团队问题解决的知识结构转换研究，本文主要内容关键词为：知识结构论文,团队论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
近年以来，决策心理学与专家系统方面的研究日益受到各方面的重视。在系统设计中，设计者更加重视对人本身因素的考虑。设计思想也从把人作为独立于系统的因素，转向把人作为整个大系统的一个部分考虑。设计理论依据也逐步从单纯技术理论，转向决策过程中的人——机——环境相互作用的多方面理论考虑[1]。随着知识经济时代的到来，廉价的计算机网络通信正以其快速、便捷等优点迅速改变人们工作方式。学习型组织与团队工作的方式作为新时代的有效组织形式，正在逐步替代传统的层峰式组织。人的认知加工的特点与局限，人们共同工作中的相互作用的群体动力学也成为人们设计群体决策支持系统的重要依据。
认知心理学的研究认为人的信息加工过程是一个输入——加工——输出的过程。Newell和Simon对于人类问题解决研究认为，人的信息加工能力是有限的，人们在解决复杂问题的时候，往往在信息加工的有限容量内采取某种启发式来适应任务要求。对于决策的启发式的研究与人的知识对决策的影响越来越受到人们的重视。关于决策偏差的研究已经充分证明了，问题信息、陈述性知识与程序性知识的相互影响会造成各种决策的偏差[2]。
研究认为[3]，人的知识可以分为陈述性知识(Declarative Knowledge)与程序性知识(Procedure Knowledge)。前者类似于一个“数据库”，是各种知识元素的集合。它会影响到人们对问题的表征与问题空间搜索的策略。后者作为一种“认识策略”通常是以前者为基础的，启发式是这些策略的典型。
当我们把这种问题解决的过程用于团队的时候，情况就发生了很大的变化。团队问题解决的知识是群体成员所拥有的知识的函数，但显然不是成员知识的简单的和。这些知识可能有共同的成员、不同成员的专长，也可能有相互矛盾的结论。正如F.Hayek[4]所说，“有关的数据(Data)，即经济演算的起始点，从来没有以简单的形式给出过。……我们必须使用的知识从来不是以集中或整合的形式存在，而是以不完全的，经常是相互矛盾的知识片断，分散地为不同个人所有。……这不是一个任何社会成员都知识的如何保证充分利用资源的问题，只有特定的人才知识某些问题的相对重要性。”
团队所共享的与每个成员的所独有的知识，形成了每一个团队的问题解决的知识的独特分布。在解决问题的过程中，团队成员相互沟通、相互作用，知识与策略的共享与相容，会影响到群体问题解决的过程。有关团队决策的研究表明，信息与知识的共享程度会显著地影响到群体信息加工深度与群体的决策转移[5]。
知识是以结构的形式存在于人的大脑中的，这一点已为认知心理学家所公认。所谓知识结构，就是人在专业学习和实践中，特别是思维过程中形成的知识体系。在某种程度上，可以根据概念和原理的结构和层次描述知识结构，也可以用图表形式描述出来[6]。认知心理学有关问题解决的研究表明，知识结构对于问题的解决具有关键的意义。Chi,Glaser和Farr[7]提出，专家和新手相比，专家的特点是比较重视有关知识域中较大的知识模块，从而对任务形成较为深层的表征。专家与新手的知识结构有着不同的中心概念，专家的知识结构呈网络状，并且形成较大的模块，而新手的知识表征的网络程度比较低，结构维度也不明显[8]。
团队是多个群体成员的组合，团队拥有比个体更加多的信息来源，更加大的加工能力，更加复杂的分布式网络加工过程。我们认为，在问题解决的过程中，团队成员的相互讨论可以使得对问题信息的加工更加深入，会导致团队的知识表征发生一些结构性的转换。这是类似于专家与新手的差别。本研究重点在于研究在团队问题解决的过程中，团队成员通过相互的讨论与交流，使得团队共同的知识结构发生了怎么样的变化。
Schvaneveldt等[9]证明了多维标度法(Multidimensional Scaling)是一种可以有效测量知识结构的方法。多维标度法是一种统计方法，主要用于分析有关客体（比如概念）的相似或关联程度的数据，从而在语义空间中找到与实际的客体相对应的坐标点，组成有关客体的心理结构模型。
本研究则利用多维标度分析法，对团队的知识结构进行诱发和分析，从而考查团队成员的通过相互交流，使得团队知识结构发生了怎么样的变化。通过这些变化特点，提出测量与改进团队的综合能力的指标，作为团队培训的基础，为进一步的研究提供依据。
2 方法
2.1 被试：本实验共选取被试63名，均为二三年级大学生。平均年龄22.25岁，最大25岁，最小20岁。其中男49名，女14名。被试分别来自经济、数学、电子三个不同的系科。每3名被试组成一个3人团队。组成一个团队的3个人都来自同一个班，相互比较熟悉。
2.2 实验任务：根据以往对于职业选择的知识结构的研究[10][11]，我们选择了33个在职业选择决策中所考虑的关键概念，如表1所示。实验时，我们请被试按照一定的标准，把这些概念快速地分成几类。
2.3 实验仪器：整个实验过程都在计算机上实现。整个系统由1台HP E45服务器与3台工作站组成，以Windows NT 4.0操作系统联网。实验的程序用Visual FoxPro 3.0编程。在实验过程中，被试所有的信息交流都在计算机上进行，不允许用言语方式进行讨论。同时，三台工作站的放置方向各异，每个人有独立的工作空间，以免相互影响。
