動態網絡型組織中的成員認知異質性、重復合作概率與學習績效

林子秋 ,張天逸 ,李秋甫

(1.清華大學 公共管理學院,北京 100084;2.芝加哥大學,美國 芝加哥 60637;3.清華大學 馬克思主義學院,北京 100084)

隨著科學技術的不斷迭代和更新,交叉學科對于新知識生產的作用愈加重要,以動態合作網絡為主要形態組織結構得以涌現,在科研共同體、企業創新以及風險投資領域都得到了廣泛使用[1-2]。動態合作網絡型組織是一種通過任務要求連接在一起的組織,組織成員間的連接由共同合作的項目來決定[3]。相較于傳統組織,動態合作網絡型組織會優先考慮其關系、團隊、團體和社區的“軟結構”,而不是科層的報告線,具有靈活性、高效性和信任性的特點[4]。

“成員認知異質性”反映了成員對現實世界的差異化降維理解,“組織學習績效”代表了組織知識與現實世界的吻合度,對其關系的探討一直是學術界重點關注的問題,已有的關于認知與組織學習的研究多置于科層化組織結構中探討[5-6],或是將認知視作外生參數放入模型中[7-9],這些研究大都停留在靜態統計層面,未能對動態網絡組織學習的發生機制做出解釋。當前,科學共同體、企業創新、風險投資等領域中的動態網絡都體現出了“多次重復”的顯著特征[1-2],這使得我們應更加關注重復合作在組織學習中承擔的作用。動態網絡組織的學習并非個體學習結果的簡單加總,網絡在共享學習經驗的同時也在創造并沉淀新的學習經驗,新的經驗又會為網絡成員提供新的認知基礎[10],從而影響后續的組織學習,這種動態演化過程是基于數據的實證研究所無法描述的。

因此,本文采用仿真模擬的方法,探討在不同的網絡締結方式下認知異質性與組織學習績效之間是否會呈現不同的關系。為了回答這一問題,引入“重復合作概率”這一變量來控制合作網絡締結方式(即每個新的合作項目中新老成員的比例),據此研究在不同的“重復合作概率”下成員認知異質性與組織學習績效兩者的關系是否會存在不同,以及上述關系是否會因為“成員認知的共識化程度(達成共識的認知維度數目)”的不同而變化。研究發現:首先,成員認知異質性對組織學習績效均值有正向影響,但同時也會導致組織學習績效方差增大,可靠性降低,故提高重復合作概率可以對這一負面影響起到減緩作用,讓組織學習獲得“高均值”與“低方差”的兼顧。其次,當認知共識化程度較高時,組織奉行同質化成員認知的策略能夠有效降低學習績效的方差;當認知共識化程度較低時,組織奉行同質化成員認知的策略對于降低學習績效方差的作用不大。最后,在重復合作概率較高的組織中,成員認知同質性的組織(以下簡稱“認知同質性組織”)在發展初期的學習表現要優于認知異質性組織,但隨著時間推移,認知異質性組織的學習表現曲線會相交并超過認知同質性組織的曲線,在長期中達到更高的水平。

本研究的創新點體現在3個方面:①結合當前的組織形態發展趨勢,將認知異質性與組織學習間這對關系從傳統組織情境遷移到了動態合作網絡情境下,具有較強的現實意義;②在理論層面引入了“重復合作概率”這一網絡締結方式變量,對成員認知異質性和組織學習績效間關系的理論爭論做出了彌合;③區別于靜態的實證研究,本文基于Agent-Based Model 方法,將組織主流認知的動態演變過程也納入模型中,豐富了對組織學習過程的機制探討。

1 文獻綜述與研究假設

1.1 成員認知異質性與組織學習

組織學習的概念產生于卡納基學派有限理性的核心假設[13],即在有限理性下,組織進行“搜索”[11]和內部常規的演變[12],以更好地適應周圍的環境,實現更高績效水平的過程。

