● 刘雯雯

管理培训正在引入一种新型的学习方式以达到更好的培训体验，即学员能够聚精会神，全神贯注（Kahwajy et al.，2005）。最近的研究显示，到2015 年，超过50%的组织将采用高参与度及高科技为基础的方式培训员工和商业伙伴（Goasduff & Pettey，2011）。另外，Bell 等（2008）指出90%以上的商业院校采用模拟实验和高参与度培训。在此类型培训中，学员对自己的学习承担最大责任，同时，培训与真实的工作情境密切联系（例如角色扮演，商业游戏，计算机模拟，虚拟现实等；Bell & Kozlowski，2008；Proserpio & Gioia，2007；Salas et al.，2009）。所以，企业通常青睐于这种培训方式，因为和传统信息传递方式相比，它更利于向员工传授技能和复杂知识（Salas et al.，2009）。

尽管学者们一直非常看重专注型学习及其 优 势（Benbunan-Fich & Hiltz，2003；Druskat & Kayes，2000），但很少探讨专注型学习对个体学习的危害（Hamilton et al.，2000；Meyer，2003；Salas & Cannon-Bowers，1997；Salas & Cannon-Bowers，2000）。以往研究将认知专注（cognitive absorption）定义为个体在培训中全神贯注且高度参与的状态（Guo & Ro，2008）。专注可被理解为深度认知参与，即当参与者心情愉悦放松，或者精力集中时忽略时间的状态（Agarwal & Karahanna，2000）。研究指出专注能够带来诸多好处，帮助提高培训效率，因为在培训过程中专注调动了学员的内在 积极性（Keys & Wolfe，1990；Mathieu & Martineau，1997；Tannenbaum & Yukl，1992；Tharenou，2001）。然而，Ormrod（2008）提出，高度专注会产生危害，因为学员会完全忽视情境线索。如果过分追求高度专注，反而无法集中精力并且与情境环境脱节。这种情况下，学员只是机械地全神贯注，并没有真正专注于工作本身（Sinha，1999）。另外，高度专注会导致学员情绪闭塞，影响其找寻有效信息和解决问题的能力（Illies & Reiter-Palmon，2004），为个体学习带来消极影响。因此，本文希望运用实证研究探索在高参与度培训中，认知专注是否阻碍个体学习过程。

为了更好地理解认知专注，我们需要考虑团队行为的影响。因为团队行为会影响决策制定，尤其在培训过程中（Chen et al.，2004）。以团队为基础的培训提供了一种特殊的环境，参与者会互相依靠，互相合作，通过观察彼此做出反应（Hirst et al.，2009；Mathieu et al.，2000）。此外，参与者还可以接触到更广泛的信息，帮助他们提高解决问题的能力。据此，团队学习行为——即团队成员互相交换信息，处理意见分歧，对问题解决方式提出质疑的互动过程——可以被看作是与个体认知状态相互作用从而影响学习过程的一种机制。但是，围绕团队培训的相关研究并没有采用跨层次手段来分析团队行为和认知专注对个体学习的影响。无论是学者还是管理者都无法找到一种合理的途径，用来处理高参与度培训所带来的风险，更无法将培训风险转化为机遇。因此，本文探讨团队行为是否可以减弱认知专注的潜在负面影响。

本研究挑选了38 个团队里的190 个实验对象，让他们运用电脑模拟参与培训，提取有关数据，并且建立一个跨层次模型。结果显示，一定程度的认知专注能够产生积极作用，但一旦过度，就会使人脱离团队环境，无法继续集中精神，进而阻碍学习进程。同样，在结果中能看出，当团队学习运行适度时，个体的过度专注对其学习的不利影响有可能会被转换为优势。

一、理论和假设

（一）认知专注与个体学习

我们借助Csikszentmihalyi 的沉浸理论（flow theory）（1990）来解释认知专注对个体学习的影响。该理论假定当人全身心的投入某项工作，不在乎身边任何事物时，即当“事情处于一种顺其自然，不需外力帮助，却高度集中的有意识的状态”之时，认知专注就产生了（Csikszentmihalyi，1996）。

专注的作用在研究中被开发挖掘，例如高等教育（Ghani，1995；Kiili，2005）， 外 语 学 习（Egbert，2003），以及音乐教育（Custodero，2002）。许多学者认同认知专注对学习的积极影响（Konradt & Sulz，2001）。当人们专注时，会全神贯注，精力充沛地处理任务，这可以优化学习成果（Csikszentmihalyi，1990）。Csikszentmihalyi 的沉浸理论认为，提高个体的专注程度，控制意识以及自我满足程度（Guo & Ro，2008），就可以促进个体对于自身潜力的了解，从而增加学习欲望（Csikszentmihalyi，1990）。

