交互记忆系统的中介作用
曲刚李伯森
（大连理工大学管理科学与工程学院，大连116024）
摘要：团队社会资本被认为是促进团队知识转移的关键因素，但已有研究对社会资本如何影响
团队知识转移的作用机理还缺乏系统的理论分析和实证研究。本文引入交互记忆系统作为中介
变量，对社会资本是否通过交互记忆系统对团队知识转移产生影响进行实证研究。基于对23
家软件外包承接企业的93个项目团队的问卷调查数据，通过结构方程模型方法发现，交互记
忆系统在社会资本与团队知识转移的关系中发挥显著的完全中介作用，团队通过社会资本促进
交互记忆系统的形成，是提高知识转移绩效的有效途径。
关键词：团队社会资本；交互记忆系统；知识转移
引言
随着知识经济时代的到来，企业不再只是依赖于对稀缺资源的占有，而是通过不断的学习、知识转移、知识创造以提高创新能力来获取竞争优势，如何更好地利用现存知识、更有效地获取和吸收外部知识已经成为企业提高创新能力的关键。团队是企业内部以及企业间知识转移的重要载体和知识创造的“Ba”[1]，在组织知识获取与创造过程中，团队担当着核心角，它为组织员工提供了一个知识共享的环境，使他们能够相互交流并促进新思想、新知识的产生，团队内部知识转移的有效性很大程度上决定了企业知识创新的结果。因此如何有效地提高团队的知识转移的绩效一直是企业界与学术界关注的热点。
社会资本和交互记忆系统（Transactive Memory System，TMS）是近年来经常被用于研究团队学习和知识转移绩效的理论。从理论上分析，社会资本本质上是一种嵌入在社会关系网络中的资源，它并不一定直接作用于知识转移，知识转移绩效很可能更多地取决于社会资本影响团队信息处理的方式，实质上是影响团队认知的过程[2]。作为团队过程的一种认知机制，交互记忆系统对于团队社会资本与知识转移绩效来说，可能起到一种重要的中介作用。然而，目前国内外学术界尚缺乏对两者之间关系的分析，对两者能否共同作用影响团队内部知识转移绩效的作用机理也缺乏研究。
凯膜过滤技术
针对目前研究现状，本文将团队社会资本、交互记忆系统和知识转移绩效整合在一个理论模型之中，以软件外包项目团队为样本用结构方程模型进行实证研究。通过实证研究的结果，探讨变量之间的关系，将有助于深入剖析团队中有效知识转移的影响因素；分析影响路径并探明其中的作用机理，将有助于打开社会资本对团队知识转移产生影响内部机理的“黑箱”，推进社会资本理论、交互记忆系统理论在团队知识管理中的
收稿日期：2010-07-06
基金项目：教育部博士点基金（200801411130）；教育部人文社会科学基金（10YJC630196）；中央高校基本科研业务费专项基金（DUT11RW413）；辽宁省教育厅高校科研项目计划（2009B045）。
作者简介：曲刚，大连理工大学管理科学与工程学院讲师，博士；李伯森，大连理工大学管理科学与工程学院硕士研究生。
2013年广东高考作文应用发展，并为企业团队管理实践提供启示。
理论回顾与假设提出
1、社会资本理论
社会关系是知识传播的重要途径，不论是组织内部还是组织之间的知识活动，总是嵌入到一定的社会关系之中的[3]，很多学者采用社会资本、社会网络等理论的维度对团队知识转移进行了研究[4]。由于洞察到了社会机制在特定的情况下相对市场与科层制更有利于行动者动用内外部资源，社会资本理论成功地解释了一系列组织结果[5]。社会资本（social capital）的概念最早是由社会学家Bourdieu提出的，他将社中的人际关系网络看成一种有助于个人在社中发展的关系性资源，微观层次上，社会资本被定义为个体利用社会关系网络获取外部资源的一种能力[6]。此后，社会资本的概念和范围不断扩展，延伸至国家、区域、企业、团体等宏观层面的问题研究中，强调它是内部成员通过社会机制获得的一种联合行动能力[7]。