成員認知是影響組織學習績效的重要因素,認知指的是復雜的現實世界在成員認知圖譜中的投影[13],因為有限理性的存在,使得這一認知投影只是現實世界的局部,或者說是抽象的、不全面的現實世界,但正是這種不完全的、抽象的認知,卻是個體或組織在進行學習和行動時的重要參考和向導[14]。組織中的領導者或團隊中的核心成員依靠自己的認知指導組織完成每一次決策,通過決策結果的反饋調整更新自己的認識,指導下一次決策,由此構成了組織學習的過程[15]。

在一個組織中,成員的生活環境、經驗積累或崗位職能都會外生地形塑成員的認知基礎,影響其在解決某一問題時的決策方向。例如,當設計一款產品時,來自不同功能部門的團隊成員會對產品的方向做出不同的判斷。工程部門的成員會認為成本低廉且運行穩定是成功產品的必備要素,而市場部門則認為服從消費者時下潮流偏好才是成功產品的必備要素,來自藝術設計部門的成員會從產品的美學視角對成功產品做出定義,產品的最終走向則要在3類認知的相互碰撞及共同作用下實現。成員外生特征差異越大的組織,其認知異質性很可能越高。現階段,有關成員認知異質性對組織學習影響的研究尚存在不同觀點[16]。這類研究背后的核心爭論都是關于成員認知異質性對組織學習“更快”還是“更好”這一對矛盾展開的,即同質性強的組織能夠更高效穩定地進行學習,但過強的認知同質性會令其損失創新性和錯失新的機會,長期困于“次優”狀態[17];成員認知異質性盡管能使團隊得到不同來源的信息以及成員的見解,獲得潛在的高質量決策,但異質性過強也會提高交易成本,產生未知風險,從而損害學習績效的可靠性[17]。

面對復雜情境,組織往往通過事前的認知判斷來指導行動,認知判斷作為對復雜現實的簡化降維判斷[18],其作用如同戰略地圖一般,方便領導者開展后續決策與行動[15],這一概念反映在現實情境中表現為企業戰略制定以及政府規范文件出臺等[18]。在領導者之下,是組織的執行者,組織的執行者在領導者的認知圖譜下進行試錯和學習,這一過程被March[11]稱作“開發式學習”,因為組織沒有跳出原先確定好的“認知地圖”,只是在“地圖”內進行“漸進式”搜索,例如,企業員工在公司戰略指導下開發新產品,政府部門在中央政策文件指引下開展各項工作。由于組織面對的情境具有高度復雜性,決策的各個目標間又存在著高度的依賴性,在有限理性的前提下[13],組織擁有一套共同認知必不可少,因為它能夠幫助組織提高決策精準性[17]。Csaszar等[17]使用模擬的方法表明,管理者如果誤判了戰略情境,會使得企業錯過最優績效;而如果選對了方向,既能夠節約搜索成本又能夠實現更好的學習效果。

隨著組織結構從科層制向著合作網絡組織的轉變,決策權從領導者逐步下沉給了組織成員,以往的科層制認知傳導機制在網絡化組織中不再適用,取而代之是成員的合作決策,企業核心認知通過企業內部組織成員共同作用和相互滲透而形成,這一過程是內生的,也是不可復制的[19]。在這種情境下,成員的認知異質性便格外重要,因為單個成員在項目中的話語權和決策權更重了,其對單個項目的學習績效的影響也就更直接了[20]。

成員認知異質性是指組織成員之間對同一種現象在思維方式和認知模式上存在差異性,由此衍生出了對組織學習方向的不同認識,進而影響組織決策和學習績效。關于成員認知異質性和組織學習績效關系的論述主要分為3種,即正向關系、負向關系和倒U 型關系[21-22]。其中:正向關系學者認為由知識異質性所引起的認知差異會影響企業管理層的視野,使其變得更加開闊,打破原有的思維定式,有利于制定創新性的戰略決策;負向關系學者認為異質性導致沖突、溝通問題、缺乏社會集成并減少信任,帶來組織風險行為[23],增大了回報的時間周期和不確定性[11],從而對組織學習具有負效應;倒U 型曲線學者認為,異質性帶來的交易成本和匹配程度存在一個閾值,超過這一閾值后,就會對組織學習產生負面影響,只有當交易成本或匹配度處于合理水平時才能形成互補性優勢,從而產生正向效應[24]。

