張曉鵬, 關(guān) 磊, 吳蘇寒

(1.浙江工商大學(xué) 工商管理學(xué)院,浙江 杭州 310018; 2.北京理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院,北京 100081; 3.南京科技職業(yè)學(xué)院 經(jīng)濟(jì)管理學(xué)院,江蘇 南京 210044)

0 引言

組織被視作由決策和決策者構(gòu)成的網(wǎng)絡(luò)[1]，而群體決策是管理問題決策的常見形式[2]。決策民主性和個體利益多元性等現(xiàn)實中存在的普遍要求，也使得群體決策在很多情境下成為了必然選擇。與此同時，人類面臨越來越復(fù)雜的問題，想要做出正確的決策，僅僅憑借個人是信息、知識、經(jīng)驗和能力是困難的。而集合了不同專家的群體決策，可以打破個人才智和經(jīng)驗的局限性[3]。但是，群體決策存在著決策者們的觀點很難統(tǒng)一的問題。

與此同時，現(xiàn)實中大量群體決策情境都具有動態(tài)性特征，即決策過程不是一次完成的，需經(jīng)過多次討論，而且在討論過程中決策個體給出的偏好信息和約束條件都會發(fā)生變化。這一類動態(tài)群體決策強(qiáng)調(diào)決策過程中的適應(yīng)性，不同要素動態(tài)變化過程對后續(xù)決策會產(chǎn)生影響。

在已有的關(guān)于動態(tài)群體決策的研究中，很多學(xué)者討論了不同要素的影響。例如，Ibanez等分析了時間壓力對不同性別參與者決策行為的影響[4]。張開富等用協(xié)調(diào)指數(shù)衡量決策過程的動態(tài)變化，進(jìn)而協(xié)調(diào)專家意見以過程中獲得的協(xié)調(diào)指數(shù)作為動態(tài)變化的決策準(zhǔn)則，實現(xiàn)專家意見的協(xié)調(diào)[5]。朱建軍等集結(jié)多階段偏好構(gòu)建決策階段賦權(quán)模型，動態(tài)修正各階段權(quán)重和方案權(quán)重，形成群體綜合偏好基于互反判斷偏好與互補(bǔ)判斷偏好，建立基于先驗信息的多階段偏好集結(jié)的決策階段賦權(quán)模型，在過程中實現(xiàn)對各階段權(quán)重和方案權(quán)重的動態(tài)修正，將多階段判斷偏好集結(jié)成群體綜合偏好[6]。

從現(xiàn)有研究結(jié)果看，在制定決策的正確方法和獲得滿意決策結(jié)果之間的確存在因果關(guān)系，一個“好”的決策過程將導(dǎo)致更有利的結(jié)果[7]。因此，交互過程成為動態(tài)群體決策領(lǐng)域研究的主要方向[8]，即關(guān)注個體如何在復(fù)雜、動態(tài)的實時環(huán)境中，運用其經(jīng)驗定義和評價所處環(huán)境，進(jìn)行決策并選擇行動方案[9,10]?；仡櫼延醒芯浚畔⒃趧討B(tài)群體決策績效中扮演了非常重要的角色。Stasser和Titus的信息取樣模型首次提出了信息在群體決策績效中的作用[11]，對后續(xù)的研究產(chǎn)生了重大的影響。國內(nèi)學(xué)者徐澤水、梁樑等從不完全信息、模糊信息、不確定信息等角度對過程偏好集結(jié)進(jìn)行了研究[12,13]。由于信息總與知識的傳遞過程緊密相連，在這些研究中，信息和知識的概念經(jīng)常被等同或其概念邊界非常模糊。

總體上看，現(xiàn)有的研究工作存在著一些不足。首先，已有文獻(xiàn)較少討論知識運動的作用；其次，較少有文獻(xiàn)分析決策績效改進(jìn)的內(nèi)在機(jī)理；最后，知識共享/轉(zhuǎn)移的作用和意義尚未得到充分的重視。

