社会网络对团队创造力的影响机理研究

王艳子 罗瑾琏 王莉 张波

摘 要：本文基于社会网络视角，通过对61个研发团队的有效样本进行回归分析，探究社会网络、知识共享与团队创造力各变量维度之间的内在作用机理。研究结果表明：网络密度与新颖性和实用性呈现倒U型的非线性关系；知识共享行为和知识共享质量在网络密度与新颖性和实用性关系间起到中介作用；网络异质性在网络密度与新颖性关系间起到调节作用。

关键词：社会网络；知识共享；团队创造力

中图分类号：C936 文献标识码：A 文章编号：1003-5192(2012)04-0022-06

A Study about the Influence of Social Network on Team Creativity

WANG Yan-zi, LUO Jin-lian, WANG Li, ZHANG Bo

(School of Economics and Management, Tongji University, Shanghai 200092, China)

Abstract:Based on social network perspective, the paper explored the effect relationships among different dimensions of social network,knowledge sharing,team creativity by regression analysis of the effective samples of 61 R&D teams.The empirical results showed: network density had an inverted U nonlinear impact on novelty and utility; those inverted U relationships were mediated by knowledge sharing behavior and knowledge sharing quality;network heterogeneity moderated the relationship between network density and novelty.

Key words:social network; knowledge sharing; team creativity

1 引言

在快速变化的市场需求环境下，研发团队逐渐成为组织的基本单位以产生和发展创造性想法，并把这些创造性想法应用到新的技术、产品和服务之中［1］。由于个体不可能拥有完成项目必须的所有相关专长和知识，团队成员需要彼此之间搭建网络以交换、转移和扩散知识以便发展新的技术规则或讨论与产品设计相关的技术问题［2］。最近，已有研究检查了员工的社会网络作为产生创造力的来源［3,4］，这个新的研究视角加深了创造性成果是怎么产生的理解，认为创造力就在个体所嵌入的社会网络之中。对于研发团队而言，团队创造力更多地来源于成员间的互动，团队成员之间的关系网络是如何影响团队创造力需要进行深入研究。

本研究聚焦于团队内的社会关系网络，选取研究者较为关注的“网络异质性”和“网络密度”作为社会网络的衡量指标展开讨论，并将团队创造力定义为新颖性和实用性观点的产生［5］，遵从Amabile［5］的建议，试图从新颖性和实用性两个方面考查团队创造力水平，探究是什么机理塑造了社会网络和团队创造力之间的作用关系，以及什么类型的社会网络结构更有可能便利或阻碍团队产生创造性成果，以期为团队管理实践提供理论指导。

2 理论基础与研究假设

2.1 网络密度与团队创造力

网络密度是指团队成员之间关系的平均强度，团队成员之间互动关系越多，网络密度越大［6］。Reagans & Zuckerman［6］的研究发现，团队内部网络密度越大，团队生产率越高，但在Sparrowe & Liden等［7］的研究中，并没有得到这样的结论，并指出网络密度与创新绩效是否呈现线性正相关的结论需要进一步论证。在密度较高的网络中，成员维持这些互动关系分散了从事创造活动所必需的时间和精力［8］。另外，稠密性的网络通过实施自我和他我之间的相似性，导致成员之间的观点、想法趋于一致，缺少差异化的观点不利于培育创造性想法［3］。稀疏性的网络由于彼此关系淡薄、互动较少［9］，导致缺少必要的思维碰撞而不利于激发团队创造力。类似地，Krackhardt［10］通过实验研究发现，非常紧密的网络结构使得较小数量的创新采用者受到大多数非采用者的影响，非常松散的网络结构并不能提供足够的扩散创新的互动机会，只有中等密度的网络结构便利了创新扩散。在实证研究发面，Leenders, VanEngelen & Kratzer［8］发现团队内的沟通频率与团队创造性绩效有着倒U型关系。综上可知，非常紧密和非常松散的网络结构并不利于提高团队创造力。基于此，本研究提出如下假设：