基于上述分析,提出:

假設1成員認知異質性對學習績效均值有著正向作用,異質性越高,組織學習績效的均值也越高;但異質性的提高會使組織學習績效的方差變大,可靠性降低。

1.2 動態合作網絡中的組織學習過程

隨著開放系統的引入,成員間的合作變得頻繁,組織的邊界也在相應拓展。在市場領域,伴隨著復雜、不穩定且多樣化的市場需求擴張,網絡式組織因其彈性專精的特質得以興起;在政府治理領域,伴隨著新公共管理運動的出現,多主體的協同治理逐漸成為治理模式的主流[25];在創新研發領域,企業、高校和個體依靠聯合發明或聯合申請締結專利合作網絡,傳遞顯性和隱性知識。在上述情境中,一項任務很難再由單一的主體來實現,而是由多個主體共同完成。在完成任務的同時,這些主體又隨機締結了網絡,這便是合作網絡[26]。

合作網絡無論是在企業組織、公共管理或是科學共同體都是重要的研究現象,研究網絡的意義在于它可以彌補傳統的科層、單一封閉組織的理論局限,充分體現主體間的復雜關系和相互作用[27]。個體或組織間締結的合作網絡被視作是知識分享的重要機制,加入網絡中的個體既能接觸到異質性知識,同時也能共同創造新的知識[28]。

“網絡學習”這一概念最初由Dyer等[29]定義,其既包含知識在網絡中的開發與獲取,也包括知識在網絡中的儲存,與之類似的還有Knight[30]對網絡的定義——“不同組織構成的群體學習行為”。在這種情況下,學習者不是個體,而是整個網絡。因此,網絡學習也不僅僅是構成網絡的個人、團體和組織的學習簡單加總,而是網絡中要素的協同耦合過程。伴隨著網絡學習的開展,成員間的互動過程、共享敘事和共享認知結構都會發生變化[31],這些變化又會影響到之后的網絡學習,如此循環往復。

區別于知識外溢、資源依賴和交易成本的理論視角,本文重點從認知的視角分析網絡學習。在合作網絡中,組織可以通過嚴格的成員篩選,保證具有同質性認知的成員加入;反之,也可以通過招募異質性認知成員來提高組織的認知異質性比例。盡管組織在發展初期,其認知結構是因領導者個人特質或外界環境給定的[32],但隨著時間推移,組織的認知結構是會伴隨網絡成員間的合作不斷發展的。每一次組織決策結果通過績效反饋,進一步傳達給組織成員,更新其認知,為下一次決策提供認知基礎。現有組織研究中多將認知結構視為給定的“輸入”變量[33],但在真實情境下,認知是會隨著組織的每一次學習變化的,伴隨著對每一次學習結果的檢驗,組織中主導的認知也在發生變化。這種動態變化是以往的實證研究不能刻畫的。

自March[11]提出了組織學習中“開發式學習”和“探索式學習”關系的理論后,眾多學者圍繞不同的情境探討了這一對概念。認知異質性與組織學習的研究也不例外,這一分支的核心觀點可以概括為:同質性認知下的組織能夠更快更好地進行學習,但過強的同質性會令其損失多樣性與創新性,長期困于“次優”狀態。面對這一矛盾,現有研究提出了很多平衡手段,諸如決策權下沉[4]、部門間的協同決策[5]、根據經驗學習結果調整認知判斷[34]等,但置于網絡視角下的認知異質性與組織學習關系的研究尚未被觸及。

1.3 重復合作與組織學習績效

組織是一個開放邊界的系統[35],其中既有在位者之間的合作,也有新成員的加入,在位者之間的互動往往能夠增加經驗的積累,減少合作中同類型錯誤的再次發生,而新成員的加入盡管能為組織域帶來異質性信息,但也會因其經驗不足帶來合作風險。同時,在位者重復合作的概率也能決定組織中的網絡形態,在位者重復合作概率越低(即每個項目中新成員比例越高),組織網絡中的小團體數目越多,各個成員間越分散;反之,每個項目在位者重復合作概率越高(即每個項目中老成員比例越高),則各成員越容易整合進一個大的網絡團體中,成員間的聚合程度越高[36]。

