图1 基于WBS与RAM的网络关系识别过程
李彦勇1，王 磊2，钱 琛2，孙 涛2
(1.天津大学 管理与经济学部 天津 300072；2.山东大学 管理学院，山东 济南 250100)
摘 要：当前基于静态评价项目沟通网络提出的网络调整策略方式，与该网络在协同创新项目中的动态演化特点不符。认知资本是沟通的基础，且认知资本随项目推进而变化的特点与沟通网络动态性相一致，故从认知资本视角对沟通网络进行动态分析。首先，从初始网络构造、网络演化过程、演化结果评价、网络演化算法4个方面设计沟通网络演化模型。然后，以工业技术研究院协同创新项目为例，对比分析不同的网络调整策略及其效果。结果发现，劣势节点策略不仅未改善网络演化结果，反而使结果变差，表明网络局部最优不代表整体最优；优势节点策略效果较好，其中节点结构改善策略优于节点能力提高策略，表明在沟通网络演化过程中结构系统性影响强于节点个体影响。
关键词：网络演化；沟通网络；协同创新项目；认知资本；社会网络分析
信息沟通是组织运行的基础，然而协同创新项目中利益相关方缺乏合作经验，导致沟通效率低、效果差，信息沟通问题成为项目管理和治理的难点[1]。当前对于项目信息沟通问题的研究从侧重两个利益相关方之间的二元关系拓展到所有利益相关方形成的沟通网络。该网络表征了项目信息沟通的整体状态[2]，可基于该网络评价项目信息沟通现状并提出相应策略。
现有研究主要采用静态分析方式，基于社会网络分析(SNA，Social Network Analysis)方法，通过网络密度、中心度、中心势等指标，或辅以多维尺度分析等方法，对沟通网络进行量化评价，进而提出网络调整策略[3,4]。
例如，Pryke[2]将项目利益相关方网络分为沟通网络、绩效激励网络和契约网络，并采用网络中心度指标分析沟通网络中节点的网络地位。Robertsa等[5]采用网络规模、密度等指标量化网络，并通过多维尺度分析发现沟通网络中的3个子群。Chinowsky等[6,7]认为，良好的知识传递是高项目绩效产生的重要因素，进而分析知识传递的沟通网络，并通过中心度、网络距离等指标识别网络关键节点。丁荣贵等[3]构建了项目治理社会网络模型，认为信息提供是利益相关方间的重要关系，并采用中心势等指标分析节点在网络中的嵌入关系。乐云等[8]将信息交互关系视为项目组织社会网络模型的主要关系，并通过网络密度、接近中心度等指标对网络进行定量分析。刘兴智[9]认为，项目治理社会网络决定了信息沟通效率，并从信息传递时效和质效两个方面设计网络评价指标。Kim[10]将SNA方法应用到沟通网络分析中，通过点度中心度等指标发现经理的沟通可靠性最高且在网络中具有重要地位。Malisiovas与Song[11]构建了项目正式关系和非正式关系网络，并通过网络密度测量网络沟通效率。杨青等[12]将信息沟通交流关系作为主要网络关系，进而构建集成产品开发项目(IPD)沟通网络，通过网络密度、网络距离、中间中心度等指标对网络进行分析。胡平等[13]将协同创新网络划分为蛰伏期、萌芽期和培育期3个阶段，通过中间中心度指标反映节点控制网络中的信息流能力变化。王磊等[14]将项目治理网络分为表征相关方之间行为控制关系的契约网络和表征相关方间任务协作关系的沟通网络，通过网络密度、网络距离、中心度等指标量化沟通网络紧密程度、沟通效率及节点网络地位，对比分析了两种工业技术研究院协同创新项目沟通网络。
然而，协同创新项目沟通网络具有较强的动态性[15]。具体而言，此类项目的利益相关方来自不同组织和行业，彼此缺乏共同语言(Shared Language)，不熟悉彼此沟通习惯，此时沟通网络关系强度较低。但随着项目推进，利益相关方之间的共同语言增加，熟悉度逐渐提高，沟通关系强度也随之提升。可见，当前基于SNA的静态网络分析方式难以适用于动态沟通网络。
因此，本文拟构建项目沟通网络动态演化模型，以此辅助项目沟通网络评价和网络调整策略的提出。首先，鉴于认知资本是信息沟通的基础[15]，且其随着项目推进而不断变化的特点契合沟通网络的动态性，故从认知资本视角进行网络动态分析。其次，从初始网络构造、网络演化过程、演化结果评价、演化算法4个方面构建网络演化模型，以该模型作为网络动态分析的数理工具。最后，以典型的工业技术研究院协同创新项目为例，对比分析项目治理中常见网络调整策略，从而得出相应结论。研究结论可辅助治理主体进行网络评价、网络结构设计和调整、节点选择等方面的决策。
认知资本是指为不同个体提供共同理解的解释、表达与意义系统的资源[16]，是信息沟通的基础。同时，其随着项目推进而不断发生变化的特点契合沟通网络的动态性，因而本文从认知资本角度对沟通网络进行分析，并将沟通网络关系界定为认知资本关系。
Nahapiet与Ghoshal[16]在对社会资本的研究过程中，将认知资本作为社会资本的第三个维度，并将双方共同语言和代码(Shared Language)及共同经历(Shared Narrative)作为认知资本细分维度。Tsai W与Ghoshal S[17]主要通过共同愿景(Shared Vision)对认知资本进行度量。随后，诸多学者从上述维度对认知资本进行分析[18-20]。其中，共同语言和共同愿景分别是项目中信息沟通的基本条件与主要动力，认知资本是不同主体间信息沟通的基础。