本文的研究問題便由此出發(fā)，關(guān)注動態(tài)群體決策過程的績效問題。具體地，本文將交互過程進(jìn)行進(jìn)一步細(xì)化定義成群體內(nèi)部信息和知識的運動，將動態(tài)群體決策推廣至知識共享/轉(zhuǎn)移的背景下來考慮。本文通過一系列量化及模擬方法，探索其績效改善機(jī)理和路徑，具有重要的實踐意義：首先，通過引入知識共享/轉(zhuǎn)移，拓展決策者的認(rèn)知和視野；其次，給出知識共享/轉(zhuǎn)移的動態(tài)群體方法，豐富了知識管理理論研究；最后，知識共享/轉(zhuǎn)移背景下的群體決策理論、方法有助于實踐中相關(guān)問題的高效解決。

后文的基本結(jié)構(gòu)如下：第一和第二部分界定一系列研究中涉及的概念，并通過構(gòu)建知識共享/轉(zhuǎn)移背景下的動態(tài)群體決策過程模型，分析其中觀點演化和集結(jié)的動態(tài)過程，證明知識共享/轉(zhuǎn)移情形下群體一致性的收斂性。第三部分在該模型基礎(chǔ)上，引入定性模擬，描述不同情境下群體決策的時間變化。最后，總結(jié)本文的研究工作并提出未來的研究方向。

1 知識共享/轉(zhuǎn)移下的群體決策模型

1.1 關(guān)鍵變量

為了能夠更好地闡釋本文的研究問題和研究過程，對于以下幾個關(guān)鍵變量給出定義：

知識：信息的高級形態(tài)，能夠為決策過程提供支持，并用來預(yù)測決策進(jìn)程。

知識轉(zhuǎn)移/共享：在決策個體層面，與決策相關(guān)的知識由某一個體向另外的個體轉(zhuǎn)移運動的過程。

觀點演化：個體對決策所持有的不同觀點在動態(tài)決策過程中發(fā)生改變。

動態(tài)群體決策績效：可以從兩個方面衡量，其中呈現(xiàn)一致性反映群體選擇和個體選擇的偏差程度；決策時間則反映群體達(dá)到一致所需的時間。

1.2 決策過程

本研究將知識共享/轉(zhuǎn)移背景下的動態(tài)群體決策過程P細(xì)分為三個層面，分別定義各層面中涉及的關(guān)鍵變量，并給出三個層面驅(qū)動關(guān)系的直觀描述。

(1)觀點動態(tài)演化層面P1：該層面為決策進(jìn)程的斷面，每個狀態(tài)截面Si上存在特定觀點分布Gsi。在個體交互的作用下，狀態(tài)截面隨時間變化，即觀點分布隨時間變化。

(2)交互關(guān)系動態(tài)演化層面P2：在決策進(jìn)程的任一時間點t上存在特定的個體間交互關(guān)系結(jié)構(gòu)It。交互關(guān)系結(jié)構(gòu)隨時間變化。

(3)觀點集結(jié)的動態(tài)演化層面P3：在任一時刻t，狀態(tài)截面St上的觀點可用函數(shù)ht集結(jié)成為群體共同的觀點OPt，OPt=ht(Gst)。不同時間點的狀態(tài)截面有不同的集結(jié)函數(shù)，觀點集結(jié)函數(shù)隨時間變化。

圖1 三個層面的驅(qū)動關(guān)系

三個層面的驅(qū)動關(guān)系如圖1所示(箭頭表示驅(qū)動方向)。知識共享/轉(zhuǎn)移使個體的觀點發(fā)生演化，促使個體間的交互關(guān)系發(fā)生變化，具體表現(xiàn)為：有些個體由于分歧過大而不再進(jìn)行交互，有些個體由于觀點趨同而傾向進(jìn)行更多的交互，交互結(jié)構(gòu)和個體觀點的動態(tài)變化促使在分析群體觀點變化時需要選取不同的函數(shù)進(jìn)行集結(jié)，以上過程均為動態(tài)連續(xù)進(jìn)行。