成員的重復合作概率受到諸多因素影響,例如網絡信任程度、成員流失、地區文化和制度約束等[37-38]。如果一個組織內部信任程度高、制度約束嚴格或對成員資歷更為看重,成員們在完成一個項目后通常會繼續合作;同時,如果組織內成員保有率高,流失較少,也可能產生在位者的重復合作。相反,如果組織內的信任程度較低、制度寬松且資歷不發揮作用時,則不同的項目很大概率是由不同成員合作完成的;同時,如果組織成員流失較為嚴重,例如很多招募臨時性成員的永久性組織(學員社團、興趣協會等),也會導致在位者重復合作少,新成員合作多。

本文認為,重復合作概率越低,成員之間越分散,且新成員參與的項目也越多,因此合作潛在的風險也越大,此時奉行同質化成員認知的策略可以引導新成員更快地找到“對路”的學習方向,獲得較為“安全”的認知圖譜,減少因新成員的冒失進入帶來合作項目的失敗,降低試錯成本;反之,當重復合作概率很高時,招募異質性新成員盡管在短期內會帶來試錯和學習績效波動,但長期內由于重復互動,網絡本身也能積累起更豐富的項目經驗抵御異質性帶來的不確定性,同時還能保有接觸多元化認知的機會,進行“探索式學習”,因此,更有可能讓組織收獲更高水平的學習績效。

基于上述分析,本文將重復合作概率這一變量放入模型中,探討這一變量在成員認知異質性與組織學習關系中的調節作用。重復合作概率在本文中被定義為平均每個新項目中包含老成員的比例,該比例越高表明重復合作概率越高,整個合作網絡越封閉[見圖1(a)];相反,如果每個新項目中新成員的比例較高,則表明該合作網絡越開放[36][見圖1(b)]。

此外,組織學習也具有試錯成本,因此,在評估組織學習績效時,不僅要考慮組織學習績效的均值水平,更要考慮整個合作網絡學習績效的波動水平,即學習均值相同的情況下,績效方差越小的組織學習的可靠性更好[20]。例如,在公共治理領域,效率與公平同等重要,若兩種合作網絡模式的均值接近,但一種網絡項目績效波動過大,則會有損績效的均衡性,此時波動較小的合作網絡將成為首選。

基于上述討論,提出:

假設2重復合作概率對成員認知異質性與組織學習績效的關系具有調節作用。重復合作概率越高時,認知異質性對組織學習績效均值的正向邊際影響也越大,認知異質性對組織學習績效方差的正向邊際影響則越小,即高重復合作概率與高成員異質性的組織在長期能夠實現“高均值”與“低方差”的兼顧。

認知是建立在對復雜現實世界的簡化表征上,可將其視作現實世界的降維處理[15],這一表述來自認知心理學[39-40]和認知管理學的相關理論。不同維度的認知能夠或多或少地捕獲現實環境,本文引入認知的共識化程度來定義成員在多少維度的認知上是相同的,舉例而言,一家車廠希望將戰略調整為制造敞篷汽車以拓展高端用戶市場,則奉行“制造紅色的、皮質座椅的、電動敞篷汽車”的認知就會比奉行“制造紅色敞篷汽車”的認知的共識化程度高。認知共識化程度既可能提高績效也可能帶來風險,共識化程度越高的認知可以通過減少要選擇的元素來加快學習進程,提高學習的可靠性。然而,一旦認知選擇的方向發生了錯誤,則會讓組織長期囿于“次優解”中;共識化程度低(模糊的)認知會引入更多的試錯,增加學習績效的波動性,但也存在著發現“最優解”的可能性[41-42]。基于上述理論,提出:

假設3認知共識化程度(達成共識的認知維度數目)對成員認知異質性與組織學習績效的關系具有調節作用。給定重復合作概率,認知共識化程度越高,認知同質性對組織學習績效方差的邊際抑制作用越大。

