张昱城 （教授 博导）

本报告的核心基础文献：Zhang et al. (In press) Synthesizing Research on Leadership Behaviors: Semantically Validating a Taxonomy Using Large Language Models and Examining the Nomological Network With a Second-Order Meta-Analysis. Journal of Applied Psychology.

1 对同位领导评价对不上

常见评价：在干部考察、民主测评、述职评议和谈心谈话中，经常听到对某位领导有下面这些说法。

  • 有冲劲但太急。
  • 人很厚道但不够狠。
  • 老好人一个。
  • 有想法但落不了地。

痛点：这些领导行为的评价能传达印象，但一旦用于培养、反馈、班子搭配或岗位调整，就很难对接。

2 领导行为认识的问题

2.1 问题一：同一个标签，各人理解不同

  • 甲说一名干部“有魄力”，指的是他敢于拍板。
  • 乙说同一名干部“太冒进”，指的也是他敢于拍板。
  • 标签相同，指向的行为相同，评价却相反。

2.2 问题二：同一种行为，贴的标签不同，而且标签千奇百怪

  • “经常找下属谈心”，可以被写成“善于做思想工作”。
  • 也可以被写成“作风细致”。
  • 还可以被写成“重点工作抓得不紧”。
  • 行为只有一个，说法却有三套。

2.3 问题三：评价无法累积

  • 换一任考察组、换一个年度，评价语言就换一套。
  • 前几年积累的判断，很难与后面的判断放在一起比较。
  • 识人经验也难以沉淀为可复用的标准。

2.4 这些问题产生的原因

问题原因：

  • 根本原因：我们同时用好几把“尺子”量同一个人，而尺子与尺子之间没有统一刻度。

  • 学术表述：这一现象被称为“领导行为概念冗余”——评价词汇越来越丰富，可比较、可累积的标准反而越来越少。

基本判断：只有行为的类别说清楚了，评价、反馈和培养才有共同的落点。

3 领导行为研究的困境：概念越多，整合越难

二十世纪中期：二元传统。

  • 任务型：目标设定、结构安排、执行推进。
  • 关系型：信任建立、情感支持、关系维护。
  • 这一“二元”框架奠定了后来研究的基础。

此后：变革型被单独提出。强调愿景、感召和推动组织转型。

再往后：价值与道德型进入视野。关注伦理示范、公平和价值观传递。

本世纪：开始系统关注“阴暗面”。

  • 被动型：回避、拖延、不作为。
  • 破坏型：言语攻击、操控、打压。
  • 两者被区分开来，作为独立类别研究。

概念冗余的后果

  • 后果一：构念数量持续膨胀。

    • 目前提出的领导行为概念已达 48 种。
    • 包括变革型、公仆型、伦理型、谦卑型、家长式、共享型、教练型、授权型、真实型等。
    • 名称各异，测量内容却大量重叠。

  • 后果二：知识网络碎片化。

    • 每个概念都有自己的量表、前因研究和结果研究。
    • 文献总量在增长，领域内的整合却在变难。
    • 研究者说不清概念之间的关系，实践者也难判断该用哪一套。

既有整合尝试的局限。

  • 过去几十年出现过若干套分类方案。
  • 这些方案大多由理论推导而来。
  • 缺少一步关键检验：类别对应的测量题目，内容上是否真的属于同一类。
  • 名字整齐、题目各说各话，框架就撑不起理论整合，也撑不起实践应用。

本研究的出发点。

  • 不新增概念。
  • 对既有分类框架做一次严格的语义验证。
  • 再用大规模证据检验这套框架与什么有关。

两个研究问题。

  • 问题一：从测量内容看，六类框架能否充分、准确地覆盖主流领导行为？由第一项研究回答。
  • 问题二：六类行为在解释各类组织结果时，相对重要性如何？由第二项研究回答。

4 六类行为的共同坐标系

划分逻辑：按“领导者主要在做哪一类事”划分，不是把领导风格简单罗列。

Fig01.png

5 第一项研究：AI 与专家如何验证这套框架

5.1 为什么回到测量题项

  • 测量题项是什么。量表里描述行为的一句话，例如“我的上级会鼓励我挑战现状”“处理问题时能听取不同意见”。

  • 为什么看题项而不看名称。

    • 概念叫什么名字，可能受研究潮流影响。
    • 题目问了什么，直接决定它测到了什么。

5.2 研究流程

Fig02.png

5.3 结果：41 种归位，7 种留白

  • 总体结果。48 种领导行为构念中，41 种与六类框架建立了清晰的语义对应，占 85%。

  • 含义。

    • 日常工作中听到的绝大多数“领导风格”，都能在六个类别中找到位置。
    • 名字不同，底层的行为指向往往相同。
Fig03.png

  • 未纳入的 7 种，原因分两类。

    • 一类在分类中被归入“其他”，说明其内容超出了六类的覆盖范围。
    • 另一类在专家判断中未达到足够的一致性和清晰度，无法稳妥归入单一类别。

  • 7 种的具体例子。

    • 非正式领导。
    • 非奖惩型领导。
    • 自我领导。
    • 教练型领导。
    • 伦理型领导。
    • 服务型领导。

6 第二项研究：600 万人的元分析

6.1 证据规模与方法

Fig04.png

  • 比较方法：优势分析。

    • 在多个预测变量同时存在的情况下，判断哪一个对结果的解释贡献更大。
    • 不是只看单个相关系数。
    • 回答的问题是：六类行为共同参与解释时，哪一类的独特贡献最大。

