基于模糊TOPSIS的虚拟科研团队成员知识共享效率评价

林向义 罗洪云 朱志红 罗杰

〔摘要〕知识共享效率评价是虚拟科研团队成员对团队科研工作贡献大小的衡量，是提升团队运作效率的前提和基础。构建了虚拟科研团队成员知识共享效率评价的指标体系；针对指标值难于量化的特点，利用模糊TOPSIS法对团队成员知识共享效率进行评价和分析；最后通过实例分析说明该方法的科学性和可行性。

〔关键词〕虚拟科研团队；知识共享效率；模糊TOPSIS；相对贴近度

DOI：10.3969/j.issn.1008-0821.2013.07.006

〔中图分类号〕F27〔文献标识码〕A〔文章编号〕1008-0821（2013）07-0028-06

Knowledge Sharing Efficiency Evaluation on Members of

Virtual Scientific Research Team Based on TOPSISLin XiangyiLuo HongyunZhu ZhihongLuo Jie

（Institute of Petroleum Economics and Management，Northeast Petroleum University，Daqing 163318，China）

〔Abstract〕Evaluation on knowledge sharing efficiency is an approach to measure the contribution of members to the whole virtual scientific research team，which is the preface and basis of improving operating efficiency of the team.It constructed index system for evaluation on knowledge sharing efficiency.Because the index are difficult to be quantified，It took use of fuzzy TOPSIS method to evaluate and analyze the knowledge sharing efficiency of team members.Finally，a cased was selected to demonstrate that the evaluation method was scientific and feasible.

〔Key words〕virtual scientific research team；knowledge sharing efficiency；fuzzy TOPSIS；relative closeness coefficient

随着经济全球一体化趋势和竞争环境的不确定性的加剧，产品的生命周期不断缩短，市场的需求日趋多样化，使得各国企业必须在较短的时间内对市场需求做出快速反应，在全球范围内寻求创新资源和创新知识，不断创造出具有较强竞争力的新产品和新技术[1]。虚拟科研团队——一种崭新的科研组织形式恰好能满足企业创新的需要，能突破企业边界的限制，利用日益发达的网络环境和现代化信息通信技术将分布在不同地域、不同领域的专家远程集聚在一起组成临时性的创新团队，通过团队成员间的知识和能力互补，彼此间的知识共享来共同完成科研任务[2]。团队成员知识共享效率是虚拟科研团队顺利完成科研任务的重要前提和基础。然而，网络环境下虚拟科研团队成员在知识共享过程中由于信息不对称、团队临时性、跨地域性等特点的影响可能导致成员间彼此不信任、知识交流方式不合理、知识表示差异化等原因导致知识共享效率低，创新效果差。因此，对虚拟科研团队成员知识共享效率进行评价和分析，对提升团队工作效率具有重要的现实意义。

目前，关于虚拟团队、虚拟科研团队、虚拟科技创新团队中知识共享效率评价的研究较少。郑传均[3]（2007）、易菲[4]（2010）对联盟间知识共享效率的影响因素进行了分析；胡平波[5-6]（2009）构建了网络组织中知识共享效率评价的指标体系，并利用BP神经网络对知识共享效率进行了评价；李晓利等[7]（2009）构建了知识共享效率评价的R-RNN模型；牛东旗等[8]（2011）利用DEA对虚拟科研团队知识共享的有效性进行了评价和分析。

上述研究成果为本课题的研究奠定了理论基础，但缺乏对虚拟科研团队成员个体知识共享效率评价的指标体系和评价方法的研究。由于知识共享效率评价指标具有难于量化的特点，本文拟采用模糊TOPSIS法对虚拟科研团队成员个体的知识共享效率进行评价，为虚拟科研团队管理部门和团队负责人准确掌握团队成员个体的知识贡献提供帮助。

1虚拟科研团队成员知识共享效率评价的指标体系

虚拟科研团队成员知识共享效率是指团队成员在实现团队创新目标过程中与他人进行知识交换和知识学习的效率。虚拟科研团队成员知识共享效率往往受到成员间的信任程度、成员知识处理能力、信息通信技术等的影响。因此，本文从以下6个方面构建虚拟科研团队成员知识共享效率评价的指标体系（见图1）。