基于以上變量定義及層面間的驅(qū)動關(guān)系，圖2給出了觀點收斂的動態(tài)群體決策過程模型。

3 知識共享/轉(zhuǎn)移對呈現(xiàn)一致性的影響

結(jié)合以上定義，首先構(gòu)建知識共享/轉(zhuǎn)移影響群體決策呈現(xiàn)一致性指標(biāo)的量化表達(dá)：設(shè)m個決策者構(gòu)成決策群體G={d1,d2,…,dm}，決策問題有n個備選方案X={x1,x2,…,xn}，決策者di的初始觀點為OPi={opi1,opi2,…,opin}，其中i=1,2,…,m。借助決策規(guī)則h，群體形成初始觀點分布OPG={g1,g2,…,gn}=h{OP1,OP2,…,OPm}。呈現(xiàn)一致性計算公式如下：

(1)

這里，ci反映了個體決策與群體決策的差異。ci越小，說明呈現(xiàn)一致性越好。當(dāng)ci小于某個一致性閾值δi時，則群體達(dá)到呈現(xiàn)一致狀態(tài)。

圖2 知識共享/轉(zhuǎn)移背景下觀點收斂的動態(tài)群體決策過程

由上述公式可知，對群體觀點進(jìn)行反饋調(diào)整，可能會使動態(tài)群體決策績效改善。彭怡在這一問題上做了非常有意義的研究，引入規(guī)范化的偏好調(diào)整方法，討論了引入群體觀點信息和決策者前一輪觀點信息這兩類信息的觀點演化問題[14]。本文在其研究基礎(chǔ)上，引入知識要素，考察序列的收斂情況，圖3給出了改進(jìn)的動態(tài)群體決策過程呈現(xiàn)一致性獲取流程，圖中斜體部分為具體改進(jìn)。

圖3 改進(jìn)的動態(tài)群體決策過程呈現(xiàn)一致性獲取流程

(2)

(3)

(4)

(5)

進(jìn)而，可以獲得如下定理。

定理1存在知識共享/轉(zhuǎn)移下，群體呈現(xiàn)一致性為動態(tài)收斂序列。

4 知識共享/轉(zhuǎn)移對決策時間的影響

本節(jié)首先將過程中各重要屬性抽象為各自值域上的定性變量，基于系統(tǒng)規(guī)則將存在于各屬性之間的因果關(guān)系抽象成變量之間的因果關(guān)系圖，而后將原因變量的變化按相應(yīng)的規(guī)則沿因果路徑傳播到結(jié)果變量，從而分析出結(jié)果變量的變化，并結(jié)合前述因果路徑及傳播過程，生成因果解釋。

4.1 變量的定性描述

首先，引入三類變量：X1代表決策個體的知識差異；X2代表過程中的知識共享/轉(zhuǎn)移水平，即決策進(jìn)程單位時間知識共享/轉(zhuǎn)移的發(fā)生次數(shù)；T為決策時間。為簡化起見，T由兩項指標(biāo)決定：呈現(xiàn)一致性C、觀點演化速度V。

這里，假設(shè)只在如下的特定時間點發(fā)生決策改變：t0

腎開竅于耳：腎藏精，精生髓，髓聚于腦，精髓充盛，髓海得養(yǎng)，則聽覺才會靈敏，故稱腎開竅于耳，“耳為腎之外候”。臨床上常常把耳的聽覺變化，作為推斷腎氣盛衰的一個標(biāo)志。人到老年，腎中精氣逐漸衰退，故聽力每多減退。

QS(x,ti)=

(6)

其中，qfac∈{2-,-,0,+,2+}表示X1，X2對T的“消極影響”、“無影響”和“積極影響”，“2”表示影響程度。

績效集T中的每一個狀態(tài)變量都可由下式表示：

QS(x′,ti)orQS(x′,ti,ti+1)=

(7)

其中，C、V作為T的兩項關(guān)鍵指標(biāo)，qval表示其定性值，取值由下式?jīng)Q定：

(8)