6.2 不同目标，对应不同行为重点

  • 考察的五类结果。员工工作态度、员工身心健康、员工绩效、领导有效性、团队结果。

  • 员工工作态度。包括工作满意度、组织承诺、留任意愿等。

    • 价值与道德型的解释份额最大，约 37.9%。
    • 其次是关系型，约 20.9%；变革型约 18.7%。
    • 含义：员工愿不愿意留下来、认不认同组织，最相关的不是领导多会抓任务，而是是否公平、是否讲原则、是否有示范作用。

  • 员工身心健康。包括倦怠、压力、心理健康等。

    • 破坏型的解释份额最大，约 34.5%，且方向为负。
    • 其次是任务型约 19.3%、关系型约 17.7%。
    • 警示：对员工身心状态伤害最大的，不是管理严格，而是领导者的主动伤害行为。

  • 员工绩效。包括任务绩效、创新绩效、组织公民行为等。

    • 关系型的解释份额最大，约 26.5%；变革型约 24.8%。
    • 破坏型约 21.5%，方向为负。
    • 含义：绩效不是只靠压任务压出来的，关系质量与变革推动同样关键。

  • 领导有效性。下属对领导效能的评价。

    • 变革型的解释份额最大，约 51.1%；价值与道德型约 24.4%；任务型约 5.6%。
    • 含义：在“这个人像不像一个领导”的判断上，能不能指明方向、推动改变，权重最高。

  • 团队结果。团队绩效、团队协作等。

    • 价值与道德型约 27.9%，破坏型约 23.1%（负向）。
    • 任务型约 17.0%，变革型约 14.3%。
    • 含义：团队层面的结果，既受价值观和公平感影响，也受破坏型行为的拖累。

  • 综合的管理含义。

    • 没有哪一类行为是万能的，不同管理目标需要不同的行为重点。
    • 想稳住人心，价值与道德型最关键。
    • 想提升绩效和协作，关系型最关键。
    • 想推动改革、提升领导效能，变革型最关键。
    • 想把基础工作做扎实，任务型不可缺。
    • 破坏型行为是所有结果上的负资产，越早识别越好。

7 对企业管理的启示

7.1 把抽象评语改写为行为证据

  • 应用方向。不是开发一套评分系统，而是改变评价的表述方式。

  • 表述的转向。从“这个人怎么样”，转向“他在什么情况下做了什么、产生了什么影响”。

  • 三要素。

    • 情境：事情发生在什么背景下。
    • 行为：干部具体采取了哪些行动。
    • 影响：这些行动对团队和任务产生了什么可观察的结果。

  • 三个好处。

    • 评价可以被不同的人核对。
    • 反馈能指向具体行为，而不是笼统的性格判断。
    • 培养能落到可练习的动作上：是练习把目标讲清楚，还是练习处理冲突，一目了然。

7.2 人机分工：AI 做初筛，人做终判

AI 适合承担的部分。

  • 批量阅读述职报告、考察材料、测评意见。
  • 按既定标准作初步归类。
  • 提取行为证据和典型事例。
  • 生成画像草稿。
  • 发现材料中的空白和矛盾。
  • 共同特点：量大、重复、需要一致的分类口径。

必须由人承担的部分。

  • 设定和解释标准。
  • 判断边界案例。
  • 对政治素质、担当精神、品德作风作出判断。
  • 决定干部的使用。
  • 共同特点：依赖价值判断、组织经验和责任承担，不能外包给模型。

8 结语

回到开头的问题。评价语言对不上，是因为长期以来缺少一套共同的、可以落到具体行为上的坐标系。

研究提供的坐标系。

  • 把几十种说法收拢到六类行为。
  • 用大模型与专家交叉验证了框架的覆盖能力。
  • 用 600 多万人的证据说明不同行为与不同结果的关系重点。

三句话概括对企业的价值。

  • 先统一行为语言，再谈标准与工具；没有共同语言，再先进的系统也只是把混乱放大。
  • 让 AI 做它擅长的事，让人守住只有人才能守的关。
  • 把评价指向改进，而不是指向标签；行为可以练习，评价的意义在于让下一次做得更好。

最后一层意思。新技术改变的，是我们看清行为的效率；没有改变的，是识人这件事本身的分量。