信息沟通模型中包括信息发出、传播、接收等过程[21]。相应地，在项目利益相关方信息沟通过程中，包括信息发出方的信息选择、信息编码、信息传递以及信息接收方的信息译码等过程，由此形成项目利益相关方的信息沟通基本模型。
两个利益相关方(网络节点)间传递信息需要经过4个基本步骤：①信息发出节点从已有信息中选择需要发出的信息；②信息发出节点进行信息编码(表现在项目中即通过标准术语和数据形成语言、文字、图形、视频等材料)；③传递信息，即将承载信息的媒介传向信息接收节点；④信息接收节点对信息进行译码并将信息转化吸收。其中，第一步受A向B传递信息意愿的影响，该意愿与两者间的共享愿景有关。第二步和第四步影响信息传递的准确性，信息准确性主要受两者信息编码与译码系统统一性的影响，与两者共享语言有关。例如，在项目启动过程中，各利益相关方在合同中对各类名词进行概念界定与解释的过程，就是一种增加利益相关方之间认知资本(共享语言)的措施。第三步受信息传递工具、形式等方面的影响，是两点间信息沟通环境。
共同愿景影响信息发出节点进行信息沟通的意愿和动机，进而影响信息沟通的准确性、真实性，共同愿景与信息传递的“主观准确性”有关；共同语言影响节点间的信息沟通能力，两者在相关概念上的一致性、共同“行话”数量影响信息编码和译码的准确性，共同语言与信息传递的“客观准确性”有关。因此，本文主要从共同愿景和共同语言两个维度分析项目中利益相关方间的认知资本关系。
独特性和临时性是项目的基本特征，即项目任务对于利益相关方来说是独特而非重复的，各利益相关方因项目而建立的临时性合作随着项目结束而终止。项目独特性和临时性导致项目初始阶段各利益相关方间的认知资本关系强度较低，但关系强度随着项目推进而逐渐提高。
企业运营过程往往是重复的，例如制造企业零部件加工过程：各参与方合作较为长久，双方关系不会因单个过程结束而终止，多个员工在流水线上共同组装产品的任务协作关系不会随着单个过程结束而结束。任务重复性和合作非临时性导致运营过程中的各方认知资本较高。在重复运行过程中可获得大量历史数据，过程目标往往清晰具体且量化程度较高。清晰的目标便于各方对目标形成一致性认知，从而有利于共同愿景建立。目标量化程度较高则便于对各方行为进行考核监督，避免投机行为，从而有利于共同愿景形成。同时，虽然难以在任务结束时对重复过程的部分结果进行评价，例如热处理工序影响产品耐磨性等质量特性，但是由于完成重复任务的各方具有长期合作关系，因而在从事难以及时测量评价的子任务时，参与方采取投机行为的可能性较低。因为难以及时测量的结果将在未来体现出来(产品磨损程度、使用寿命等)，此时合作关系仍然存在。任务重复性和合作长久性使运营过程中的各方在共同愿景上一致性较高。同时，从事重复任务的各方得益于长期合作关系，对任务较为了解且熟悉彼此沟通习惯、缩略语、行话等，在共同语言方面的一致性也较高。因此，运营过程中各参与方之间的认知资本较高。
然而，项目任务是独特的，因而难以通过历史数据对项目目标进行清晰描述，只能随着项目推进逐渐将目标具体化。由于难以对项目目标进行量化，对各个利益相关方行为约束不足，从而难以保证各方动机的一致性。此外，各方合作随着项目结束而终止，无法通过长期合作关系对投机行为进行约束。可见，项目初期各利益相关方愿景的共同程度较低。同时，各方合作的临时性导致语言的共同程度较低。因此，项目启动阶段各个利益相关方之间的认知资本关系强度较低，此时利益相关方间信息沟通动机不足，传递信息的可能性和准确性较低。利益相关方之间的共同语言较少，两者之间信息传递难度较大，导致信息准确性较低，从而影响项目信息沟通效果。
随着项目推进，项目目标逐渐清晰，利益相关方之间的目标冲突减少[22]，利益相关方之间的共同愿景程度提升。同时，利益相关方在完成项目任务过程中积累并统一了共同语言。可见，认知资本关系随着项目推进而不断变化，认知资本关系具有动态性，契合沟通网络在项目生命周期阶段不断变化的特点。
沟通网络具有动态性，针对项目初始网络进行静态截面分析进而采取相应对策的方式，由于未考虑网络动态性而容易导致网络评价不准确、对策效果较差等问题。对于负责调整初始网络结构以确保项目成功的治理主体来说，如何构造一个良好的初始沟通网络，进而为各利益相关方之间的有效信息沟通奠定基础至关重要。因此，需要构建沟通网络演化模型对沟通网络进行动态评价，并提出相应的网络调整措施。
通常演化模型主要包括初始条件、演化规则、结果指标、模型算法等主要内容，故沟通网络演化模型构建主要包括初始网络构建、网络演化过程、网络演化评价指标及网络演化算法4个主要部分。
当前大量文献基于经典的小世界网络模型构造演化初始网络[23]。但在项目中，利益相关方为了完成项目任务而进行信息沟通，承担不同任务责任(协调、规划、监督、操作等)的利益相关方接收和发出相应的信息，在项目沟通网络中网络关系与特定任务及节点的任务责任有关[15]，其网络结构是基于项目任务形成的而非随机形成，网络的“小世界”特征不明显。因此，需要采用一种契合项目特点的网络构建方法[15]，同时网络构建包括关系识别和量化两个基本过程[24]。通过关系识别和量化形成沟通的基本网络，而基本网络受治理主体网络调整策略的影响，经过调整后成为沟通网络演化模型的初始网络[15]。
2.1.1 基本网络构造