假设1a 网络密度与新颖性之间存在倒U型的非线性关系。

假设1b 网络密度与实用性之间存在倒U型的非线性关系。

2.2 知识共享的中介作用

知识共享是指与任务相关的信息、技能和关于产品或程序反馈的提供或接收［9］。Wang & Noe［11］在对知识共享的文献回顾中指出，现有研究主要强调的是知识共享意愿或行为，但知识共享质量也需重点关注，例如，在某些情境下，知识只有被需求者及时共享，知识共享才有价值。因此，本研究拟从知识共享行为和知识共享质量两个方面考查团队知识共享活动。

紧密的社会互动允许人们创造与任务问题或目标相关的共同理解，共享重要信息，从而便利了新观点的产生和实施［12］。当发展一个新观点时，与稠密性嵌入的网络成员的讨论更有益，他们往往有共同的知识基础，能够更好地建构自己的想法［13］。然而，最近的研究表明，过高的网络密度，由于成员间沟通太多，团队成员的认知地图变得太相似，导致团队不能产生创造性成果［14］；过低的网络密度，表明成员之间互动不多，彼此关系淡薄，可能不愿意交流至关重要的、与工作相关的想法和隐性知识［9］，如此会对团队创造力产生不良影响。因此，只有通过适度水平的沟通，团队才能有效地储存和发散信息，使得观点的交叉培育成为可能［15］。基于此，本研究提出如下假设：

假设2a 知识共享行为在网络密度与新颖性关系间起到中介作用。

假设2b 知识共享质量在网络密度与新颖性关系间起到中介作用。

假设2c 知识共享行为在网络密度与实用性关系间起到中介作用。

假设2d 知识共享质量在网络密度与实用性关系间起到中介作用。

2.3 网络异质性的调节作用

网络异质性，也称为团队多样化，可通过团队成员在某些方面的差异来反映，本研究聚焦于团队成员在教育背景、知识、技能、经验方面的专长异质性。团队多样化带来了不同的认知视角和广泛的认知资源，与多样化他人的紧密互动和沟通可以影响和改变团队成员思考问题的过程和方式，激发更多的创造性想法［5］。彼此经常沟通的个体也使得他们能够更有效地利用多样化的知识进行创造活动［16］。紧密联结的团队会导致团队内信息趋于同质，而团队成员的多样化知识和经验弥补了团队内信息缺乏多样化的不足［17］。此外，团队成员间的紧密联结容易产生“社会化惰性”，可能会减少与团队外部成员的交往，进而制约了外部资源的获取和新颖性信息的收集［18］，而团队多样化越高，外部联系越多，进而为团队带来很多外部资源［19］。可见，与多样化成员的互动可以带来异质性信息和较多的外部资源，有利于提高团队创造力。基于此，本研究提出如下假设：

假设3a 网络异质性在网络密度与新颖性关系间起到调节作用。

假设3b 网络异质性在网络密度与实用性关系间起到调节作用。

3 研究方法

3.1 数据收集

社会网络的测量分为个体社会网和整体社会网，本研究涉及的是团队内部网络密度的测量，属于整体社会网。整体社会网的测量，要求问卷不能匿名，且至少有80%的团队成员填答问卷，才可测出网络密度指标，因此，获得有效的数据并不容易，要与调研企业有较好的社会关系，问卷调研也只能采用便利抽样方式。为获得有效的数据，本研究在对每家企业展开问卷调研前，均先与研发部门主管或人力资源经理或公司高层领导进行多次沟通，以获得问卷调研方面的支持，并事先获得每个研发团队的成员名单，将团队成员名单整合到网络密度的测量问项中，成员只需根据题意勾选符合问项表述项的相应员工即可。

问卷发放借助课题推动，样本收集开展于2011年2月中旬至5月中旬，历时3个月。问卷发放包括两种方式：第一种方式是将问卷交予研发部门主管或人力资源经理，由他们请研发人员填写，然后再将问卷回收；第二种方式是笔者对研发人员进行现场问卷调研，由调研企业事先准备好一个较大的会议室，各个团队进行问卷填写前，笔者均先对研究目的及填写注意事项进行3～5分钟的讲解。