然而，认知专注对学习行为仍然存在着负面影响（Chou et al.，2005；Jia et al.，2007）。过度的认知专注可能导致个体脱离工作环境，过于重视行为本身，而忽视行为的附加价值（Ilies et al.，2004）。首先，高度认知专注会限制学员的认知能力，损害其获取管理信息的能力，而这些管理信息是隐含在手头任务之中的（Ormrod，2008）。参与培训的人试图找寻一种参与体验，但往往只是为了找到这种体验而已，他们并不是通过自身学习来获得某种期望的结果（Schunk et al.，2008）。这样一来，学员的注意力就从培训内容转移到培训过程上，过程变得比结果更加重要。其次，当人们过分强调专注的重要性时，每个人都难以集中精力，甚至脱离现实，这样反而无法获取系统的体验（Sinha，1999）。在培训过程中，高度紧张的内在欲望和动机造成一种不利局面，即管理者遗忘了时间和空间，忽视了重要的任务要求，不再继续搜集有效信息（Nash，1997）。另外，管理者还有可能因为享受专注于培训的过程，最后没有时间和精力去完成其他重要的任务（Ormrod，2008）。根据以上论断，本文认为当学习者的投入程度恰当时，其学习效率是最高的。在高参与度的学习环境中能够平衡专注和思考才能将体验转化成知识（Carver & Turoff，2007）。换句话说，认知专注的程度对于学习的影响呈一条倒U 型曲线（即在某个节点认知专注的优势达到最高，随着程度的加深开始产生负面影响）。

假设1：个体的认知专注程度对个体学习行为的影响呈曲线形（倒U 型）。

（二）团队学习行为的调节作用

研究显示，超过80%的财富500 强企业都利用团队框架来布置工作任务，并且员工的基本工作任务都是在团队环境下完成的（Ilgen et al.，2005）。因此，团队培训成为了管理培训中的一项重要内容（Franceschi et al.，2009）。教育机构也逐渐开始提供这种培训，以训练人们能够更好的应对团队工作带来的挑战（例如，头脑风暴，问题解决商讨组，项目小组等）。在团队培训中，成员亲自或邀请别人制造困境，然后互相学习处理困境的本领（Coghlan & Brannick，2001），以及利用团队促进信息共享（Salas & Cannon-Bowers，2001）。以往文献也证实，在团队中贡献自己力量的成员更容易解决分歧，消化吸收同事提出的建议与意见，从而通过知识共建促进个体学习（Benbunan-Fich & Hiltz，2003；Tsoukas & Mylonopoulos，2004）。

然而，只是身处在某个团队中并不能带来积极作用。成员需要创造一个有利于学习的团队环境。如同Hirst 等人（2009）所言，这种积极行为可以归溯至团队学习的本质，即团队行为的目的就是建立学习型环境，保证成员在其中探索信息，强调见解的差异性，以及质疑问题的解决方案（Edmondson，1999）。团队学习行为可以通过成员之间的信息交换（Hirst et al.，2009）改善团队和个人的学习成果，同时减少群体迷思（groupthink）的产生（Janis，1982）。另外，团队学习已被看作一项有用的环境因素，用来激发成员的学习和信息交流（Edmondson，1999；Hirst et al.，2009）。当成员为了获得新知识而与同事交流互动时，其学习行为会变得更加积极（Duffy & Kirkley，2004）。因此，本文认为团队学习行为可能会减少过度专注导致的缺陷。此外，当高度团队学习行为存在时，每个人都能更好地将专注产生的乐趣转化为有价值的学习体验。当成员彻底投入体验时，团队学习防止成员脱离现实，将注意力集中在学习上（Illies & Reiter-Palmon，2004）。因此，高度团队学习行为能够减少过度专注对于个 体学习产生的负面作用。根据此观点，整理出以下假设：

假设2：团队学习行为可以缓和个体认知专注与个体学习的关系。

总体来看，本文针对认知专注对个体学习行为带来的负面影响，以及团队学习行为对过度专注所导致的负面影响的缓解作用做出假设。图1 为研究模型。

图1 研究模型

二、研究设计

（一）实验和背景

实验对象是来自38 个团队的190 位管理者，他们参加了为期一天的管理培训。其主题是团队管理与技能改进。首先，学员使用计算机模拟研究团队合作，并获得高参与度培训体验。这在本质上和Riggio 等（1997）的实验类似。在项目基本完成后，参与者被随机分成5 人小组，并再次通过计算机模拟参与3 小时会议。模拟过程分5 轮完成，目的是培训参与者的团队合作能力。模拟开始前，学员首先需要学习项目使用方法及决策制定的原则和规则。随后，他们有五分钟的时间熟悉操作界面。

实验的参与者拥有至少三年的管理经验，懂得在工作中协调不同部门和人员共同完成复杂任务。特别地，每个学员都曾经有机会参与过新产品或新服务的界定及推广等决策过程。这是因为，在模拟培训中学员需要针对复杂的且需要团队互动来响应的管理问题进行决策。之前有文献曾提出，参与培训的学员必须具备基本知识才能将自己的知识与其他学员和教员的指导结合起来（Jarvenpaa & Leidner，1999；Leidner & Jarvenpaa，1995）。也就是说，解决问题需要合作能力和处理不同部门解决方案的开放心态，而不只仅仅是处理某一工作的特定能力（Mintzberg，2004），而设计和上市新产品的任务要求协调不同意见和各员工经验的能力（Iansiti & McCormack，1997；Verona，1999）。