同時，qdir表示qval的變化方向，qdir=(-,0,+)，分別表示“減慢或變差”、“不變”和“加快或更優(yōu)”。

按因果關(guān)系對變量進(jìn)行分類，X1、X2為原因變量，決策時間T為結(jié)果變量，C、V既是原因變量，又是結(jié)果變量。圖4給出了一種因果關(guān)系的直觀圖形描述。其中ΔT1s表示結(jié)果變量從l1開始變化至達(dá)到新定性值l2所經(jīng)歷的時間段。ΔT2r是其停留在l2的時間段，D表示因果變量之間的影響，D∈{-,0,+}。t1和t4間，T的取值序為：

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)=

下標(biāo)s代表結(jié)果變量的變化快慢：s∈{1,2}，ΔT11<ΔT12。下標(biāo)r表示ΔT2r的持續(xù)長度，r∈{0,1,2,∞}，“0”表示ΔT2r=0，即到達(dá)新定性值后不作停留，“∞”表示結(jié)果變量一直會保持l2的狀態(tài)。

圖4 原因變量對結(jié)果變量的因果關(guān)系

4.2 系統(tǒng)規(guī)則集及模擬過程

從知識本身角度講，知識差異的存在導(dǎo)致知識被共享/轉(zhuǎn)移，而知識又總是不斷推陳出新，使知識差異成為絕對存在的外部變量。一般來說，外部變量的影響小于群體內(nèi)部活動的影響[15]。知識差異和知識共享/轉(zhuǎn)移對動態(tài)群體決策績效的影響存在先后序的關(guān)系，且知識共享/轉(zhuǎn)移屬于群體內(nèi)部可控的活動，因此它對決策績效影響更大。此外，還應(yīng)衡量呈現(xiàn)一致性和觀點演化速度對于決策時間的作用。從本質(zhì)上說，這是兩者權(quán)重確定的問題。由于本研究考慮的是不存在時間壓力、個體平等且利益一致的動態(tài)群體決策情境，產(chǎn)生群體思維或從眾壓力的可能性大大減小，因此呈現(xiàn)一致性對于“好”的績效更為重要，即獲得更大權(quán)重。據(jù)此，給出系統(tǒng)規(guī)則1：

規(guī)則1群體外部因素和內(nèi)部因素對群體決策績效產(chǎn)生影響。內(nèi)部因素比外部因素影響更大。

該規(guī)則的進(jìn)一步說明：因素的影響大小可以通過單獨施加該影響后，定性狀態(tài)值變化的速度來確定：(1)若X1產(chǎn)生影響，則s=2；若X2產(chǎn)生影響，s=1。(2)若C、V對產(chǎn)生影響，可根據(jù)以下規(guī)則確定：如果C的qdir為2+或2-，則s=1；如果C的qdir為1+或1-，則s=2；而V的qdir取除0以外的值，均有s=2。如果C或V的qdir為0，則T=T；

在規(guī)則1的基礎(chǔ)上，考察在受到不同影響時，績效變量的變化方向，有如下規(guī)則：

規(guī)則2分兩種情況對結(jié)果變量的變化方向進(jìn)行討論：

(1)表1給出X1、X2對C、V變化方向的影響。

表1 C、V的變化方向(受X1，X2影響)

(2)考察C、V對產(chǎn)生影響時的變化方向，由于兩者均為aval和qdir構(gòu)成的二元組，表2、表3分別運用adir、qval確定的變化。

表2 由qdir確定T的變化方向

表3 由qval確定T的變化方向

以上兩條規(guī)則考慮的是單一因素影響下T的變化。為更好地模擬現(xiàn)實情況，以下規(guī)則規(guī)定了同時受到多個原因變量影響的情況下結(jié)果變量多個后續(xù)狀態(tài)的篩選和確定規(guī)則。