Fukuyama[8]指出社会资本“是团体或组织中，人们为了共同目标而一起努力工作的能力”。柯江林等[9]在总结这些研究的基础上，指出社会资本不管是在微观还是宏观层面上，都具有资源动用能力和社会关系网络嵌入性两个关键的特征。借鉴这些研究，本文认为团队社会资本是指嵌入于团队成员的关系网络中、通过关系网络可获得的、来自于关系网络的资源集合体，代表了团队成员借助于社会网络或其他的社会结构来获取和交换资源的能力。Nahapiet等[10]提出了社会资本三维度框架：结构、认知和关系来测量这种获取和交换资源的能力，在借鉴Nahapiet等研究的基础上，本文主要研究社会资本的结构维和认知维，并开发出了测量团队社会资本的三个具体构念：网络结构、共享语言和共享目标。
社会资本的结构维反映了团队成员所处的社会关系网络的非人格化特征，主要揭示的是社会关系网络中成员与谁链接、链接方式、链接丰富程度、链接中权力配置以及链接频率等。要观察这种客观的整体链接状
“关系强度”等概念反态，具体而言，可以从沟通频率和非正式互动程度角度着手。一些学者使用“网络密度”、
映结构维度。我们借鉴这些研究并开发出反映团队成员间沟通频率与互动程度的构念，命名为“网络结构”。社会资本认知维是指在团队成员所处的社会关系网络中，促进个体对外表现一致特征的资源，具体表现在个体对事物共同的解释与看法，如成员间所共享的语言、共享的意义符号、共享的编码、共同的经历、共享的文化和价值观、共同的愿景、共享的道德规范等。本文使用“共享语言”和“共享目标”两个构念反映这一维度。
2、交互记忆系统理论
在团队知识转移过程中，团队成员间需要通过沟通与协作，获得有关任务、资源及知识背景等过程。交互记忆系统是一种“编码、储存和检索信息的共享系统”，它为团队提供了一个储存和提取信息的知识共享场所。交互记忆系统的概念由Wegner[11]提出的，指的是团队通过对不同领域的信息知识进行集体编码、解码、存储和检索，团队成员对其他成员所拥有的知识及知识内容进行有效认知，形成的
一种彼此依赖的，用以获取、储存和运用来自不同领域信息知识的合作性分工系统。Faraj等[12]采用了专长协调（expertise coordination）概念来测量交互记忆系统，包括了解专长所处位置，哪里需要专长以及运用该专长，即为了管理专长并充分发挥其潜力，团队必须通过专长协调来管理其技能和知识互依性。在团队知识传递过程中，当团队成员了解到其他成员的专长时，获取和编码与专长相关信息的责任就通过内隐或外显的方式分配给最合适的专家成员，此时团队中就产生了交互记忆[13]。
Lewis[14]在总结回顾以往研究的基础上，提出交互记忆系统具有三个行为特征维度，包括团队成员感知彼此专业知识领域的专长度（Specialization），团队成员对彼此专业知识准确性的信任度（Credibility），信息交流过程中团队成员合作程度的协调度（Coordination），这种行为维度的划分已经开发出成熟量表并被广泛接受。因此本文直接采纳Lewis的三维度量表：专长度、可信度、协调度来测量交互记忆系统。
3、社会资本与知识转移冯焱
网络结构与知识共享和转移机会密切相关。Yli-Renko等[15]通过实证研究发现，高新技术企业通过与外部客户进行频繁的社会互动，能够产生高频率、广泛的信息交流，从而有利于从客户处获取有用的信息和知识。Tsai等[16]研究发现，大型公司事业部之间紧密的社会联系能够帮助事业部克服组织边界的障碍，创造更多知
强关系相对于弱关系更有利于团队成员间分享精细化和深层次的知识。这是由于团队成员通过频繁的沟通和社会互动，促进了成员间感情关系的发展，进而促进团队成员投入到这种社会联系中，因此产生更多知识共享与转移的机会。