（二）团队成员的角色以及模拟任务

培训中，团队成员围坐在桌子边，每个人面前有一部个人电脑，在整个过程中，他们可以随心所欲地交谈。模拟开始时，通过培训背景的说明了解企业和任务的相关知识。模拟背景是一家专业设计、生产和销售高科技产品的公司。模拟任务是上市一款智能手机，团队由来自不同部门的5 人（产品设计师，工程师，市场经理，销售分析员，生产部门经理）组成，学员被随机分配到一个角色。模拟并不需要参与者拥有专业技能，但要求其拥有团队合作能力。

除了成功上市新产品的团队目标，每个人还有特定目标（例如产品设计师需要将产品审美最大化，使产品吸引消费者）。设计师需要花时间研究其他设计选择，以期获得设计奖项，但这会使销售分析员担心，因为有可能影响到产品的上市时间。销售分析员希望产品能够在春节前夕上市，抢占节日消费先机。根据每个人的角色，学员都得到一般数据（所有人可见）和个人数据（团队其他人不可见）。为了顺利完成团队和个人目标，成员们需要共同努力（比如在决策前了解彼此的意见）。当团队成员有效地将知识和数据汇集时，就能做出更正确的决策，并反向影响个人的模拟成绩。每一轮中，每个团队成员都能收到来自于模拟系统的一般和个人信息。在整理信息后，每个人又能得到一个针对于自己角色的多选项决策选择题。每一轮模拟中，大家可以制定自己的决策而不为他人影响。然而，每个成员的决策整合起来会对模拟产生作用，同样地，也对其他成员产生潜在影响。比如，在模拟过程中，设计师得到信息，即通过对智能手机新外形和材料的开发可以生产出更好的产品，并增大获得国际设计奖项的可能。设计师需要决定是否维持原设计方案，还是另辟蹊径为得到设计奖项而努力。担任设计师角色的学员，要为这个决策全权责任。然而，如果他为了达成自己的目标决定重新设计时，其决策会影响到生产经理的时间安排，从而影响产品的上市。这样看来，在下一轮模拟试验中，生产经理将会面临与原生产时间矛盾的情形（因为设计部门的延迟），这样产品很有可能无法在1 月底上市，赶不上春节的营销活动。其实，这个问题可以被成功避免，前提是设计师与其他团队成员交流其顾虑，允许生产经理调整生产时间安排，防止产品错过营销活动的时机。这个例子说明如果团队内部的关系可以激活反馈环节和知识共享程序，那么不管是个人表现还是团队表现都会从中受益。以上只是举例描述了一个情景，在模拟的每一轮里，都会出现相似情况，考验参与者在团队中如何处理相互依赖的关系。

（三）变量测量

五轮模拟结束后，我们为每个人发放一份问卷来测量模型的主要变量和控制变量。本文采用已有的量表，并做适当调整使其适用于特殊的组织背景。除了特别说明的问题，其余都采用5 点Likert 量表。

1. 个人学习

我们采用两种方式测量个体学习行为：一项由模拟系统计算的评估，一项是自我评估。培训结束时，模拟系统将为每个成员百分制打分，判定在模拟中其所做决策是否完成了任务。每个成员的分数体现其在决策制定和合作中的表现。系统打分的逻辑，是判断此决策相对于其他成员的决策是否正确。当一个决策能够顺应其他成员的决策，并且体现出参与者考虑到团队的共同目标，系统就会给出最高分数（Salas et al., 2009）。学员需要有合作技巧，因为这能帮助他们参与讨论，并且积极有效地将其他学员和教员的信息与自己的知识整合起来（Jarvenpaa & Leidner，1999；Leidner & Jarvenpaa，1995）。其次，在模拟结束时利用Hogel 和Gemuenden（2001）的量表测量学员对自身学习成果的评估。条目包括：“我在模拟培训中学会了重要的实用技能”；“我认为这个模拟培训对于团体学习行为很有帮助”。量表的α 值为.78。

2. 个体认知专注

我们运用Burton-Jones 和Straub（2006）的量表来测量个体认知专注。条目包括：“当参加这项模拟培训时，我充分投入到所接受的任务中”；“这项模拟培训给我带来很大的乐趣”。α 值为.85，信度较好。

3. 团队学习行为

我们借鉴Edmondson（1999）的量表来测量团队学习行为。α 值为.72。条目包括：“团队成员学习通过沟通来达到最佳结果”；“团队成员通过建设性地对其他人的看法提出批评来收获更好的结果”。本文采用已有研究中建议的“指称迁移共识模型（referent-shift consensus model）”来测量团队学习（Klein et al.，2001）。由于团队中成员的反应与团队息息相关，所以根据团队内部评价者一致性指数（rwg（j）），和内部相关系数（ICCs；Bliese，2000；Kozlowski & Klein，2000）进行测量。团队学习行为rwg（j）均值是.89，高于建议值.70（James et al.，1984）。单因素方差分析的结果显示，不同团队的团队学习行为存在很大差异（F ＝2.99，p ＜.001）。ICC（1）和ICC（2）系数分别是.29 和.67，和现有文献阐述相符合（Hirst et al.，2009）。

