知识共享/转移背景下的动态群体决策绩效研究

张晓鹏, 关 磊, 吴苏寒

(1.浙江工商大学 工商管理学院,浙江 杭州 310018; 2.北京理工大学 管理与经济学院,北京 100081; 3.南京科技职业学院 经济管理学院,江苏 南京 210044)

0 引言

组织被视作由决策和决策者构成的网络[1]，而群体决策是管理问题决策的常见形式[2]。决策民主性和个体利益多元性等现实中存在的普遍要求，也使得群体决策在很多情境下成为了必然选择。与此同时，人类面临越来越复杂的问题，想要做出正确的决策，仅仅凭借个人是信息、知识、经验和能力是困难的。而集合了不同专家的群体决策，可以打破个人才智和经验的局限性[3]。但是，群体决策存在着决策者们的观点很难统一的问题。

与此同时，现实中大量群体决策情境都具有动态性特征，即决策过程不是一次完成的，需经过多次讨论，而且在讨论过程中决策个体给出的偏好信息和约束条件都会发生变化。这一类动态群体决策强调决策过程中的适应性，不同要素动态变化过程对后续决策会产生影响。

在已有的关于动态群体决策的研究中，很多学者讨论了不同要素的影响。例如，Ibanez等分析了时间压力对不同性别参与者决策行为的影响[4]。张开富等用协调指数衡量决策过程的动态变化，进而协调专家意见以过程中获得的协调指数作为动态变化的决策准则，实现专家意见的协调[5]。朱建军等集结多阶段偏好构建决策阶段赋权模型，动态修正各阶段权重和方案权重，形成群体综合偏好基于互反判断偏好与互补判断偏好，建立基于先验信息的多阶段偏好集结的决策阶段赋权模型，在过程中实现对各阶段权重和方案权重的动态修正，将多阶段判断偏好集结成群体综合偏好[6]。

从现有研究结果看，在制定决策的正确方法和获得满意决策结果之间的确存在因果关系，一个“好”的决策过程将导致更有利的结果[7]。因此，交互过程成为动态群体决策领域研究的主要方向[8]，即关注个体如何在复杂、动态的实时环境中，运用其经验定义和评价所处环境，进行决策并选择行动方案[9,10]。回顾已有研究，信息在动态群体决策绩效中扮演了非常重要的角色。Stasser和Titus的信息取样模型首次提出了信息在群体决策绩效中的作用[11]，对后续的研究产生了重大的影响。国内学者徐泽水、梁樑等从不完全信息、模糊信息、不确定信息等角度对过程偏好集结进行了研究[12,13]。由于信息总与知识的传递过程紧密相连，在这些研究中，信息和知识的概念经常被等同或其概念边界非常模糊。

总体上看，现有的研究工作存在着一些不足。首先，已有文献较少讨论知识运动的作用；其次，较少有文献分析决策绩效改进的内在机理；最后，知识共享/转移的作用和意义尚未得到充分的重视。

本文的研究问题便由此出发，关注动态群体决策过程的绩效问题。具体地，本文将交互过程进行进一步细化定义成群体内部信息和知识的运动，将动态群体决策推广至知识共享/转移的背景下来考虑。本文通过一系列量化及模拟方法，探索其绩效改善机理和路径，具有重要的实践意义：首先，通过引入知识共享/转移，拓展决策者的认知和视野；其次，给出知识共享/转移的动态群体方法，丰富了知识管理理论研究；最后，知识共享/转移背景下的群体决策理论、方法有助于实践中相关问题的高效解决。

后文的基本结构如下：第一和第二部分界定一系列研究中涉及的概念，并通过构建知识共享/转移背景下的动态群体决策过程模型，分析其中观点演化和集结的动态过程，证明知识共享/转移情形下群体一致性的收敛性。第三部分在该模型基础上，引入定性模拟，描述不同情境下群体决策的时间变化。最后，总结本文的研究工作并提出未来的研究方向。