表1 团队知识结构获取任务所用的概念
自主性机遇兴趣安全性地区
知识性奖金知识成就感行业
挑战性福利能力自由度
单位形象
舒适性工资理想满意感
单位规模
风险性假期潜力稳定性
职业类型
紧张度住房个性培训单位类型
丰富性晋升特长
2.4 实验程序：被试进行实验室以后，主试介绍实验的主要目的，并且让被试熟悉计算机的使用，5分钟以后开始正式实验。首先让被试利用10分钟时间，各自把这些概念分成若干类；在所有的被试都完成分类后，进行团队讨论条件下的实验，被试可以在计算机屏幕上看到其实成员对概念分类的意见，然后在不断修改的过程中完成概念的分类。整个实验任务约需30-35分钟。
2.5 分析方法：对于实验结果，用SPSS(8.0)统计分析软件包加以分析。在SPSS软件中，多维标度法要求输入的是各个概念之间的相异性矩阵。我们把每一次分类的结果都列成33×33的矩阵，如果在这次分类中，这两个概念分在一类，那么，在这两个概念的交叉点上，就记作0，否则就记作1。将团队讨论前与讨论后的矩阵分别进行叠加后，用多维标度分析的方法对知识结构进行分析。
3 结果
我们把团队讨论前与讨论后的矩阵分别进行叠加后，得到图1与图2的结果。如图所示，团队讨论前概念分别聚集成4类，分别是(1)自主性、知识性、挑战性、舒适性、风险性、紧张度、丰富性、满意感、安全性、成就感、自由度、稳定性；(2)奖金、福利、工资、职业类型、单位规模、行业、单位形象、地区、单位类型、假期、住房；(3)个性、特长、兴趣、知识、能力、理想、潜力、机遇；(4)晋升、培训。我们把两个维度分别命名为：职业——个人维度与内在——外在维度。
团队讨论后概念分别聚集成5类，分别是(1)个性、兴趣、知识、理想、潜力、机遇、特长、能力；(2)奖金、福利、工资、晋升、培训、住房、假期；(3)自主性、知识性、挑战性、安全性、舒适性、风险性、紧张度、丰富性、自由度、稳定性；(4)职业类型、单位形象、单位规模、行业、地区、单位类型；(5)满意感、成就感。我们把两个维度分别命名为；职业评价——职业发展维度与内在——外在维度。
从总体上看，团队讨论前的知识结构与讨论后的知识结构有以下几个方面的区别：(1)讨论后的概念分类比讨论前的分类多，概念的类别划分更加细。讨论前的概念分类基本上聚集成3类，而讨论后的概念分类则基本上是把其中的一类再次划成了两类。(2)从图上的结果看，讨论后的概念聚集得更加紧密，而讨论前的概念分布相对比较分散。从另一种意义上说，经过群体讨论，群体知识结构更加容易形成相对独立的模块，不同模块之间的区分更加明显了。(3)知识结构的维度发生了一些变化。与我们预期不一致，其中的职业发展——职业评价这个维度的语议结构变得更加模糊了。概念群虽然聚集得比较集中，但概念群之间的关系却变得难以解释。
图2 讨论后的团队知识结构
4 讨论
从以上的结果中，我们看到，团队的知识结构在讨论前后有了某些结构性的变化。可以认为团队问题解决的过程是一个组织学习的过程。团队成员通过相互作用，不断修改接受其他成员的信息、修改自己的意见，从而导致团队成员的意见逐渐趋同，这也是讨论后的团队知识结构模块划分更加清晰的原因。团队问题解决是一种有目标导向性的活动。在这本研究的任务中，团队成员对于知识元素的认识标准与意义不断交流，在不断尝试的过程中渐进式地积累，导致了团队的知识结构发生了这种变化。
同时，由于团队知识比个人的知识更加丰富，对决策任务的加工比单个人加工是更加深入。这一点可以从概念群的数量上看到，讨论后的知识结构虽然同类元素聚集度更高，但是总体上对概念类别的划分却是增加了。这说明元素的类别标准更加精细。在群体讨论的情景下，成员的知识更加容易由于相互作用、相互启发而提取。这也是造成所谓“总体大于部分之和”的原因之一。
我们也看到了群体的信息加工中出现的一些偏差，就如知识结构中出现的维度结构中不可解释的因素。群体决策转移(Group Shift)的研究表明，由于群众规范、个体归因偏见等影响因素的存在，通过相互的螺旋式作用，群体决策会比个体决策更加极端。特别是在群体一致性比较高的情况下，这种现象更加明显。团队讨论后的知识结构出现这样的变化，我们认为也与这种现象有关。换句话说，正是由于团队的知识结构出现了偏差，团队决策才发生了极端性转移。
作为认知策略的基础，知识结构会极大地影响到个体问题解决过程中的可使用的策略集合、策略运用与解决效率。心理学家们甚至认为学习的目标就是使学习者的知识结构向“专家型”转换。作为一个团队，成员所共享的知识结构同团队所拥有的信息资源一样，可以影响到团队问题表征与多方面的过程性指标，也是团队综合能力的结构基础。在本研究中，我们所考察的几个结构性指标，如概念聚集度、概念群数量、结构明晰性等在讨论前后有变化的指标也可以说明团队在相互作用过程中什么方面有了增进。同时我们也可以把这些指标作为团队综合能力的指标，以预测团队在特定的任务环境中解决问题的能力。这些指标对团队培训效果的评估也有一定意义。
但是，作为“数据库”的知识结构是如何影响到认知策略的形成与运用，群体讨论对团队问题解决策略有什么样的影响，以及它们如何构成团队综合能力，影响到团队在特定任务中的绩效，这就是在以后的心理学研究中值得进一步考察的。