3.2 样本情况

本研究的调研样本来自于上海、深圳、苏州的10家企业，共发放问卷给70个研发团队的483位研发人员，回收到有效的团队样本为61个，个体样本为416个。样本的描述性统计表明:男性占72.8%，女性占27.2%；年龄以 25～35岁为主，占82.9%；工龄以3～10年（64.9%）为主，其次是2年以下（21.4%）；员工学历以本科和硕士为主，分别占47.8%和43.3%；团队成立时间以2年以上（62.5%）为主，其次是6个月以下（15.1%）；员工在团队工作时间以2年以上（41.1%）为主，其次是6个月以下（24.0%）；团队规模主要以5～10人（62%）为主，最少为3人，最多为15人，平均规模为7人。

3.3 变量测量

关于社会网络的测量，网络异质性采用Jehn，Northcraft & Neale［20］的量表，包括4个测量条款；网络密度采用Krackhardt & Hanson［21］的量表，包括3个测量条款。关于知识共享的测量，参考Lin［22］的知识共享行为量表（4个测量条款）和Chiu，Hsu & Wang［23］的知识共享质量量表（6个测量条款）的研究成果基础上，结合团队情境修正得到知识共享量表。关于团队创造力的测量，分为新颖性（6个测量条款）和实用性（6个测量条款）两个维度，参考Hanke［24］ 和Chen & Chang［25］的研究成果基础上，结合团队情境修正得到团队创造力量表。

4 数据分析与结果

4.1 网络密度计算

网络密度指标不同于本研究其他变量的测量方式，需采用社会网络分析软件（如UCINET 6.0）把获得的网络密度变量的问卷信息进行编码计算转换为SPSS等其他统计分析软件可以处理的数据信息，以便进行相关分析和回归分析等。本研究采用UCINET 6.0软件计算61个研发团队的网络密度指标，其值介于0和1之间。由于网络密度指标是通过UCINET 6.0计算得到，而不是采用李克特量表形式进行测量，因此，不宜进行团队层面数据聚合检验和信效度分析。

4.2 团队层面数据聚合检验

本研究提出的假设模型基于团队层面的概念构思，需要通过团队层面的数据对研究假设进行验证，而团队层面变量的测量是通过对团队成员个体数据加总聚合到团队层次，因此，需要检验团队层面数据聚合的合理性。本研究采用反映团队内成员一致性程度的r璚G作为团队层面数据聚合检验指标，当r璚G的平均值在0.7及以上便被认为可接受。团队层面数据聚合检验结果如表1所示，各研究变量的平均值均在0.7以上，满足进行团队层面数据聚合的判定标准。

4.3 信度、效度检验

在信度、效度检验方面，利用SPSS13.0进行数据分析，采用Cronbachs α值检验各变量的信度，采用累积解释量检验各变量的效度。信度、效度检验结果如表2所示，各研究变量的Cronbachs α值均大于0.7，具有较好的信度水平；各研究变量的累积解释量均达到了效度分析的判定值50%，具有较好的效度水平。可见，量表具有较好的信度和效度，适合进行下一步的数据分析。

4.4 变量的描述性统计和相关性分析

本研究相关变量的平均值、标准差和相关系数的分析结果如表3所示。由表3可知，网络异质性与知识共享行为、知识共享质量、新颖性和实用性显著正相关；网络密度与知识共享行为、知识共享质量、新颖性和实用性均不显著相关；知识识共享行为、知识共享质量与新颖性和实用性显著正相关；网络异质性与网络密度之间不显著相关。这为进一步验证研究假设模型提供了一定的依据。

