相關性

運用調整“余弦相似度”來判斷兩個概念節點間的相關性。為了克服“余弦相似度”對絕對數值不敏感的問題，本研究對所有維度上的數值都減去一個均值，然后根據式（2）計算概念節點間的余弦距離，并判斷相關性。

采用模糊化后的數據進行相關性分析，目的是為了消除余弦相似度算法的系統誤差。概念節點間的相關系數即為相關，否則為不相關。運用SPSS19.0 軟件進行“余弦距離”相關性分析，得到項目型組織知識轉移動因關系矩陣，如圖1 所示。

圖1 項目型組織知識轉移動因關系矩陣

3.3 非線性Hebbian 規則學習算法

運用非線性赫布規則學習算法(Non-Linear Hebbian Learning Algoithm)對初始模糊認知圖進行修正。具體仿真迭代過程如下：首先，觀測概念節點當前激活值；然后，計算，如果，則概念節點與概念節點之間的權重關系也會發生變化，即：

根據赫布規則學習算法對動態模糊認知圖進行MATLAB 仿真。DFCMs 的實現過程如下：

（1）讀入概念節點的初始狀態值和關系矩陣初始狀態值。概念節點初始狀態值，如表4 所示。關系矩陣初始狀態值如；

（2）對初始節點進行迭代，迭代K 次；

（3）更新概念節點的狀態值；由式（4）更新概念節點狀態值，由式（3）更新概念節點間關系值：

4 仿真結果及分析

4.1 構建DFCM 結構圖

運用非線性Hebbian 規則學習算法改進模糊認知圖，構建穩定狀態下的動態模糊認知圖，如圖2所示。各因素間既存在正向/負向因果關系。首先，在PBO 知識轉移系統中，各變量的因果關系均歸結于知識接收方的知識轉移效果，表現為輸入影響最多，故將其看作全局被控制變量，作為判斷知識轉移效果的最終標志。

其次，對于知識轉移方動機因素：C1平衡互惠、C3避免懲罰、C4員工情感承諾、C5成就動機對最終結果變量起到正向影響作用，而C2個人興趣、C6模仿領導者行為、C7自我實現則對結果變量無正向相關性影響。有趣的是，C2個人興趣與C18知識轉移參與度，C6模仿領導者行為與C20知識心理所有權呈顯著負相關關系。興趣動機一方面能夠促進個人創新，另一方面使得個人過于專注于某一事件而忽略與其他人的了溝通與交流，故而使得C2個人興趣與C18知識轉移參與度呈現負相關關系。項目組織成員在模仿領導者行為進行知識轉移的同時，將模仿行為轉化為自身行為，這樣將有助于提升知識的心理所有權。

再次，對于PBO 組織情境因素：C8組織目標一致性、C9組織凝聚力、C10組織支持感對結果變量呈現顯著正向因果關系，而C11組織領導力、C12組織學習則與結果變量無顯著性影響，而與知識轉移動機變量C6模仿領導者行為、C7自我實現呈顯著正相關關系，說明組織領導力和組織學習等組織情境可以在一定程度上促使項目成員模仿領導者行為并幫助成員實現自我。另外，知識轉移渠道因素：C13人際關系網絡和C15組織網絡對結果變量無顯著性影響，而C14知識中介因素與結果變量有顯著正向影響，這說明在PBO 中由于項目的復雜多樣性以及細化的分工導致項目成員間的知識背景差異巨大，故導致知識中介的作用凸顯。

最后，對于知識屬性因素：C17顯性知識對于結果變量無顯著性影響，而C16隱性知識與結果變量呈現顯著地負相關關系，這說明在PBO 中也面臨著隱性知識的轉移和共享困難這一挑戰。

圖2 穩定狀態下動態模糊認知圖

4.2 仿真結論

運用Matlab 仿真非線性Hebbian 規則學習算法改進后的DFCM，以表4 為概念節點狀態初始值，經過13 次迭代得到DFCM 穩定狀態。PBO 知識轉移動因系統迭代過程，如表4 所示。