图1虚拟科研团队成员知识共享效率评价指标

基于模糊TOPSIS的虚拟科研团队成员知识共享效率评价1.1信任程度

信任是虚拟科研团队成员彼此之间知识共享的前提和基础，影响团队成员间知识共享的效率[9]。当团队成员对他人知识共享的意图和行为充满信任时，才能接受和吸纳他人的知识来充实自己的知识库；同时，当团队其他成员需要新知识时，信任能消除知识所有者害怕失去核心价值的担忧，愿意将自己的特有知识提供给知识的需求者[10]。团队成员个体对其他成员的信任度越大，知识共享效率就越高[11]。因此，虚拟科研团队成员间的相互信任程度直接影响到团队知识共享的效率和团队目标的实现。

1.2知识吸收能力

知识吸收能力是指团队成员从其他成员获取、整合、应用和创新知识的过程[12]。虚拟科研团队成员在科研工作中不断从其他成员获取自己所需的知识来增加自身的知识存量，增强知识创新能力。由于跨地域、跨专业、跨文化等因素的影响，虚拟科研团队成员搜索到知识源后，通过各种方式获取知识并通过知识学习将外部知识转化为自己的知识。团队成员在从其他成员获取知识时，应通过各种渠道了解知识所有者在专业、文化等方面的差异，通过一定的方式将具有差异化表示的知识进行转化，缩小与自身知识表示的差异，提高知识学习的效率。团队成员的知识吸收能力强，能削弱各种差异化因素的影响，快速获取、有效整合、恰当应用和持续创新知识，很好地解决创新中遇到的科研难题，有利于科研任务的顺利完成。

1.3知识反馈能力

知识反馈能力是指虚拟科研团队成员在知识学习的同时，根据其他成员的知识需要将自身知识外化、综合并反馈到团队内，进而被整个团队成员学习和共享的能力[3]。团队成员在工作过程中可能随时收到他人获取知识的需求，并根据对方提出的要求将自己的知识进行规范化，根据需求者的专业和文化背景尽量选择适合的知识表达方式，以最佳的方式快速将知识送达目的地。团队成员的知识反馈能力强，知识接收者的知识吸收效率也越高，反之亦然。

1.4知识地图应用

知识地图是用来标示虚拟科研团队中显性知识和隐性知识的来源，帮助虚拟科研团队中的成员高效搜索和获取所需的知识。同时，在知识地图中知识需求者可以直接获得知识提供者的相关信息，根据信息提示寻求最佳的知识获取方式和传递路径。当团队成员熟悉本团队临时构建的知识地图框架，掌握知识地图所表示的知识关联，能快速在知识地图中搜索所需要的知识及其来源，知识获取和知识学习的能力也随之提高。

1.5知识传播媒介选择

虚拟科研团队成员工作过程中要实现不同专业知识、显性知识和隐性知识等的共享与交流。团队成员需要根据知识的特点，利用各种现代化技术的支撑，如E-mail、电话会议系统、视频会议系统、虚拟现实技术、Instant Messages等媒介传播知识。虚拟科研团队成员之间进行知识沟通和选择知识传递方式时，应根据知识的特点选择一种或几种方式以保证知识表示的准确性和知识传递的高效性。恰当地选择知识传播的媒介或媒介组合是提高知识传递效率的技术保障。

1.6知识传递路径选择

虚拟科研团队成员在科研工作中与其他成员间开展知识共享时，除要选择恰当的知识传播媒介外，还要根据团队知识共享网络的结构以及知识的流动方向选择最佳的路径传递知识。有些知识需要通过间接的路径进行传递，此时知识需求者和知识提供者应考虑经过哪些中间成员进行知识传递能提高知识的传递效率或者能更好地减少知识的失真性及在传递过程中逐步削弱文化差异等对知识表达带来的差异化，易于接收者能很好地吸收知识，提高知识共享的效率。