本文从认知资本视角分析项目沟通网络，将利益相关方间的网络关系定义为认知资本关系。然而，在网络构建中并非直接判定所有利益相关方之间认知资本关系强度，而是基于项目任务(协作完成任务是利益相关方信息沟通的动力)判断哪些利益相关方之间需要信息沟通，即识别利益相关方之间的网络关系。例如，在产品开发项目中，产品经理可能与提供智力支持的高校研究生在产品开发方面具有相同的专业技术背景(若专业技术背景相同则认知资本较高)。但是在产品开发过程中，项目经理仅与高校教授进行沟通，与辅助教授的学生之间不存在协同完成任务的情况。因此，在构建沟通网络时不需要分析项目经理与研究生之间的认知资本关系。
因此，构建沟通网络需要首先对项目任务进行分解，该过程可通过分析项目的工作分解结构(Work Breakdown Structure)实现[15]。WBS以可交付成果为导向对项目任务进行分解，既是项目范围确定、计划制定的基础，也是各类项目中必备的管理工具。在案例分析中，可从项目经理、计划人员等处获得WBS，再通过访谈、专家分析等方法对WBS内容进行修正。
然后，分析哪些利益相关方在具体的项目任务中进行协作，在任务中进行协作的利益相关方之间即存在网络关系。不同利益相关方在同一个任务中往往承担着不同的任务责任，如规划、协调、实施、监督等。项目任务、利益相关方、任务责任形成责任分配矩阵(RAM，Responsibility Assignment Matrix)。因此，在RAM中建立了项目任务与利益相关方之间的对应关系[15]。与WBS类似，RAM也是项目必备的管理工具，可通过项目经理等获取RAM的相关资料。通过RAM识别参与某项目任务的利益相关方，然后建立这些利益相关方之间的网络关系。
综上所述，WBS界定了项目中的具体任务，在WBS的基础上分析各相关方的任务责任可获得RAM，进而识别各利益相关方通过任务形成的沟通网络关系，如图1所示[15]。
在识别利益相关方间的网络关系后，便可进行关系量化。本文借鉴Chiu C等[18]提出的认知资本维度和量表对网络关系进行量化，包括共同语言与共同愿景两个维度。
图1 基于WBS与RAM的网络关系识别过程
注：RAM中其中F、A、C表示不同的任务角色，例如负责、支持、监督等；Network中“圆形”代表利益相关方，“线”代表利益相关方间的关系
2.1.2 网络调整策略
项目启动阶段，业主、治理委员会等通过分析由项目任务构成的基本网络、任务难度、项目内外部风险等内容，可以判断该基本网络能否有效确保项目成功。如果认为当前网络存在结构不足、节点不良等问题，则采取相应策略进行网络调整。网络调整策略与项目管理模式、项目治理机制相关，表现为对利益相关方关系的消除、建立以及关系强度改变。例如，在产品开发项目中，采用产品工艺设计人员、制造工艺设计人员、物料采购人员、产品加工人员等各自独立完成相关任务的方式。制造工艺设计需要基于企业生产现状(设备、物料等方面)对产品工艺进行调整，然而当前产品加工人员、物料采购人员不参与制造工艺设计过程，从而导致制造工艺设计效果较差，难以充分适应企业生产条件。因此，治理主体(企业中负责产品开发的企业副总)在产品开发过程中引进并行工程，即产品工艺设计人员、制造工艺设计人员、物料采购人员、产品加工人员等共同参与产品工艺设计和制造工艺设计过程，通过共同参与相同的任务建立网络关系。由此，治理主体通过引入并行工程，改变相关方之间的网络关系，进而改变沟通网络结构。
基本网络受调整策略的影响而成为沟通网络演化模型的初始网络，该网络决定了沟通网络演化效果。
从认知资本角度构建初始网络后，需要分析该网络在项目生命周期阶段的演化过程，该过程主要包括沟通网络对信息沟通效果的影响，以及每个阶段中信息沟通效果对网络变化的影响。
2.2.1 网络对信息沟通效果的影响
网络从节点属性和网络结构两个方面影响信息沟通效果。其中，网络节点属性主要是指节点信息沟通能力，节点信息能力是信息传递的基础，可分为信息吸收能力和信息发出能力[15]。网络结构与信息传递路径有关，可通过网络距离、中心度等网络指标进行测量[14]。
网络结构主要影响两点之间的信息传递路径，根据两点之间的信息传播是否经过最短路径，可将传播方式分为直接式和震荡式，如图2所示(q是信息发出节点、i是信息接收节点)。
其中，直接式信息传播中i获得的信息量与两点间的网络距离(两点间的最短网络路径长度)有关，两点间网络距离越短，信息传递的及时性和准确性越高[25]，信息传递效果越好，节点i接收的信息量就越大。
震荡式信息传播是指两点通过非最短路径进行信息传播，能够对直接式传递的信息进行纠正和补充。当项目信息沟通机制不健全或因项目任务独特性较高而导致缺乏标准化信息沟通工具和机制时，直接式信息沟通效果较差。此时，多数利益相关方将吸收网络“滞留”信息，即通过非最短路径传递的信息。节点i能否有效、充分地吸收网络上的“滞留”信息，与节点i是否在网络上建立了广泛的联系(可用节点i的网络度数中心度衡量)、“滞留”信息发出方q能否快速将信息传递给网络上其它节点(可用节点q的网络距离衡量，节点q的网络距离为q到网络上其它节点的最短路径均值)有关。
图2 两点间“直接式”和“震荡式”信息传递模式