4. 控制变量

以往研究强调个人特点比如年龄和性别（1=女性，0=男性）会影响个体对学习环境的适应（Colquitt et al.，2000；Proserpio & Gioia，2007）。而且本文纳入学员的工作经验（年数）和职能背景，因为这些因素也会影响学习行为。因为学员是在接受团队工作培训时进行模拟的，所以还要控制学员之前接受团队培训课程的数量。由于学习环境是由模拟实现的，利用2 项量表测量学员参与技术模拟的经验，α 值为.87。有研究指出个体对信息技术的接受方式不同，本文将个体信息技术接受性（personal innovativeness with information technology， 简 称PIIT）作为控制变量。我们借鉴Thatcher 和Perrewe（2002）设计的4 项量表测定PIIT，α 值为.81。最后，对个体使用信息技术的自我效能进行控制（Thatcher & Perrewe，2002）。因为有研究指出，信息技术自我效能越高的人越能积极地理解并掌握这项技术（Thatcher & Perrewe，2002）。本文采用Venkatesh 等（2003）设计的4 项量表，α 值为.74。

三、研究结果

表1是描述性统计。我们采用了随机系数模型（random coefficient modedling，RCM）。为了证明RCM 分析的必要性，本文计算了实验者学习行为的ICC（1）指数，（模拟打分ICC1=.27；自我认知 ICC1=.21）。这个结果显示个体学习行为中有27%和21%的差异可以归因于团队之间的差异。表2 中展示了RCM 模型的结果。根据Snijders 和Bosker（1999）的研究，本文得出参与者学习行为中的全部差异。如模型2a 显示的，模拟评分中个体学习行为33%的差异可以由个人层次的主要变量解释。本文通过U型曲线关系中线性项的正系数（γ＝.36, p＜.01）和平方项的负系数（γ=-.20, p ＜.01），证实了假设1，即认知专注对个体学习行为的影响呈曲线形。

在交互模型（如模型4a）中，输入线性和非线性交互项，模型解释了个体学习行为41%的差异。团队学习行为和认知专注的平方值之间有较强的相关性（γ ＝.54；p ＜.05），因此，假设2 得到证实。为了更好的解释交互项，我们使用Aiken 和West（1991）的程序绘制团队学习行为与认知专注的线性二次方程。图2 显示出团队学习行为具有很强的影响力，当团队学习行为程度和认知专注程度都很高时，认知专注对个人学习的消极影响即会转变为积极影响。

除了通过模拟打分结果来验证假设外，本文还将学习的自我评估作为因变量进行测试，结果证实了假设。表2中（模型2b）强调认知专注对个人学习的倒U 型曲线（线性效应γ ＝.17；p ＜.05；二次效应γ ＝-.19，p ＜.05）。另外，本文还找到了能够进一步支撑团队学习与认知专注的相互作用从而影响个人学习的证据。模型4b中可以看出，认知专注平方项和团队学习的交互作用是正向显著的（γ＝.65，p ＜.01）。

四、讨论与结论

本文试图解释认知专注在高参与度的管理培训中对个体学习的影响。之前的研究已经证明，与传统培训方式相比，高参与度培训有助于学员将培训内容与其工作相结合，学以致用（Bell & Kozlowski，2008）。但是，本文发现过度专注对个体学习存在潜在危险，并且指出这些危险可以被缓解。在高参与度培训日益盛行的今天，本文的研究结果尤为重要。因为这种培训方式总是被当作促进个体学习的万能良方，而其风险却不被人注意。为了满足人们对于高参与度培训越来越高的需求，专业的教师和培训员已经在推广改进这种培训方式，他们意识到这种以学习者为中心，需要学习者参与其中的培训对提高学员管理技能非常重要。但本文的目的是让培训员和教师在重视其优点的同时，还要对其保持警惕。为了实现这一目标，本文以管理培训为背景，设计了认知专注对个体学习影响的模型，并通过来自于38个团队的190 位学员的模拟实验验证相关假设。

表1 均值、标准差及相关矩阵一览表

表2 随机系数模型结果

本文发现，认知专注在一定程度之内能够积极地影响个体学习行为，然而超过这个度之后其作用会逐渐减弱。另外还发现认知专注对于个体学习的影响呈倒U 型曲线，这个影响比预先想象的更加复杂。团队学习可以减弱认知专注的影响，而且这种缓解作用非常强大，甚至能将倒U型影响曲线转变为U 型（见表2，图3）。

（一）高团队学习行为与认知专注

如上文提到的，我们非常重视团队学习行为的作用，认为它可以帮助个体学习，发挥认知专注的积极作用，能够将专注程度对于学习行为的倒U 型曲线纠正成为正U型曲线。尽管人们希望团队学习能够发挥如此积极的作用，但本文并不认为它能够改变认知专注与个体学习之间关系的大方向。其实本文只是希望团队学习行为能够使过低和过高的认知专注不至于对学习行为产生极端反应。

