基于SEM的高校科研团队知识增长影响因素的实证研究

金燕 齐俊景

〔摘要〕从知识转移过程与知识吸收角度构建高校科研团队知识增长影响因素模型，采用结构方程模型（SEM）对已构建的模型进行实证分析。结果表明：知识主体、知识特性、知识环境和团队特征4个因素影响高校科研团队的知识增长，其中知识主体与团队特征因素路径系数相对较大，对知识增长产生较为显著的正向影响。认为可以从发挥知识主体的主观能动性，重视知识质性在团队知识增长中的作用，搭建交流平台、完善激励政策，调整组织结构、营造共享氛围等方面采取措施，促进高校科研团队的知识增长。

〔关键词〕高校科研团队；知识共享；知识增长；结构方程模型

DOI：10.3969/j.issn.1008-0821.2016.07.014

〔中图分类号〕C936〔文献标识码〕A〔文章编号〕1008-0821（2016）07-0079-07

The Empirical Study on Factors Affecting Knowledge Increasing in

University Scientific Research Teams Based on SEMJin YanQi Junjing

（School of Information Management，Zhengzhou University，Zhengzhou 450001，China）

〔Abstract〕The model affecting knowledge growth of university scientific research teams is built，and the method of SEM is utilized to illustrate the model.The empirical study showed that knowledge subject，knowledge characteristics，knowledge environment and research team have different effects on the knowledge growth of university scientific team.And knowledge subject and research team have much larger influence.Some measures were put forward to promoting the knowledge growth of university scientific research team.

〔Key words〕university research team；knowledge sharing；knowledge increasing；SEM

陈春花等[1]认为，科研团队——一个旨在研究与开发科学技术的科研人员群体，成员技能互补，并且愿意为共同的科研目的、目标和方法而互相承担责任。该定义被科研创新团队或高校科研团队领域的研究者们所采纳[2-3]。科研团队具有明显目的性、规模性及结构性特征，如成员具有共同目标、人数规模达到2人以上、团队成员之间的知识结构具有互补性等[4]。高校科研团队是国家基础研究力量的重要组成部分，研究其知识增长规律及增长机理，将有助于高校科研团队知识创新能力及科研团队竞争力的提升。

知识增长是通过知识主体间的交流与共享，获得知识并进行消化、吸收、融合产生新知识的过程。近年来，国内外对知识增长的研究成果主要集中在知识共享与转移、知识创新与创造等方面，前者主要围绕知识共享与转移的影响因素、转移模型等进行研究[5-6]，后者主要对知识创新与创造影响因素、知识创新绩效等进行研究。已有研究或是关注单个因素或两个因素对知识创新与创造的影响[3，7-11]，而研究对象多以企业及其研究团队为主，对高校科研团队知识增长的直接报道少且较分散，如晋琳琳等[12]以知识交流共享与知识整合为中介变量，利用层次回归分析方法验证了科研团队成员学科背景特征对团队创新绩效产生的显著正相关关系。原长弘等[3]采用跨层次理论分析方法探讨了科研团队内部共享氛围对知识创造的影响机理，其研究结果验证了共享氛围通过两种途径发挥作用的假设，即直接促进团队知识创造与个人知识增长的间接推动。张鹏程等[13]以网络密度与网络中心性为网络特征变量，分析了网络密度对团队知识创造的负相关性。Lee，Walsh[14]等对科研团队创造性与科研团队规模之间的关系进行了探索，研究结果表明科研团队的创造性与科研团队的规模的关系呈现倒U曲线。

本文在充分考虑高校科研团队特点的基础上，从知识转移过程与知识吸收角度构建高校科研团队知识增长影响因素模型，采用结构方程模型（SEM）对所构建的模型进行实证分析，探讨知识主体、知识特性、知识生长环境与团队特征4个因素对高校科研团队知识增长的影响。

2016年7月第36卷第7期现？代？情？报Journal of Modern InformationJuly，2016Vol36No72016年7月第36卷第7期基于SEM的高校科研团队知识增长影响因素的实证研究July，2016Vol36No71高校科研团队知识增长的影响因素分析