由此，节点i在阶段g+1的信息量等于其在阶段g的信息量加上在阶段g+1中增加的信息量，新增加的信息量包括通过直接式信息传递获得的信息量与通过震荡式信息传递获得的信息量。两种方式均以节点i的信息吸收能力、节点q的信息发出能力、节点q在阶段g+1计划发出的信息量为基础。前者受节点i和q之间网络距离的影响，由于信息传递随着网络距离增大而呈指数式衰减[23,25]，本文通过指数函数量化网络距离的影响，即设定衰减指数为“底数”，网络距离为“指数”。后者与信息接收节点i的网络中心度和信息发出节点q的网络距离有关[15]，i的中心度越大、节点q的网络距离越短，则节点i通过震荡式信息传播获得的信息量就越大。综上所述，得出节点i在阶段g+1信息量的计算方法，如式(1)所示。
NIi(g+1)=NIi(g)+ICq×(PRq×ARi)×
(1)
NIi(g)表示节点i在阶段g具有的信息量，ICq表示节点q发出的信息量，PRq表示节点q信息发出能力系数，ARi表示节点i信息吸收能力系数，AI表示信息传播衰减指数，Di,q表示节点i和q之间的最短网络路径的长度，Dq表示节点q的网络距离，即节点q与其它网络节点最短路径的均值。OI表示信息传播震荡指数，F(Ci)表示以Ci为自变量的阶梯函数。
式(1)中，F(Ci)表示以节点i的中心度为自变量的阶梯函数，节点i的中心度越高F(Ci)值就越大[26,27]，如式(2)所示。
(2)
a1、a2、a3表示Ci在不同范围内取值时F(Ci)的取值。b1、b2表示lg(Ci)取值范围的临界值。
2.2.2 信息沟通效果对网络变化的影响
在项目沟通网络整体演化过程中，项目信息沟通效果表现为所有利益相关方在该过程中增加的信息量。相应地，在网络演化某个阶段，信息沟通效果表现为该阶段所有节点信息增加量的均值。对于网络中的某个节点来说，如果该节点信息增加量较大，则表明其与周围节点的交互沟通较好，良好的沟通便于共同语言积累，能够提高双方对项目目标认识的统一性及项目任务完成过程中价值观的一致性，进而强化共同愿景[28]。因此，两个节点在同一阶段增加的信息量越大，两者拥有共同语言和共同愿景的程度就越高，从而导致两者认知资本关系强度提升，节点间的关系变化可通过两个节点的信息增加量进行计算，如式(3)所示。
(3)
Ni,j表示阶段初期节点i与节点j之间的网络关系强度，
表示阶段末期节点i和节点j之间的网络关系强度，k表示调整系数。△NIi表示节点i增加的信息量，△NIj表示节点j增加的信息量。
网络演化结果包括信息沟通效果和网络结构自身变化两个部分，相应网络演化评价指标包括与信息沟通结果有关的指标，以及与网络结构自身有关的指标。
2.3.1 信息沟通结果指标
(1)节点信息量均值(AI)。所有节点信息量的均值体现了目前项目信息沟通的整体效果，节点在阶段g具有的信息量均值(AIg)的计算方法如式(4)所示。
(4)
AIg表示阶段g中所有节点信息量的均值，n表示网络中节点的个数。
(2)节点信息量差异度(VD)。在项目生命周期内，不同节点具有的信息量不同，当节点间的信息量差异较大时则产生信息不对称问题，进而提高项目风险发生的可能性，如委托代理风险等[29]。因此，节点间的信息量差异度越小越好，差异度可用节点信息量的方差表示。为了比较不同演化过程或同一演化过程中不同阶段的差异度，将信息量方差进行标准化处理，如式(5)所示。
(5)
VDg表示阶段g中节点信息量差异度。
(3)节点信息增加量均值(AIV)。网络中所有节点在阶段g信息增加量的均值表征了该阶段信息沟通效果，如式(6)所示。在网络演化过程中，节点间的认知资本关系强度逐渐趋于稳定，达到关系强度的最大值，此时沟通网络达到最优结构而不再变化。当网络结构达到最优后，受其影响的节点信息增加量均值也将趋于稳定，或者以特定值为中心波动，将该稳定值或特定值记为SAIV。演化过程中，到达SAIV的时间(t)越短，SAIV的值越大则说明网络的信息传递效果越好，间接表明初始沟通网络结构越好。
(6)
AIVg表示阶段g中节点信息量均值，ΔNIi(g)表示阶段g中节点i的信息增加量。
2.3.2 网络结构指标
(1)网络关系均值(ANR)。节点间的认知资本(关系强度)随着项目推进而提升，所有节点关系强度的均值表征网络信息传递能力。同时，为对比该指标在不同阶段的变化，采用相对关系均值度量网络关系，阶段g的相对网络关系均值记为ANRg，计算方法如式(7)所示。其中，关系相对强度为网络关系实际强度与关系最大值(Ni,j(max))的比值。
(7)
r表示网络中关系的数量，ANRg表示阶段g的相对网络关系均值。
(2)网络连通性(NC)。网络连通性表征网络信息传递效率，其数学含义为所有节点网络距离的均值，其中节点网络距离为该节点到网络其它节点最短路径长度的平均值。因此，在阶段g的NC计算方法如式(8)所示。
(8)
Di(g)Di(g)表示节点i在阶段g的网络距离；Disi,j(g)表示节点i和j在阶段g的网络距离。
此外，当网络结构达到最优状态时，节点信息增加量均值将趋于稳定。因此，在网络演化过程中ANR、NC达到最优值的时间与信息沟通指标中AIV值达到SAIV的时间相同。
网络演化模型的算法流程如图3所示。具体步骤如下：
