基于层级子群模型的组织学习绩效研究

王倩 汪桃红 蔡霞

摘要：文章建立了以不同组织结构形态为基础的层级子群学习模型，并将问题复杂性和高管团队学习能力这两个影响因素纳入其中，构建了多种不同的学习场景。研究发现，完全结构化的组织设计会阻碍组织学习绩效;高管团队学习能力对组织学习绩效的影响受组织结构和问题复杂性的调节。问题复杂性低时，高管团队学习能力与组织学习绩效在结构化组织中正相关关系，在非结构化组织中负相关。在问题复杂性高时，高管团队学习能力在结构化组织中不能对组织学习绩效产生明显影响，在非完全结构化组织中与组织学习绩效负相关。

关键词：问题复杂性;组织结构;高管团队学习能力;组织学习绩效

一、 引言

当今多元动荡的外部环境对企业的生存和发展提出了严峻考验，组织学习对于组织适应外部变化、提供组织核心竞争力至关重要。因此，如何提高组织的学习水平一直是学者关注的焦点（Fang & Levinthal，2009;林润辉等，2017;乐云等，2018）。已有研究认为，组织的内部结构和外部环境会对组织学习绩效产生显著影响（Lazer & Friedman，2007;陈国权、刘薇，2017），但少有文献将组织内外部、个体和群体层次的影响因素结合在一起，考虑它们对组织学习绩效的协同影响。

本文提出层级子群的组织学习模型，考察问题复杂性、组织结构和高管团队学习能力对组织学习绩效的影响机制，分析和比较在不同情境和多种因素共同作用下的组织学习绩效差异及变化，试图找到适应不同问题复杂性水平的组织结构形态和学习能力组合。

二、 层级子群学习模型

March（1991）最早用仿真的方法描述了组织学习的一般过程。他指出组织学习的适应性过程其实是在有限资源和条件的约束下，我们对期望目标的最优解的搜索。Fang，Lee和Schilling（2010）提出了一种半隔离的子群（Semi-isolated Subgroup）设计，并通过仿真模拟发现，组织动态学习的长期绩效在此结构下表现最佳。刘海斌和胡斌（2017）在Watts的Caveman模型基础上，发展了个体学习速度、组织规模、动荡环境下的离职行为等情景特征的分布式组织的人际网络模型。林润辉和米捷（2017）在March的经典学习模型中引入了群体的层次，将组织学习看作组织—群体—个体三个层次的完整过程，并结合Miller等学者对隐性知识的研究，探讨了人际、群际、群体对个体知识编码、个体社会化学习速度、范围、搜寻频率等变量间的关系和它们对组织学习的影响，并检验了隐性知识比重和子群外部环境差异的调节效应。

本文在Schilling（2010）等人研究的基础之上，加入了企业组织的等级结构特征，并将个体学习能力和问题复杂性的因素加入其中，同时考虑三种因素联合作用下对组织学习绩效的影响，以探索不同学习情境（即问题复杂性程度）下，组织结构和人员学习能力的最优组合。

1. 模型假设。本研究采用多智能体仿真方法，使用March（1991）、Schilling（2010）、林润辉和米捷（2017）等人模型中对于组织系统的假设，将现实中的企业学习过程刻画为网络结构模型。为了遵循简约的设计原则（Maddison et al.，1984），在此对模型做出如下假设：

（1）现实中的组织可以被视为一个复杂的系统，其中的个体之间可以相互作用，个体可以被视为知识的载体，组织学习是由个体间的相互作用形成的;个体之间可以直接交互用以交换信息和共同创造知识;

（2）现实中的知识可以看作一串由1和-1字符串构成的向量，每一维数字的排列组合及其之间的相关性决定了问题的复杂程度;组织学习可以看作一个知识编码过程，个体间可以通过相互学习交换信息以提升自己当前的知识水平;

（3）针对组织中个体的学习和适应性过程，外部环境中总存在着一个与个体知识维度相同的字符串向量，它代表了问题的最优解，这是个体学习的目标和衡量个体学习水平的标准;

