团队心智模型相似性与正确性对团队创造力的影响*

林晓敏 白新文 林 琳

(1中国科学院心理研究所行为科学重点实验室, 北京 100101)(2中国科学院大学, 北京 100049) (3中央财经大学商学院, 北京 100081)

1 前言

随着经济的飞速发展和市场环境的不断变化,创造力对组织发展的重要性日益凸显。而团队作为组织运行的基本单位, 在为组织提供新颖、灵活、富有创造性的产品和解决方案方面起到关键作用。因此, 团队创造力成为研究者和组织管理者关注的热点问题。

目前, 大多数团队创造力研究均遵循Hackman(1987)的输入-过程-输出模型(IPO)这一经典框架,探讨团队输入变量(如任务特征、团队构成、团队结构和情境因素)以及团队过程变量(如任务导向、内外部沟通、创新支持)对团队创造力的影响(Hulsheger, Anderson, & Salgado, 2009; West, 2002;West & Anderson, 1996)。随着研究的不断深入, 传统的IPO模型开始显露出它的局限性, 很多新的研究结果难以用该理论框架进行解释(Mathieu,Maynard, Rapp, & Gilson, 2008)。新近有研究者从团队认知的角度出发, 将团队看成信息加工的实体,阐述团队认知如何影响团队效能, 这为团队研究提供了一个新的理论框架(De Dreu, Nijstad, & van Knippenberg, 2008; Hinsz, Tindale, & Vollrath,1997)。团队认知是团队集体的知识结构, 影响团队表征、收集、分享与整合任务相关信息的一系列认知加工过程(DeChurch & Mesmer-Magnus, 2010;Kozlowski & Ilgen, 2006)。

相比于传统的IPO模型, 团队作为信息加工者的理论将研究焦点从探讨团队成员互动过程中的外显行为转至揭示团队创造行为内在的认知机制,即探讨更深层次的团队认知特征如何影响团队创造力。而实际上, 创造过程本质上是信息加工过程,依赖于团队如何对现有信息进行重新表征和加工,表现为创造性地联系与整合。因此, 探讨团队认知因素对于我们深入理解团队如何进行认知加工、整合、再创造, 进而产生创造性的成果有非常重要的作用。

信息加工是个体进行信息搜寻、编码、存储和提取的一系列过程。与个体类似, 问题表征也是团队信息加工的第一阶段, 对成员后续的认知和行为产生重要影响。共享心智模型反映的就是团队信息加工过程的编码和表征阶段(Hinsz et al., 1997), 是成员进行问题表征所共同依赖的内部心理机制(Cannon-Bowers, Salas, & Converse, 1993)。共享心智模型有相似性和正确性两个重要属性, 前者衡量的是团队成员之间心智模型的重叠程度或相似性程度, 后者衡量的是团队心智模型是否恰当地表征了一个特定的知识或技能领域, 即团队心智模型的质量高低(Edwards, Day, Arthur, & Bell, 2006)。选取共享心智模型作为研究的起点, 探讨团队认知加工的第一阶段, 能更好地揭示团队创造力内在的信息加工过程, 也为后续进一步探讨其他信息加工阶段奠定研究基础。

鉴于此, 本研究从团队认知这个新角度入手,探讨共享心智模型与团队创造力之间的关系。具体而言, 我们会考察共享心智模型的相似性和正确性如何共同影响团队创造力。本研究有望本研究有望丰富和拓展团队认知和团队创造力这两个领域的研究成果。一方面, 鉴于团队创造力领域对团队认知特征如何影响团队创造力的关注不足, 本研究创新地将团队认知引入团队创造力领域, 直接探讨团队认知因素对团队创造力的作用。另一方面, 本研究对团队认知领域, 尤其是共享心智模型的研究也有贡献, 探讨共享心智模型与团队创造力间的关系,是权变视角下共享心智模型研究的重要补充, 有助于启发后续研究如何鉴别其影响团队效能的权变因素。

2 文献综述与研究假设

2.1 团队创造力的研究现状

创造力指的是个体产生出针对产品、服务、过程或流程等的新颖且有用的观点, 新颖性(novelty)和有用性(usefulness)是衡量创造力高低的两个重要指标(Amabile et al., 1996)。类似地, 团队创造力是指团队作为一个整体提出新颖且有用的观点(Farh, Lee, & Farh, 2010; Shin & Zhou, 2007)。团队创造力指产生创新想法(idea generation), 一般被视为团队创新的子过程。在此基础上, 团队进一步实施创新想法(idea implementation), 从而实现创新(West & Farr, 1990)。因而, 团队创造力是团队创新的重要前提, 对组织发展有重要作用。

到目前为止, 团队创造力的大多数研究都是在经典的输入-过程-输出理论模型(Hackman, 1987)的框架下开展, 致力于探讨如任务特征、团队构成、团队结构和情境因素等团队输入变量, 以及团队成员间的互动行为, 如领导、沟通、决策参与、冲突管理和创新支持等团队过程变量对团队创造力的影响。

任务特征、团队构成和组织情境是影响团队创造力的重要输入变量(West, 2002)。团队的任务特征决定了团队的结构特征、互动过程和功能需求。完整、多样性高、自主性强以及提供社会互动、学习和发展机会的任务, 能够强烈激发团队成员的内部动机, 进而促进团队创造力。团队构成因素中, 有两个因素对团队创造力的影响较大。一是团队成员的特征, 比如由创新能力高的个体组成的团队, 在创造力的表现上更加优秀(West & Anderson, 1996)。团队成员在经验开放性的人格特质上得分越高, 团队的创造力越好(Taggar, 2002)。二是任务导向的团队多样性对团队创造力有积极的促进作用(Horwitz& Horwitz, 2007)。团队多样化的视角以及协调不同观点的过程能产生更多的思维碰撞, 加深对任务的理解, 从而带来更多创新想法。此外, 组织环境对团队创造力也有重要的影响, 不确定性、时间压力、竞争、外部环境的严重和挑战能有效地提高团队的凝聚力, 促使团队高效合作以应对外部的威胁, 促进团队创新。

还有许多研究探讨团队过程变量对团队创造力的影响。Hulsheger等(2009)的元分析总结了104项实证研究, 结果表明, 以下的五个团队过程对团队创造力的预测效果最强。愿景—— 即团队致力于实现共同目标—— 能够直接促进团队创造力, 是实现团队创造力的必要条件。任务导向的团队争创卓越的任务绩效, 能够主动进行批判性的反思, 对团队创造力有促进作用。内外部沟通加强团队内外部的信息交流, 有助于激发团队产生创新想法。决策参与不仅促进信息分享, 加强团队互动, 有利于观点的交流和融合进而促进团队创造力, 还可以减少团队对变革的抵触, 更有利于创新想法产生和实施。此外, 组织对创新的支持能为团队提供良好的物质和精神支持, 有利于团队创造力的发挥。