认知因素（共享语言、共享目标）则与知识共享和转移能力密切相关。没有共同的认知框架，团队成员就无法对知识和任务形成共同的理解，在合作过程中就可能发生误解与冲突[18]。当团队成员拥有相似的知识基础的时候，他们获取和吸收知识的能力更强[19]。当团队成员对团队工作和知识拥有共同的理解和解释时，他们能更准确地预测其他成员的行为和知识，从而促进知识的交换和整合[20]。共同语言是交流的基础，当团队成员需要在有限时间内转移大量的显性知识时，拥有共同的语言更有利于知识的快速理解和吸收。当需要转移复杂的隐性知识的时候，共享目标就显得尤为重要，它为团队成员提供了“顶层概念”，使他们从团队和任务目标的角度理解完成任务所需要的知识，而不需要过度地交流，从而提高知识转移的效率和效果。因此，本文提出如下假设：
H1：团队社会资本（网络结构、共享语言、共享目标）与知识转移间存在显著正相关。
4、交互记忆系统的中介作用
尽管在过去的研究中发现了社会资本对团队知识转移具有正向的影响作用，但大部分研究考察的是社会资本对知识转移的直接作用。一些学者注意到社会资本与知识转移之间可能存在着一些中间变量，并从机会、能力、动机等表层现象进行了研究，但对于这种影响作用存在的内在机理尚需要进一步的探讨。
知识本质上是一个动态的、根植于认知者及其与认知环境互动的认知实践之中的过程，所以团队学习与知识转移过程也必然与团队社会认知过程密切相关。Akgün等[21]将社会认知过程概括成信息获取、信息实施、信息分发、记忆、忘却、思考、灵感、意化等特征属性。简化来说社会认知过程实质上就是信息的获取、处理和利用的过程。在团队知识转移的过程中，团队通过认知过程对知识进行转移和创造，应用团队认知能更好地解释团队知识转移的内在机理，这已经得到了国内外学者的广泛认同。基于此，一些学者开始意识到社会资本可能并不一定直接作用于知识转移，知识转移很可能更多的取决于社会资本影响团队认知过程的方式，以及团队过程的管理模式。考虑到交互记忆系统在解释团队知识形成机制及分布式专长表征方面的优势，目前一些学者开始将交互记忆系统作为分析知识型团队动态问题解决过程中知识处理过程的理论框架[22]。总的来看，交互记忆系统体现了团队内部知识存储与提取过程，反映团队成员的关系及认知特征，是一种团队的认知和知识转移机制。因此，本研究认为交互记忆系统在社会资本与团队知识转移之间具有显著的中介作用。
Wegner[11]认为团队成员通过交流与合作，能够对团队内部知识分布进行有效认知，形成基于“谁知道东巴基斯坦
什么”、“谁知道谁”的协作状态，知道专业知识的位置、知道需要什么样的知识，从而消除知识转移的壁垒，减少团队对隐性知识转化的需求，提高知识转移的效率。目前的研究已经证明团队交互记忆系统对知识转移具有显著的促进作用[12]。如Akgün等[23]通过实证研究证明，新产品开发团队交互记忆系统的形成，对团队知识获取的程度具有正向的影响作用；Oshri等[24]通过案例对比研究揭示了基于交互记忆系统的编码、解码和存储过程对团队成员间知识转移绩效的影响。
对于团队交互记忆系统的成因，一些研究认为社会资本起着关键的作用。例如Kanawattanachai等[25]通过实证研究证明团队成员间基于任务的沟通和交流是影响虚拟团队形成交互记忆的直接因素。Yuan等[26]则通过实证研究证明了社会网络和社会资本是影响团队专业知识认知的重要前因。叶文等[27]提出社会网络维度是影响虚拟团队形成交互记忆的重要因素。团队认知方面的研究认为团队成员通过不断交流与互动，可以形成对“谁知道什么”、“谁知道谁”的团队知识（team knowledge），从而更顺利地搜索和交换知识[28]，而这种团队知识是交互记忆系统的重要方面。因此，本文提出假设：
H2：团队社会资本（网络结构、共享语言、共享目标）与交互记忆系统间存在显著正相关。