2 模擬分析

2.1 “現實世界”模型

把組織視為一個由多個異質性個體構成的系統,組織學習的目的是增強組織知識與環境的匹配度,個體的知識與外部環境的匹配度越高,則其知識水平越高,組織也是如此。本文沿用March[11]提出的“現實世界”(RealWorldModel)模型表征現實環境:在每一輪中,該模型都會生成一個長度為N、由0/1組成的字符串作為“現實結果”,記作r(例如[101011 ])。組織通過每一次決策,確定出一個長度為N的字符串,記作y(例如[011011]),該字符串與現實結果的匹配位數,即為組織本次項目學習方案的績效得分。計算公式為

組織的項目學習方案由組織內成員各自的方案xi決定。與組織項目方案的結構相同,每個xi均是一個長度為N、由0/1組成的字符串。同理,定義個人方案的績效得分為

2.2 成員認知

本文中將成員認知定義為基于復雜現實世界的降維描述[43],在模型中,這種降維的認知表示為組織每次決策中的前N′(N′

組織成員同質性程度通過參數phomo來刻畫,每次迭代中會產生一個新的項目,每個新項目均由固定數目T個成員協作完成,每個項目產生時會重復T次成員選擇的過程,phomo越高,每次選擇出符合組織N′維主流認知的成員的可能性就越大;反之,則選擇一個與現有組織N′維主流認知不一樣的成員。

2.3 重復合作概率

本文將重復合作概率視作外生參數,即理解為由組織自身屬性或外界環境所賦予的變量,在整個學習過程中,該參數維持不變。重復合作概率用參數pinc來刻畫,每輪迭代開始時會重復T次成員挑選的過程(見圖2),每次有pinc的概率選擇一個在位者參與項目,有(1-pinc)的概率選擇一個原先不在網絡中的新成員參與項目。可以想象,pinc越高,在位者成員被選中的概率就越大,表明網絡也越封閉;pinc越低,新成員被選中的概率就越大,表明網絡越開放。

圖2 單次合作項目成員挑選流程Fig.2 Member selection process for a single cooperation task

2.4 項目合作與成員經驗的積累

合作成員挑選結束后,T個成員各自的學習方案共同決定了項目的最終方案,由于共同決策在項目協同中有著重要作用[44],故將項目最終方案字符串中的每個元素設定為T個參與者各自方案對應元素的眾數。對于j=1,2,…,N,有

為了避免“平票”現象,選取奇數T進行研究。新項目方案的產生過程如圖3所示。

圖3 成員認知與新項目方案的產生Fig.3 Members’ cognition and the generation of task decision

可以預見:如果項目處在認知同質性組織中,每個項目決策后的最終方案大概率會落入主流的認知下,或是離主流認知相差少數幾個元素;而如果項目處在認知異質性組織中,則項目方案與各個成員自身的學習方案的差異較大。這種規則設定符合組織決策中認知一致性的理論,即成員若對同一項目的認知判斷差異過大,則最終項目會因為意見分歧而失去控制[45]。

在每次迭代(每一個新合作項目)開始前,每個成員都知曉自身的方案和對應績效。合作項目結束后,每位自身方案績效不如項目方案績效的成員會把自身方案調整為項目方案,而其余成員將保持自身原有方案不變(見圖4)。這一過程保證了組織可以在合作中不斷學習。

圖4 項目方案的確定與成員認知的更新Fig.4 Final decision-making of the task and update of members’cognition

2.5 學習績效

本文從3個方面記錄組織的學習績效,分別為:組織所有項目績效得分的均值μ、所有項目績效得分的方差σ2以及均值方差效用U。其中:均值刻畫組織學習的總體水平,代表了組織知識與現實環境的匹配程度;方差刻畫了組織學習得分的波動情況,代表了組織學習過程的可靠性。為了將兩個維度相兼顧,采用Sargent[46]提出的均值方差效用來表征總體效用水平,計算公式為