4.5 假设检验

本研究采用SPSS 13.0软件进行回归分析检验研究假设，包括网络密度对新颖性和实用性的直接影响、知识共享行为和知识共享质量的中介作用、网络异质性的调节作用。

如表3的相关分析结果所示，网络密度与新颖性和实用性的相关系数均不显著，表明可能存在非线性关系。非线性回归分析结果如表4所示，在模型1中，当仅有网络密度进入回归方程时，网络密度对新颖性和实用性的回归系数均不显著；在模型2中，当网络密度与网络密度平方一起进入回归方程时，网络密度对新颖性和实用性的回归系数均为正值，且均显著，而网络密度平方对新颖性和实用性的回归系数均为负值，且均显著，说明网络密度与新颖性和实用性之间存在二次函数关系，同时，网络密度平方系数值为负，说明二次函数开口向下，表明网络密度与新颖性和实用性之间呈现出倒U型关系，假设1a、1b得到支持。

根据Baron和Kenny检验中介变量的经典方法，中介作用存在须满足三个条件：(1)自变量与因变量显著相关；(2)自变量与中介变量显著相关；(3)当自变量和中介变量同时进入回归方程解释因变量时，若中介变量的作用显著而自变量的作用变得不显著，则为完全中介作用；若中介变量的作用显著而自变量的作用仍然显著，但自变量的作用减弱，则为部分中介作用。由表4的回归分析结果可知，网络密度与新颖性和实用性之间存在显著的非线性相关关系，满足中介作用存在的第一个条件。由表3的相关系数结果可知，网络密度与知识共享行为和知识共享质量之间不存在显著的线性相关关系，因此，需进一步检验是否存在非线性相关关系。非线性回归分析结果显示，网络密度和网络密度平方对知识共享行为的回归系数分别为2.878和-2.794，均显著（P<0.05），网络密度和网络密度平方对知识共享质量的回归系数分别为2.529和-2.677，均显著（P<0.05）。可知，网络密度与知识共享行为和知识共享质量之间存在二次函数关系，且开口向下，表明网络密度与知识共享行为和知识共享质量之间存在非线性相关关系，满足中介作用检验的第二个条件。针对考察中介作用存在的第三个条件，引入知识共享行为和知识共享质量的回归分析结果显示，知识共享行为和知识共享质量的作用显著，分别为0.525（P<0.001）和0.529（P<0.001）；网络密度与新颖性的非线性相关关系依然显著，网络密度的回归系数分别为1.586（P<0.05）和1.658（P<0.05），网络密度平方的回归系数分别为-1.683（P<0.05）和-1.733（P<0.05），但影响关系（回归系数的绝对值）减弱，表明知识共享行为和知识共享质量在网络密度与新颖性关系间起到部分中介作用，假设2a、2b得到支持。在回归分析中引入知识共享行为和知识共享质量之后，知识共享行为和知识共享质量的作用显著，分别为0.461（P<0.001）和0.428（P<0.001），而网络密度与实用性的非线性相关关系变得不显著，表明知识共享行为和知识共享质量在网络密度与实用性关系间起到完全中介作用，假设2c、2d得到支持。

调节作用的检验分为三个步骤：第一步，先把自变量引入回归方程；第二步，再把调节变量引入回归方程；第三步，最后把自变量和调节变量的交互项引入回归方程。当交互项的回归系数显著不为0时，表明存在调节效应。为减小变量间的多重共线性问题，在进行调节效应检验之前，首先对所有变量进行中心化处理。根据上述调节作用的检验步骤，网络异质性调节作用的检验结果显示，网络密度和网络密度平方与网络异质性的交互项进入新颖性因变量的回归方程时，交互项的回归系数显著不为0，分别为2.852（P<0.05）和-2.881（P<0.05）,表明网络异质性在网络密度与新颖性的倒U型关系间起到调节作用，假设3a得到支持；而网络密度和网络密度平方与网络异质性的交互项进入实用性因变量的回归方程时，交互项的回归系数不显著，表明网络异质性在网络密度与实用性的倒U型关系间未起到调节作用，假设3b未得到支持。