H3：团队交互记忆系统与知识转移间存在显著正相关。
本研究的理论模型如图1所示。
图1社会资本、交互记忆系统与知识转移模型拟合
研究设计
1、样本选择
我们选择软件外包项目团队作为实证研究对象。主要原因在于软件外包项目团队是典型的知识型团队，项目的进行很大程度上依赖于项目团队成员的知识能力以及成员间知识共享和知识转移的有效性。
而软件外包项目团队成员往往来自不同的组织、不同的地区，具有不同的知识背景、不同的语言、不同的价值观，这些因素导致成员间信息沟通和知识获取的困难。由于软件外包项目团队的这种特殊性，为了能够共同完成任务，项目团队成员通过频繁的社会互动与沟通、共享语言、共享目标等，对团队内部知识进行有效认知，形成“谁知道谁”的有效协作状态就显得尤为重要。
基于“谁知道什么”、
本文针对上述研究假设，对软件外包企业进行了问卷调查。在实施正式的调查之前，首先做好问卷草案，然后对几家跨国软件外包承接企业的高层管理者进行了事前检验（Pre-test），并根据访谈意见进行了修改，最后形成正式问卷。该问卷在大连市23家软件外包承接企业中发放，由各软件项目团队的项目经理进行填答，填答前要求项目经理要聚焦于最近完成的某一个软件外包项目来完成问卷。本次调研，共发放纸质问卷100份，实际回收有效问卷93份，有效回收率达到93%。本研究采用AMOS7.0软件进行验证性因子分析和结构方程建模，数据的其他分析由SPSS13.0统计软件完成。
2、变量的测量
本研究采用Likert5点量表计量尺度，问卷所使用的问项均来自成熟量表，并根据实际的研究背景和调研访谈做了适当的调整以更符合本研究的背景。
知识转移：本研究测量知识转移的量表来自Simonin[29]、Lane等[30]的研究成果，并结合前期调研结果。以技术、管理、行业知识的获取以及团队软件研发能力和成员技能的提升等5个问项来测量。
社会资本：本研究测量社会资本的量表由10个问项组成，包括网络结构（3项）、共享语言（3项）、共享目标（4项）。网络结构的问项基于Tiwana[31]的研究成果；共享语言的问项基于Vlaar等[32]的研究成果；共享目标的问项基于Tsai和Ghoshal[16]、Mao等[33]的研究成果。
交互记忆系统：本研究测量交互记忆系统的量表基于Lewis[34]、Levin等[35]、张志学等[36]的研究成果。量表由10个问项组成，包括专长度（4项）、可信度（3项）、协调度（3项）。
3、信度和效度分析
在数据收集完成后，本研究首先根据修正后项目相关系数（Corrected Item-Total Correlation，CITC），剔除了CITC系数小于0.4的指标。然后，运用SPSS13.0软件对样本数据进行探索性因子分析，不指定因子数目，采用主成分法提取因子，旋转方法为方差最大法，因子负载截取点为0.5，对于在任一因子上负载都低于0.5或在多个因子上负载大于0.5的问项进行删除，之后计算了各因子的信度Cronbach’sα值（见表1）。经过探索性因子分析进一步精炼题项，并确定量表中各个过程的维度后，本研究采用AMOS7.0软件对各构念进行验证性因子分析。
因变量知识转移部分量表的信度为0.831，这表明该部分量表具有良好的信度。在探索性因子分析中，知识转移量表各问项的因子载荷均显著（大于0.5），表明该部分量表具有良好的结构效度。
社会资本量表三个维度：网络结构、共享语言、共享目标，信度分别为0.884、0.805、0.855，而社会资本量表总的信度为0.916，这表明该部分量表具有良好的信度。在探索性因子分析中，社会资本量表各问项的因子
载荷均显著（大于0.5），之后的验证性因子分析中各项拟合度指标为χ2（df =32）=50.025，p <0.05，NFI=0.915，