式中,λ為風險厭惡參數,當λ值較大時,表示以高方差會帶來更高的成本,從而降低組織學習的整體效用。對于一個成熟的組織,高方差造成的成本可能來自3個方面:①因部分低績效項目帶來的沉沒成本[47];②當前學習方案轉向另一種學習方案所帶來的轉移成本[48];③多元化認知間沖突或混淆所造成的協調成本[49]。當學習績效方差所帶來的三方面成本較高且抵消了原先的學習績效收益時,組織學習可能會因為穩定性差而宣告失敗。

之所以采用Sargentt[46]提出的均值方差效用公式,是因為在決策中,人們面臨的核心問題是收益具有不確定性,因此要在收益與風險之間做出權衡。該公式將收益樣本的分布納入考量,關注了樣本分布的均值和方差對整體效用的影響。其基礎假設為人們的效用是收益的指數型函數,且收益樣本服從正態分布,如下式所示:

通過積分推導得出,指數型效用的期望與上述公式呈現如下式關系:

因此,式(4)能表征整體效用水平。

3 模擬結果分析

3.1 重復合作概率的調節作用

為了防止由隨機效應帶來的統計誤差,本文將“現實世界”模型中的生存地形與組織奉行的初始主流認知進行固定,排除由于“現實世界”模型的環境特征或組織認知初始賦值差異帶來的影響。在控制N=16,T=3,N′=12后,針對每一種pinc(重復合作概率)與phomo(成員認知異質性)的取值組合,都進行100 次模擬取均值,每次模擬進行1 000 次迭代。

(1) 固定認知共識化程度(即令N′=12),比較重復合作概率與成員認知同質性的不同取值組合。圖5 中,“density”軸所對應的是pinc取值,“homogeneity”軸所對應的是phomo取值,z軸所對應的是截至第1 000次項目的學習績效均值μ、方差σ2以及相應的均值方差效用U。可以看出:無論重復合作概率取何值,認知異質性組織的學習績效均值μ普遍優于認知同質性組織的學習績效均值μ[見圖5(a)];在學習績效波動方面,認知同質性組織的學習績效方差σ2則要小于認知異質性組織,學習水平更為平穩[見圖5(b)]。因此,假設1得證。

圖5 不同重復合作概率與成員認知異質性組合下組織學習績效的均值、方差與均值方差效用Fig.5 Mean,variance and mean variance utility of learning performance under different combinations of repeated cooperation probability and member cognitive heterogeneity

(2) 由圖5(c)可以看出:當重復合作概率較低時(即每個項目團隊中新成員比例較高時),認知同質性組織(phomo>0.5)的均值方差效用U要優于認知異質性組織;當重復合作概率較高時(即每個項目團隊中在位者成員比例較高時),認知異質性組織(phomo<0.5)的均值方差效用U要優于認知同質性組織,且此條件下的效用U是所有情況中的最優水平,即高重復合作概率與高成員異質性的組織在長期能夠實現“高均值”與“低方差”的兼顧。因此,假設2得證。

3.2 認知共識化程度的調節作用

當調整認知維度時(即分別令N′=4,8,12,16),可以發現,無論形成共識的認知維度是多(N′=16)或是少(N′=4),認知異質性組織的學習績效均值μ都要好于同質性組織(見圖6)。其原因在于多元認知的交流碰撞能夠讓整個組織找到更優的學習方案。

圖6 不同重復合作概率與認知共識化程度組合下組織學習績效的均值Fig.6 The mean value of organizational learning performance under different combinations of repeated cooperation probability and cognitive consensus level

值得注意的是,當達成共識的認知維度較少,即N′=4時,奉行同質性成員認知策略對于降低組織學習波動的意義不大,即此時同質化成員認知并不能很好地為組織成員確定一個保險、安全的認知圖譜[見圖7(a)]。因此,當考慮波動風險,即取λ=2并考察均值方差效用U后,發現在重復合作概率不變的情況下,組織認知共識化程度越高(達成共識的認知維度越多),成員認知同質性對于提高學習可靠性的作用就越明顯,正如N′=16 時[見圖7(d)],認知同質性組織的抑制波動(減少方差σ2)能力最強,故此情況下的均值方差效用U的分布差異是最顯著的[見圖8(d)]。因此,假設3得證。