出乎意料的是，团队学习能够将专注的倒U 型曲线转化为U 型曲线的这一发现在之前的研究文献中已经有 所 提 及（Van der Vegt et al.，2005；Van Der Vegt & Bunderson，2005；Wadhwa & Kotha，2006）。 当认知专注度低时，高团队学习行为能够帮助个人学习，因为团队成员共同激活了有利于个人学习的互动行为（Edmondson，1999；Ancona & Caldwell，1992）。 即使个别人没有完全投入培训之中，团队学习行为也可以使成员接收到更多知识和信息（Hirst et al.，2009）。另外，团队成员的行为能刺激每个人表达自己的意见，建立自己的观点，集中精力积极互动（Edmondson，1999）并抵偿过度专注带来的不良影响。因此，即使个体成员不够专注，整个团队内部的互动还是能够激发学习行为的（Chen et al.，2004）。所以当认知专注程度较低而团队学习行为程度较高时，学员的注意力明显地集中在团队成员的身上。然而在认知专注程度适当时，高团队学习行为对与个人学习的作用反而减少了。这也就是说，当学员处于适当专注的状态时，他们会“注意力分散”（Langfred，2008），他们难以充分利用团队成员的互动，反而阻碍了个体学习。此外，适当的认知专注更难产生有思想的交流，难以整合观点，因为大家的注意力都集中在培训上了（Jia et al.，2007）。 随着认知专注增加，个体就越会全神贯注于培训。这时，团队行为会使人更好地理解培训中的信息，团队内部有效的互动会成为将互动行为转化为学习体验的催化剂。此时，学员利用他人消除偏差，从高参与度的学习体验中获取最大收益。

图2 团队学习行为与认知专注对于个人学习的交互作用（模拟评分）

图3 团队学习行为与认知专注对于个人学习的交互作用（自我评估）

（二）低团队学习行为与认知专注

在低团队学习行为背景下，认知专注对个体学习的消极影响更为严重。在这样的环境下，成员之间只能维持低度的信息交流和反馈共享（Hirst et al.，2009）。尤其是在低认知专注度时，参与者难以投入到模拟互动，无法从这种学习型环境中受益，个体学习受到不良影响。一方面，参与者没有被激发参与且享受培训过程的欲望（Csikszentmihalyi，1990），另一方面，参与者无法受益于团队内的信息共享、成员间思维定式以及与团队学习行为相关的问题解决情境（Salas & Cannon-Bowers，2001）。当专注程度提高时，个体会因为对模拟互动保持认知专注的状态，自身有所受益。因此，即使无法激活团队行为中交流互动的过程，适当程度的认知专注也能触发成员的内在欲望，并进一步推动其学习进程。然而，一旦超出了恰当的专注程度，个体受到过度专注的不良影响（Ormrod，2008），同时由于缺失团队学习过程的矫正作用（Edmondson，1999），从而很难将对培训的热情转化为有价值的学习经验。

根据这些发现，本文认为学员，教员，培训管理者和企业应该采取一些措施，以防止认知专注的副作用（表3）。

对于参与管理培训的管理者来说，培训中将出现关于个人参与，责任感和与他人合作的种种挑战。本文的研究显示如果管理者只片面的应对挑战，消极结果就会出现并且最终影响到成员的学习行为。尤其是高度专注的情境会使人聚精会神地解决眼前的问题，但最终可能导致与真实的管理体验脱节，得不偿失。此外，因为本文认为合作非常重要，能够将专注的副作用转化成为学习机会，所以参与者应该珍惜每一次与他人合作交流的机会，以便能够在培训中收获更多学习成果。

针对这个问题，我们建议企业机构为其员工提供高度参与的学习环境。当企业为管理者寻找这种类型的培训方式时，他们有时能够意识到这些方式对管理技巧提升的积极作用。但是有时候，企业有着暗含的动机，即将这些培训转变为能够在高参与度的工作中平衡工作压力的机会，或者转变为提高员工士气和满足感的机会（Gilbert，2005）。因此，企业一定要小心对培训无为而治的态度背后隐藏的风险。不仅如此，在开始培训前，企业必须要提前培训学员，重点突出与干预措施相关的重要内容。仅仅将培训看作是需要参与的体验会使学员抓不住培训目的，让他们更容易陷入专注陷阱之中。如果有企业想利用积极参与和专注为基础的管理培训项目，那么就必须非常谨慎的选择相应机制，补偿过度专注导致的弊端。本文的研究强调团队讨论和知识共享的作用。其他机制可能包含提供新观点，新视角，诸如进行团队公开讨论的机会，或者有一位民主开放的教员，向学员提出问题却不提供答案（Deci & Ryan，1985）。

表3 减轻过度专注弊端的可行措施

本文结果对负责设计和运行培训环节的教员和项目管理者一样有用。培训活动的情境十分重要。发生在培训过程之前，之中，之后的一切事情都对培训的成功起着同样重要的作用。项目管理者应该知道高参与度的体验可能会对个体学习不利。他们应该能够有所克制，不以学员的完全投入为基础来设计和制定培训项目。因此，本文建议项目管理者和教员合作找寻方法，改进这种关注于参与者专注度的培训方式，利用其他方式保持警惕性。另外，通过设计高参与度的学习环境，管理者需要依靠团队方式来提高学习效果。

另外，本文的研究发现帮助教员认识到培训过程中的参与度可能会带来危险。教员们需要将此发现转化为灵活的教学技巧，一旦出现过度专注的情况，他们必须及时控制局面。教员可以选择的方法有很多，比如，促进合作行为的产生，挑战参与者的观点，以及提供新的见解等。这意味着当教员选择与高参与度培训相适应的教学方式时，他们绝对不能给予学员完全的自主权。相反，教员应该通过提供线索，意见和讨论机会来平衡学员的自主权力，防止学员陷入过度专注的陷阱。不止如此，教员还要尤其注意一点，即高团队学习行为能够将过度专注的副作用变成优势。最后，教员的主要责任也包括通过保证团队构成的多样性，来实现积极的团队行为（Thatcher & Jehn，1998；Van Knippenberg et al.，2004）。