Step1：基于WBS和RAM并辅以专家判断法，识别利益相关方关系，从共同语言和共同愿景两个维度量化网络关系强度，以网络邻接矩阵表示网络。如果治理主体采取网络调整策略，则对网络邻接矩阵中的相应数据进行调整，其中矩阵数据从0到非零数及从非零数到0表示网络关系建立和消除，矩阵中非零数据值变化表示已有网络关系强度变化。
Step2：对算法中的变量进行赋值，包括节点信息吸收能力系数AR、节点信息发出能力系数PR、信息传播衰减指数AI、信息传播震荡指数OI、仿真时长ST、项目阶段数量ST、调整系数d和k、网络关系的最大值Ni,j(max)与最小值Ni,j(min)及函数F(Ci)中的参数a1、a2、a3、b1、b2。
图3 项目沟通网络演化模型算法
Step3:判断网络演化是否结束，如果是，则转入Step8；如果否，则进入Step4。
Step4:计算节点度数中心度指标Ci、信息发出节点q到各个节点的网络距离Disq,i、节点q的网络距离Dq。
Step5:计算各个节点在一个仿真时间内的信息增长量△NIi。其中,信息发出节点的信息增长量为该节点发出的信息量，其它节点的信息量通过式(1)和(2)求得。
Step6:计算阶段结果(以阶段g为例)，包括节点信息量均值AIg、信息量差异度VDg、信息增加量均值AIVg、网络关系均值ANRg、网络连通性NCg。
Step7:通过式(3)计算网络关系变化,得出新的网络邻接矩阵，然后转入Step3。
Step8:输出模型结果(演化的最终阶段用f表示)，节点信息量均值AIf、节点信息量差异度VDf、信息增加量均值的稳定值SAIV、网络关系均值ANRf、网络连通性NCf以及到达SAIV的时间t。
模型初始化包括初始网络构造和模型参数设定两个部分。本文以某工业技术研究院中典型的协同创新项目为例，通过访谈项目经理等关键利益相关方获得项目WBS和RAM资料，辅以专家判断方法识别利益相关方关系。根据Chiu C等提出的认知资本维度和量表量化网络关系强度，通过向利益相关方发送电子邮件和纸质版调查问卷的形式，获得关系强度量化数据，由此构造初始沟通网络基本网络，如图4所示。其中，专家团队包括教授一名、正高级研究员一名、副教授两名、博士生两名、硕士生两名，团队成员了解SNA方法，并同时长期参与协同创新项目管理、项目治理的研究工作，具有丰富的工业技术研究院协同创新项目实践调研经验。
图4 工业技术研究院协同创新项目初始沟通网络
参数设置参考王文平[23]、Wang X[30]的研究成果，专家团队根据项目具体情况对参数进行调整，如表1所示。
表1 模型参数设置
3.2.1 模拟情景
治理主体对项目信息沟通的管控表现为对初始沟通网络(基本网络)中的线(利益相关方间的关系)和点(利益相关方能力)的调整。根据有关文献和专家意见[9]，本文主要分析工研院协同创新项目中经常采用的3种网络调整策略以及不采取策略的情况，由此形成4种初始沟通网络，4种网络分别对应不同的网络演化模拟情景(Case)。
(1)无网络调整策略(Case1)。Case1中，治理主体不采取网络调整策略，初始沟通网络完全由项目任务决定。Case1作为模拟分析对照组，将为其它3种采取网络调整策略的情景提供分析标准。
(2)劣势节点网络结构改善策略(Case2)。调整薄弱环节或者瓶颈环节是常规网络管控策略，例如通过网络关系投入弥补竞争弱势，在沟通网络中表现为对劣势节点(低中心度节点)子网结构的调整。因此，在Case2中按照中心度指标对节点进行排序，进而通过增加劣势节点的网络关系优化其网络结构。
例如，在工业技术研究院协同创新项目中，多个高校为项目提供智力支持，其中高校的硕士研究生为专家教授提供辅助，在沟通网络中主要与相应的专家教授联系，其中心度较低。为提高沟通网络沟通效率，治理主体(工业技术研究院)建立研究生实践讨论会，该讨论会包括具有实践经验的人员(主要来自工业技术研究院)，针对该项目的各类技术难题、技术应用前景进行讨论和分析。对于该项目来说，通过实践讨论会建立低中心度研究生间的联系，从而优化劣势节点网络结构。
(3)优势节点网络结构改善策略(Case3)。在网络上有多个优势节点，但是在项目信息沟通中，项目经理不仅是网络上的优势节点，而且在项目中主要承担信息传递和信息管控职能[14]。因此，对于优势节点网络结构的调整主要面向项目经理，在沟通网络上表现为项目经理中心度提升。
例如，形成以项目经理为中心的信息收集制度。部分协同创新项目中以科技领军人物作为项目经理，此时项目经理以专业技术权威对项目进行有效管控，能够充分收集项目信息。但是在本例中，协同创新项目为产品开发项目，关键技术、科技领军人物来自高校，项目经理来自工业技术研究院，大量信息在高校专家教授间传递，项目经理对项目过程信息了解不充分。尤其是理论验证部分，该过程对于项目经理来说是一个“黑箱”，项目经理仅了解最终验证结果和完成时间，理论验证过程信息主要由相关教授掌握，导致项目经理、工业技术研究院(信息来自项目经理)对过程中的风险、关键控制节点等方面了解不充分。针对该情况，应尽快建立项目经理信息收集制度，规定需要向项目经理汇报的信息种类、时间和责任人，在沟通网络上表现为建立项目经理与其他利益相关方之间的联系。
(4)优势节点信息能力提高策略(Case4)。优势节点信息能力提高策略仍然面向项目经理，工业技术研究院协同创新项目中提高项目经理信息能力的方式有两种：选择信息能力强的项目经理，或者对项目经理进行培训。