RFI=0.881，IFI=0.968，TLI=0.953，CFI=0.967，GFI=0.907，RMSEA=0.078，达到理想水平，表明该部分量表具有良好的结构效度。
交互记忆系统量表三个维度：专长度、可信度、协调度，信度分别为0.759、0.700、0.807，而交互记忆系统量表总的信度为0.860，这表明该部分量表具有良好的信度。在探索性因子分析中，交互记忆系统量表各问
项的因子载荷均显著（大于0.5），之后的验证性因子分析中各项拟合度指标为χ2（df =30）=46.013，p <0.05，
NFI=0.888，RFI=0.831，IFI=0.958，TLI=0.934，CFI=0.956，GFI=0.916，RMSEA=0.076，达到理想水平，表明该部分量表具有良好的结构效度。
数据分析与结果讨论
本研究首先采用SPSS13.0软件进行Pearson 相关分析，以初步验证假设，之后以AMOS7.0结构方程模型软件对所提出的假设模型进行路径分析，检验其中的路径和因果关系。
问项
因子载荷α
网络结构1、我们与发包方人员之间在多个层次上拥有密切的人际互动
0.8350.8842、我们与发包方人员经常沟通
0.7363、我们与发包方人员保持着密切的关系林丹自传
0.854共享语言1、我们在与发包方进行沟通的时候使用相同的语言（如英语、日语、韩语等）
0.7910.8052、
我们和发包方在交流的过程中使用同样的术语或行话0.8473、我们和发包方之间传递的项目相关的信息都是以我们都可以理解的方式
0.565共享目标1、我们和发包方人员能够在项目和任务目标上达成一致
0.6550.8552、
我们和发包方会采取必要措施确保双方对项目和任务目标拥有共同理解0.8493、我们和发包方人员能够在项目开发过程中的任务重点上达成一致
0.8074、
我们和发包方在项目开发各个阶段需要交付的系统理解上没有不一致0.693专长度1、发包方传递的信息或任务，我们能很快交给相关领域的专家或负责人
0.5470.7592、我们了解发包方成员各自在具体方面的专长
0.8053、我们了解发包方成员各自负责的任务
0.8224、当我们需要帮助时，我们知道向发包方中某个具体成员去寻求帮助
0.743可信度1、考虑到发包方具有的良好记录，没有理由怀疑他们的能力和安排
0.7890.7002、发包方员工的工作非常专业并且具有献身精神
0.6323、我们可以依赖发包方使我们的工作变得更加容易
0.769协调度1、一起工作时，发包方和我们协调得很好
0.5900.8072、发包方和我们对于该做什么很少产生误解
0.8173、发包方和我们能够顺利而有效地完成任务
0.702知识转移1、从发包方学到了很多软件项目开发的技术技能
0.9260.8312、从发包方学到了很多软件项目开发的管理知识
0.8913、从发包方学到了很多行业知识
0.5424、提升了自身软件设计和开发能力
0.7785、促进了员工技能的提升0.814
表2构念相关系数社会资本交互记忆系统知识转移
社会资本1交互记忆系统0.480**1知识转移0.423**0.475**1表3模型整体拟合指数
1、Pearson 相关分析
社会资本、交互记忆系统、知识转移3个变量的分
值，分别是来自于各自包含维度分值的平均值，对3个变量进行Pearson 相关分析，
分析结果如表2所示。社会资本与知识转移之间的相关系数是0.423（p <0.01
），表明社会资本与知识转移之间存在显著正相关关系，假
设H1得到了初步支持。社会资本与交互记忆系统的相关系数为0.480（p <0.01），假设H2得到初步支持。交互记忆系统与知识转移之间的相关系数为0.475（p <0.01），假设H3得到了初步支持。
2、结构方程模型分析