五、研究局限及未来方向

本文的主要贡献有以下几点。首先，本文第一次将注意力集中在高专注度培训的弊端上，认为这样的培训方式会给个体学习带来消极影响。第二，本文将研究放在团队背景下，研究团队学习行为是否能够减轻高专注度学习的不良影响。第三，本文从多层次视角出发，确保能够细致地理解社会因素对与个人学习行为的影响。此外，190 名研究对象来自于38 个不同的组织机构，和之前的研究相比，本文的范围更大更全面。最后，本文使用了两种评估学习成果的方法，一种是决策制定战略的外在认知评估模式，一种是自我评估，两种测量方法相辅相成。

当然，本文有所长处，也有不足。未来的研究应该着力于探索教员的作用，其次是模拟的作用。之前的研究忽视了教员的行为可能会影响学员在后续活动中个人的专注感（Alavi & Leidner，2001；Arbaugh，2008）。 在 两种情况下，我们容易忽视教员教学方式的影响。第一，将模拟培训前的指导环节缩减至最短（比如教员只草草地进行自我介绍及下一天的培训安排）。第二，每个时长为一天的研讨会都由一个教员来主持所有模拟培训。另外，本文并没有评估学员在培训后其管理团队的能力有怎样的长进，因此，忽略了测量培训内容中有多少能够有效转换为管理实践。未来的研究应该更加关注于理论的实践性，进一步挖掘学习的自我评估和外在评估之间的关系（Kraiger et al.，1993；Rubin & Martell，2009）。而且，未来的研究还应该深入剖析高参与度培训中，团队互动对于个体学习行为的影响。最后，研究的另一个局限在于使用调查问卷进行测量。这样的设计有可能引起共同方法偏差（common method bias），因为参与者在完成问卷时会对研究假设进行猜测（Podsakoff et al.，2003）。尽管本研究有所不足，但仍然拓展了视野，相信在此领域继续努力，便可实现管理培训方法和技巧的提升。

1. Agarwal R, Karahanna E. Time flies when you’re having fun: Cognitive absorption and beliefs about information technology usage. MIS Quarterly, 2000, 24(4): 665-694.

2. Aiken L S, West S G. Multiple regression: Testing and interpreting interactions. London: Sage, 1991.

3. Alavi M, Leidner D. Research commentary: Computer mediated learning-A call for greater depth and breadth for research. Information Systems Research, 2001, 12(1): 1-10.

4. Ancona D G, Caldwell D F. Demography and design: Predictors of new product team performance. Organization Science, 1992, 3(3): 321-341.

5. Arbaugh J B. Instructors as facilitators of learner-learner interaction in third generation learning environments. Industrial and Organizational Psychology, 2008, 1(4): 487-490.

6. Bell B S, Kanar A M, Kozlowski S W. Current issues and future directions in simulation-based training in North America. International Journal of Human Resource Management, 2008, 19(8): 1416-1434.

7. Bell B S, Kozlowski S W. Active learning: Effects of core training design elements on self-regulatory processes, learning, and adaptability. Journal of Applied Psychology, 2008, 93(2): 296-316.

8. Benbunan-Fich R, Hiltz S R. Mediators of the effective- ness of online courses. IEEE Transactions on Professional Communication, 2003, 46(4): 298-312.

9. Bliese P D. Within-group agreement, non-independence, and reliability: Implications for data aggregation and analysis. In K J Klein, S W Kozlowski, (Eds.), Multilevel theory, research, and methods in organizations. San Francisco, CA: Jossey-Bass, 2000: 349-381.

10. Burton-Jones A, Straub D W. Reconceptualizing system usage: An approach and empirical test. Information Systems Research, 2006, 17(3): 228-246.

11. Carver L, Turoff M. Human computer interaction: The human and computer as a group in emergency management information systems. Communications of the ACM, 2007, 50(3): 33-38.

12. Chan D. Functional relations among constructs in the same content domain at different levels of analysis: A typology of composition models. Journal of Applied Psychology, 1998, 83(2): 234-246.

13. Chen G, Donahue L, Klimoski R. Training undergraduates to work in organizational groups. Academy of Management Learning and Education, 2004, 3(1): 27-40.

14. Chou C, Condron L, Belland J C. A review of the review on internet addiction. Educational Psychology Review, 2005, 17(4): 363-368.

15. Coghlan D, Brannick T. Doing action research in your own organization. London: Sage, 2001.

16. Colquitt J A, LePine J A, Noe R A. Toward an integrative theory of training motivation: A meta-analytic path analysis of 20 years of research. Journal of Applied Psychology, 2000, 85(5): 678-707.

17. Csikszentmihalyi M. Flow: The psychology of optimal experience. New York: Harper Collins, 1990.

18. Csikszentmihalyi M. Creativity: Flow and the psychology of discovery and invention. New York: Harper Collins, 1996.

19. Custodero L A. Seeking challenge, finding skill: Flow experience and music education. Arts Education Policy Review, 2002, 103(3): 3-9.

