基于模糊TOPSIS的虛擬科研團隊成員知識共享效率評價

林向義 羅洪云 朱志紅 羅杰

〔摘要〕知識共享效率評價是虛擬科研團隊成員對團隊科研工作貢獻大小的衡量，是提升團隊運作效率的前提和基礎。構建了虛擬科研團隊成員知識共享效率評價的指標體系；針對指標值難于量化的特點，利用模糊TOPSIS法對團隊成員知識共享效率進行評價和分析；最后通過實例分析說明該方法的科學性和可行性。

〔關鍵詞〕虛擬科研團隊；知識共享效率；模糊TOPSIS；相對貼近度

DOI：10.3969/j.issn.1008-0821.2013.07.006

〔中圖分類號〕F27〔文獻標識碼〕A〔文章編號〕1008-0821（2013）07-0028-06

Knowledge Sharing Efficiency Evaluation on Members of

Virtual Scientific Research Team Based on TOPSISLin XiangyiLuo HongyunZhu ZhihongLuo Jie

（Institute of Petroleum Economics and Management，Northeast Petroleum University，Daqing 163318，China）

〔Abstract〕Evaluation on knowledge sharing efficiency is an approach to measure the contribution of members to the whole virtual scientific research team，which is the preface and basis of improving operating efficiency of the team.It constructed index system for evaluation on knowledge sharing efficiency.Because the index are difficult to be quantified，It took use of fuzzy TOPSIS method to evaluate and analyze the knowledge sharing efficiency of team members.Finally，a cased was selected to demonstrate that the evaluation method was scientific and feasible.

〔Key words〕virtual scientific research team；knowledge sharing efficiency；fuzzy TOPSIS；relative closeness coefficient

隨著經濟全球一體化趨勢和競爭環(huán)境的不確定性的加劇，產品的生命周期不斷縮短，市場的需求日趨多樣化，使得各國企業(yè)必須在較短的時間內對市場需求做出快速反應，在全球范圍內尋求創(chuàng)新資源和創(chuàng)新知識，不斷創(chuàng)造出具有較強競爭力的新產品和新技術[1]。虛擬科研團隊——一種嶄新的科研組織形式恰好能滿足企業(yè)創(chuàng)新的需要，能突破企業(yè)邊界的限制，利用日益發(fā)達的網絡環(huán)境和現(xiàn)代化信息通信技術將分布在不同地域、不同領域的專家遠程集聚在一起組成臨時性的創(chuàng)新團隊，通過團隊成員間的知識和能力互補，彼此間的知識共享來共同完成科研任務[2]。團隊成員知識共享效率是虛擬科研團隊順利完成科研任務的重要前提和基礎。然而，網絡環(huán)境下虛擬科研團隊成員在知識共享過程中由于信息不對稱、團隊臨時性、跨地域性等特點的影響可能導致成員間彼此不信任、知識交流方式不合理、知識表示差異化等原因導致知識共享效率低，創(chuàng)新效果差。因此，對虛擬科研團隊成員知識共享效率進行評價和分析，對提升團隊工作效率具有重要的現(xiàn)實意義。

目前，關于虛擬團隊、虛擬科研團隊、虛擬科技創(chuàng)新團隊中知識共享效率評價的研究較少。鄭傳均[3]（2007）、易菲[4]（2010）對聯(lián)盟間知識共享效率的影響因素進行了分析；胡平波[5-6]（2009）構建了網絡組織中知識共享效率評價的指標體系，并利用BP神經網絡對知識共享效率進行了評價；李曉利等[7]（2009）構建了知識共享效率評價的R-RNN模型；牛東旗等[8]（2011）利用DEA對虛擬科研團隊知識共享的有效性進行了評價和分析。

上述研究成果為本課題的研究奠定了理論基礎，但缺乏對虛擬科研團隊成員個體知識共享效率評價的指標體系和評價方法的研究。由于知識共享效率評價指標具有難于量化的特點，本文擬采用模糊TOPSIS法對虛擬科研團隊成員個體的知識共享效率進行評價，為虛擬科研團隊管理部門和團隊負責人準確掌握團隊成員個體的知識貢獻提供幫助。

1虛擬科研團隊成員知識共享效率評價的指標體系

虛擬科研團隊成員知識共享效率是指團隊成員在實現(xiàn)團隊創(chuàng)新目標過程中與他人進行知識交換和知識學習的效率。虛擬科研團隊成員知識共享效率往往受到成員間的信任程度、成員知識處理能力、信息通信技術等的影響。因此，本文從以下6個方面構建虛擬科研團隊成員知識共享效率評價的指標體系（見圖1）。

