基于动态贝叶斯网络的复杂建设项目组织领导力研究

罗岚，程亮，涂志昊，谢敏

(南昌大学建筑工程学院，江西 南昌 330031)

随着我国新型城镇化建设的不断推进，各类大型复杂建设项目越来越多[1]。这些项目由于规模大、动态性强、未知风险多、复杂性高等特点，传统建设项目领导者在驾驭复杂项目时遇到了极大的挑战，易造成工期延误和成本超支等目标失控的严重后果[2]。为保证复杂建设项目目标的实现，应对项目复杂性的组织领导力(organizational leadership，OL)研究越来越受到重视[3]。如何识别复杂建设项目组织领导力的关键影响因素，提升领导力是复杂建设项目管理的关键内容。针对复杂建设项目组织领导力的影响因素问题，近年来已经有诸多学者展开了许多研究。早期研究主要关注项目管理者的个性，认为领导者的个性是影响领导力效果的关键因素[4]。近期研究强调从多维度去探讨组织领导力的影响机制，认为项目成员自主决策执行力、项目组织适应力和项目组织凝聚力是影响组织领导力的关键因素[5]。目前学者们对于组织领导力影响因素的研究主要基于静态视角，没有动态研究影响因素的相互作用以及对组织领导力的影响，未深入探讨组织领导力随时间的动态变化规律。

因此，本文将采用动态贝叶斯网络(dynamic Bayesian network，DBN)方法开展复杂建设项目组织领导力研究。首先，基于国内外相关文献梳理和专家意见，建立复杂建设项目组织领导力影响因素体系；其次，通过问卷调查和专家知识，构建基于动态贝叶斯网络的复杂建设项目组织领导力模型；最后，运用动态贝叶斯网络的双向推理功能，识别出复杂建设项目组织领导力的关键影响因素及动态变化规律，通过仿真结果分析复杂建设项目组织领导力的影响机制，并提出提升组织领导力的策略建议。

1 组织领导力影响因素分析

通过对建设项目组织领导力相关的研究文献进行分析整理，提取复杂建设项目组织领导力的影响因素，可以得到19个影响因素，如表1所示。

通过系统分析，复杂建设项目组织领导力的构成包括系统思考力(system thinking，ST)、情景互动力(context interacting，CI)、愿景导向力(vision guiding，VG)和团队构建力(team building，TB)4个维度[6]。

1) 系统思考力：项目组织领导者能够从大系统角度识别复杂性环境中的子系统、子系统间互动形式和复杂系统中的核心子系统，并利用系统集成思想解决项目问题的能力。影响因素包括领导者能力素质、制定全面的目标、协调各方工作、保证团队利益和抵抗风险能力等。

2) 情境互动力：项目组织领导者将组织看作是项目情境的重要组织部分，能够在复杂情境中对问题做出统一、明确的界定，并简化情境的能力。影响因素包括积极沟通互动、调整领导风格、工作会议高效和开展团队活动等。

3) 愿景导向力：项目组织领导者在处理复杂关系的同时，能够发掘潜在的风险，并通过愿景的形式对内与参见主体，对外与其他利益相关者共同实现项目目标的能力。影响因素包括努力完成目标、明确工作定位、落实施工任务、团结合作意识和不断学习成长等。

4) 团队构建力：在复杂性情境下，项目组织领导者通过影响力以及制定相关的规则来构建组织团队的能力。影响因素包括文化认同感、配置资源合理、部门有序配合、组织机制完善和团队构成良好等。

2 组织领导力DBN模型构建

2.1 问卷收集与数据处理

结合已构建的组织领导力指标设计调查问卷，问卷采用5点量表法，每个观察变量均采用Likert 5点计分(1=非常不好，5=非常好)。得分越高，表明组织在这方面的能力越好。通过对参与复杂建设项目工作的项目经理调查，如实地反映复杂建设项目组织领导力的情况。此次调查共发放问卷150份，其中有效问卷为138份，有效回收率为92%，样本具体调查对象情况如表2所示。

表1 组织领导力影响因素解释说明Tab.1 Explanation of factors affecting organizational leadership

表2 调查对象情况Tab.2 Statistical analysis of respondents

本研究中，选用组织领导力以及其19个影响因素作为构建贝叶斯网络的模型节点。为了简化计算，将从问卷中收集的138个训练样本处理为高中低3种状态。低状态(low)代表组织在这方面的能力非常不好和不好，中状态(moderate)代表能力一般，高状态(high)代表能力好和非常好。变换后的组织领导力因子的状态统计分布如表3所示。这里组织领导力以项目完成情况作为标准评价。