高校科研团队是典型的知识创新型团队，多以师生式、实验室或者课题组为单位组成，因此，团队成员之间拥有一定量的共同知识。但是，由于受到个体成员不同的学历背景、科研经历等因素的影响，团队成员之间也拥有一定量的个性化知识。为了实现科研团队的共同目标，团队成员将个体所拥有的差异化知识与其他成员交流共享，通过知识的融合、消化、吸收，形成团队成员的新知识，促进团队成员个体知识的增长和整个团队知识的增长。在科研团队存续期间，这个过程往复循环，给科研团队赋予生命力。

科研团队知识共享意愿是团队成员主动贡献知识、与他人进行分享的程度，直接影响团队知识增长的效果。Bakker[15]等认为共享意愿是影响转移效果的重要因素。黄微等发现知识源的转移意愿强度将直接影响知识转移效果。科研团队成员接收知识的能力是指知识接收方将知识供给方共享的知识进行消化吸收的程度，对团队知识增长发挥重要作用。杨建超[16]等分析发现知识接受者的沟通解码能力及吸收能力对知识转移具有显著正向影响。

研究人员从事科学研究工作具有相对独立性，团队成员的交流多以组会或者借助社交软件实现即时沟通，成员之间的物理距离较近为科研人员的交流提供方便，而远距离成员间的定期交流的成本可能较高，因此需要构建知识交流平台，完善交流设施。

共享氛围（Team Climate） 是团队成员对环境的共同感知，长期以来团队氛围被作为团队环境中影响科研团队成员的最重要因素之一。团队有较高的凝聚力，成员间心理距离近、相互信任的团队氛围能够改善团队成员知识共享的意愿，提高知识增长效率。团队规模的大小及组织结构也对科研团队的知识增长产生影响，扁平式的团队结构在团队规模较大时将会比多层级的垂直式的团队结构交流更方便，可以有效减少成员的沟通成本。

在借鉴前人研究成果和专家访谈、用户访谈调查的基础上，从知识主体、知识客体、科研团队特征、外部生存环境等方面确定影响高校科研团队知识增长的因素，如图1所示。表1解释了各知识增长因素的含义。

2实证分析

21问卷的设计与样本采集

本研究采用问卷调查的方法获得分析所需的样本数据。问卷由两部分组成，第一部分主要是被调查对象基本信息（性别、年龄、学历、专业）及团队基本信息（团队类型、团队结构、团队规模、加入团队时间、团队中的角色）；第二部分是变量的测量，采用李克特5点式量表，包括知识主体（共享意愿和接收能力）、知识特性（知识存量、共同基础和互补程度）、知识环境（交流设施、物理距离和激励政策）、团队特征（心理距离、共享氛围、团队规模与组织结构）4个子部分，共由12个问题项组成。

本次调查采用在线问卷调查的形式，由专业调查网站“问卷星”发布，调查时间为期1个月（2015.05.15-2015.06.15），被调查对象的区域主要分布于黑龙江、辽宁、北京、河北、山西、陕西、山东、河南、江苏、上海、四川、湖南、福建、贵州等地区，本次共发放网络问卷270份，收回212份，回收率为785%；其中根据问卷差异性及答案不可缺失性原则剔除问卷6份，剩下有效问卷206份，问卷的整体有效率763%。对调查对象的变量测量数据和基本信息进行整理，统计结果如表2、表3所示。

各项指标的最小值、最大值均分别为1与5，均值是实际应用最广泛的集中趋势测度值，反映的是一组数据的集中趋势，方差与标准差是数据分布中显示数据离散程度的重要指标，数据离线程度越小，集中趋势的测度值对该组数据的代表性越好。由表3看出，心理距离、激励政策、共享意愿、共享氛围以及吸收能力的均值，分别为435、434、432、430、428以及423，显著高于其他变量，表明被调查对象对心理距离、激励政策、共享意愿、共享氛围以及吸收能力在知识增长中的作用认同度比较高。

22样本的信度和效度

信度和效度分别是表征问卷数据可靠性和可信度的主要指标。运用SPSS200对调查数据进行信度及效度分析，其中Cronbachs Alpha系数为0811，大于08，说明本调查问卷具有较好的稳定性与可靠性[17]；KMO和Bartlett球体检验结果为0837，大于08，显著性概率值为0000，小于001，说明调查问卷具有较高的可信度，能够较好地代表调查对象的特征[17]。