圖1虛擬科研團隊成員知識共享效率評價指標

基于模糊TOPSIS的虛擬科研團隊成員知識共享效率評價1.1信任程度

信任是虛擬科研團隊成員彼此之間知識共享的前提和基礎，影響團隊成員間知識共享的效率[9]。當團隊成員對他人知識共享的意圖和行為充滿信任時，才能接受和吸納他人的知識來充實自己的知識庫；同時，當團隊其他成員需要新知識時，信任能消除知識所有者害怕失去核心價值的擔憂，愿意將自己的特有知識提供給知識的需求者[10]。團隊成員個體對其他成員的信任度越大，知識共享效率就越高[11]。因此，虛擬科研團隊成員間的相互信任程度直接影響到團隊知識共享的效率和團隊目標的實現(xiàn)。

1.2知識吸收能力

知識吸收能力是指團隊成員從其他成員獲取、整合、應用和創(chuàng)新知識的過程[12]。虛擬科研團隊成員在科研工作中不斷從其他成員獲取自己所需的知識來增加自身的知識存量，增強知識創(chuàng)新能力。由于跨地域、跨專業(yè)、跨文化等因素的影響，虛擬科研團隊成員搜索到知識源后，通過各種方式獲取知識并通過知識學習將外部知識轉化為自己的知識。團隊成員在從其他成員獲取知識時，應通過各種渠道了解知識所有者在專業(yè)、文化等方面的差異，通過一定的方式將具有差異化表示的知識進行轉化，縮小與自身知識表示的差異，提高知識學習的效率。團隊成員的知識吸收能力強，能削弱各種差異化因素的影響，快速獲取、有效整合、恰當應用和持續(xù)創(chuàng)新知識，很好地解決創(chuàng)新中遇到的科研難題，有利于科研任務的順利完成。

1.3知識反饋能力

知識反饋能力是指虛擬科研團隊成員在知識學習的同時，根據(jù)其他成員的知識需要將自身知識外化、綜合并反饋到團隊內，進而被整個團隊成員學習和共享的能力[3]。團隊成員在工作過程中可能隨時收到他人獲取知識的需求，并根據(jù)對方提出的要求將自己的知識進行規(guī)范化，根據(jù)需求者的專業(yè)和文化背景盡量選擇適合的知識表達方式，以最佳的方式快速將知識送達目的地。團隊成員的知識反饋能力強，知識接收者的知識吸收效率也越高，反之亦然。

1.4知識地圖應用

知識地圖是用來標示虛擬科研團隊中顯性知識和隱性知識的來源，幫助虛擬科研團隊中的成員高效搜索和獲取所需的知識。同時，在知識地圖中知識需求者可以直接獲得知識提供者的相關信息，根據(jù)信息提示尋求最佳的知識獲取方式和傳遞路徑。當團隊成員熟悉本團隊臨時構建的知識地圖框架，掌握知識地圖所表示的知識關聯(lián)，能快速在知識地圖中搜索所需要的知識及其來源，知識獲取和知識學習的能力也隨之提高。

1.5知識傳播媒介選擇

虛擬科研團隊成員工作過程中要實現(xiàn)不同專業(yè)知識、顯性知識和隱性知識等的共享與交流。團隊成員需要根據(jù)知識的特點，利用各種現(xiàn)代化技術的支撐，如E-mail、電話會議系統(tǒng)、視頻會議系統(tǒng)、虛擬現(xiàn)實技術、Instant Messages等媒介傳播知識。虛擬科研團隊成員之間進行知識溝通和選擇知識傳遞方式時，應根據(jù)知識的特點選擇一種或幾種方式以保證知識表示的準確性和知識傳遞的高效性。恰當?shù)剡x擇知識傳播的媒介或媒介組合是提高知識傳遞效率的技術保障。

1.6知識傳遞路徑選擇

虛擬科研團隊成員在科研工作中與其他成員間開展知識共享時，除要選擇恰當?shù)闹R傳播媒介外，還要根據(jù)團隊知識共享網絡的結構以及知識的流動方向選擇最佳的路徑傳遞知識。有些知識需要通過間接的路徑進行傳遞，此時知識需求者和知識提供者應考慮經過哪些中間成員進行知識傳遞能提高知識的傳遞效率或者能更好地減少知識的失真性及在傳遞過程中逐步削弱文化差異等對知識表達帶來的差異化，易于接收者能很好地吸收知識，提高知識共享的效率。