2.2 BBN模型设计

贝叶斯信念网络(Bayesian belief network，BBN)是概率论和图论的结合，是一个包含条件概率表的有向无环图模型。在网络中，任何抽象的问题都可以用节点表示，并且都有自己的概率分布；节点间的相互关系用包含条件概率的有向弧表示[19]。BBN模型的拓扑构建是一个复杂的过程，本文将收集的数据用于贝叶斯网络模型的构建和参数学习，可以避免专家知识的主观性和模糊性，使模型中各节点之间的因果关系更接近实际情况[20]。因此，本研究使用贝叶斯网络建模软件GeNIe 2.4，通过机器学习与专家知识相结合的方法来构造BBN拓扑结构。首先，以138个训练样本作为输入数据来学习网络结构，然后采用评分搜索法进行结构学习，并根据专家知识对贝叶斯网络进行纠正和修改；其次，进一步进行贝叶斯网络的参数学习以获得网络中每个节点的条件概率表(conditional probability table，CPT)。其功能是获取所有节点的CPT，这些节点为以后建立DBN模型提供了基础。构建的复杂建设项目组织领导力贝叶斯网络模型如图1所示。

表3 不同状态下组织领导力节点的统计分布Tab.3 Statistical distribution of organizational leadership nodes in different states 单位：%

2.3 DBN模型建立

DBN是BBN在时间维度上的拓展，是一种随时间变化而变化的动态模型[21]。动态贝叶斯网络将系统表示成从起始时间到终止时间的一系列快照，每一个快照都是一个完整的贝叶斯网络，表示系统在该时间的状态，在前后2个快照之间相关的节点添加因果联系，表示在不同时间片的节点状态传播关系[22]。通过DBN模型可以获得随着时间推移复杂建设项目组织领导力的后验概率，更好地了解组织领导力的动态性。通过状态转移概率表(transfer probability table，TPT)，可以实现BBN到DBN的拓展。本研究中，基于专家知识定义了从t-1时刻到t时刻的组织领导力的TPT，其结果如表4所示。结果表明，如果组织领导力在时间t-1处于高状态，则组织领导力在时间t处于高状态的概率为0.80，转换为中状态的概率为0.15，转换为低状态的概率为0.05。同样，根据项目管理的实际经验，可以得到其他状态下从时间t-1到时间t的组织领导力的TPT。在定义了初始网络模型和TPT之后，可以建立DBN模型，如图2所示。

表4 组织领导力节点的TPTTab.4 TPT of organizational leadership node

3 动态贝叶斯网络仿真分析

组织领导力显示了动态特征，将在项目管理的生命周期中发生动态变化。通过动态贝叶斯网络的推理功能，可以实现以下3种假设情景分析，包括影响链分析、预测分析和诊断分析。以此进一步探究和挖掘复杂建设项目组织领导力的关键影响因素和动态变化规律，从而制定优化策略提升复杂建设项目组织领导力。

3.1 影响链分析

影响链分析可用于描述节点间的相互影响程度，以及体现节点间条件概率的依赖度，目的是探究导致结果的最大影响因果链。方向弧的宽度描述了它连接的父节点对子节点之间的影响强度，影响强度可以通过节点间的条件概率表CPT计算得出。当几个具有强烈影响关系的节点形成链接时，且目标节点在其中，则该链接为最大影响因果链。这里利用软件GeNie 2.4进行影响链分析，结果如图3所示。

从图3中可以看出，有2条影响链出现，如增粗链所示。第1个是“努力完成目标(VG1)→明确工作定位(VG2)→落实施工任务(VG3)→部门有序配合(TB3)→抵抗风险能力(ST5)→组织领导力”。根据研究结果，个体对工作的认知能力影响施工任务的完成，进一步影响各部门的有序配合，并通过抵抗风险能力影响组织领导力。因此，研究表明，个体的自我认知能力和各部门有序配合在复杂建设项目组织领导力中起着重要作用。

第2个是“领导者能力素质(ST1)→合理配置资源(TB2)→组织机制完善(TB4)→团队构成良好(TB5)→组织领导力”。结果表明领导者能力素质将影响合理配置资源，项目组织机制和团队构成，从而影响项目组织领导力。这些因素属于团队构建力的维度，说明项目领导者能力素质对团队的影响力和凝聚力，以及完善的组织体制在复杂建设项目组织领导力中扮演重要角色。因此，组织通过制定完整的激励体系和培训体系来增强组织成员的积极性、创造性和主观能动性，不断提高他们的知识和技能，加强团队的凝聚力的策略，是提升项目组织领导力行之有效的方案。