2.2 团队创造力的认知视角

随着研究的不断深入和扩展, 研究者逐渐认识到, 传统的IPO模型已经不能很好容纳和解释新的研究结果(Mathieu et al., 2008)。最新团队理论指出,除团队过程因素外, 团队互动中涌现出来的团队认知状态并不是团队输入或过程因素, 但会对团队效能产生重要影响(Ilgen, Hollenbeck, Johnson, &Jundt, 2005; Marks, Mathieu, & Zaccaro, 2001)。DeChurch和Mesmer-Magnus (2010)的元分析为此提供了证据。其结果表明, 团队认知是影响团队效能的重要指标之一, 控制了团队过程和团队动机因素的影响之后, 对团队效能仍有额外贡献。这与新近的“团队作为信息加工者”的观点不谋而合(De Dreu et al., 2008; Hinsz et al., 1997)。这一观点认为,与个体类似, 团队也是信息加工者, 团队决策实质上也是信息搜寻、编码、存储和提取的认知加工过程。团队认知加工的方向和深度决定了团队层面信息共享和整合的质量, 并最终决定团队效能(De Dreu et al., 2008)。事实上, 团队创造力高度依赖于团队如何对现有信息进行重新表征和认知加工, 表现为创造性地联系与整合。因此, 探讨团队认知因素对于我们深入理解团队如何进行认知加工、整合、再创造, 进而产生创造性的成果有非常重要的作用。

影响团队创造力的众多因素中, 除团队输入和团队过程因素外, 团队认知一直扮演着重要角色。但由于散落在与其密切相关的其他因素的研究中,一直以来缺乏系统的关注和探讨。通过回顾创造力有关的文献可以发现, 团队的认知能力, 团队成员的认知特征, 如认知闭合需要、认知多样性、少数异议(minority dissent)和发散性思维都与团队认知因素有密切联系。这些研究发现, 如果团队成员有较高的认知能力(Taggar, 2002), 认知闭合需要较低,即面对模糊情境时愿意系统地处理信息的动机, 表现为愿意吸收与原有信息不一致的新信息(Chirumbolo, Mannetti, Pierro, Areni, & Kruglanski,2005), 对任务有多元化的理解(Hoever, Van Knippenberg, Van Ginkel, & Barkema, 2012), 对任务解决有不同的意见(De Dreu & West, 2001), 思维发散程度较高(James & Asmus, 2000), 则能有效减少团队寻求一致的倾向, 提高认知深度, 进而促进团队创造力。然而, 从目前领域掌握的文献来看,鲜有研究直接探讨团队认知因素对团队创造力的作用。鉴于团队认知因素会对团队创造过程和创造结果施加重要的影响, 本研究将从信息加工的角度出发, 探讨团队认知与团队创造力之间的关系。

2.3 共享心智模型与团队创造力

团队作为信息加工的实体, 其创造过程本质上是信息加工过程, 信息加工包括信息搜寻、编码、存储和提取的一系列过程。其中, 对信息的表征与编码是团队认知加工的第一阶段。而共享心智模型正是成员进行问题表征和信息编码所共同依赖的内部心理机制(Cannon-Bowers et al, 1993), 对应于团队认知加工的第一阶段(Hinsz et al., 1997)。共享心智模型是指团队成员关于团队关键要素如任务特征、所处情境、策略、团队互动和队友特点等的共同的知识结构(Cannon-Bowers et al, 1993;Klimoski & Mohammed, 1994)。共享心智模型使得团队成员能就团队任务形成正确的解释和预期, 从而协调自己的行为以适应于团队任务和其他团队成员的需求。共享心智模型有两个重要属性(Marks,Zaccaro, & Mathieu, 2000)：一是相似性, 衡量团队成员心智模型的一致性程度, 决定团队信息加工的方向, 相似性越高, 团队成员分析和理解问题的角度越一致; 二是正确性, 衡量成员心智模型质量的高低, 决定团队信息加工的深度, 正确性越高, 成员问题表征的准确性越高。

2.3.1 心智模型相似性与团队创造力

共享心智模型的大部分研究关注心智模型的相似性与团队过程、团队绩效之间的关系。现有研究一致表明, 心智模型的相似性为团队成员提供相同的认知基础, 一方面优化沟通、协调和后援(Marks, Sabella, Burke, & Zaccaro, 2002; Mathieu,Heffner, Goodwin, Salas, & Cannon-Bowers, 2000;Smith-Jentsch, Mathieu, & Kraiger, 2005), 策略执行(Gurtner, Tschan, Semmer, & Nagele, 2007)等团队过程, 另一方面提高团队绩效, 包括任务成绩(Edwards et al., 2006; Mathieu, Heffner, Goodwin,Cannon-Bowers, & Salas, 2005; 白新文, 刘武, 林琳, 2011), 任务完成效率和安全绩效(Smith-Jentsch et al., 2005), 决策质量(Kellermanns, Floyd, Pearson,& Spencer, 2008)等团队绩效指标, 此外, 心智模型相似性能够有效地促进客户满意度、团队生命力和团队成长(Rentsch & Klimoski, 2001)。DeChurch和Mesmer-Magnus (2010)的元分析总结了65 项实证研究后发现, 心智模型相似性与团队过程、团队绩效均显著正相关。

众多研究一致表明, 团队成员的心智模型越相似, 团队绩效越好。但是, 团队心智模型的高度一致是否总能给团队带来益处？已有研究者试图采用权变视角来解答这一问题。权变视角的核心观点是, 共享心智模型的效应会受到情境调节的制约。比如, Kellermanns等(2008)研究表明, 当团队的建设性氛围较强时, 成员能在接纳不同观点的同时避免负面的情感冲突, 从而有效利用认知多样性。在这种情况下, 成员心智模型越相似反而不利于团队做出高质量的决策。此外, 共享心智模型的效应还可能因队效能的具体指标(如任务绩效或创新绩效)而不同。Davison和Blackman (2005)的个案研究发现, 心智模型一致性程度过高不利于团队接受外部信息, 或者选择性地接受片面信息, 导致团队对自身处境的表征存在较大误差, 不利于团队创新。由此可见, 在某些情境下, 团队心智模型的高度一致可能存在负面作用, 特别是要求团队发挥创造力时,其阻碍效应可能更加明显。

需要指出的是, 大部分研究只关注共享心智模型如何促进团队常规绩效, 鲜有实证研究探讨如何影响团队创造力。以下三个研究是例外。Davison和Blackman (2005)提出心智模型过于一致不利于团队创新, 但其个案研究的结果是否具有普适性,尚需后续研究加以验证。王黎萤和陈劲(2010)发现,研发团队的共享心智模型与团队创造力存在显著正相关, 但该研究也存在明显局限。第一, 该研究采用自陈式问卷来测量共享心智模型, 这种测量方法既没有诱导和表征心智模型结构特征和内容特征, 也没有采用恰当指标衡量成员心智模型的相似性, 共享心智模型测量的效度不高(Mohammed,Klimoski, & Rentsch, 2000)。第二, 在该研究中, 团队创造性也依赖成员自我报告, 难以避免同源误差,无法有效侦查变量间的实质性联系(Podsakoff,MacKenzie, Lee, & Podsakoff, 2003)。