2模糊TOPSIS法

逼近理想點法（The Technique for Order Preference by Similarity to Ideal Solution，簡稱 TOPSIS）是由Hwang and Yoon于1981年提出的[13]。TOPSIS法通過計算待評方案與正負理想解的距離來對方案進行排序和評價。

虛擬科研團隊管理者或負責人在對團隊成員知識共享效率進行評價時，由于對知識共享效率指標的理解、判斷、直覺和偏好等有時模糊的特點導致虛擬科研團隊成員知識共享效率評價指標值難于實測，而模糊邏輯或模糊理論則可以表示和解決團隊成員知識共享效率評價中模糊性指標值的表示，因此本文采用模糊TOPSIS法對團隊成員知識共享效率進行評價。模糊TOPSIS法的計算過程如下[14-16]：

Step 1：確定待評團隊成員、評價指標和群決策專家。假設有m個待評團隊成員，分別用Ai（i=1，2，…，m）表示；p個評價指標，分別用Cj（j=1，2，…，p）表示和n個評價專家，分別用Ek（k=1，2，…，n）表示。

Step 2：定義語言變量和對應的三角模糊數(shù)。語言變量用來確定評價指標權重和每個成員在不同指標下的評價值。三角模糊數(shù)用集合=（a，b，c），其中a

本文采用5個語言變量來確定評價指標權重，語言變量和對應的三角模糊數(shù)見表1。表1評價指標權重的語言變量及對應三角模糊數(shù)

語言變量三角模糊數(shù)十分不重要（VL）（0，0，0.25）不重要（L）（0，0.25，0.5）一般（M）（0.25，0.5，0.75）重要（I）（0.5，0.75，1）十分重要（VI）（0.75，1，1）

利用[0，10]區(qū)間確定待評團隊成員知識共享效率排序的語言變量和對應的三角模糊數(shù)，見表2。表2團隊成員知識共享效率的語言變量及對應三角模糊數(shù)

式中，j是用三角模糊數(shù)表示的第j個評價指標的模糊平均權重值；kj表示第k個專家對第j個指標的評價值。

Step 4：計算待評團隊成員的模糊評價的均值并構造模糊決策矩陣

首先計算第i個待評團隊成員在第j個指標下的模糊均值，

ij=1n∑nk=1kij，i=1，2，…，m（3）

然后構造模糊決策矩陣

3實證分析

某油田企業(yè)為了應對高含水期采油效率偏低的問題，對現(xiàn)有的采油技術進行革新，由總工程師負責組建了專門的科技攻關團隊對高含水期的采油技術進行創(chuàng)新。為了提高該團隊的創(chuàng)新效率，總工程師從英國石油公司、殼牌石油公司、中國科學院和相關大學選擇了6個專家組成一個虛擬科研團隊進行聯(lián)合攻關。在團隊科研過程中，團隊負責人擬對6個成員知識共享的效率進行評價分析。團隊負責人利用A1（中國科學院）、A2（英國石油公司）、A3（中國石油大學）、A4（東北石油大學）、A5（東北石油大學）、A6（殼牌石油公司）表示6個團隊成員，聘請了5位專家利用本文建立的指標體系和方法對各成員知識共享的效率進行評價。5位專家對評價指標和團隊成員知識共享效率的語言評價見表3和表4。表3評價指標的專家語言評價值

根據(jù)公式（2）和（3），計算虛擬科研團隊成員知識共享效率評價指標權重的模糊均值和每個待評團隊成員知識共享效率相對于每個評價指標的模糊均值，分別見表5和表6。表5評價指標權重的模糊均值

指標模糊權重C10.650.900.95C20.700.951.00C30.600.850.95C40.550.801.00C50.600.850.95C60.500.750.95