23运用SEM结构方程模型进行分析

231研究方法的适用性

（1）方法适用性。结构方程模型具有多变量同时处理、容许自变量和因变量含有测量误差，容许潜变量由多个测量变量构成的优点[18]，而本文研究的知识增长是个相对模糊的概念，需要通过潜变量表征观察变量，因此本研究运用结构方程模型比较适合。

（2）数据适用性。采用一种方法开展研究，不仅需要满足方法适用，对数据有效性且适用性的说明也是科学研究所需要满足的条件之一。数据有效性一般采用数据的信度与效度检验，本文采用常用的信效度指标——Cronbachs Alpha系数与KMO和Bartlett球体检验。采用结构方程模型需要数据服从正态分布以进行验证性因子分析，一般地用偏度（Skewness）与峰度（Kurtosis）来表征数据比较适合进行因子分析。通过对问卷数据进行分析，获得问卷的信度、效度、偏度、峰度，如表4所示。

一般地Cronbachs Alpha、KMO和Bartlett球体检验>090，非常适合，取值范围在07～08之间是比较适合，因此样本数据有较高的可信度与可靠性。偏度与峰度系数绝对值取值范围在3～10之间，符合正态分布，因此适合做因子分析。

232模型绘制

高校科研团队知识增长影响因素模型借助软件AMOS200进行绘制，在AMOS中，模型的各指标变量和潜在变量均有惟一对应的误差变量，其误差变量参数设定的起始值为1。完成设定后将文件命名为高校科研团队知识增长影响因素模型A，如图2所示。

233模型拟合及修正

将模型图保存，数据导入，OUTPUT参数设定，进行估值计算，各项适配值如表5所示。

模型适配度检验方面，卡方值（X2）愈小表示整体模型的因果路径图与实际样本数据愈适配。RFI的值愈接近1表示模型适配度愈佳。模型适配度摘要表中“适配的标准或临界值”是判别模型路径图与实际数据是否适配的标准，表5中卡方值与相对适配指数（RFI）并未达到标准，因此需要对假设模型进行修正。AMOS软件提供的修正如表6所示。

AMOS中提供的修正指标，需要遵守一定的规则，如观察变量的误差变量（r3）与潜在变量的误差变量（e12、e5）之间增设路径违反AMOS规定，建议增设团队规模（e11）与组织结构（e12），互补程度（e5）与团队规模（e11），激励政策（e8）与共享意愿（e1），激励政策（e8）

与接收能力（e2）共4条路径通路。在参数释放设定上，必须遵循一次只修正模型中的一个参数的原则，每修正一个参数即进行模型检验。当团队成员在团队规模相对适中、具有良好组织结构的环境中，可以增加团队成员交流机会，为吸收组织外成员壮大团队规模提供便利条件，因此团队规模与组织结构之间存在正向的共变关系。当科研团队规模处于稳定时期，同时团队成员之间的知识结构形成互补，通过短期学习，可以快速增加团队知识，存在一定的共变关系。当团队成员处于拥有完善的激励机制的团队中，可以在一定程度上激发科研团队成员的学习意愿，团队成员的知识存量多寡可以有效增加其接收新知识的水平，存在一定共变关系。

根据AMOS模型修正原则，逐次释放参数，但是新的模型适配度并不理想，因此考虑多条路径的综合，最终得到最佳的模型，将其命名为高校科研团队知识增长模型B，如图3所示。图3高校科研团队知识增长影响因素模型B将样本数据导入到模型B中进行估计计算，模型整体适配度如表7所示。

通过比较模型B中适配的标准与临界值可以看出，模型绝对适配度、增值适配度、简约适配度等各项指标均符合可适配要求，修正后模型达到可接受的标准。模型修正后的标准化结果如图4所示。

24实证结果分析

模型拟合的实际参数与模型判定可接受参考值比较发现，样本数据与高校科研团队知识增长影响因素模型适配较好，从知识主体、知识特性、知识环境与团队特征角度分析高校科研团队知识增长影响因素模型得到验证。