3.2 预测分析

预测分析旨在利用给定的证据来预测组织领导力级别。组织领导力因素证据的传播允许根据新发现的证据更新贝叶斯网络中项目组织领导力级别的概率分布。将组织领导力的几个关键因素状态分别设置为“high”作为证据，并使用软件GeNie 2.4预测在不同情况下项目组织领导力的概率。图4说明了在不同情况下进行预测分析时项目组织领导力级别的概率。

从短期的角度来看(Time=0)，如图4所示，当分别将TB4和TB5状态设置为“high”时，项目组织领导力级别为“high”的概率最大；当分别给定值P(ST5=high)=1和P(TB2=high)=1时，组织领导力级别为“high”的概率为第二大；同时，从图中可以明显看出P(OL=high|TB3=high)>P(OL=high|VG3=high)>P(OL=high|VG1=high)>P(OL=high|VG2=high)>P(OL=high|ST1=high)，表明组织机制完善(TB4)、团队构成良好(TB5)、抵抗风险能力(ST5)和合理配置资源(TB2)是组织领导力中的最关键因素。因此，提升复杂建设项目组织领导力的主要焦点应该是组织机制完善、团队构成良好、抵抗风险能力和合理配置资源。

从长期的角度来看(Time=1之后)，如图4所示，处于不同状态的项目组织领导力概率随时间变化，并且项目组织领导力概率的最大值稳定在高状态。可以看出，当将几个关键因素节点状态设置为“high”时，处于“high”状态的项目组织领导力曲线会不断下降，然后趋于稳定；处于“moderate”和“low”状态的项目组织领导力曲线会逐步上升，然后趋于稳定。主要原因是DBN可以保存和累积先前时刻的推理结果，并具有记忆学习的特性。随着时间的变化，网络模型可以有效地获取更多证据和信息。这样，项目组织领导力的动态性质可以随着时间的推移而得到反映。

3.3 诊断分析

诊断分析旨在使用贝叶斯推理中的反向推理技术来确定对项目组织组织领导力有更大影响的最可能的直接原因。该分析可用于计算每个组织领导力因素的后验概率，并在项目组织领导力降低时发现最可疑的原因。从而识别贝叶斯网络中对项目组织领导力影响最大的因素。将组织领导力节点状态设置为“low”状态，使用软件GeNie 2.4计算组织领导力主要影响因素节点的后验概率。如图5所示，列出了在不同情况下的诊断分析中节点的后验概率。

图5中结果表明，在节点状态为“low”的情况下，工作会议高效(CI3)和组织机制完善(TB4)的后验概率具有最大值；同样，在节点状态为“moderate”的情况下，组织机制完善(TB4)和团队构成良好(TB5)的后验概率也最大；而在总和排名中，当P(OL=low)=1时，节点后验概率大小为TB4>TB5>TB2>ST5>TB3>CI3>VG1>VG2>VG3>ST4。因此，组织机制完善(TB4)、团队构成良好(TB5)和合理配置资源(TB2)是导致组织领导力降低的最可疑因素，也就是说，这3个因素中1个或多个状态降低时，将对组织领导力造成极大影响。因此，在提升复杂建设项目组织领导力过程中应多侧重这3个维度的管控。

4 结论

1) 基于机器学习和专家知识建立了复杂建设项目组织领导力的DBN模型，通过GeNie软件进行动态分析，可得到复杂建设项目组织领导力随时间的变化规律。

2) 在保持关键影响因素处于高状态的情况下，复杂建设项目组织领导力会随着时间的推移而逐渐降低，然后趋于稳定，并且可以动态地计算和分析其随时间的变化。

3) 本研究通过影响链分析，得到了2条重要的因果影响链，说明了复杂建设项目组织领导力的影响机制是种链式反应，这为优化组织领导力提供了重要路径。

4) 研究结果表明，合理配置资源、完善的项目组织机制和良好的团队构成是影响复杂建设项目组织领导力的最关键因素。这几个关键因素属于团队构建力的维度，说明项目组织领导者通过影响力以及制定规则构建组织团队的能力是至关重要的，组织领导过程中应更加注重团队运营方面的调控。