例如，在工业技术研究院协同创新项目中选择技术能力和管理能力兼备的项目经理，由具有专业技术权威且承担过多个项目的科技人员作为项目经理，或者选择技术能力较强的项目经理，进行项目管理知识培训与沟通技能训练等，从而提高项目经理信息吸收、传播及管理方面的能力。
3.2.2 数据分析
首先根据网络演化算法，通过Matlab编写相应程序，经过调试检验后，分别针对4种情景进行模拟分析，求得网络演化评价指标。通过对比分析4种情景模拟演化的最终结果及其关键指标在演化过程中的变化情况，对不同网络结构调整策略优劣进行评价。
(1)模型演化结果。模型运行到最终阶段后，输出相关指标的终值或稳定值，如表2所示。
表2 模型演化结果数据
注：表中①、②、③、④分别表示各类情景从优到劣的排名；箭头“↑”“↓”“→”分别表示相应情景与Case1比较时，指标数值的优、劣及相同
从表2可以看出，Case3与Case4的结果较好，Case3中有3项指标达到最优值，Case4中有两项指标达到最优值。Case3中各类指标均优于Case1，Case4中的指标值优于或等于Case1。由此可见，Case3和Case4采取的调整策略优化了沟通网络，且Case3的策略更优。然而，Case2中的多数指标不如Case1，表明Case2中采取的网络结构调整策略不仅未能有效改善沟通网络，反而使沟通网络整体演化过程变差，Case2中的策略起到了反作用。
(2)关键指标变化规律如下：
第一，信息量差异度(VD)。如图5所示，Cae1和Case4的VD值类似，原因是两者初始网络结构相同。同时，Case4提高了项目经理信息能力，因此其VD值相对较小。两者的VD值均波动上升，波动原因与劣势节点传播信息有关：当劣势节点传播信息时，其中心子网节点(劣势节点比例较高)获得的信息量较大，缩小了与优劣势节点间信息量的差距，从而导致VD值突然减小。但是从长期看，减少的数量难以弥补由网络结构系统性影响而导致的两类节点间的信息量差距，故VD值从长期看呈上升趋势。
Case2中VD值始终高于其它情景，其快速增加后逐渐降低。VD值较高的原因是Case2中增加了劣势节点间的联系而形成劣势节点网络子群，从而提高了劣势节点间信息传递效率，但仍未能有效改善优劣势节点间的信息传递情况。因此，当劣势节点发布信息时，劣势节点子群内信息增加量较大，优势节点信息增加量则较少(两者差距大小记为S1)。反之，当优势节点发布信息时，劣势节点的增加量小而优势节点的增加量大(两者差距大小记为S2)。然而，优势节点的整体网络地位较高，可以通过震荡式传播获得更多信息，因此S1<S2，从而导致优劣势节点间的信息差异较大，表现为VD值较高且在前期快速增加。在仿真中后期，VD值的不断降低与网络关系强度提升有关，关系强度越大，劣势节点通过直接式传递获得的信息量就越大，关系强度弥补了劣势节点关系结构的不足。
图5 4种情景下节点信息量差异度(VD)变化趋势
Case3中VD值在多数仿真时间内均小于其它情景，其值先减小后增加。Case3中优化了项目经理的子网结构，使其VD值逐渐降低。后期网络结构逐渐趋于稳定(VD值变化趋势的拐点在仿真时间400左右，根据AIV、ANR、NC的变化趋势可知，此时网络已经接近最优结构)，此时网络整体结构发挥主要作用，使VD值逐渐升高。
第二，信息增加量均值(AIV)。如图6所示，Case4中AIV值波动幅度较大。究其原因，Case4中提高了项目经理信息能力，从而增加了其发布信息时其它节点的信息增加量。但其它节点，尤其是当劣势节点发布信息时，整个网络信息增加量较少，从而导致AIV值波动较大。但是结果并未显著改善，AIV稳定值与其它情景类似，可见项目经理个人能力提高难以消除网络结构系统性影响。Case4中AIV值的波动性较大，而Case3中AIV值的波动性较低，进一步表明Case3的结果优于Case4。
第三，网络关系均值(ANR)和网络连通性(NC)。4种情况的ANR和NC变化趋势类似。Case3的ANR数值最大(最优)，Case2的最小，Case1与Case4的数值类似。Case1与Case4的NC值最大(最劣)，其次是Case2，最小的是Case3，原因是Case2和Case3均对网络结构进行了调整，提高了网络连通性。
图6 4种情境下节点信息增加量均值(AIV)变化趋势
综上所述，4种情景优劣排序为Case3、Case4、Case1、Case2。
项目利益相关方的沟通网络是确保项目任务完成、促进项目成功的组织基础，该网络在项目生命周期内动态变化。当前采用SNA方法对网络进行静态截面分析的方式，与沟通网络动态变化特点不符。认知资本是信息沟通的基础，其随着项目推进而不断变化，故本文从认知资本视角界定网络关系，并设计沟通网络演化模型。以典型的工业技术研究院协同创新项目为例，对比分析了不同网络调整策略对演化结果的影响。对于网络演化模型来说，不同的网络调整策略形成了不同的网络演化情景(Case)，其中，Case1不采取任何调整策略，作为网络演化分析的对照组，Case2采取面向劣势节点网络结构调整策略，Case3采取面向优势节点网络结构调整策略，Case4采取面向优势节点信息能力提高调整策略。