我们对本研究的假设模型，利用样本数据进行拟合检验。在模型拟合和评估的过程中，本研究遵循以下两点原则：（1）理论驱动修改原则。在每次模型拟合过程中，结构方程软件都会从统计角度提供模型调整指标（modification indices ），我们参考这些建议对模型进行了修正。但正如很多学者指出的，任何对模型的调整都必须有相关理论支撑或者切实符合实践，不能以数据来驱动修改。（2）模型从简原则。在进行模型评估过程中，在拟合指标符合接受标准的前提下，尽量选择简单的模型，即卡方值（χ2）相对较低而自由度（df ）相对较高的模型。应用AMOS7.0结构方程模型软件得到的最终的标准化模型拟合情况如图1所示。
图1显示了结构模型的标准路径系数，该结构模型的各项拟合度指标如表3所示。该模型的自由度为39，χ2=53.895，拟合指标为：CFI=0.968、TLI=0.965、IFI=0.969、GFI=0.907，这四个指标均大于0.9，NFI=0.897、RFI=0.855，
这两个指标也接近0.9。而RMSEA=0.064，
小于0.8。因此，各指标达到理想水平，模型整体拟合情况较好。内源变量交互记忆系统的R 2为0.51，
知识转移效果的R 2为0.44，表明本研究的理论模型有很好的解释度。指标
sap2000χ2df χ2/df RMSEA NFI RFI IFI TLI CFI GFI 指标值53.89539 1.382.064.897.855.969.955.968.907
3、结果讨论
从Pearson 相关分析结果来看，团队社会资本与知识转移之间存在显著的正相关关系，相关系数为0.423（p <0.01）（见表2）。但图1的结构方程模型显示，引入交互记忆系统作为团队社会资本与知识转移之间的中介变量后，团队社会资本对知识转移绩效的正向直接作用变得不显著，标准化路径系数为0.27（p =0.147）；团队社会资本对知识转移绩效的间接作用则达到了显著水平（p =0.041），标准化路径系数为0.72×0.44=0.31，也就是团队社会资本对交互记忆系统的标准化路径系数0.72与交互记忆系统对知识转移绩效的标准化路径系数0.44的乘积（见表4）。结果表明，交互记忆系统在团队社会资本与知识转移之间起到了显著的完全中介作用。其内在机理可解释为：团队社会资本代表的是团队成员借助于社会关系网络获取和交换知识的能力[6]，而真正的知识获取、处理和利用过程，则需要借助于团队成员对来自不同领域的知识进行有效认知后，进行集体编码、存储和检索等具体过程进行知识转移，交互记忆系统正是一种“编码、储存和检索信息的共享系统”，它为团队成员提供了一个获取、利用和处理信息的认知和共享场所[11]。因此，引入交互记忆系统后，团队社会资本便不再直接作用于知识转移，而是通过促进团队交互记忆系统的形成，从而间接显著地促进知识转移。分析结果证明交互记忆系统是团队社会资本对知识转移产生影响的有效中介变量。对假设H2和H3的数据分析可进一步揭示其内在机理。
假设H2认为团队社会资本是交互记忆系统形成的重要前因。从图1的结构方程模型可以看到，这个假设在本研究中得到了支持。团队社会资本对交互记忆系统的标准化路径系数非常显著，为0.72（p <0.001），交互记忆系统的方差解释比例R 2达到0.51。这一结果可通过社会资本的三个维度对交互记忆系统的作用进行分析：（1）在合作完成共同任务的过程中，团队成员彼此间频繁的交流与社会互动、共享语言、共享目标等社
会资本能为团队成员更直接、
更准确地了解彼此的专长和知识提供更多的机会，有利于团队成员清楚地知道谁是哪方面的专家、专长所在的位置、哪里需要专长，从而有利于对团队内部知识分布进行有效认知[36]。（2）这
注：**表示相关性在双尾检验p <0.01水平下显著。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议