從表9的計算結果可以看出，該團隊成員知識共享效率的排序為A1A6A3A5A4A2。在該團隊中成員A1知識共享的效率明顯高于其他成員，其次是成員A6和A3；而成員A2和A4的知識共享效率最低。由于來自中國科學院的成員A1長期致力于相關項目的研究，積累了大量的相關知識；同時該成員經常參與國內外相關領域的科研工作，能快速與團隊成員之間建立以信任為基礎的知識共享網絡，并能很好地利用各種現(xiàn)代化通信技術與其他成員進行知識交流和共享。來自殼牌石油公司的成員A6，雖然在文化上存在著差異，但該成員曾多次來到中國參與科學研究，比較了解中國的文化和知識表示的差異，同時該成員善于與其他成員溝通，因此該成員知識共享的效率也較高。相比之下，來自英國石油公司的成員A2盡管掌握著該領域權威的技術創(chuàng)新知識，但由于成員A2對其他成員的知識表示方式和知識傳遞方式不適應而導致其知識共享的效率最低。來自東北石油大學的團隊成員A4由于其剛從國外學習歸來還不能很好地適應國內的科研環(huán)境，采用恰當?shù)姆绞脚c其他成員進行溝通，知識共享的效率偏低。虛擬科研團隊的負責人根據(jù)評價的結果針對每個成員知識共享效率低下的原因進行分析，以便找出提升每個團隊成員知識共享效率的策略，從而提升整個團隊的工作效率。

4結論

本文根據(jù)影響團隊成員知識共享效率的因素構建了評價指標體系，該指標體系包含了知識共享的主體和客體因素，能較好地反映出團隊成員的知識共享效率?；谀：齌OPSIS法的團隊成員知識共享效率評價方法，能克服評價指標值難于量化的問題，將語言評價結果進行定量轉化后對各成員知識共享效率進行排序。團隊管理部門和負責人能根據(jù)評價結果制定團隊成員知識共享效率的提升策略。

參考文獻

[1]馮博，樊治平.基于協(xié)同效應的知識創(chuàng)新團隊伙伴選擇方法[J].管理學報，2012，9（2）：258-291.

[2]Leif Jarle Gressgard.Virtual team collaboration and innovation in organizations[J].Team Performance Management，2011，17（1/2）：102-119.

[3]鄭傳均，邢定銀.知識型聯(lián)盟中知識共享效率的影響因素分析[J].情報雜志，2007，（2）：10-12.

[4]易菲，龍朝陽.聯(lián)盟組織間知識共享效率的主體因素分析[J].圖書情報工作，2010，（22）：98-102.

[5]胡平波.網絡組織中知識共享效率評價指標體系的建設[J].情報雜志，2009，（1）：68-71.

[6]胡平波，凌和良.基于BP網絡模型的網絡組織中知識共享效率評價[J].情報雜志，2009，（9）：78-82.

[7]李曉利，楊育，楊潔.知識共享效率的R-RNN評價模型研究及應用[J].計算機工程與應用，2009，（10）：226-230.

[8]牛東旗，耿麗娟，林向義，等.虛擬團隊中知識共享的有效性研究[J].情報理論與實踐，2011，34（2）：17-21.

[9]Birgit Renzl.Trust in management and knowledge sharing：The mediating effects of fear and knowledge documentation[J].Omega，2008，36（1）：206-220.

[10]Tsung-Yi Chen，Yuh-Min Chen，Chia-Jou Lin，Pin-Yuan Chen.A fuzzy trust evaluation method for knowledge sharing in virtual enterprises[J].Computers & Industrial Engineering，2010，59（4）：853-864.

[11]Li-An Ho，Tsung-Hsien Kuo，Binshan Lin，Louisiana.How social identification and trust influence organizational online knowledge sharing[J].Internet Research，2012，22（1）：4-28.

[12]Chinho Lin，Ya-Jung Wu，ChiaChi Chang，Weihan Wang，Cheng-Yu Lee.The alliance innovation performance of R&D alliances—the absorptive capacity perspective[J].Technovation，2012，32（5）：282-292.

[13]Alecos Kelemenis，Kostas Ergazakis，Dimitrios Askounis.Support managers selection using an extension of fuzzy TOPSIS[J].Expert Systems with Applications，2011，38（3）：2774-2782.

[14]Gokhan Torlak，Mehmet Sevkli，Mehmet Sanal，Selim Zaim.Analyzing business competition by using fuzzy TOPSIS method：An example of Turkish domestic airline industry[J].Expert Systems with Applications，2011，38（4）：3396-3406.

[15]Saeed Rouhani，Mehdi Ghazanfari，Mostafa Jafari.Evaluation model of business intelligence for enterprise systems using fuzzy TOPSIS[J].Expert Systems with Applications，2012，39（3）：3764-3771.

[16]Renato A.Krohling，Vinicius C.Campanharo.Fuzzy TOPSIS for group decision making：A case study for accidents with oil spill in the sea[J].Expert Systems with Applications.2011，38（4）：4190-4197.