1 知识共享/转移下的群体决策模型

1.1 关键变量

为了能够更好地阐释本文的研究问题和研究过程，对于以下几个关键变量给出定义：

知识：信息的高级形态，能够为决策过程提供支持，并用来预测决策进程。

知识转移/共享：在决策个体层面，与决策相关的知识由某一个体向另外的个体转移运动的过程。

观点演化：个体对决策所持有的不同观点在动态决策过程中发生改变。

动态群体决策绩效：可以从两个方面衡量，其中呈现一致性反映群体选择和个体选择的偏差程度；决策时间则反映群体达到一致所需的时间。

1.2 决策过程

本研究将知识共享/转移背景下的动态群体决策过程P细分为三个层面，分别定义各层面中涉及的关键变量，并给出三个层面驱动关系的直观描述。

(1)观点动态演化层面P1：该层面为决策进程的断面，每个状态截面Si上存在特定观点分布Gsi。在个体交互的作用下，状态截面随时间变化，即观点分布随时间变化。

(2)交互关系动态演化层面P2：在决策进程的任一时间点t上存在特定的个体间交互关系结构It。交互关系结构随时间变化。

(3)观点集结的动态演化层面P3：在任一时刻t，状态截面St上的观点可用函数ht集结成为群体共同的观点OPt，OPt=ht(Gst)。不同时间点的状态截面有不同的集结函数，观点集结函数随时间变化。

图1 三个层面的驱动关系

三个层面的驱动关系如图1所示(箭头表示驱动方向)。知识共享/转移使个体的观点发生演化，促使个体间的交互关系发生变化，具体表现为：有些个体由于分歧过大而不再进行交互，有些个体由于观点趋同而倾向进行更多的交互，交互结构和个体观点的动态变化促使在分析群体观点变化时需要选取不同的函数进行集结，以上过程均为动态连续进行。

基于以上变量定义及层面间的驱动关系，图2给出了观点收敛的动态群体决策过程模型。

3 知识共享/转移对呈现一致性的影响

结合以上定义，首先构建知识共享/转移影响群体决策呈现一致性指标的量化表达：设m个决策者构成决策群体G={d1,d2,…,dm}，决策问题有n个备选方案X={x1,x2,…,xn}，决策者di的初始观点为OPi={opi1,opi2,…,opin}，其中i=1,2,…,m。借助决策规则h，群体形成初始观点分布OPG={g1,g2,…,gn}=h{OP1,OP2,…,OPm}。呈现一致性计算公式如下：

(1)

这里，ci反映了个体决策与群体决策的差异。ci越小，说明呈现一致性越好。当ci小于某个一致性阈值δi时，则群体达到呈现一致状态。

图2 知识共享/转移背景下观点收敛的动态群体决策过程

由上述公式可知，对群体观点进行反馈调整，可能会使动态群体决策绩效改善。彭怡在这一问题上做了非常有意义的研究，引入规范化的偏好调整方法，讨论了引入群体观点信息和决策者前一轮观点信息这两类信息的观点演化问题[14]。本文在其研究基础上，引入知识要素，考察序列的收敛情况，图3给出了改进的动态群体决策过程呈现一致性获取流程，图中斜体部分为具体改进。

图3 改进的动态群体决策过程呈现一致性获取流程

(2)

(3)

(4)

(5)

进而，可以获得如下定理。

定理1存在知识共享/转移下，群体呈现一致性为动态收敛序列。

4 知识共享/转移对决策时间的影响

本节首先将过程中各重要属性抽象为各自值域上的定性变量，基于系统规则将存在于各属性之间的因果关系抽象成变量之间的因果关系图，而后将原因变量的变化按相应的规则沿因果路径传播到结果变量，从而分析出结果变量的变化，并结合前述因果路径及传播过程，生成因果解释。

4.1 变量的定性描述

首先，引入三类变量：X1代表决策个体的知识差异；X2代表过程中的知识共享/转移水平，即决策进程单位时间知识共享/转移的发生次数；T为决策时间。为简化起见，T由两项指标决定：呈现一致性C、观点演化速度V。

这里，假设只在如下的特定时间点发生决策改变：t0

肾开窍于耳：肾藏精，精生髓，髓聚于脑，精髓充盛，髓海得养，则听觉才会灵敏，故称肾开窍于耳，“耳为肾之外候”。临床上常常把耳的听觉变化，作为推断肾气盛衰的一个标志。人到老年，肾中精气逐渐衰退，故听力每多减退。

QS(x,ti)=

(6)

其中，qfac∈{2-,-,0,+,2+}表示X1，X2对T的“消极影响”、“无影响”和“积极影响”，“2”表示影响程度。

绩效集T中的每一个状态变量都可由下式表示：

QS(x′,ti)orQS(x′,ti,ti+1)=

(7)

其中，C、V作为T的两项关键指标，qval表示其定性值，取值由下式决定：

(8)