知识主体、知识特性、知识环境与团队特征对知识增长的路径系数分别为087、071、079、090，说明这4个因素对高校科研团队知识增长的影响较为明显，其中“团队特征”对科研团队知识增长的影响最大。被调查者认为良好的团队共享氛围及组织结构有助于团队成员间的交流，有利于缩小成员间的心理距离，可以在一定程度上有效促进团队知识的增长，因此被调查对象对团队特征重视度较高。

“知识主体”指标组中，“共享意愿”和“接收能力”两个指标的重要程度稍有差异。“共享意愿”相较于“接收能力”指标略显重要，这与传统的认为“接收能力”可能更为重要的观点恰恰相反，知识增长的实现离不开知识主体间的交流共享，只要知识拥有者愿意分享知识，似乎剩图4知识增长模型B估计结果

下的只有知识需求者有能力消化知识，出现这种结果可能受知识共享的固有观念有关。在被调查样本中，被调查对象认为知识共享意愿比较重要，知识增长建立在知识发送方愿意提供知识，知识接收方愿意接收知识的基础上，但仅仅有意愿还不够，还需要能接收能力来消化吸收通过共享转移的知识。

“知识特性”指标组中，“知识存量”最为重要，这是因为当知识发送方与接收方完成知识的转移后，还需要接收方消化所接收的新知识。在此过程中双方必须拥有一定量的共同知识，如果缺乏共同知识基础，会给知识吸收带来困难，很难进行知识的创新。

“知识环境”指标组中，“交流设施”、“物理距离”、“激励政策”对知识环境的因素负荷量大致相当。其中交流设施及激励政策稍显重要，前者可能是因为信息技术在知识共享交流、知识创新过程中发挥着越来越重要的作用，完善的激励政策能够在一定程度上促进知识共享意愿、降低知识创新、知识增长成本是引起后者的原因。

“团队特征”指标组中，“心理距离”、“共享氛围”、“团队规模”与“组织结构”对团队特征的因素负荷量分别为090、071、000和033，差异较为显著。团队规模对团队特征的路径系数为零，说明其对团队特征没有直接作用，但是“团队规模”与“组织结构”具有共变关系，通过组织结构发挥间接作用。

知识增长模型B的修正指标显示如表8所示。

知识增长模型B给出的修正指标表明在高校科研团队知识增长的影响因素中，对物理距离与组织结构之间的关系需要加以关注[17]。物理距离的误差变量与组织结构的误差变量之间存在一定的共变关系，原因可能是物理距离较近易于团队成员的管理，有效的组织结构有利于实现团队成员之间的交流共享。当团队成员距离较远时，不利于团队成员的管理，尽管有信息技术手段的辅助，仍然不能弥补传统的面对面的沟通管理，影响知识增长。

3结论与建议

通过对构建的概念模型进行验证，发现理论模型与调查数据检验有较好的拟合度，说明模型具有较好的适配度与解释力。高校科研团队知识增长可以从知识主体、知识特性、知识环境与团队特征4个角度来分析。基于此，笔者认为，可以从如下方面采取措施，促进高校科研团队知识增长：

31发挥知识主体的主观能动性

共享意愿与接收能力是实现知识流动的基础，知识主体角度促进高校科研团队的知识增长，不仅需要知识持有方具有良好的沟通表达能力与知识共享的意愿，同时也离不开知识需求方具有强烈的接收、消化知识的能力。因此需要发挥知识主体的主观能动性，提高知识发送方的共享意愿与知识接收方的吸收能力。

32重视知识质性在团队知识增长中的作用

知识质性即知识在性质方面的差异。成员具有一定量的知识储备是接收消化知识的前提，成员之间的知识交叉是其能够共享的基础，而团队成员拥有的知识能够相互补充将可以有效促进其合作过程中碰撞出知识的火花。