Mumford, Feldman, Hein和Nagao (2001)认为成员心智模型的相似性能促进团队创造力。然而该实验研究存在以下两点不足, 导致研究结果缺乏说服力。第一, 实验中让被试观看培训录像作为共享心智模型的操纵方法。由于缺乏必要的操纵检验和对共享心智模型的直接测量, 本研究无法说明培训是否真正促进了团队共享心智模型的建立。此外,即使培训能有效促进团队创造力, 也无法推论培训为何能起到作用。很有可能的原因是, 培训帮助成员掌握了有助于创造性解决问题的知识或技能, 而非经过培训建立起来的共享心智模型。第二, 从实验的结果看, 如果培训使团队建立起了共享心智模型, 那么按照作者的研究假设, 相比于无培训的条件, 在培训的实验条件下团队创造力的提升幅度应该显著高于个体创造力的提升幅度, 但实际上研究结果没有得到相应支持。总之, 后续研究有必要测量共享心智模型并直接检验其如何影响团队创造力。

团队创造力与常规绩效明显不同, 更强调团队产出新颖且有价值的产品或观念, 这就要求团队拥有多元化的信息, 并进行充分而深入的信息加工。对团队创造力而言, 相似的心智模型会对团队造成如下负作用。一是相似的心智模型使得成员倾向于重复讨论和利用共有的信息, 而忽略了各自的独特信息, 造成信息取样偏差的可能性更大, 结果导致团队信息共享效果下降(Mesmer-Magnus &DeChurch, 2009), 团队创造力受阻; 二是成员心智模型高度一致时, 团队可能形成群体思维, 成员过分追求一致, 不愿意表达不同见解(Janis, 1972)。此时团队思维僵化, 难以创新。相反地, 一定程度相异的心智模型会给团队带来潜在收益。团队成员的心智模型有差异, 正是团队异质性尤其是认知多样性的本质体现。团队异质性的大量研究表明, 团队异质性能够促进团队创造力(Bell,2007; Bell,Villado,Lukasik, Belau, & Briggs, 2011)。相比同质的团队,由跨学科、跨专业和跨职能的人员组成的异质团队拥有更多元化的知识、技能、观点和视角, 这扩大了团队的认知资源库(Williams & O'Reilly, 1998)。在团队互动的过程中, 异质性团队能更全面地讨论与任务相关的信息, 更多的异议能加深团队对任务的理解和反思, 从而产生更多的新颖且有用的想法,促进团队创新(Van Knippenberg, De Dreu, & Homan,2004)。此外, 异质性团队的成员如果善于换位思考(perspective taking), 将能更好地进行信息的精细加工, 创造力表现会更好(Hoever et al., 2012)。

综上, 尽管相似的心智模型为成员提供了共同的认知框架, 优化团队沟通和协调, 提高团队任务执行的绩效和效率(Cannon-Bowers et al., 1993), 但会使成员采用相似的表征方式去理解团队任务和情境, 团队缺乏多元化的信息输入, 难以对任务进行深入的信息加工, 不利于团队提出富有创造性的观点和方法(Davison & Blackman, 2005)。鉴于此,我们提出：

假设1：心智模型的相似性负向预测团队创造力,即团队成员的心智模型越相似, 团队创造力越差。

2.3.2 心智模型的正确性与团队创造力

相对而言, 探讨心智模型的正确性与团队绩效之间关系的研究较少, 而且结果也不一致(Lim &Klein, 2006; Marks et al., 2000; Mathieu et al.,2005)。例如, Edwards等(2006)发现, 心智模型的正确性指标比相似性指标更能有效地预测团队绩效,并且团队认知能力通过正确性指标的部分中介作用影响团队绩效, 而相似性指标则没有起到中介作用。Marks等(2000)则发现, 心智模型正确性只在常规情境下才有效优化团队沟通和团队绩效, 但当团队面临新情境时, 则没有显著影响。Webber, Chen,Payne, Marsh和Zaccaro (2000)和Mathieu等(2005)的研究则没有发现正确性指标与团队绩效之间的正向关系。

总结现有研究可以看出, 大多数研究关注心智模型的相似性如何影响团队互动和团队绩效, 较少研究探讨心智模型正确性的作用。而正确性指标在某种程度上衡量了团队策略的优劣, 对团队绩效有重要的作用。正如Mathieu等(2000)指出, 相似并不等同于正确, 如果团队成员对当前情境所达成的共识是错误的, 无疑会给团队造成极大的负面影响。对团队创造力而言尤为如此, 只有当心智模型的正确性较高时, 团队创造出的结果(想法、产品或服务)才能发挥价值。但是据我们所掌握的文献, 尚未有探讨心智模型正确性如何影响团队创造力的实证研究。

心智模型反映了成员的知识结构, 其正确性衡量了知识结构的质量高低。教育心理学领域的研究表明, 知识结构质量越高, 代表个体对相关领域的知识和技能掌握越好(Gonzalvo, Cañas, & Bajo,1994)。根据Amabile (1988); Amabile等人(1996)的创造力组成理论, 领域知识是创造力得以发挥的重要前提。相关实证研究也表明, 个体或团队所掌握的领域知识越深入, 创造力则越强(Taggar, 2002;Wynder, 2007)。因此, 当团队拥有高质量的心智模型时, 团队依据所掌握的领域知识对当前任务进行描述、预测和解释, 建立起对任务的深入理解。在此基础上, 能够进行更加深入的信息加工, 从而产生更多富有创造性的想法、潜在有效的解决方案,以及价值更高的创新实践等。鉴于此, 我们提出：

假设2：心智模型的正确性正向预测团队创造力, 即团队心智模型越正确, 团队创造力越好。

2.3.3 心智模型相似性与正确性的交互作用

少部分研究还探讨心智模型相似性和正确性的交互作用如何影响团队效能, 但结果不尽一致。Marks等(2000)的研究表明, 心智模型的相似性和正确性的交互作用显著影响团队沟通, 当正确性较低时, 团队更加依赖一致的心智模型来维系成员间的沟通。Mathieu等(2005)的研究也表明, 心智模型相似性和正确性的交互作用显著影响团队过程和团队绩效, 但其交互作用的方向有所不同, 当正确性较高时, 相似性和团队过程以及团队绩效的关系更密切。Lim和Klein (2006)的研究则表明, 心智模型的相似性和正确性指标均独立地影响团队绩效,两者的交互作用不显著。

综上所述, 相似性和正确性是共享心智模型的两个重要指标, 对团队都有重要的影响。对团队协调和团队常规绩效而言, 相似性指标的影响更大。在常规情境下, 团队达成共识更有利于团队协调一致, 即使采用的不是最优策略, 也不影响任务最终的完成以及团队的绩效评估。相较而言, 团队创造力则有所不同。团队的创造过程本质是一个信息加工过程, 会受到信息加工过程中两个重要属性的共同影响, 一是信息来源是否多元化, 即团队看待问题的角度是否具有多样性; 二是信息编码是否准确,即团队加工信息的质量是否有偏差。换句话说, 团队创造力的充分发挥不仅依赖于多元化的视角来提供丰富多样的信息(Bell, 2007; Bell et al., 2011),还需要确保对信息的表征不会出现偏离本质, 即能够正确理解信息(Taggar, 2002; Wynder, 2007)。心智模型相似性和正确性正好是反映上述信息加工两个重要属性的合适指标, 因此, 我们认为心智模型相似性和正确性两个指标会共同影响团队创造力。由于心智模型的正确性是团队创造力发挥的重要前提, 我们预期, 当成员为团队解决任务提供多样化的想法和观点, 并且这些想法和观点质量较高时,团队所产生的成果最具创造性; 当成员对当前团队任务的理解一致错误时, 将造成团队创造力的严重受阻。鉴于此, 我们提出假设3。