同时，qdir表示qval的变化方向，qdir=(-,0,+)，分别表示“减慢或变差”、“不变”和“加快或更优”。

按因果关系对变量进行分类，X1、X2为原因变量，决策时间T为结果变量，C、V既是原因变量，又是结果变量。图4给出了一种因果关系的直观图形描述。其中ΔT1s表示结果变量从l1开始变化至达到新定性值l2所经历的时间段。ΔT2r是其停留在l2的时间段，D表示因果变量之间的影响，D∈{-,0,+}。t1和t4间，T的取值序为：

QS(B,t1)=,QS(B,t1,t2)=<(l2,l1),+>,

QS(B,t2)=,QS(B,t2,t3)=,

QS(B,t3)=,QS(B,t3,t4)=<(l1,l2),->,

QS(B,t4)=

下标s代表结果变量的变化快慢：s∈{1,2}，ΔT11<ΔT12。下标r表示ΔT2r的持续长度，r∈{0,1,2,∞}，“0”表示ΔT2r=0，即到达新定性值后不作停留，“∞”表示结果变量一直会保持l2的状态。

图4 原因变量对结果变量的因果关系

4.2 系统规则集及模拟过程

从知识本身角度讲，知识差异的存在导致知识被共享/转移，而知识又总是不断推陈出新，使知识差异成为绝对存在的外部变量。一般来说，外部变量的影响小于群体内部活动的影响[15]。知识差异和知识共享/转移对动态群体决策绩效的影响存在先后序的关系，且知识共享/转移属于群体内部可控的活动，因此它对决策绩效影响更大。此外，还应衡量呈现一致性和观点演化速度对于决策时间的作用。从本质上说，这是两者权重确定的问题。由于本研究考虑的是不存在时间压力、个体平等且利益一致的动态群体决策情境，产生群体思维或从众压力的可能性大大减小，因此呈现一致性对于“好”的绩效更为重要，即获得更大权重。据此，给出系统规则1：

规则1群体外部因素和内部因素对群体决策绩效产生影响。内部因素比外部因素影响更大。

该规则的进一步说明：因素的影响大小可以通过单独施加该影响后，定性状态值变化的速度来确定：(1)若X1产生影响，则s=2；若X2产生影响，s=1。(2)若C、V对产生影响，可根据以下规则确定：如果C的qdir为2+或2-，则s=1；如果C的qdir为1+或1-，则s=2；而V的qdir取除0以外的值，均有s=2。如果C或V的qdir为0，则T=T；

在规则1的基础上，考察在受到不同影响时，绩效变量的变化方向，有如下规则：

规则2分两种情况对结果变量的变化方向进行讨论：

(1)表1给出X1、X2对C、V变化方向的影响。

表1 C、V的变化方向(受X1，X2影响)

(2)考察C、V对产生影响时的变化方向，由于两者均为aval和qdir构成的二元组，表2、表3分别运用adir、qval确定的变化。

表2 由qdir确定T的变化方向

表3 由qval确定T的变化方向

以上两条规则考虑的是单一因素影响下T的变化。为更好地模拟现实情况，以下规则规定了同时受到多个原因变量影响的情况下结果变量多个后续状态的筛选和确定规则。

规则3当T的变化方向qdir≠0时，若T存在多个原因变量，则最先到达新定性状态值，即存在minΔT1s的状态就是T的后续状态。当T的变化方向qdir=0时，T的状态是后续状态中存在minΔT2r的状态。简言之，该规则采用时间优先的原则，过滤实际中不存在的非正常后续状态，这一规则同时也决定了的显著时间点(该规则同适用于结果变量是C、V的情况)。

规则4经过滤后，如果T的后续状态有不同的qval和qdir，应用以下规则进行组合。

表4 T后续状态qval的确定

表5 T后续状态qdir的确定

综上所述，定向模拟工作流程如图5所示。

为使本研究结论更能适应于复杂多变的现实决策实践，我们完成了不同情境下动态群体决策的达成一致的时间模拟，并给出不同情境下状态变量的优劣比较及相应优化措施。模拟通过仿真平台Arena 7.0实现，主要完成两项工作：(1)利用过程分析器(Process Analyzer)调节因果关系模型中的各种变更，对不同情境下的决策时间进行模拟。(2)利用OptQuest模块完成在N维控制变量空间构成的特定情境下，最佳备选方案的搜索工作。