圖8 不同重復合作概率與認知共識化程度組合下組織學習績效的均值方差效用(取λ=2)Fig.8 The mean variance utility of learning performance under different combinations of repeated cooperation probability and cognitive consensus level (λ=2)

3.3 組織學習績效的歷時演變分析

觀察重復合作概率與成員認知異質性不同組合的學習績效歷時性演變可以獲得組織學習的動態結論,選取4種典型情況進行比較,分別進行2 500組實驗,每組演變1 000輪(開展1 000次項目),以計算每一時間t,t∈(1,2 000)下的均值方差效用U。圖9虛線表示每一時刻2 500個實驗組效用U的均值,實線在豎直方向上覆蓋了以效用均值為中心,上下兩個標準誤的區間。

圖9 不同重復合作概率與認知異質性組合下組織學習的效用歷時性演變Fig.9 The diachronic evolution of mean variance utility under different combinations of repeated cooperation probability and cognitive heterogeneity

(1) “成員低重復合作率-認知高度異質”(pinc=0.2,phomo=0.2),可以作為基準線情況。在這種情況下,組織成員的網絡聚合程度最低,每次新項目幾乎都是由新成員來合作,在位者的重復合作較少,同時在納入新成員時也不會對其進行是否符合組織主流認知的約束,這導致了每個項目的得分波動方差較大,時而成功、時而失敗,且總體均值處在中等收益水平。這種情況下的整體學習績效均值方差效用U是所有情形中最差的,而且隨著時間的變化幾乎沒有進步。

(2) “成員低重復合作率-認知高度同質”(pinc=0.2,phomo=0.8)。在這種情況下,雖然新項目主要是由新成員來完成的,但是由于組織成員認知同質性較高,盡管是新成員,也會對其認知進行規定,賦予其組織的主流認知,幫助其快速找到可靠且收益較好的學習方向。考慮學習績效均值方差效用U后,發現此種情況優于第1種情況,可以稱為穩定但非最優的情況。

(3) “成員高重復合作率-認知高度同質”(pinc=0.8,phomo=0.8)。在這種情況下,由于存在密切的在位者合作,失敗的經驗能夠在網絡中不斷積累,防止新項目中再次犯錯,故其學習效果優于前兩者。與此同時,由于成員認知的同質性較高,故在初期(t<600)時,組織的學習波動較小。綜合考慮均值和方差后,這種情況因其網絡內部的經驗積累,其學習績效均值方差效用U的初期水平是所有情形中最優的。

(4) “成員高重復合作率-認知高度異質”(pinc=0.8,phomo=0.2)。在這種情況下,因為初期存在不同認知間的相互碰撞,導致項目之間的得分波動較大,拉低了均值方差效用U,使得其曲線在初期(t<600)低于第3種情況。然而,隨著時間的推移,更優認知被發現,拉高了整個組織的學習得分;同時得益于高重復合作概率,學習績效的方差也有所降低。因此,均值方差效用U曲線在后期(t>1 000)超過了第3種情況,達到了整體最優。當風險厭惡參數λ增加/減少時,該情況將更晚/早達到整體最優。

4 結論

新一輪科技革命和產業變革趨勢對交叉學科知識生產形成了迫切需求,動態合作網絡作為這一趨勢下的組織呈現,其網絡形成方式對組織學習與新知識的創造有著重要影響。成員認知異質性與組織學習績效的關系長久以來都是組織管理學界討論的焦點。然而,這對關系在動態合作網絡中的屬性仍未得到充分關注。據此,本文通過仿真模擬探索了在不同的動態合作網絡締結方式下,成員認知異質性對組織學習績效的影響。引入了在位者的“重復合作概率”這一因素,用來控制動態合作網絡的形態,以觀察在重復合作概率不同的條件下,成員認知異質性對組織學習績效的影響是否存在差異。研究發現:

(1) 綜合考慮學習績效的均值和方差,當重復合作概率較低時,認知同質性組織的學習效果優于異質性組織(學習績效的均值方差效用更高),意味著在成員流動性較強或是網絡連接不夠緊密的組織中,應當奉行同質性成員認知,依照嚴格的篩選標準來確保成員間享有相同的認知,組織學習的效果會更好;當重復合作概率較高時,認知異質性組織的學習效果優于同質性組織,且此種條件下的學習效果是整體最優水平。這表明,當組織成員流失度較低或網絡聚合程度較高時,組織可適度放寬成員篩選標準,允許認知異質性的成員進入組織,促進不同觀點的交流碰撞,最終獲得最優學習方案,實現高水平與低波動的兼顧。

(2) 在重復合作概率不變時,成員認知共識化程度越高(達成共識的認知維度越多),認知同質性對于抑制學習績效方差的作用就越明顯;反之,成員認知共識化程度越低(達成共識的認知維度越少),奉行同質性成員認知政策性對于降低組織學習波動風險的意義不大。這意味著成員認知的約束標準應當越具體越好,如果成員的認知約束標準過于籠統,且網絡的連接緊密性也不高時,則沒有太多必要推行同質化認知政策。

(3) 在重復合作概率高的組織中,認知同質性組織在發展初期的學習均值方差效用優于認知異質性組織,但隨著時間推移,認知異質性組織的曲線會相交并超過認知同質性組織的曲線,在長期中達到更高的水平。這意味著成員認知異質性與同質性在時間維度存在著權衡取舍,若一個組織希望在短期內盡快實現高水平學習績效,則建議其奉行同質化認知策略,但這往往也容易犧牲長期可能的更優方案;反之,若一個組織的目標站位更加長遠,則前期因異質性認知帶來的波動則是其必須承擔的發展代價。

本文的理論貢獻在于將March[11]提出的組織學習中“開發式學習”和“探索式學習”關系從傳統組織結構轉移到了動態合作網絡型組織,尤其關注了不同的“合作模式”(網絡的締結方式)下這一矛盾的差異化表現,對理論爭論做出了彌合。采用“重復合作概率”這一變量來表征合作網絡的締結方式。基于托馬斯·謝林所提出的“宏觀現象的微觀基礎”邏輯,從個體的合作行為出發,通過調節“成員認知異質程度”與“重復合作概率”兩個關鍵參數,讓組織自我演化,通過一系列的試錯、認知更新與經驗積累,最終形成整體組織的學習績效。在創新管理領域,部分研究通常會采用網絡的度中心性、介數中心性或接近中心性等概念來表征網絡對異質性知識的整合作用,這部分研究指出不同的網絡結構能夠形成差異化的知識加總方式,最終影響組織創新或組織績效[50-51]。但上述采用網絡特征變量的研究大多未能闡明網絡結構究竟是如何整合多元知識的。結合本文的結論,認為靜態條件下觀測到的組織合作網絡特征,只不過是形態學上的表達,真正影響組織創新或知識生產的是每一次在位者的重復合作以及其帶來的經驗積累與認知更新。因此,本文所提出的重復合作概率某種程度上可從認知層面為社會網絡與知識生產關系的理論文獻提供新的解釋路徑。

但應當承認的是,本文采用模擬仿真的方式可能會遺漏很多現實當中的特殊性與復雜性,仍有待與實證研究結合從而獲得更全面的結論。未來可從如下3個方面對本研究進行拓展:首先,結合大型企業員工團隊數據,提取員工認知、重復合作概率等關鍵參數,基于Agent-Based Model模擬該參數條件下可能的學習績效,對比企業各個項目的績效數據進行貝葉斯檢驗,以驗證模型的可靠性;其次,通過自然語言處理等技術獲取公司主流認知的歷時性演變,將該認知向量化進而與Agent-Based Model模擬結果進行對比,驗證本文所提出的主流認知歷時性演變;最后,引入更多的網絡生成機制,例如Preferential Attachment機制或隨機網絡機制,檢驗其與重復合作機制的預測結果是否存在差異及可能的成因,進一步豐富和補充網絡理論與組織學習理論。