5 结论与建议

5.1 研究结果讨论

本研究基于社会网络视角，构建社会网络对团队创造力的作用模型，采用实证研究方法得出以下主要结论。

（1）网络密度与新颖性和实用性间呈现倒U型的非线性关系。当创造过程要求不同视角和输入的整合来产生新观点时，低密度是有利的，当创造过程要求不同方之间的合作和讨论时，高密度更有用［26］。研发团队的创造活动不仅需要不同视角和输入的整合，同时也需要不同方之间的合作和讨论，因此，较低或较高密度的互动均不利于团队创造活动，适度密度的互动对团队创造力更为有益。

（2）知识共享行为和知识共享质量在网络密度与新颖性和实用性关系间起到中介作用。根据Perry-Smith［4］的观点，社会网络影响创造力的过程可能与创造相关认知过程和领域相关知识相联系。团队知识共享则是丰富创造相关认知过程和领域相关知识的有效方式。知识共享嵌入于团队内部网络之中，团队内部社会网络为团队成员间的信息交换提供了渠道，较高密度的互动导致团队成员共享的信息趋于同质［14］，较低密度的互动则表明团队成员关系淡薄，不愿意共享与工作任务相关的重要信息［9］。因此，适度密度的互动可以共享到与工作任务相关的异质性信息，团队成员之间形成适度密度的共享连带增加了新观点产生的可能性。

（3）网络异质性在网络密度与新颖性关系间起到调节作用，而在网络密度与实用性关系间未起到调节作用。在异质性团队中工作的个体在彼此互动的过程中更有可能接触到不同的和奇异的想法。团队网络异质性带给团队多样化的知识和信息储备，弥补了紧密联结的团队信息同质的不足［17］，同时，异质性程度较高的团队拥有较多的外部联系，可以给团队带来较多的外部资源和新颖性信息［19］。网络异质性在网络密度与实用性关系间未起到调节作用，可能是由于网络异质性的作用更多地是带来新颖性的想法，并不会与适度密度的互动共同作用对想法的实用性产生影响，想法的实用性更多地来源于互动过程中的知识共享活动。

5.2 管理启示

本文的研究结论具有重要的管理实践意义。首先，在不影响完成团队任务的前提下，团队规模设计要合理。较小的团队规模，增加了彼此间频繁互动的机会，容易导致网络密度过高、共享同质信息，降低团队创造力；较大的团队规模，会使团队成员间互动的平均强度随着网络规模的增加而减少，从而导致网络密度过低，不利于激发出创造性想法。其次，研发团队领导应当重视和搭建有利于知识共享的团队人际关系网络，鼓励团队成员间广泛的人际互动，经常性的互动有利于形成同事友谊，确保知识共享活动有效进行，从而使研发团队成员间的人际交往互动有利于团队创造力的提高。第三，企业在研发团队成员配置方面，应该合理搭配具有不同知识、经验背景的异质性员工，形成专长互补性团队，以利于获得关于研发任务的多样性视角和观点，从而产生创造性想法。

5.3 研究贡献及展望

本研究尝试性地将知识共享引入社会网络与团队创造力的作用机制中，把社会网络与团队创造力的理论研究向前推进了一步，同时，细分了社会网络、知识共享与团队创造力的不同表征形式，考察了各维度之间的内在作用关系，这是对以往研究的一个有益补充。但本研究是一个探索性的实证研究，还存在一定的局限性。由于团队成员关系网络不是静态的，而是随着成员的加入或退出、以及成员间正式与非正式沟通的发生而不断演化。因此，在未来的研究中，可以采用跟踪研究模式，考察团队社会关系网络的动态演化对团队创造力的作用机理，以丰富和深化现有的研究结论。

参 考 文 献：

［1］AThamhain H J. Managing innovative R & D teams［J］. R&D Managemnt, 2003, 33(3): 297-311.

［2］APelled L H, Eisenhardt K M, Xin K R. Exploring the black box: an analysis of work group diversity, conflict

, and performance［J］. Administrative Science Quarterly, 1999, 44(1): 1-28.

［3］ABurt R. Structural holes and good ideas［J］. American Journal of Sociology, 2004, 110(2): 349-399.