图5 定性模拟引擎的工作流程

4.3 多情境下的输出评价

在仿真实验中，选择4个控制变量：(1)kamount：通过该变量可对动态群体决策中的知识共享/转移水平进行调节；(2)pd：通过该变量可对群体的知识差距水平进行调节；(3)internalfactor：通过调节该变量观察知识共享/转移水平对输出响应-决策时间的影响水平；(4)externalfactor：通过调节该变量观察群体内部知识势差对决策时间的影响水平。假设在仿真过程中每个控制变量存在两个定性水平：“低”或“高”。从实际问题出发对控制变量的取值进行扩展(扩展为-1，1)，每种情境设定重复仿真次数100次，仿真统计结果由表6给出，其中Decisiontime为100次仿真所得结果的均值。

由于选取了4个控制变量，且每个变量存在两个定性值，表6给出了16个情境下的平均决策时间。我们初步观察到了一些有趣的结果。例如，高强度的知识共享/转移水平，并不能单纯地缩短决策时间。相反，情境1(kamount=-1，pd=1)取得了最短的平均决策时间0.0766。可以看出，在高知识差距的群体中，低强度的知识共享/转移水平反而是最优的选择。而在情境5(kamount=-1，pd=-1)中，一旦群体知识差距变小，低强度的知识共享/转移水平将会使得决策变慢。进一步对仿真数据的统计有效性进行分析，可以得到表7所示的Decisiontime统计值。

表6 情境1～16决策绩效模拟统计数据(仿真次数:100)

表7 情境1～16决策时间模拟统计数据

运用过程分析器评价这16种方案的相对优劣，得到下图6。

图6 各情境作用下的决策时间变化(Box and Whisker)

在上图中，方块的垂直范围显示了不同情境下决策时间期望值的95%置信区间。显然，黑色方块决策时间期望值在统计意义上优于白色区间。更准确地说，黑色情境构成的子集合，在决策时间期望值方面，有95%的可能包含了真实的、最佳的情境；而白色区间，总能通过调节其中一个控制变量的水平，达到更优的决策时间：如情境5(白色)调节pd为1，则会产生更短决策时间的情境1(黑色)；情境6(白色)调节internalfactor为1，则会产生更短决策时间的情境2(黑色)等。同时，由图6可以发现，相对较高的kmount和internalfactor会对群体决策时间产生积极影响，符合本文得出的结论。但结合表6和图6，一个有趣的现象引起了我们的关注，一些kmount为高水平的情境无法获得较优的决策时间期望值区间，特别是情境16，具有高的知识共享/转移水平，对决策绩效的正向影响也很大，但决策时间值却不理想。由此可推测，在群体内知识差距较大或该差距对群体有较大影响时，高知识共享/转移水平未起到作用。反之，低知识共享/转移水平的情境1收获了最短的决策时间。由此验证了结论：即知识差异存在一定阈值，只有当群体内部差异在该阈值内时，知识共享/转移才能发生，才能对决策时间产生积极影响。

5 总结与展望

本文以动态群体决策为主要研究对象，在考虑知识共享/转移的前提下，探讨了相关绩效指标的影响因素、变化过程，分析了相应的对策，并进行了数值模拟。

首先，本文构建完成了知识共享/转移背景下的动态群体决策模型，将模型细分为观点、交互关系、集结三个动态演化层面，给出了层面间的驱动关系，对已有文献的呈现一致性序列收敛证明方法进行了扩展，证明了在引入知识要素后，该序列仍然收敛，且适用于个体观点和群体观点差别更大的情况。

接着，本文利用定性模拟技术，探讨了知识共享/转移对达成一致时间所需时间的影响。具体地，本文构建了知识共享/转移影响群体决策过程的定性模拟概念模型，提出了定性模拟引擎驱动模型中规则集和变量集的运动，给出了定性模拟引擎的工作流程。同时，搜索知识共享/转移水平、知识势差及两者的影响大小4维控制变量空间中的最佳备选方案。对控制变量在所定义的范围内可能取值的组合进行自由选择，在4维空间中寻找，当达到呈现一致性指标最优时(绝对值越接近于0越好)，决策时间的取值。

基于本文的成果，未来的研究工作还可以进一步深入。本文选取的自变量为知识共享/转移，具体来说，研究中涉及知识共享/转移是否发生、被共享/转移的知识数量是多少。今后的研究中，应该进一步细化自变量。例如知识共享/转移的方式、面对面的交互和网络交互是否存在差别、知识共享/转移的次数多少是否存在差别、知识共享/转移的方向(单向/双向)是否存在差别等，这些都是值得进一步探索的问题。