假设3：心智模型的相似性和正确性共同影响团队创造力。具体而言, 当成员心智模型正确性高且相似性低时, 团队创造力最高; 而当成员心智模型相似性高但正确性低时, 团队创造力最差。

3 方法

3.1 被试和程序

本研究以国内某大型国有企业的信息平台运行维护团队为研究对象。该企业的主要业务是为银行、商户、银行卡持卡人之间的交易提供银行卡跨行交易清算系统, 以实现银行卡交易的互联互通。每个运行维护团队由5个不同部门的专业技术人员组成。其核心职责是确保该系统的安全稳定运行及性能优化, 大致分为三类：系统的常规维护管理,如日常维护、数据同步与备份、系统测试与优化; 系统状态监控; 应急事件应对。

为确保系统全天候安全运行, 运行维度团队实行7×24小时值班制。每月由4个运行维护团队轮流值班。从2011年1月至2012年8月, 累计共有4×20=80个运行维护团队进行值班。在该时间区间内共有55名专业技术人员参与值班, 50人参与了本次研究, 其中49人为男性, 仅有1名女性。被试平均年龄为30.93岁(标准差4.63)。教育程度为：高中及以下学历占2.0%, 大学本科学历占77.6%,研究生及以上学历占20.4%。平均工作年限为年7.93年(标准差5.21)。由于实行轮班制, 55人构成了80个运行维护团队。由于5名技术人员没有参与本研究, 导致某些团队的有效人数不足5人, 具体情况为：5人团队46个(占57.5%), 4人团队29个(占36.3%), 3人团队5个(占6.3%)。

3.2 变量测量

团队创造力

。Amabile等(1996)指出, 需要根据“新颖”且“有价值”的标准综合测量创造力。这一方法已经被研究者广泛接受并应用, 本研究也采用这种方法。具体而言, 在一个月的值班周期内, 每个运行维护团队除了完成一系列的值班任务外, 还被鼓励针对系统运行与维护工作, 如值班流程与规则、潜在存在的问题、故障解决措施等各个相关的方面提出优化建议, 并登记在正式的值班记录中。每月底团队值班结束后, 该企业的高层领导和5个部门的主管(中层领导)集中开会讨论, 评估值班团队绩效。针对上述优化建议, 管理层主要关注两点：第一, 所提的建议和发现的问题是否是新的, 即先前没有被提出或发现过—— 这对应于创造力的“新颖性”; 第二, 这些建议和意见是否对优化值班工作有帮助—— 这对应于创造力的“有价值”维度。综合这两点, 管理层给每个团队评分, 1分为最低分,5分为最高分, 并计入团队绩效考核档案, 作为团队奖励的依据之一。由此可见, 管理层对团队值班工作建议的评价符合“新颖且有价值”的创造力定义。因此, 我们将该指标作为团队创造力的测量指标, 从运行维护团队的绩效考核档案数据中获取数据。

心智模型的诱导与表征

。测量共享心智模型的第一阶段是诱导和表征个体的心智模型, 第二阶段是采用具体的指标衡量团队心智模型的共享程度(Mohammed et al., 2000)。为了得到关键的刺激材料以引导个体展现自己的知识结构, 我们进行了详尽的任务分析。通过对五个部门的主管及其一位专业技术人员的个体深度访谈, 以及对相关档案资料的分析, 我们发现应急事件应对是运行维护团队的关键任务。典型的应急事件具体表现为：系统出现异常现象后, 成员首先通过自己监控的子系统收集和判断故障现象, 然后联合快速判断故障原因, 准确定位故障类型。也就是说, 应急事件应对的关键在于团队成员能否理解不同子系统监控到的故障现象之间的关联性。因此, 以故障现象为刺激材料,诱导专业技术人员展现出自己对这些故障现象之间关联性的理解, 可以测量个体的心智模型。

为了获得典型的故障现象集合, 我们邀请部门主管参与故障现象集合的挑选工作。经过多轮讨论分析, 结合企业的实际情况, 我们从企业的应急处理案例库中挑选出3个最典型的案例, 并从中抽取了10个关键故障现象, 组成一个故障现象集合。该故障集合即为测量个体心智模型的刺激材料。采用对偶评定法, 要求参与值班的每一位专业技术人员根据自己的经验和理解, 判断配对的两个故障现象是否存在关联。采用两点计分, 0表示“没有关联”, 1表示“有关联”。10个故障现象两两配对构成了一个10×10的下三角矩阵, 反映故障现象间的关系属性。UCINET是一个专门处理矩阵数据的分析软件(Borgatti, Everett, & Freeman, 2002), 可以形象化地呈现技术人员的知识结构(即心智模型)。

心智模型相似性

。UCINET还可以通过计算两个矩阵之间的QAP相关系数(Quadratic Assignment Procedure correlation)来衡量其相似程度。和其他相关系数一样, QAP相关系数也介于-1(代表两者正好相反)到1(代表两者完全等同)之间, 数值越接近1,相似程度越高。与前人一致(Mathieu et al., 2000),我们也采用QAP相关系数来计算两两成员间心智模型的相似性, 并求取均值作为团队层面心智模型相似性的测量值。

心智模型正确性

。在变量测量的操作层面, 常常采用主域专家(subject matter experts)的心智模型作为衡量个体心智模型正确性的参照标准, 因而心智模型正确性被定义为成员与主域专家心智模型的相似性程度(Edwards et al., 2006)。我们也采用这一方法, 5名部门主管是其相应专业领域的专家,由于技术能力突出而从一线晋升为部门主管, 更加重要的是, 他们均是该企业最初构建与调试信息平台系统的核心人员, 非常了解系统的运行, 因而作为主域专家参与本研究。当存在多个主域专家时,有两种生成专家心智模型的方法：(1)要求多个主域专家通过讨论达成统一的对偶评定结果; (2)要求主域专家单独评定, 研究者事后综合所有主域专家的评定, 形成最终的专家评定结果。Day, Arthur Jr和Gettman (2001)的研究结果表明, 后者获得的专家心智模型的参照效应更敏感和稳定, 通过和后者的比较衡量的心智模型正确性, 更能预测个体绩效。这可能是因为后者更好容纳了不同专家的多元视角和思维模式。本研究借鉴Day等(2001)的方法,要求5名主域专家单独完成同样的10个故障现象对偶评定任务。然后针对每一个对偶评定, 只有在多数(即至少3名)专家认为两者存在关联, 才记为1, 否则记为0(即两者不存在关联), 最终获得专家的评定结果。同样采用UCINET衡量每个成员的心智模型与专家心智模型的QAP相关系数, 作为其心智模型正确性的测量指标。求取团队正确性均值,作为该团队共享心智模型的正确性指标。数值越接近1, 代表团队心智模型的质量越高。