20. Deci E L, Ryan R M. Intrinsic motivation and self- determination in human behavior. New York: Plenum, 1985.

21. Druskat V U, Kayes D C. Learning versus performance in short-term project teams. Small Group Research, 2000, 31(3): 328-353.

22. Duffy T, Kirkley J. Learner-centered theory and practices in distance education: Cases from higher education. Hillsdale, NJ: Lawrence Erlbaum Associates, 2004.

23. Edmondson A. Psychological safety and learning behavior in work groups. Administrative Science Quarterly, 1999, 44(2): 350-383.

24. Egbert J. A study of flow theory in the foreign language classroom. Modern Language Journal, 2003, 87(4): 499-518.

25. Franceschi K, Lee R M, Zanakis S H, Hinds D. Engaging Group e-learning in virtual worlds. Journal of Management Information Systems, 2009, 26(1): 73-100.

26. Ghani J A. Flow in human-computer interactions: Test of a model. In J M Carey, ed., Human factors in information systems: Emerging theoretical bases. Norwood, NJ: Ablex, 1995: 291-309.

27. Gilbert X. The hidden agenda of management development. In IMD, ed., Mastering executive education, how to combine content with context and emotion. Harlow, U.K. FT Prentice Hall, 2005.

28. Goasduff L, Pettey C. Gartner Enterprise Architecture Summit Report, 2011.

29. Grant A M, Schwartz B. Too much of a good thing: The challenge and opportunity of the inverted-U. Perspectives on Psychological Science, 2011, 6(1): 61-76.

30. Guo Y, Ro Y. Capturing flow in the business classroom. Decision Sciences, 2008, 6(2): 437-462.

31. Hamilton D, McFarland D, Mirchandani D. A decision model for integration across the business curriculum in the 21st century. Journal of Management Education, 2000, 24(1): 102-126.

32. Hirst G, van Knippenberg D, Zhou J. A cross-level perspective on employee creativity: Goal orientation, group learning behavior, and individual creativity. Academy of Management Journal, 2009, 52(2): 280-293.

33. Hoegl M, Gemuenden H G. Teamwork quality and the success of innovative projects. Organization Science, 2001, 12(4): 435-449.

34. Hofmann D. An overview of the logic and rationale of hierarchical linear models. Journal of Management, 1997, 23(6): 723-744.

35. Iansiti M, MacCormack A. Developing products on internet time. Harvard Business Review, 1997, 75(5): 108-117.

36. Ilgen D R, Hollenbeck J R, Johnson M, Jundt D. Groups in organizations: From input process-output models to IMOI models. Annual Review of Psychology, 2005, 56(4): 517-543.

37. Illies J J, Reiter-Palmon R. The effects of type and level of personal involvement on information search and problem solving. Journal of Applied Social Psychology, 2004, 34(8): 1709-1729.

38. James L R, Demaree R G, Wolf G. Estimating within- group interrater reliability with and without response bias. Journal of Applied Psychology, 1984, 69(1): 85-98.

39. Janis I L. Groupthink: Psychological studies of policy decisions and fiascoes (2nd ed.). Boston: Houghton Mifflin, 1982.

40. Jarvenpaa S, Leidner D. Communication and trust in global virtual teams. Organization Science, 1999, 10(6): 791-815.

41. Jia R, Hartke H, Pearson J. Can computer playfulness and cognitive absorption lead to Problematic technology usage? Proceedings of the 28th International Conference on Information Systems (ICIS), 2007.

42. Kahwajy J L, Kemanian V, Keys T, Strebel P. Emotional highs. In IMD, ed. Mastering executive education, how to combine content with context and emotion. Harlow, UK: FT Prentice Hall, 2005.

43. Keys B, Wolfe J. The role of management games and simulations in education and research. Journal of Management, 1990, 16(2): 307-336.

44. Kiili K. Content creation challenges and flow experience in educational games: The IT-Emperor case. Internet and Higher Education, 2005, 8(3): 183-198.

45. Klein K J, Conn A B, Smith D B, Sorra J S. Is everyone in agreement? An exploration of within-group agreement in employee perceptions of the work environment. Journal of Applied Psychology, 2001, 86(1): 3-16.

46. Konradt U, Sulz K. The experience of flow in interacting with a hypermedia learning environment. Journal of Educational Multimedia and Hypermedia, 2001, 10(1): 69-84.

47. Kozlowski S W J, Klein K J. A multilevel approach to theory and research in organizations: Contextual, temporal, and emergent processes. In K J Klein, S W J Kozlowski, eds. Multilevel theory, research, and methods in organizations: Foundations, extensions, and new directions. San Francisco, CA: Jossey-Bass, 2000: 3-90.

48. Kraiger K, Ford J K, Salas E. Application of cognitive, skill-based, and affective theories of learning outcomes to new methods of training evaluation. Journal of Applied Psychology, 1993, 78(2): 311-328.

49. Langfred C W. The autonomy trap: A cognitive perspective on the negative effects of individual autonomy. Academy of Management Proceedings, Los Angeles/Anaheim, 2008.

50. Leidner D E, Jarvenpaa S L. The use of information technology to enhance management school education: A theoretical view. MIS Quarterly, 1995, 19(3): 265-291.