（4）组织中相互连接的个体间可以进行直接的交互，这种互动是双向的，个体能够观察到对方当前的学习编码情况，但是无法从中了解其每一维度对最终学习水平的贡献率;学习水平低的个体向水平高的个体进行适应性改变的概率，代表了个体学习能力的强弱水平。

2. 模型结构描述。本研究的模型中主要包含了三個实体：外部环境即个体知识学习的目标、组织中的个体和组织整体三类变量。

（1）外部环境包含了在组织学习中的最优解，即外部环境中存在的组织学习的最高绩效目标，在企业实践中它有可能是达不到的，但代表了组织学习努力的方向。在模型中，用一串m位的字符串表示，每位数值取1或-1，概率均等（0.5），随机分配赋值;

（2）个体代表了组织中进行学习和交互的个人，他们是组织学习的主体和知识载体，通过一定的组织结构相互联结并直接进行交互。模型中共有n个个体，每个个体同样定义为一串m位的字符串，用来表示其所携带的知识向量;在每次迭代过程中，字符串的每位数值可以取1，0，-1，表示个体当前的知识水平和对外部环境的认知，而0代表个体无法确定外部环境的真实情况。初始化的赋值以相同概率随机分配，此后每一次数值的改变将依据个体间的交互、组织决策规则和组织结构的限定。

（3）组织变量用以计算、衡量和记录组织整体的学习绩效水平，作为比较不同组织结构和个体学习能力差异等因素在组织学习方面呈现的优劣的依据。

为了更准确的还原测量特定结构下的组织学习过程，本文在Watts（1999）小世界网络的基础上，结合Schilling的子群结构模型，提出了具有层级特征的子群模型，其构建过程见下图。在图1展现的是初始的子群结构的规则层级网络，主要是使用规则网络加上层级组织的概念，描述了人际间的学习和交互;在这一结构中，个体在进行组织学习时所能搜寻的知识范围较小，而聚集在一起进行知识共享的个体间的差异化程度会较小，并且会有比较大的重复性和近似性。

为了建立不同的学习交互模式，本文使用重连概率β这一参数的概念来改变个体间的连接方式和控制整体的组织结构形态。所谓重连概率，就是在不改变点与点之间连线总数的前提下，改变线的连接对象，如图2所示，现在点A有β的概率重新考虑自己的连接及沟通学习对象，因此它可以变成图2中所表现的，进行跨群体的与点C沟通，由此实现了群际间信息交换增多的可能性;随着β取值的增大，这种与外部连接的线就会增多，由此形成了具有层级的半隔离子群结构。需要说明的是，当β=0时，初始的组织结构得以保留（如图1所示）;当β不为零但取值足够小时，网络的高聚集性特征会被保留，同时子群间会产生一些随机连接线以增强群际间的信息交换和沟通（如图2）所示，也就是所谓的“半隔离”特征，即子群间有中等程度的连接性，并且依然保留着相对分割的状态，从而维持和符合进化理论中的子群特征。

子群间只需要一些随机连接作为“捷径”，那么组织中任意两点之间的路径长度就能急剧减小而聚集程度依然能够保持在较高水平，以维持半隔离的子群结构特质。当β继续变大并接近1时，子群的结构特征会消失，整个组织结构会变成完全随机的网络，如图3所示。此时虽然组织中任意两个个体之间的最短路径长度依然在较小的水平，但整个网络的聚集系数也急剧下降，无法维持相对独立的子群团队形态特征。

3. 组织学习过程及绩效的衡量。组织学习的过程被看作一个知识编码的过程，通过个体间的信息交换和绩效比较，低水平的个体逐渐向高水平的个体学习和编码，从而使整个组织的知识结构趋向统一性，最终到达收敛和平衡。

组织中的个体携带着多种不同的知识向量，并以特定的连接结构彼此沟通，有连接的个体之间可以相互进行交换信息，以比较各自相对知识水平的高低来进行下一步的学习和变换（其衡量标准为与外部环境中存在的最优解的匹配程度，所使用的Payoff函数会在下面具体展开介绍），学习决策规则如下：