3.3 数据分析策略

常规的多层次模型要求嵌套关系是固定且唯一的, 即低层次的观测值只从属于一个较高层次单元, 例如一个学生只从属于一个特定班级, 一名员工只从属唯一一个团队。但现实情况往往并非如此。例如, 在学校情境下, 同属一个自然班的学生可能参加不同的课外兴趣班; 与此同时, 同一个课外兴趣班可能包括来自不同自然班的学生, 因而自然班和课外兴趣班彼此交叉。又如, 在企业情境下,一个员工同时或者先后参与了若干个项目团队, 与此同时, 不同的项目团队可能共享同一名员工, 因而项目团队彼此并不完全独立, 团队和员工彼此交叉。这两种情况都会形成复杂的非嵌套多层次模型。本研究的数据结构也与此类似, 由于实行轮班制, 而且每个值班团队的成员并不固定, 一个成员前后参与多个值班, 不同的值班团队可能包含了同一名成员, 团队和员工也彼此交叉, 团队层面和个体层面的因素会共同影响每一次值班的绩效。由于不符合固定且唯一的嵌套关系这个条件, 本研究无法采用常规的多层次模型(如HLM)来分析数据。新近发展出来的交叉分类模型(Cross-Classified Model)正是处理非嵌套多层次数据的统计模型(Fielding & Goldstein, 2006; Rasbash & Browne,2008)。简单而言, 交叉分类模型将误差分成个体内、个体间和团队间三个部分。和常规的多层次模型一样, 个体内是较低层次变量, 个体间和团队间属于较高层次变量。但有所不同的是, 后两者不存在相互嵌套关系, 而是同为高层次变量, 但是由于彼此交叉而形成交叉分类模型。交叉分类模型将误差进行分解, 在控制了交叉分类所导致的额外误差后, 能更精确地进行参数估计。Fielding和Goldstein(2006)的结果表明, 交叉分类模型的优势在于：(1)能更好地估计标准误, 从而提高固定效应的参数估计精度; (2)能更好地分解不同来源的误差, 从而提高模型的解释力度; (3)提高对随机效应的参数估计精度。其结果还表明, 如果忽略了交叉分类所导致的误差,其中一个较高层次因素的效应会被高估。

统计分析软件Mplus 7(Muthén & Muthén, 2012)提供了交叉分类模型模块, 本研究就采用该模块来分析数据。为更形象展示本研究的交叉分类模型,我们对本研究的多层面数据模型进行图示(见图1)。需要说明的是, 本研究的三个假设只涉及团队层面变量间的关系, 不关注个体内和个体间的变量间关系, 只是采用交叉分类模型来控制其影响。

图1 本研究的总体框架及多层次数据模型示意图

表1 本研究各变量的均值、标准差和相关系数

表2 交叉分类模型分析结果

4 结果

表1列出了本研究各个层次各变量的均值、标准差和相关系数。

采用Mplus 7中的交叉分类模型来分析数据。本研究的数据模型分为个体内、个体间和团队间三个层面, 由于只关注共享心智模型如何影响团队创造力,因而团队间层次的分析是重点, 直接从团队创造力的影响因素开始构建统计模型, 不再针对个体内和个体间的因变量构建单独的模型, 结果见表2。在控制个体内、个体间因素对各自因变量的影响之后, 模型1估计团队间层次3个控制变量对团队创造力的影响。在此基础上, 模型2估计心智模型的相似性和正确性的主效应; 模型3进一步估计两者的交互作用。

假设1和假设2预期, 心智模型的相似性显著负向预测团队创造力; 而心智模型的正确性则显著正向预测团队创造力。从表2模型2可以看到, 控制了工龄异质性、学历异质性和成员能力的效应之后, 两者主效应额外解释了团队创造力8%的变异。心智模型相似性显著预测团队创造力, 且方向为负(

b

= ‒0.76,

p

< 0.01), 假设1得到验证; 正确性正向预测团队创造力(

b

= 0.55,

p

= 0.054), 显著性水平接近0.05水平, 因而假设2没有得到验证。假设3预期, 心智模型相似性和正确性会共同影响团队创造力的表现, 即两个指标的交互作用会显著预测团队创造力。从表2模型3可以看到, 在模型2的基础上加入两者的交互作用, 方差解释量增加4%, 其回归系数未达到0.05的显著水平(

b

=‒0.20,

p

= 0.060)。尽管如此, 我们仍采用Aiken和West (1991)的方法检验简单斜率(simple slope)的显著性并对交互作用进行图示, 以检验交互作用的方向是否与与假设相符。具体而言, 分别检验当心智模型正确性为高(高于1个标准差)和低(低于1个标准差)时, 团队创造力对心智模型相似性回归的斜率是否显著。从图2中可以看到, 当正确性较低时,心智模型相似性不能显著预测团队创造力(

b

= ‒0.50,

t

= ‒1.66,

ns

); 相较而言, 当正确性较高时,相似性显著负向预测团队创造力(

b

= ‒0.91,

t

= ‒3.24,

p

< 0.01)。结果与预期相符, 当成员心智模型正确性高且相似性低时, 团队创造力最高; 当成员心智模型彼此相似但错误时, 团队创造力最差。

图2 心智模型相似性与正确性的交互作用

5 讨论

和大多数基于IPO模型的团队创造力研究有所不同, 本研究将团队看成信息加工的实体(De Dreu et al., 2008; Hinsz et al., 1997), 从团队认知这个新的角度出发, 探讨共享心智模型如何影响团队创造力。研究结果发现, 心智模型相似性阻碍团队创造力, 团队成员心智模型越相似, 团队创造力反而越低。相反, 心智模型正确性有利于团队创造力,正确性越高, 团队创造力也越高。心智模型相似性和正确性还会共同影响团队创造力, 具体而言, 当团队成员对任务的理解正确且多样化时, 团队创造力最高; 而当团队成员心智模型彼此相似但错误时(也即集体犯错), 团队创造力最差。

以盲人摸象作为团队运作的隐喻(metaphor),能更好说明团队信息加工的重要性, 以及团队作为信息加工者所面临的挑战。从未见过大象为何物的盲人, 触耳者谓之簸箕, 触脚者言象如柱, 触脊者言象如床。很明显, 由于个人获取的信息有限, 每个盲人只能获得局部信息, 无法单凭一己之力判断该庞然大物是什么。一群盲人能否通过集体力量重构出大象的整体形象, 其核心在于能否从群体层面进行信息搜寻、编码和重组, 从而创造性构建出对他们自己而言全新的实体。与此类似, 团队信息加工的质量是团队创造力高低的决定性因素。团队成员有自己独特的知识结构和思维模式, 由此为团队信息加工提供各种资源, 成员心智模型正确性越高,所提供信息的质量也越高, 因而帮助团队提高创造力。但是, 如果成员心智模型过于一致, 信息输入单一(正如所有盲人都去触摸大象的耳朵), 团队信息加工的方向可能出现偏差, 反而不利于团队创新(Davison & Blackman, 2005)。