2模糊TOPSIS法

逼近理想点法（The Technique for Order Preference by Similarity to Ideal Solution，简称 TOPSIS）是由Hwang and Yoon于1981年提出的[13]。TOPSIS法通过计算待评方案与正负理想解的距离来对方案进行排序和评价。

虚拟科研团队管理者或负责人在对团队成员知识共享效率进行评价时，由于对知识共享效率指标的理解、判断、直觉和偏好等有时模糊的特点导致虚拟科研团队成员知识共享效率评价指标值难于实测，而模糊逻辑或模糊理论则可以表示和解决团队成员知识共享效率评价中模糊性指标值的表示，因此本文采用模糊TOPSIS法对团队成员知识共享效率进行评价。模糊TOPSIS法的计算过程如下[14-16]：

Step 1：确定待评团队成员、评价指标和群决策专家。假设有m个待评团队成员，分别用Ai（i=1，2，…，m）表示；p个评价指标，分别用Cj（j=1，2，…，p）表示和n个评价专家，分别用Ek（k=1，2，…，n）表示。

Step 2：定义语言变量和对应的三角模糊数。语言变量用来确定评价指标权重和每个成员在不同指标下的评价值。三角模糊数用集合=（a，b，c），其中a

本文采用5个语言变量来确定评价指标权重，语言变量和对应的三角模糊数见表1。表1评价指标权重的语言变量及对应三角模糊数

语言变量三角模糊数十分不重要（VL）（0，0，0.25）不重要（L）（0，0.25，0.5）一般（M）（0.25，0.5，0.75）重要（I）（0.5，0.75，1）十分重要（VI）（0.75，1，1）

利用[0，10]区间确定待评团队成员知识共享效率排序的语言变量和对应的三角模糊数，见表2。表2团队成员知识共享效率的语言变量及对应三角模糊数

式中，j是用三角模糊数表示的第j个评价指标的模糊平均权重值；kj表示第k个专家对第j个指标的评价值。

Step 4：计算待评团队成员的模糊评价的均值并构造模糊决策矩阵

首先计算第i个待评团队成员在第j个指标下的模糊均值，

ij=1n∑nk=1kij，i=1，2，…，m（3）

然后构造模糊决策矩阵

3实证分析

某油田企业为了应对高含水期采油效率偏低的问题，对现有的采油技术进行革新，由总工程师负责组建了专门的科技攻关团队对高含水期的采油技术进行创新。为了提高该团队的创新效率，总工程师从英国石油公司、壳牌石油公司、中国科学院和相关大学选择了6个专家组成一个虚拟科研团队进行联合攻关。在团队科研过程中，团队负责人拟对6个成员知识共享的效率进行评价分析。团队负责人利用A1（中国科学院）、A2（英国石油公司）、A3（中国石油大学）、A4（东北石油大学）、A5（东北石油大学）、A6（壳牌石油公司）表示6个团队成员，聘请了5位专家利用本文建立的指标体系和方法对各成员知识共享的效率进行评价。5位专家对评价指标和团队成员知识共享效率的语言评价见表3和表4。表3评价指标的专家语言评价值

根据公式（2）和（3），计算虚拟科研团队成员知识共享效率评价指标权重的模糊均值和每个待评团队成员知识共享效率相对于每个评价指标的模糊均值，分别见表5和表6。表5评价指标权重的模糊均值

指标模糊权重C10.650.900.95C20.700.951.00C30.600.850.95C40.550.801.00C50.600.850.95C60.500.750.95

从表9的计算结果可以看出，该团队成员知识共享效率的排序为A1A6A3A5A4A2。在该团队中成员A1知识共享的效率明显高于其他成员，其次是成员A6和A3；而成员A2和A4的知识共享效率最低。由于来自中国科学院的成员A1长期致力于相关项目的研究，积累了大量的相关知识；同时该成员经常参与国内外相关领域的科研工作，能快速与团队成员之间建立以信任为基础的知识共享网络，并能很好地利用各种现代化通信技术与其他成员进行知识交流和共享。来自壳牌石油公司的成员A6，虽然在文化上存在着差异，但该成员曾多次来到中国参与科学研究，比较了解中国的文化和知识表示的差异，同时该成员善于与其他成员沟通，因此该成员知识共享的效率也较高。相比之下，来自英国石油公司的成员A2尽管掌握着该领域权威的技术创新知识，但由于成员A2对其他成员的知识表示方式和知识传递方式不适应而导致其知识共享的效率最低。来自东北石油大学的团队成员A4由于其刚从国外学习归来还不能很好地适应国内的科研环境，采用恰当的方式与其他成员进行沟通，知识共享的效率偏低。虚拟科研团队的负责人根据评价的结果针对每个成员知识共享效率低下的原因进行分析，以便找出提升每个团队成员知识共享效率的策略，从而提升整个团队的工作效率。