表4 PBO 知識轉移動因系、組織情境統迭代過程

通過仿真結論可知，在PBO 知識轉移動因、組織情境系統中C18知識轉移參與度、C19知識轉移滿意度、C20知識心理所有權等因素最為重要，主要是因為其作為全局控制變評價整個知識轉移系統效率。C16內隱知識與PBO 知識轉移系統效率呈負相關關系，說明知識的內隱性愈強，知識轉移效率愈差。在知識轉移動機因素中C4員工情感承諾、C1互惠平衡、C5成就動機較其他動機重要。在組織情境因素中C10組織支持感、C9組織凝聚力、C8組織目標一致性較其他組織情境因素重要。在PBO 溝通渠道中C15組織網絡、C14知識中介較C13人際關系網絡重要，這說明合理的PBO 架構與專業的知識中介能夠促進PBO 進行有效的知識轉移。

5 研究結論

5.1 結論與啟示

本研究揭示了組織成員知識轉移動因與組織情境的交互作用過程，并得出相應結論：

（1）PBO 知識轉移動因、組織情境系統全局被控制變量的確定。在PBO 動因、組織情境評價體系中知識接收方的因素：C18知識轉移參與度、C19知識轉移滿意度、C20知識心理所有權的輸入和輸出較多，且在DFCM 穩定狀態下其概念節點重要，故為全局被控制變量，其余為控制變量，通過影響被控制變量最終得到知識轉移動因、組織情境系統的穩定狀態。

（2）在知識轉移方內在動因中C1平衡互惠、C3避免懲罰、C4員工情感承諾、C5成就動機較其他動因更為重要。不但為進一步針對內在動因的研究指明了方向，同時也為項目管理者制定激勵機制提供理論基礎。

（3）在組織情境因素中C10組織支持感、C9組織凝聚力、C8組織目標一致性較其他組織情境因素重要。在理論研究方面，可進一步將組織支持感、組織凝聚力、組織目標一致作為調節變量研究其對PBO 知識轉移效率的影響；在實踐方面，可為項目管理者營造組織氛圍提供理論借鑒。保證溝通渠道暢通，集思廣益充分采納意見建議，將PBO 目標轉化為項目成員的共同目標，并與組織成員的個人利益相掛鉤，這樣能夠促進組織成員平衡互惠動機，從而增強知識轉移效果。

（4）對于知識轉移渠道因素，在DFCM 穩定狀態下知識中介為PBO 知識轉移起到橋梁作用，對知識轉移方的效率起到正向促進作用，同時在概念節點重要程度排名中，組織網絡、知識中介相較于人事關系網絡更為重要。這主要是因為組織網絡是PBO 的根本基礎，而知識中介能夠促進不同專業知識的融合，對于人際關系網絡則存在較多人為和不確定因素，在PBO 知識轉移渠道中起到輔助作用。

（5）在PBO 中內隱性知識既是知識轉移難點又是知識轉移重點。這就要求一方面將隱性知識顯性化；另一方面，有效地利用知識中介轉移知識，也從另一側面解釋了PBO 中知識中介的重要性。

5.2 主要創新點

本研究的創新點體現在：在研究視角的選擇上，本研究以知識轉動因和組織情境為視角研究，探討知識轉移過程中哪些動因、組織情境能夠影響PBO知識轉移，而以往研究多注重組織內外部環境、組織文化、技術手段等因素，較少考慮知識轉移動因問題；在方法的選擇上，本研究運用非線性Hebbian規則學習算法對DFCM 進行改進，克服了以往模糊認知圖對專家知識過分依賴的情況，經過仿真迭代最終形成穩態的DFCM，獲得穩定狀態下各概念節點的重要程度，為項目管理者制定激勵機制，營造團結、和諧的組織氛圍奠定基礎。