当然, 仅凭一项研究就断言共享心智模型和团队创造力之间的关系不免过于草率。与其说本研究解决了一个问题, 不如说我们为后续研究提出了一个新的、有趣的方向。正如Amabile (1983)所指出,创造活动包括创意形成(idea generation)和创意评估与选择(Idea evaluation/selection)前后两个阶段。Mumford等(2001)认为, 共享心智模型的价值并不体现在帮助团队产生更多创见, 而是在时间有限的情况下, 它帮助团队成员达成了聚焦少数重要创意开展精细化加工的共识, 从而提高团队创造力(特别是可行性指标)。本研究之所以发现相似的心智模型阻碍团队创造力, 可能原因在于在该企业鼓励值班团队针对系统的运行与维护全方位提出新的优化建议, 所提建议的可行性和价值主要由管理层来评估。尽管值班人员也清楚不具可行性的建议并不能为团队争取到奖励, 一定程度上他们也需要评估并选择出自认有价值的建议, 但与Mumford等(2001)的研究情境有所不同, 值班团队提出的建议数量不受限制(恰恰相反, 管理层鼓励多提建议)。因此相对而言, 他们更多聚焦于如何发现系统运行与维护的新问题。在这种情况下, 成员心智模型过于相似不利于团队发现新问题(Davison &Blackman, 2005)。基于此, 我们可以提出一个有趣的假设：在不同阶段心智模型相似性是否起到不同作用, 具体而言, 在创意形成阶段, 心智模型相似性不利于团队发挥创造力; 但相似的心智模型为创意评估和选择提供共同的认知基础, 则有利于团队创造力。尽管我们无法事后区分创造力的不同阶段,不能加以直接验证, 但这个问题值得后续研究继续探讨。

5.1 理论贡献

本研究首次将团队认知和团队创造力两个研究领域结合起来, 直接探讨共享心智模型与团队创造力之间的关系, 对团队创造力和团队认知这两个领域都有贡献。

对团队创造力研究领域, 本研究的第一个贡献在于采用“团队作为信息加工者”的理论框架(De Dreu et al., 2008; Hinsz et al., 1997), 直接探讨团队认知特征如何影响团队创造性。IPO模型是被应用最广的一个理论框架, 为研究者提供了如何选择变量和构建研究框架的启发式(Kozlowski & Ilgen,2006)。然而需要指出的是, IPO模型所指的团队过程变量(如沟通、协调、信息共享、冲突等)都是外显行为, 而非内部心理机制。团队作为信息加工者的观点指出, 信息如何在团队层面被加工与整合,决定了团队效能的优劣, 有望成为团队研究新的理论视角(吴梦, 白新文, 2012)。正如本研究结果所示,团队认知状态会对团队创造力施加重要影响, 这为团队创造力与团队创新的研究提供了一个新的思路和视角。

本研究对团队创造力研究的第二个贡献在于拓展了研究深度。现有研究普遍发现, 团队异质性显著促进团队创造力(Horwitz & Horwitz, 2007;Hulsheger et al., 2009)。本研究也表明, 成员心智模型越不相似, 团队的创造力越高。相比于已有的团队异质性的研究, 本研究至少在如下两点有所突破。第一, 大部分研究关注表层特征(如年龄、性别、种族、教育程度、专业背景、经验等), 或者非工作相关的个性特征(如人格、价值观)所导致的异质性(Bell, 2007; Bell et al., 2011; Hoever et al., 2012;Shin & Zhou, 2007), 这没有触及认知因素的核心。心智模型是结构化的知识网络, 反映了个体的知识结构和思维模式, 是个体赖以与环境互动的内部认知机制(Rouse & Morris, 1986)。共享心智模型进一步捕捉全体成员心智模型的特征, 其中相似性反映了团队信息加工时心理表征的方向(趋同或发散),而正确性则反映团队心理表征的质量。这拓展了团队异质性研究的深度。第二, 团队异质性的研究重点关注团队的构成成分, 团队认知的研究则更侧重于从信息加工的角度去探讨团队是如何表征和加工与任务相关的各种信息, 描绘的是团队集体的知识结构(DeChurch & Mesmer-Magnus, 2010)。可以说前者是的团队基本输入因素, 后者则是团队的认知机制, 是影响团队创造力的近端因素(proximal indicator), 能更加深入地揭示促进团队创造力的信息加工过程。

本研究对于团队认知领域也有贡献。一方面,该领域的研究大多关注团队认知如何促进团队的任务绩效, 鲜有研究探讨当团队需要进行创新时可能起到什么作用(DeChurch & Mesmer-Magnus,2010)。本研究的结果表明, 共享心智模型也会显著影响团队创新的表现, 而且不同指标还产生不同效应。这为团队认知的进一步研究开拓了新的方向。另一方面, 以往研究更多关注团队认知对团队效能的积极效应, 普遍发现, 成员心智模型越一致, 团队互动的效率越高, 团队绩效就越好(DeChurch &Mesmer-Magnus, 2010)。但越来越多的研究者注意到, 有必要采用权变视角, 重新、全面审视团队认知在团队运作过程中的作用(Kellermanns et al.,2008; 白新文等, 2011)。作为对权变模型的呼应和支持, 本研究也表明, 成员心智模型并非越相似就越好, 当团队需要创新时, 相似的心智模型反而成为一个障碍。后续研究需要仔细鉴别共享心智模型影响团队效能的权变因素。

5.2 实践意义

本研究结果给团队创造力的管理实践带来一定的启发。第一, 本研究结果表明, 除了团队互动行为之外, 团队认知(多样化的集体知识结构)是团队创造力的关键影响因素。这启发团队领导者在实际管理过程中, 不仅可以通过优化团队互动过程,还可以通过促进团队认知这有效一途径来提高团队创造力, 比如鼓励团队进行分歧思考练习、广泛考虑问题的多种解决方案等等。

第二, 虽然促进团队建立共享心智模型可有效提高团队绩效, 而本研究结果表明, 共享心智模型并不总是有益于团队的, 如果团队成员心智模型共享程度过高, 将不利于团队发挥创造力。因此, 针对从事创造性活动的工作团队来说(比如产品创意团队), 或者当组织的目标在于提高团队创造力时,团队管理者应鼓励团队成员从多角度思考问题, 培养团队的认知多样性, 从而促进团队创造力。

第三, 本研究结果对团队人员配置也有参考意义。本研究发现, 团队成员对任务的多样化认知有助于团队提出更有创造性的建议。因此, 团队管理者在进行团队人员配置时, 不能单纯依据人口学背景(如性别、地域、专业、工作年限)的异质性, 更重要的是考虑团队在认知层面的异质性, 即团队成员是否在思维方式、理解问题的角度上有差异。

5.3 不足与展望

本研究结果也存在局限性。首先, 和现有文献结果类似(Edwards et al., 2006; Ellis, 2006; Marks et al., 2000), 心智模型相似性与正确性的相关程度偏高, 这给如何区分两者的独特贡献带来一定困难。心智模型正确性的测量方法一直是该领域的难点之一。尽管理论上存在多个正确但彼此相异的心智模型, 但在开展研究过程中, 往往却难以获得多个相异却均正确的专家心智模型(Mathieu et al.,2000)。Mathieu等(2005)的方法精妙地解决了这个问题。后续研究可以考虑采用多重标准去测量心智模型正确性, 以使得相似性和正确性的交互作用研究结果有更强的说服力。