規(guī)則3當(dāng)T的變化方向qdir≠0時，若T存在多個原因變量，則最先到達(dá)新定性狀態(tài)值，即存在minΔT1s的狀態(tài)就是T的后續(xù)狀態(tài)。當(dāng)T的變化方向qdir=0時，T的狀態(tài)是后續(xù)狀態(tài)中存在minΔT2r的狀態(tài)。簡言之，該規(guī)則采用時間優(yōu)先的原則，過濾實際中不存在的非正常后續(xù)狀態(tài)，這一規(guī)則同時也決定了的顯著時間點(該規(guī)則同適用于結(jié)果變量是C、V的情況)。

規(guī)則4經(jīng)過濾后，如果T的后續(xù)狀態(tài)有不同的qval和qdir，應(yīng)用以下規(guī)則進(jìn)行組合。

表4 T后續(xù)狀態(tài)qval的確定

表5 T后續(xù)狀態(tài)qdir的確定

綜上所述，定向模擬工作流程如圖5所示。

為使本研究結(jié)論更能適應(yīng)于復(fù)雜多變的現(xiàn)實決策實踐，我們完成了不同情境下動態(tài)群體決策的達(dá)成一致的時間模擬，并給出不同情境下狀態(tài)變量的優(yōu)劣比較及相應(yīng)優(yōu)化措施。模擬通過仿真平臺Arena 7.0實現(xiàn)，主要完成兩項工作：(1)利用過程分析器(Process Analyzer)調(diào)節(jié)因果關(guān)系模型中的各種變更，對不同情境下的決策時間進(jìn)行模擬。(2)利用OptQuest模塊完成在N維控制變量空間構(gòu)成的特定情境下，最佳備選方案的搜索工作。

圖5 定性模擬引擎的工作流程

4.3 多情境下的輸出評價

在仿真實驗中，選擇4個控制變量：(1)kamount：通過該變量可對動態(tài)群體決策中的知識共享/轉(zhuǎn)移水平進(jìn)行調(diào)節(jié)；(2)pd：通過該變量可對群體的知識差距水平進(jìn)行調(diào)節(jié)；(3)internalfactor：通過調(diào)節(jié)該變量觀察知識共享/轉(zhuǎn)移水平對輸出響應(yīng)-決策時間的影響水平；(4)externalfactor：通過調(diào)節(jié)該變量觀察群體內(nèi)部知識勢差對決策時間的影響水平。假設(shè)在仿真過程中每個控制變量存在兩個定性水平：“低”或“高”。從實際問題出發(fā)對控制變量的取值進(jìn)行擴(kuò)展(擴(kuò)展為-1，1)，每種情境設(shè)定重復(fù)仿真次數(shù)100次，仿真統(tǒng)計結(jié)果由表6給出，其中Decisiontime為100次仿真所得結(jié)果的均值。

由于選取了4個控制變量，且每個變量存在兩個定性值，表6給出了16個情境下的平均決策時間。我們初步觀察到了一些有趣的結(jié)果。例如，高強(qiáng)度的知識共享/轉(zhuǎn)移水平，并不能單純地縮短決策時間。相反，情境1(kamount=-1，pd=1)取得了最短的平均決策時間0.0766?？梢钥闯觯诟咧R差距的群體中，低強(qiáng)度的知識共享/轉(zhuǎn)移水平反而是最優(yōu)的選擇。而在情境5(kamount=-1，pd=-1)中，一旦群體知識差距變小，低強(qiáng)度的知識共享/轉(zhuǎn)移水平將會使得決策變慢。進(jìn)一步對仿真數(shù)據(jù)的統(tǒng)計有效性進(jìn)行分析，可以得到表7所示的Decisiontime統(tǒng)計值。

表6 情境1～16決策績效模擬統(tǒng)計數(shù)據(jù)(仿真次數(shù):100)

表7 情境1～16決策時間模擬統(tǒng)計數(shù)據(jù)

運用過程分析器評價這16種方案的相對優(yōu)劣，得到下圖6。

圖6 各情境作用下的決策時間變化(Box and Whisker)