研究发现，Case2的结果不如Case1，表明调整劣势节点网络结构(局部网络)不但未能改善演化结果，反而起到了反作用，说明网络局部最优不代表整体最优。因此，在工业技术研究院协同创新项目中，不能简单地采取针对劣势节点的策略，需要结合网络动态性探究策略有效性。Case3、Case4的结果优于Case2和Case1，说明围绕网络优势节点(项目经理)的策略较为有效，原因是项目经理主要承担信息沟通职能，采取优化其网络结构或者提高其信息沟通能力的策略能够很好地提升网络整体信息沟通效果。其中， Case3的结果优于Case4，即优化节点结构策略优于提高节点能力策略，说明在网络动态演化过程中，网络结构系统性影响强于节点个体影响。因此，在工业技术研究院协同创新项目管理和网络治理中，与其选择能力更强的利益相关方，不如为项目中的关键利益相关方提供良好的组织外部环境。
本文主要针对工业技术研究院的协同创新项目进行分析，此类项目网络规模(网络节点数量)较小，一般涉及10～40个利益相关方。然而，网络规模在网络动态分析中对演化结果具有重要影响，且特大型项目、大型项目中利益相关方数量较多(大于100)。因此，今后需要针对不同类型、不同规模的项目进行分析，验证本结论的外部效度或得出新的结论。此外，本文在探讨网络调整策略时，主要分析了影响初始网络的策略(初始策略)，未进一步分析影响网络演化过程策略(过程策略)，今后可在过程策略方面对网络演化模型进行完善。最后，项目网络形成与利益相关方的任务角色密切相关，本文基于WBS、RAM将任务、角色内化到沟通网络中。未来可以采用社会网络二模分析方式，在网络中体现任务特点，将任务角色嵌入连线关系，使沟通网络更加直观，再借鉴超网络理论提出网络指标，使网络分析更加有效。
参考文献:
[1] KARAMAN E,KURT M.Comparison of project management methodologies:prince 2 versus PMBOK for it projects[J].International Journal of Applied Science and Engineering Research,2015,4(4):572-579.
[2] PRYKE S D.Analysing construction project coalitions:exploring the application of social network analysis[J].Construction Management and Economics,2004,22(8):787-797.
[3] 丁荣贵,刘芳,孙涛,等.基于社会网络分析的项目治理研究——以大型建设监理项目为例[J].中国软科学,2010(6):132-140.
[4] ZHENG X,LE Y,CHAN A P C,et al.Review of the application of social network analysis (SNA) in construction project management research[J].International Journal of Project Management,2016,34(7):1214-1225.
[5] ROBERTSA J,HANN I H,SLAUGHTER S.Communication networks in an open source software project[M]//Open source systems.New York:Springer US,2006:297-306.
[6] CHINOWSKY P,CARRILLO P.Knowledge management to learning organization connection[J].Journal of Management in Engineering,2007,23(3):122-130.
[7] CHINOWSKY P,DIEKMANN J,O′BRIEN J.Project organizations as social networks[J].Journal of Construction Engineering and Management,2009,136(4):452-458.
[8] 乐云,崇丹,曹冬平.基于社会网络分析方法的建设项目组织研究[J].建筑经济,2010(8):34-38.
[9] 刘兴智.项目治理社会网络风险分析方法研究[D].济南：山东大学,2011.
[10] KIM J Y,NO S T,PARK Y K.Communication network analysis of project teams in Korean building constructions[M]//Applied mechanics and materials.Switzerland:Trans Tech Publications,2013:2338-2341.
[11] MALISIOVAS A,SONG X.Social network analysis (sna) for construction projects′ team communication structure optimization[C].Construction Research Congress,2014.