个体首先搜寻并识别出学习水平高于自己的个体;然后按照取多数原则，将所有绩效高于自己的邻居其知识串的每一维度对应比较，选取每一维度中占多数的字符以作为自己更新和学习的目标，最终以Plearning的概率进行改变，若在该维度的1或-1数量相同，则个体保持自己在该位的原有的数值。这里的Plearning参数代表了个体向他人学习的概率或者能力，用以刻画员工或管理者的学习能力。这一学习过程会一致持续到个体的知识不再有所改变，而在组织层次就达到了学习绩效的平衡水平。

个体在一次迭代中的學习过程如图4所示。

问题复杂性的衡量和Payoff函数对学习绩效的评估主要借用NK模型的思想（Fang & Schilling，2010），其中N代表了问题的维度而K代表各维度之间的相关性以影响总体的绩效值，因此本文模型中的m和s与NK模型中的N和K可以分别对应。我们设包含m维的知识向量x，其Payoff函数表达式为F（x），xi表示知识向量x第i位的值，？啄i表示知识向量的第i位与外部环境的匹配情况，当其第i位与外部环境相应的维度一致时？啄i=1，否则？啄i=0。则

F（x）=s（∏si=1？啄i+∏2si=s+1？啄i+…+∏mi=m-s+1？啄i）（1）

其中s作为控制知识问题复杂性的调节参数，1≤s≤m

三、 模型验证及结果分析

本文的层级子群学习模型主要就个体层次的特征变量和组织层次的结构及学习绩效的互动关系展开，各参数具体的表示、含义和取值见表1。

1. 学习情景划分及理论假设。本文将组织结构和高管学习能力两类因素进行联合，形成四种基本的组织学习场景，其中，弱学习—结构化表示组织的结构设计更加偏向规则化和制度化，而高管团队的学习能力相对较弱的状态;强学习—结构化表示表示组织的结构设计更加偏向规则化和制度化，而高管团队的学习能力相对较强的状态;弱学习—灵活性表示组织中个体间的连通性较强，可以进行更多的跨部门和跨级沟通，而高管团队的学习能力相对较弱的状态;强学习—灵活性表示组织中个体间的连通性较强，可以进行更多的跨部门和跨级沟通，并且高管团队的学习能力相对较强的状态。

根据以往研究，更加结构化的组织在信息沟通中需要经过更多的路径和层级，因此能够在较长时间内保持个体多样化和差异化程度，从而在长期绩效表现中达到较好的水平;而更加灵活性的组织能够在复杂的学习环境中具有较高的自适应能力，从而能够快速进行信息传递、协调，在短期内达到较高的绩效水平。而随着组织面临的学习情境复杂化即问题的复杂性程度的提高，在同等学习能力下，组织中的个体能够达到的学习绩效水平会呈现出下降的趋势;因此，问题复杂性即组织所处的外部学习环境因素，会对不同水平变量组合下的情景与组织学习绩效之间的关系产生一定的调节作用，由此提出如下理论假设：

假设H1：在弱学习—结构化的情境下，随着组织所面临的学习环境由简单到复杂，那么组织所能达到的绩效水平会有一定程度的降低;

假设H2：在强学习—结构化的情境下，随着组织所面临的学习环境由简单到复杂，组织所能达到的绩效水平会有一定程度的降低，但会高于同等程度下的弱学习—结构化情景;

假设H3：在弱学习—灵活性的情境下，随着组织所面临的学习环境由简单到复杂，那么组织所能达到的绩效水平会有一定程度的降低;

假设H4：在强学习—灵活性的情境下，随着组织所面临的学习环境由简单到复杂，组织所能达到的绩效水平会有一定程度的降低，但会高于同等程度的弱学习—灵活性情景。

2. 基本模型分析。在基本模型中，我们假定组织中共有15个不同层级的团队，每个团队由7人组成，最终构成4层结构模型;知识的维度为100（即m=100），除高管团队外的其他个体具有一般程度的学习能力为0.1（即Plearning-except leader=0.1）。