在上圖中，方塊的垂直范圍顯示了不同情境下決策時間期望值的95%置信區(qū)間。顯然，黑色方塊決策時間期望值在統(tǒng)計意義上優(yōu)于白色區(qū)間。更準(zhǔn)確地說，黑色情境構(gòu)成的子集合，在決策時間期望值方面，有95%的可能包含了真實的、最佳的情境；而白色區(qū)間，總能通過調(diào)節(jié)其中一個控制變量的水平，達(dá)到更優(yōu)的決策時間：如情境5(白色)調(diào)節(jié)pd為1，則會產(chǎn)生更短決策時間的情境1(黑色)；情境6(白色)調(diào)節(jié)internalfactor為1，則會產(chǎn)生更短決策時間的情境2(黑色)等。同時，由圖6可以發(fā)現(xiàn)，相對較高的kmount和internalfactor會對群體決策時間產(chǎn)生積極影響，符合本文得出的結(jié)論。但結(jié)合表6和圖6，一個有趣的現(xiàn)象引起了我們的關(guān)注，一些kmount為高水平的情境無法獲得較優(yōu)的決策時間期望值區(qū)間，特別是情境16，具有高的知識共享/轉(zhuǎn)移水平，對決策績效的正向影響也很大，但決策時間值卻不理想。由此可推測，在群體內(nèi)知識差距較大或該差距對群體有較大影響時，高知識共享/轉(zhuǎn)移水平未起到作用。反之，低知識共享/轉(zhuǎn)移水平的情境1收獲了最短的決策時間。由此驗證了結(jié)論：即知識差異存在一定閾值，只有當(dāng)群體內(nèi)部差異在該閾值內(nèi)時，知識共享/轉(zhuǎn)移才能發(fā)生，才能對決策時間產(chǎn)生積極影響。

5 總結(jié)與展望

本文以動態(tài)群體決策為主要研究對象，在考慮知識共享/轉(zhuǎn)移的前提下，探討了相關(guān)績效指標(biāo)的影響因素、變化過程，分析了相應(yīng)的對策，并進(jìn)行了數(shù)值模擬。

首先，本文構(gòu)建完成了知識共享/轉(zhuǎn)移背景下的動態(tài)群體決策模型，將模型細(xì)分為觀點、交互關(guān)系、集結(jié)三個動態(tài)演化層面，給出了層面間的驅(qū)動關(guān)系，對已有文獻(xiàn)的呈現(xiàn)一致性序列收斂證明方法進(jìn)行了擴(kuò)展，證明了在引入知識要素后，該序列仍然收斂，且適用于個體觀點和群體觀點差別更大的情況。

接著，本文利用定性模擬技術(shù)，探討了知識共享/轉(zhuǎn)移對達(dá)成一致時間所需時間的影響。具體地，本文構(gòu)建了知識共享/轉(zhuǎn)移影響群體決策過程的定性模擬概念模型，提出了定性模擬引擎驅(qū)動模型中規(guī)則集和變量集的運動，給出了定性模擬引擎的工作流程。同時，搜索知識共享/轉(zhuǎn)移水平、知識勢差及兩者的影響大小4維控制變量空間中的最佳備選方案。對控制變量在所定義的范圍內(nèi)可能取值的組合進(jìn)行自由選擇，在4維空間中尋找，當(dāng)達(dá)到呈現(xiàn)一致性指標(biāo)最優(yōu)時(絕對值越接近于0越好)，決策時間的取值。

基于本文的成果，未來的研究工作還可以進(jìn)一步深入。本文選取的自變量為知識共享/轉(zhuǎn)移，具體來說，研究中涉及知識共享/轉(zhuǎn)移是否發(fā)生、被共享/轉(zhuǎn)移的知識數(shù)量是多少。今后的研究中，應(yīng)該進(jìn)一步細(xì)化自變量。例如知識共享/轉(zhuǎn)移的方式、面對面的交互和網(wǎng)絡(luò)交互是否存在差別、知識共享/轉(zhuǎn)移的次數(shù)多少是否存在差別、知識共享/轉(zhuǎn)移的方向(單向/雙向)是否存在差別等，這些都是值得進(jìn)一步探索的問題。