4结论

本文根据影响团队成员知识共享效率的因素构建了评价指标体系，该指标体系包含了知识共享的主体和客体因素，能较好地反映出团队成员的知识共享效率。基于模糊TOPSIS法的团队成员知识共享效率评价方法，能克服评价指标值难于量化的问题，将语言评价结果进行定量转化后对各成员知识共享效率进行排序。团队管理部门和负责人能根据评价结果制定团队成员知识共享效率的提升策略。

参考文献

[1]冯博，樊治平.基于协同效应的知识创新团队伙伴选择方法[J].管理学报，2012，9（2）：258-291.

[2]Leif Jarle Gressgard.Virtual team collaboration and innovation in organizations[J].Team Performance Management，2011，17（1/2）：102-119.

[3]郑传均，邢定银.知识型联盟中知识共享效率的影响因素分析[J].情报杂志，2007，（2）：10-12.

[4]易菲，龙朝阳.联盟组织间知识共享效率的主体因素分析[J].图书情报工作，2010，（22）：98-102.

[5]胡平波.网络组织中知识共享效率评价指标体系的建设[J].情报杂志，2009，（1）：68-71.

[6]胡平波，凌和良.基于BP网络模型的网络组织中知识共享效率评价[J].情报杂志，2009，（9）：78-82.

[7]李晓利，杨育，杨洁.知识共享效率的R-RNN评价模型研究及应用[J].计算机工程与应用，2009，（10）：226-230.

[8]牛东旗，耿丽娟，林向义，等.虚拟团队中知识共享的有效性研究[J].情报理论与实践，2011，34（2）：17-21.

[9]Birgit Renzl.Trust in management and knowledge sharing：The mediating effects of fear and knowledge documentation[J].Omega，2008，36（1）：206-220.

[10]Tsung-Yi Chen，Yuh-Min Chen，Chia-Jou Lin，Pin-Yuan Chen.A fuzzy trust evaluation method for knowledge sharing in virtual enterprises[J].Computers & Industrial Engineering，2010，59（4）：853-864.

[11]Li-An Ho，Tsung-Hsien Kuo，Binshan Lin，Louisiana.How social identification and trust influence organizational online knowledge sharing[J].Internet Research，2012，22（1）：4-28.

[12]Chinho Lin，Ya-Jung Wu，ChiaChi Chang，Weihan Wang，Cheng-Yu Lee.The alliance innovation performance of R&D alliances—the absorptive capacity perspective[J].Technovation，2012，32（5）：282-292.

[13]Alecos Kelemenis，Kostas Ergazakis，Dimitrios Askounis.Support managers selection using an extension of fuzzy TOPSIS[J].Expert Systems with Applications，2011，38（3）：2774-2782.

[14]Gokhan Torlak，Mehmet Sevkli，Mehmet Sanal，Selim Zaim.Analyzing business competition by using fuzzy TOPSIS method：An example of Turkish domestic airline industry[J].Expert Systems with Applications，2011，38（4）：3396-3406.

[15]Saeed Rouhani，Mehdi Ghazanfari，Mostafa Jafari.Evaluation model of business intelligence for enterprise systems using fuzzy TOPSIS[J].Expert Systems with Applications，2012，39（3）：3764-3771.

[16]Renato A.Krohling，Vinicius C.Campanharo.Fuzzy TOPSIS for group decision making：A case study for accidents with oil spill in the sea[J].Expert Systems with Applications.2011，38（4）：4190-4197.