33搭建交流平台，完善激励政策

为促进高校科研团队的交流与知识创新，团队必须积极创造条件，建立物质与精神相结合的激励体系，激发团队成员共享意愿；同时顺应信息时代的发展，搭建知识交流平台。科学有效的激励机制是实现团队知识增长的重要推动力，不完备的脱离实际的激励政策，将会降低知识共享的意愿，增加知识交流的成本。马斯洛的需求层次理论为团队建立科学的激励机制提供了参考，马斯洛需求层次理论认为“人不仅需要满足基本的生理需要，精神层次的需求也不可或缺，甚至是更高层次的需求——获得尊重及自我价值的实现”，因此需要建立物质与精神为一体多种奖励方式相结合的激励体系。为了促进知识共享搭建的交流平台，可以是物理空间内的研讨会、培训班、甚至是基于网络的虚拟知识社区、机构知识库与知识地图等。

34优化组织结构，共建共享氛围

高校科研团队的知识共享与创新建立在团队成员有效沟通的基础上，而有效地沟通离不开灵活的组织结构与良好的共享氛围。团队规模大，垂直式的组织结构，团队领导人的指令需要通过层层传递，容易出现理解偏差，增加团队成员的沟通障碍，减少沟通频次。为了实现知识的吸收与创新，因此团队需要优化组织结构，打破上下级之间的沟通壁垒，提高沟通效率，将团队处于开放的环境之中，促进团队内部与外部环境之间信息及知识的流动。另一方面鼓励创新、宽容失败的团队文化有助于促进团队的交流，增进团队成员的信任，缩小团队成员的心理距离与知识距离。

参考文献

[1]陈春花，杨映珊.基于团队运作模式的科研管理研究[J].科技进步与对策，2002，19（4）：79-81.

[2]原长弘，姚缘谊.科研团队内部知识共享氛围对成员知识创造影响的跨层次分析[J].科学学与科学技术管理，2010，31（7）：192-199.

[3]刘慧.高校科研团队人际信任对创新绩效的影响——以知识共享与整合为中介变量[J].技术经济与管理研究，2013，（11）：24-28.

[4]许治，陈丽玉，王思卉.高校科研团队合作程度影响因素研究[J].科研管理，2015，36（5）：149-161.

[5]张薇.高校科研团队信任对知识转移的影响研究[D].大连：大连理工大学，2013.

[6]蒋玲.高校人文社会科学科研团队知识转移研究[J].档案学通讯，2014，（3）：57-59.

[7]刘立.科研团队的创造性与科研团队的规模呈倒U曲线[EB/OL].http：∥wap.sciencenet.cn/blogview.aspx？id=911725，2015-08-15.

[8]Liao Shu-Hsien，Hu Ta-Chien.Knowledge transfer and competitive advantage on envir onmentaluncertainty：An empirical study of the Taiwan semiconductor industry[J].Technovation，2007，27（6-7）：402-411.

[9]Tsai Kuen-Hung.Collaborative networks and product innovation performance：Toward a contingency perspective[J].Research Policy，2009，38（5）：765-778.

[10]Zhou Shihao，Siu Felix，Wang Minhong.Effects of social tie content on knowledge transfer[J].Journal of Knowledge Management，2010，14（3）：449-463.

[11]Xu，D.，& Yu，C.Knowledge Network Platform of Collaborative Knowledge Innovation System Construction[C].2013 International Conference on Computer Sciences and Applications，703-706.

[12]晋琳琳，李德煌.科研团队学科背景特征对创新绩效的影响——以知识交流共享与知识整合为中介变量[J].科学学研究，2012，30（1）：111-123，144.

[13]张鹏程，彭菡.科研合作网络特征与团队知识创造关系研究[J].科研管理，2011，32（7）：104-112.

[14]Lee You-Na，Walsh John-P.，Wang Jian.Creativity in scientific teams：Unpacking novelty and impact[J].Research Policy，2015，44（3）：684-697.

[15]Bakker R M，et al.Managing the project learning paradox：A set-theoretic approach toward project knowledge transfer[J].International Journal of Project Management，International Project Management Association，2011，29（5）：494-503.

[16]杨建超，尹洁，吴洁.高校科研创新团队内部知识转移影响因素研究——基于江苏省实证分析[J].情报杂志，2012，31（8）：182-187.

[17]吴明隆.结构方程模型：AMOS的操作与应用[M].重庆：重庆大学出版社，2010.

[18]温忠麟，成子娟.结构方程模型及其应用[M].北京：教育科学出版社，2004.

（本文责任编辑：马卓）