51. Mathieu J E, Heffner T S, Goodwin G F, Salas E, Cannon- Bowers J A. The influence of shared mental models on group process and performance. Journal of Applied Psychology, 2000, 85(2): 272-283.

52. Mathieu J E, Martineau J W. Individual and situational influences on training motivation. In J K Ford, S Kozlowski, K Kraiger, E Salas, M Teachout, eds., Improving training effectiveness in work organizations. Mahwah, NJ: Erlbaum, 1997: 193-221.

53. Meyer J P. Four territories of experience: A developmental action inquiry approach to outdoor-adventure experiential learning. Academy of Management Learning and Education, 2003, 2(4): 352-363.

54. Mintzberg H. Managers not MBAs. London: Prentice Hall, 2004.

55. Nash K. Is the internet addictive? Computerworld, 1997, 31(40): 45-48.

56. Ormrod E. Essentials of educational psychology (2nd ed.). Upper Saddle River, NJ: Prentice Hall, 2008.

57. Podsakoff P M, MacKenzie S B, Lee J Y, Podsakoff N P. Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 2003, 88(5): 879-903.

58. Proserpio L, Gioia D A. Teaching the virtual generation. Academy of Management Learning and Education, 2007, 6(1): 69-80.

59. Raudenbush S W, Bryk A S. Hierarchical linear models: Applications and data analysis methods. London, U.K: Sage Publications, 2002.

60. Riggio R E, Aguirre M, Mayes B T, Belloli C, Kubiak C. The use of assessment center methods for student outcome assessment. In R E Riggio, B T Mayes, (Eds.), Perspectives on assessment centers, Journal of Social Behavior and Personality, 1997, 12: 273-288.

61. Rubin R S, Martell K. Assessment and accreditation in business schools. In S J Armstrong, C V Fukami, eds., The sage handbook of management learning, education and development. London: Sage, 2009.

62. Salas E, Cannon-Bowers J A. Methods, tools, and strategies for group training. In M A Quinones, A Ehrenstein, eds., Training for a rapidly changing workplace: Applications of psychological research. Washington, DC: American Psychological Association, 1997: 249-279.

63. Salas E, Cannon-Bowers J A. The anatomy of group training In L Tobias, D Fletcher, eds., Handbook on research in training. New York: Macmillan, 2000.

64. Salas E, Cannon-Bowers J A. The science of training: A decade of progress. Annual Review of Psychology, 2001, 52(1): 471- 499.

65. Salas E, Wildman J L, Piccolo R. Using simulation-based training to enhance management education. Academy of Management Learning and Education, 2009, 8(4): 559-573.

66. Schunk D H, Pintrich P R, Meece J L. Motivation in education: Theory, research and applications (3rd ed.). Upper Saddle River, NJ: Pearson/Merrill, 2008.

67. Seibert S E, Silver S R, Randolph W A. Taking empowerment to the next level: A multiple-level model of empowerment, performance, and satisfaction. Academy of Management Journal, 2004, 47(3): 332-349.

68. Sinha I. The Cybergypsies: A true tale of lust, war, and betrayal on the electronic frontier. New York: Viking, 1999.

69. Snijders T, Bosker R. Multilevel analysis: An introduction to basic and advanced multilevel modeling. London: Sage Publications, 1999.

70. Tannenbaum S, Yukl G. Training and development in work organizations. Annual Review of Psychology, 1992, 43(1): 399-441.

71. Tharenou P. The relationship of training motivation to participation in training and development. Journal of Occupational and Organizational Psychology, 2001, 74(5): 599-621.

72. Thatcher J B, Perrewe P L. An empirical examination of individual traits as antecedents to computer anxiety and computer self-efficacy. MIS Quarterly, 2002, 26(4): 381-396.

73. Thatcher S M B, Jehn K A. A model of team diversity profiles and categorization processes in bicultural organizational teams. In D H Gruenfeld, ed., Composition. Research on managing teams and teams. Stamford, CT: JAI Press, 1998: 1-20.

74. Tsoukas H, Mylonopoulos N. Organizations as knowledge systems: Knowledge, learning and dynamic capabilities. New York: Palgrave Macmillan, 2004.

75. Van der Vegt G S, Bunderson J S. Learning and performance in multidisciplinary teams: The importance of collective team identification. Academy of Management Journal, 2005, 48(3): 532-547.

76. Van der Vegt G S, Van De Vliert E, Huang X. Location: Level links between diversity and innovative climate de- pend on national power distance. Academy of Management Journal, 2005, 48(6): 1171-1182.

77. Van Knippenberg D, de Dreu C K, Homan A C. Work group diversity and group performance: An integrative model and research agenda. Journal of Applied Psychology, 2004, 89(6): 1008-1022.

78. Venkatesh V, Morris M G, Davis G B, Davis F D. User acceptance of information technology: Toward a unified view. MIS Quarterly, 2003, 27(3): 425-478.

79. Verona G. A resource-based view of product development. Academy of Management Review, 1999, 24(1): 132-142.

80. Wadhwa A, Kotha S. Knowledge creation through external venturing: Evidence from the telecommunications equipment manufacturing industry. Academy of Management Journal, 2006, 49(4): 819-835.