需要说明的是, 两者从概念上仍然相互独立,是共享心智模型的两个不同属性。为了支持以上观点, 我们对本研究的数据进行了辅助分析。分析结果表明, 控制了心智模型相似性(及三个控制变量)后, 正确性指标对团队创造力仍然有额外预测力(

ΔR

= 0.058,

p

< 0.05); 反过来, 控制了正确性(及三个控制变量)后, 相似性指标同样也有额外预测力(

ΔR

= 0.10,

p

< 0.01)。这说明心智模型相似性和正确性两个变量相互独立, 对团队创造力有独特的贡献。

第二, 我们采用档案记录获得团队创造力的评估结果, 同时测量了团队心智模型的现状, 因而无法确证团队心智模型与创造力之间的因果关系, 基于本研究的结果进行因果推论时需要特别谨慎。例如, 也可能存在另一种因果可能性, 即创造力高的团队会激励成员养成从多角度深入分析问题的习惯, 反过来影响成员心智模型的相似性及质量。因此, 未来研究需要通过纵向、追踪研究来进一步检验两者之间的因果关系。

第三, 心智模型仅反映了认知加工的信息表征与编码过程, 而无法说明信息存储、提取等过程,也无法捕捉到信息如何在团队层面得以重组、提炼与整合等一系列动态过程。后续研究可以沿这一思路从两个方向加以探讨。方向之一是探讨另外一种团队认知, 即交互式记忆系统(transactive memory system)如何影响团队创造力和团队创新。交互式记忆系统指团队成员储存和提取不同领域信息时的合作性分工系统(Austin, 2003; Zhang, Hempel, Han,& Tjosvold, 2007), 对应于团队认知加工的信息存储、提取过程(Hinsz et al., 1997)。从这个方向开展研究, 有望更加全面地揭示团队信息加工的过程。另一个方向是进一步探讨团队认知影响团队创造力的中介机制。团队的信息加工会在方向和深度两个维度展开(De Dreu et al., 2008)。共享心智模型影响团队创造力的中介过程可能体现为, 相似性影响信息加工的方向, 而正确性决定其深度,两者共同决定团队信息的分享与整合质量, 最终影响团队效能。

致谢：我们非常感谢三位匿名审稿专家为本文提出了许多宝贵意见, 这大大提升了本文的质量。我们还感谢中国银联郝建明先生对本研究的大力支持。

Aiken, L. S., & West, S. G. (1991).

Multiple regression:Testing and interpreting interactions

. Thousand Oaks, CA:Sage.Amabile, T. M. (1983).

The social psychology of creativity

.New York: Springer-Verlag.Amabile, T. M. (1988). A model of creativity and innovation in organizations.

Research in Organizational Behavior, 10

,123–167.Amabile, T. M., Collins, M., Conti, R., Phillips, E., Picariello,M., Ruscio, J., & Whitney, D. (1996).

Creativity in context:Update to the psychology of creativity

. Boulder, CO:Westview.Austin, J. R. (2003). Transactive memory in organizational groups: The effects of content, consensus, specialization,and accuracy on group performance.

Journal of Applied Psychology, 88

(5), 866–878.Bai, X. W., Liu, W., & Lin, L. (2011). Shared mental models and team performance: A contingent model.

Acta Psychological Sinica, 43

(5), 561–572.[白新文, 刘武, 林琳. (2011). 共享心智模型影响团队绩效的权变模型.

心理学报, 43

(5), 561–572.]Bell, S. T. (2007). Deep-level composition variables as predictors of team performance: A meta-analysis.

Journal of Applied Psychology, 92

(3), 595–615.Bell, S. T., Villado, A. J., Lukasik, M. A., Belau, L., & Briggs,A. L. (2011). Getting specific about demographic diversity variable and team performance relationships: A meta-analysis.

Journal of Management, 37

(3), 709–743.Borgatti, S. P., Everett, M. G., & Freeman, L. C. (2002).

Ucinet for Windows: software for social network analysis

.Harvard, MA: Analytic Technologies.Cannon-Bowers, J. A., Salas, E., & Converse, S. (1993).Shared mental models in expert team decision making. In J.N. Castellan (Ed.),

Individual and group decision making:Current issues

(pp. 221–246). Hillsdale, NJ: Erlbaum.Chirumbolo, A., Mannetti, L., Pierro, A., Areni, A., &Kruglanski, A. W. (2005). Motivated closed-mindedness and creativity in small groups.

Small Group Research,36

(1), 59–82.Davison, G., & Blackman, D. (2005). The role of mental models in innovative teams.

European Journal of Innovation Management, 8

(4), 409–423.Day, E. A., Arthur Jr, W., & Gettman, D. (2001). Knowledge structures and the acquisition of a complex skill.

Journal of Applied of Psychology, 86

(5), 1022–1033.De Dreu, C. K. W., Nijstad, B. A., & van Knippenberg, D.(2008). Motivated information processing in group judgment and decision making.

Personality and Social Psychology Review, 12

(1), 22–49.De Dreu, C. K. W., & West, M. A. (2001). Minority dissent and team innovation: The importance of participation in decision making.

Journal of Applied Psychology, 86

(6),1191–1201.DeChurch, L. A., & Mesmer-Magnus, J. R. (2010). The cognitive underpinnings of effective teamwork: A meta-analysis.

Journal of Applied Psychology, 95

(1),32–53.Edwards, B. D., Day, E. A., Arthur, W., & Bell, S. T. (2006).Relationships among team ability composition, team mental models, and team performance.

Journal of Applied Psychology, 91

(3), 727–736.Ellis, A. P. J. (2006). System breakdown: The role of mental models and transactive memory in the relationship between acute stress and team performance.

Academy of Management Journal, 49

(3), 576–589.Farh, J. L., Lee, C., & Farh, C. I. (2010). Task conflict and team creativity: A question of how much and when.

Journal of Applied Psychology, 95

(6), 1173–1180.Fielding, A., & Goldstein, H. (2006).

Cross-classified and multiple membership structures in multilevel models: an introduction and review.

Research Report No.791,Department of Eduction and Skills, University of Birmingham.Gonzalvo, P., Cañas, J. J., & Bajo, M.-T. (1994). Structural representations in knowledge acquisition.

Journal of Educational Psychology, 86

(4), 601–615.Gurtner, A., Tschan, F., Semmer, N. K., & Nagele, C. (2007).Getting groups to develop good strategies: Effects of reflexivity interventions on team process, team performance, and shared mental models.

Organizational Behavior and Human Decision Processes, 102

(2), 127–142.Hackman, J. R. (1987). The design of work teams. In J. W.Lorsch (Ed.),

Handbook of organizational behavior

(pp.315–342). New York: Prentice-Hall.Hinsz, V. B., Tindale, R. S., & Vollrath, D. A. (1997). The emerging conceptualization of groups as information processors.

Psychological Bulletin, 121

(1), 43–64.Hoever, I. J., van Knippenberg, D., Van Ginkel, W. P., &Barkema, H. G. (2012). Fostering team creativity:Perspective taking as key to unlocking diversity's potential.