本研究根据模型设置了多种实验场景，主要包括不同的学习环境即问题复杂性水平（简单s=2和复杂s=5）、不同的高管团队学习能力（Plearning=0.1到0.9表示学习能力由弱到强）和不同的组织结构形态（从β=0到β=1表示组织结构从更加结构化转向更加灵活性），根据多种因素不同水平构成不同的组合（基本情景约288种），每种情境下都进行1 000次的随机实验，并取其结果的均值作为这一情境下的组织学习绩效值以确保结果的稳定性，最后的结果用图表展示，以探究和比较不同水平下的多种因素对组织学习绩效的综合作用。

问题复杂性对组织结构与组织学习绩效之间的关系存在一定的影响，随着知识复杂性水平的提升（s从2到5），组织要达到同等程度的学习绩效水平就需要更强的组间连通性（即更高的β水平）。

由图5到图8可以看出，弱学习—结构化、弱学习—灵活性、强学习—结构化、强学习—灵活性情景下的组织学习绩效都会随着问题复杂性由简单到复杂而降低，说明了问题复杂性对其与组织学习绩效之间关系的调节作用。

当组织成员所面临的学习环境较为简单时，完全结构化的组织设计所达到的组织学习绩效水平最低;随着组间连通性的增强，学习绩效表现出了先上升后下降的趋势，因此当组织结构同时具备高联通和高聚合的特征时，组织学习绩效水平最高。并且高管团队学习能力和组织结构在此情景下存在一定的协同互补效应。

当组织成员所面临的学习环境较为复杂时，完全结构化的组织设计所达到的组织学习绩效水平最低;随着组间连通性的增强，学习绩效快速提升但超过一定界限之后趋于平稳，因此处理复杂问题时组织结构要更有更高的连通性，但也无需为了追求过高的灵活性增加不必要的成本。

高管团队学习能力对组织学习绩效的影响受到组织结构和问题复杂性的调节作用，在问题复杂性低的情境下，如果组织是完全结构化的，高管团队学习能力与组织学习绩效呈正相关关系;如果组织不是完全结构化的，高管团队学习能力与组织学习绩效呈负相关。在问题复杂性高的情境下，完全结构化的组织中，高管团队学习能力不能对组织学习绩效产生明显影响;如果组织不是完全结构化的，高管团队学习能力与组织学习绩效呈负相关。

四、 结语

本文在前人研究的基础上，通过将影响组织学习绩效的结构、个体学习能力和问题复杂性三类因素整合，提出了组织的层级子群模型，并使用仿真实验验证了现有的理论及观点，证明了模型的准确信，为后续有关组织学习多种前因综合作用的研究提供了模型基础。

参考文献：

[1] Fang C， Lee J， Schilling M A.Balancing Exploration and Exploitation Through Structural Design： The Isolation of Subgroups and Organizational Learning[J].Organization Science，2010，21（3）：625-642.

[2] Fang C， Levinthal D A.Near-Term Liability of Exploitation： Exploration and Exploitation in Multistage Problems[M]. INFORMS，2009.

[3] Huber G P.Organizational Learning：The Contributing Processes and the Literatures[J].Organization Science，1991，2（1）：88-115.

[4] Lazer D， Friedman A.The Network Structure of Exploration and Exploitation[J]. Administrative Science Quarterly，2007，52（4）：667-694.

[5] 陈国权，刘薇.企业组织内部学习、外部学习及其协同作用对组织绩效的影响——内部结构和外部环境的调节作用研究[J].中国管理科学，2017，（5）：40-50.

[6] 林润辉，米捷.子群结构下的组织学习多主体仿真研究——对March的探索式—利用式学习模型的扩展[J].系统管理學报，2017，（5）：109-118.

[7] 刘海斌，胡斌.健壮的分布式组织网络结构设计的建模与仿真分析[J].管理工程学报，2017，31（3）：155-161.

作者简介：王倩（1994-），女，汉族，山东省潍坊市人，南京大学商学院硕士生，研究方向：创新创业管理;汪桃红（1980-），女，汉族，湖北省黄冈市人，江苏科技大学外国语学院讲师，研究方向：创新创业管理;蔡霞（1991-），女，汉族，江苏省镇江市人，南京财经大学工商管理学院讲师，研究方向：创新创业管理。

收稿日期：2019-06-14。