[12] 杨青,苏振民,金少军,等.IPD模式下的工程项目风险控制及其社会网络分析[J].工程管理学报,2015,29(3):110-115.
[13] 胡平,卢磊,王瑶.协同创新的网络特征与结构分析——以北京市协同创新中心为例[J].科学学与科学技术管理,2016(2):70-78.
[14] 王磊,丁荣贵,钱琛,等.两类工业研究院协同创新项目治理比较——社会网络分析方法的研究[J].科技进步与对策,2016(12):1-7.
[15] 王磊.项目治理风险的网络动力分析[D].济南：山东大学,2017.
[16] NAHAPIET J,GHOSHAL S.Social capital,intellectual capital,and the organizational advantage[J].Academy of management review,1998,23(2):242-266.
[17] TSAI W,GHOSHAL S.Social capital and value creation:the role of intrafirm networks[J].Academy of management Journal,1998,41(4):464-476.
[18] CHIU C M,HSU M H,WANG E T G.Understanding knowledge sharing in virtual communities:an integration of social capital and social cognitive theories[J].Decision support systems,2006,42(3):1872-1888.
[19] DE CLERCQ D,DIMOV D,THONGPAPANL N T.Organizational social capital,formalization,and internal knowledge sharing in entrepreneurial orientation formation[J].Entrepreneurship Theory and Practice,2013,37(3):505-537.
[20] DU L,QIAN L,FENG Y.Influences of altruistic motivation,shared vision,and perceived accessibility on microcharity behavior[J].Social Behavior and Personality,2014,42(10):1639-1650.
[21] SHANNON C E,WEAVER W.The mathematical theory of communication[M].Champaign:University of Illinois Press,2015:7.
[22] KERZNER H R.Project management:a systems approach to planning,scheduling,and controlling [M].New York:John Wiley & Sons,2013:1092.
[23] 王文平,张兵.动态关系强度下知识网络知识流动的涌现特性[J].管理科学学报,2013(2):1-11.
[24] 王磊,丁荣贵,许萍,等.基于利益相关方关系网络的项目成功评价方法[J].工业工程与管理,2017,22(2):69-75.
[25] 吕康银.利益分配、矛盾冲突与协调发展 区域开放动力机制理论研究[M].长春：东北师范大学出版社.2015:134.
[26] COWAN R,JONARDD N.Network structure and the diffusion of knowledge[J].Journal of economic Dynamics and Control,2004,28(8):1557-1575.
[27] CALLAWAY D S,NEWMAN M E J,STROGATZ S H,et al.Network robustness and fragility:percolation on random graphs[J].Physical review letters,2000,85(25):5468.
[28] CARAGLIU A,NIJKAMP P.Cognitive capital and islands of innovation:the lucas growth model from a regional perspective[J].Regional Studies,2014,48(4):624-645.
[29] 陈华宏,李远富,李晓力.基于代建制的建设项目双委托—代理关系研究[J].西南交通大学学报:社会科学版,2013(2):37-42.
[30] WANG X.Forming mechanisms and structures of a knowledge transfer network:theoretical and simulation research[J].Journal of Knowledge Management,2013,17(2):278-289.
Li Yanyong1,Wang Lei2,Qian Chen2,Sun Tao2
(1.School of Management and Economy,Tianjin University,Tianjin 300072,China; 2.School of Management,Shandong University,Jinan 250100,China)
Abstract：It is inappropriate to evaluate the project communication network and put forward network adjustment strategy statically as the network changes in the collaborative innovation projects.Cognitive capital of stakeholders is the basis of communication and changes with the development of the project,which is consistent with the dynamic nature of the communication network.So it is feasible to analyze the communication network dynamically on the perspective of cognitive capital.A communication network evolution model was designed from four aspects:initial network formation,network evolution process,evolution result evaluation and network evolution algorithm.And then took the case of a collaborative innovation project in industrial technology research institute,compared the different adjustment strategies and their dynamic network evaluation results.It turned out that the adjustment strategy for disadvantage nodes makes network evolution results worse instead of improving the results,which shows that the local optimum in network does not represent the overall optimum.While the adjustment strategies for advantage node generated good effect.Adjusting node′s network structure is better than improving node′s ability,which indicates that systematic influence of network structure is stronger than individual influence of nodes in communication network evolution.
Key Words:Network Dynamic; Communication Network; Collaborative Innovation Project; Cognitive Capital; Social Network Analysis
作者简介：李彦勇(1971-)，男，河南范县人，天津大学管理与经济学部博士研究生，研究方向为科技项目管理、项目治理；王磊(1990-)，男，山东泰安人，山东大学管理学院博士研究生，研究方向为项目治理、辅助决策；钱琛(1993-)，女，山西忻州人，山东大学管理学院硕士研究生，研究方向为项目管理、项目治理；孙涛(1973-)，男，山东菏泽人，博士，山东大学管理学院副教授，研究方向为项目管理、项目治理。
基金项目：国家自然科学基金项目(71572094)；山东省自然科学基金项目(ZR2015GM015)；山东省社会科学规划研究项目(16CGLJ13)；山东省社会科学基金项目 (15CGLJ14)
收稿日期：2017-11-13
文章编号：1001-7348(2018)13-0008-10
文献标识码：A
中图分类号：F062.4
DOI：10.6049/kjjbydc.2017080571
(责任编辑：张 悦)