［4］APerry-Smith J E.Social yet creative: the role of social relationships in facilitating individual creativity［J］. Academy of Management Journal, 2006, 49(1): 85-101.

［5］AAmabile T M, Conti R, Coon H, et al.. Assessing the work environment for creativity［J］. Academy of Management Journal, 1996, 39(5): 1154-1184.

［6］AReagans R, Zuckerman E W. Networks, diversity, and productivity: the social capital of corporate R&D team［J］. Organization Science, 2001, 12(4): 502-517.

［7］ASparrowe R T, Liden R C, Wayne S J, et al.. Social networks and the performance of individuals and groups［J］. Academy of Management Journal, 2001, 44(2): 316-326.

［8］ALeenders R T A J, van Engelen J M L, Kratzer J. Virtuality, communication, and new product team creativity: a social network perspective［J］. Journal of Engineering and Technology Management, 2003, 20: 69-92.

［9］AHansen M T. The search-transfer problem: the role of weak ties in sharing knowledge across organization subunits［J］. Administrative Science Quarterly, 1999, 44(1): 82-111.

［10］AKrackhardt D. Organizational viscosity and the diffusion of controversial innovations［J］. Journal of Mathematical Sociology, 1996, 22(2): 177-199.

［11］AWang S, Noe R A. Knowledge sharing: a review and directions for future research［J］. Human Resource Management Review, 2010, 20(2): 115-131.

［12］ATsai W, Ghoshal S. Social capital and value creation: the role of intrafirm networks［J］. Academy of Management Journal, 1998, 41(4): 464-476.

［13］AObstfeld D. Social networks, the tertius lungens orientation,and involvement in innovation［J］. Administrative Science Quarterly, 2005, 50(1): 100-130.

［14］APatrashkova R A, McComb S A. Exploring why more communication is not better: insights from a computational model of cross-functional teams［J］. Journal of Engineering and Technology Management, 2004, 21(1): 83-114.

［15］ALeenders R T A J, van Engelen J M L, Kratzer J. Systematic design methods and the creative performance of new product teams: do they contradict or complement each other［J］. Journal of Product Innvation Management, 2007, 24(2): 166-179.

［16］AKurtzberg T R, Ambaile T M. From guilford to creative synergy: opening the black box of team level creativity［J］. Creativity Research Journal, 200l, 13(3): 285-294.

［17］ABurt R S. Structural holes: the social structure of competition［M］. MA: Harvard University Press, 1992.

［18］AHansen M T, Mores M L, Lovas B. Knowledge sharing in organizations: multiple networks,multiple phases［J］. Academy of Management Journal, 2005, 48(5): 776-793.

［19］AAncona D G, Caldwell D F. Bridging the boundary: external activity and performance in organizational teams［J］. Administrative Science Quarterly, 1992, 37(4): 634-665.

［20］AJehn K A, Northcraft G B, Neale M A. Why differences make a difference: a field study in diversity, conflict, and performance in workgroups［J］. Administrative Science Quarterly, 1999, 44(4): 741-763.

［21］AKrackhardt D, Hanson J R. Informal networks:the company behind the chart［J］. Harvard Business Review, 1993, 71(4): 104-111.

［22］ALin C P. To share or not to share: modeling tacit knowledge sharing, its mediatorsand antecedents［J］. Journal of Business Ethics, 2007, 70(4): 411-428.

［23］AChiu C M, Hsu M H, Wang E T G. Understanding knowledge sharing in virtual communities: an integration of social capital and social cognitive theories［J］. Decision Support Systems, 2006, 42(3): 1872-1888.

［24］AHanke R C M. Team creativity: a process model［D］. The Pennsylvania State University, 2006.

［25］AChen M H, Chang Y C. The dynamics of conflict and creativity during a projects life cycle: a comparative study［J］. International Journal of Organizational Analysis, 2005, 13(2): 127-150.

［26］AChua R Y J, Morris M W, Ingram P. Embeddedness and new idea discussion in professional networks: the mediating role of affect-based trust［J］. Journal of Creative Behavior, 2010, 44(2): 85-104.