Journal of Applied Psychology, 97

(5), 982–996.Horwitz, S. K., & Horwitz, I. B. (2007). The effects of team diversity on team outcomes: A meta-analytic review of team demography.

Journal of Management, 33

(6),987–1015.Hulsheger, U. R., Anderson, N., & Salgado, J. F. (2009).Team-level predictors of innovation at work: A comprehensive meta-analysis spanning three decades of research.

Journal of Applied Psychology, 94

(5), 1128–1145.Ilgen, D. R., Hollenbeck, J. R., Johnson, M., & Jundt, D.(2005). Teams in organizations: From input-process-output models to IMOI models.

Annual Review of Psychology, 56

,517–543.James, K., & Asmus, C. (2000). Personality, cognitive skills,and creativity in different life domains.

Creativity Research Journal, 13

(2), 149–159.Janis, I. L. (1972).

Victims of groupthink a psychological study of foreign-policy decisions and fiascoes

. Boston: Houghton Mifflin.Kellermanns, F. W., Floyd, S. W., Pearson, A. W., & Spencer,B. (2008). The contingent effect of constructive confrontation on the relationship between shared mental models and decision quality.

Journal of Organizational Behavior, 29

(1), 119–137.Klimoski, R., & Mohammed, S. (1994). Team mental model:Construct or metaphor?

Journal of Management, 20

(2),403–437.Kozlowski, S. W. J., & Ilgen, D. R. (2006). Enhancing the effectiveness of work groups and teams.

Psychological Science in the Public Interest, 7

(3), 77–124.Lim, B. C., & Klein, K. J. (2006). Team mental models and team performance: A field study of the effects of team mental model similarity and accuracy.

Journal of Organizational Behavior, 27

(4), 403–418.Marks, M. A., Mathieu, J. E., & Zaccaro, S. J. (2001). A temporally based framework and taxonomy of team processes.

The Academy of Management Review, 26

(3),356–376.Marks, M. A., Sabella, M. J., Burke, C. S., & Zaccaro, S. J.(2002). The impact of cross-training on team effectiveness.

Journal of Applied Psychology, 87

(1), 3–13.Marks, M. A., Zaccaro, S. J., & Mathieu, J. E. (2000).Performance implications of leader briefings and team-interaction training for team adaptation to novel environments.

Journal of Applied Psychology, 85

(6),971–986.Mathieu, J., Maynard, M. T., Rapp, T., & Gilson, L. (2008).Team effectiveness 1997-2007: A review of recent advancements and a glimpse into the future.

Journal of Management, 34

(3), 410–476.Mathieu, J. E., Heffner, T. S., Goodwin, G. F., Cannon-Bowers,J. A., & Salas, E. (2005). Scaling the quality of teammates'mental models: Equifinality and normative comparisons.

Journal of Organizational Behavior, 26

(1), 37–56.Mathieu, J. E., Heffner, T. S., Goodwin, G. F., Salas, E., &Cannon-Bowers, J. A. (2000). The influence of shared mental models on team process and performance.

Journal of Applied Psychology, 85

(2), 273–283.Mesmer-Magnus, J. R., & DeChurch, L. A. (2009).Information sharing and team performance: A Meta-Analysis.

Journal of Applied Psychology, 94

(2),535–546.Mohammed, S., Klimoski, R., & Rentsch, J. R. (2000). The measurement of team mental models: We have no shared schema.

Organizational Research Methods, 3

(2), 123–165.Mumford, M. D., Feldman, J. M., Hein, M. B., & Nagao, D. J.(2001). Tradeoffs between ideas and structure: Individual versus group performance in creative problem solving.

The Journal of Creative Behavior, 35

(1), 1–23.Muthén, L. K., & Muthén, B. O. (2012).

Mplus User's Guide(Version 7)

. Los Angeles: Muthén & Muthén.Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N.P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies.

Journal of Applied Psychology, 88

(5), 879–903.Rasbash, J., & Browne, W. J. (2008). Modelling non-hierarchical structures. In J. de Leeuw & E. Meijer(Eds.),

Handbook of multilevel analysis

(pp. 301–334).New York: Springer.Rentsch, J. R., & Klimoski, R. J. (2001). Why do "great minds" think alike?: Antecedents of team member schema agreement.

Journal of Organizational Behavior, 22

(2),107–120.Rouse, W. B., & Morris, N. M. (1986). On looking into the black box: Prospects and limits in the search for mental models.

Psychological Bulletin, 100

(3), 349–363.Shin, S. J., & Zhou, J. (2007). When is educational specialization heterogeneity related to creativity in research and development teams? transformational leadership as a moderator.

Journal of Applied Psychology, 92

(6),1709–1721.Smith-Jentsch, K. A., Mathieu, J. E., & Kraiger, K. (2005).Investigating linear and interactive effects of shared mental models on safety and efficiency in a field setting.

Journal of Applied Psychology, 90

(3), 523–535.Taggar, S. (2002). Individual creativity and group ability to utilize individual creative resources: A multilevel model.

Academy of Management Journal, 45

(2), 315–330.van Knippenberg, D., De Dreu, C. K. W., & Homan, A. C.(2004). Work group diversity and group performance: An integrative model and research agenda.

Journal of Applied Psychology, 89

(6), 1008–1022.Wang, L. Y., & Chen, J. (2010). A study on influencing mechanism of R & D team creativity: The mediating role of team shared mental model.

Studies in Science of Science,28

(3), 420–428.[王黎萤, 陈劲. (2010). 研发团队创造力的影响机制研究-以团队共享心智模型为中介.

科学学研究, 28

(3),420–428. ]Webber, S. S., Chen, G., Payne, S. C., Marsh, S. M., & Zaccaro,S. J. (2000). Enhancing team mental model measurement with performance appraisal practices.

Organizational Research Methods, 3

(4), 307–322.West, M. A. (2002). Sparkling fountains or stagnant ponds: An integrative model of creativity and innovation implementation in work groups.

Applied Psychology, 51

(3),355–387.West, M. A., & Anderson, N. R. (1996). Innovation in top management teams.

Journal of Applied Psychology, 81

(6),680–693.West, M. A., & Farr, J. L. (1990).

Innovation and creativity at work: psychological and organizational strategies

.Chichester, England: Wiley.Williams, K. Y., & O'Reilly, C. A. (1998). Demography and diversity in organizations: A review of 40 years of research.

Research in Organizational Behavior, 20

, 77–140.Wu, M., & Bai, X. W. (2012). Motivated information processing model: Theory and applications.

Advances in Psychological Science, 20

(11), 1889–1898.[吴梦, 白新文. (2012). 动机性信息加工理论及其在工业与组织心理学中的应用.

心理科学进展, 20

(11),1889–1898. ]Wynder, M. (2007). The interaction between domain-relevant knowledge and control system design on creativity.

Australian Journal of Management, 32

(1), 135–152.Zhang, Z. X., Hempel, P. S., Han, Y. L., & Tjosvold, D. (2007).Transactive memory system links work team characteristics and performance.

Journal of Applied Psychology, 92

(6),1722–1730.