[摘要]结合社会网络的结构特征与知识转移主体的内驱力建立隐性知识转移的概念模型,以IT行业为实证对象,采用结构方程模型(SEM)分析知识转移动机和组织文化环境对网络密度、网络中心性、结构洞和网络规模在隐性知识转移中的调节机制以及知识转移主体吸收能力的中介作用,总结主要研究结论并为企业知识管理实践提出改进建议。
[关键词]社会网络 结构特征 知识转移内驱力 隐性知识转移 结构方程模型
随着知识经济时代的到来,知识已经取代了原材料等资源成为企业竞争优势的关键,越来越多的企业通过知识管理提高自身竞争力,而隐性知识能否有效转移对知识管理至关重要。2000年以来,在Cross等人的倡导和影响下,社会网络理论和社会网络分析方法逐渐引入知识管理领域。基于社会网络模式的知识转移研究打开了一个新视野,学者们发现组织中的社会网络状况会影响组织的知识转移,尤其是组织中隐性知识的转移。
当前研究主要从网络特征因素和知识转移主体的内驱力角度分别探讨隐性知识转移的影响因素。但是,客观存在的网络结构特征如果不依赖知识转移主体则难以对知识转移活动发生作用,而知识转移主体的主观行为也会受其所处网络结构的调节和约束。本文结合社会网络的结构特征和知识转移主体的内驱力研究隐性知识转移机制,以IT行业为调研对象,实证分析了社会网络结构特征在知识转移动机及组织文化环境调节作用下对隐性知识转移的影响,并探讨了知识吸收能力的中介作用。
一、概念模型与假设
隐性知识转移不是从社会网络结构特征中简单得出的行为,它的发生受到一些因素的调节,不仅需要社会网络提供一定的客观条件,还需要知识发送者有意愿和动机以及双方有接触的机会和一定的传接能力,缺少任何一个条件都无法进行。本文提出基于社会网络理论的解释变量——社会网络结构特征以及基于知识转移内驱力的调节变量和中介变量,综合考察隐性知识转移的影响机制:①分析社会网络结构特征对隐性知识转移的影响是否受组织文化环境和知识转移动机的调节;②考察社会网络结构特征是否通过知识吸收能力影响隐性知识转移效果。其中社会网络结构特征包括网络密度、网络中心性、结构洞和网络规模;调节变量为组织文化环境和知识转移动机;中介变量是知识吸收能力。初步概念模型如图1所示:
网络密度指社会网络中的组织成员彼此之间联系的程度。成员之间的接近程度以及联系频繁程度决定了网络密度。Szulanski(1996)在研究组织各部门间知识流动时发现,部门间如果不预先存在一定的联系或关系,知识在部门间的扩散和转移就难以发生。
网络密度与知识转移效果之间的关系是通过知识转移动机调节实现的。密度大的网络中成员之间存在频繁的互动,形成一种强关系,成员会过于依赖现有网络中的联系,从而形成同质性网络,即成员观点相似,获得大量重复的信息,这使得成员之间区别度不高。然而,企业内部又具有竞争性,能够脱颖而出的员工才具有竞争优势,员工必须在网络中显示自己更高的个人成就感、声望来提高在企业中的地位,因此只有员工具备了强烈的知识转移动机,才能更加有效促进隐性知识转移。Scott(1995)等人研究指出,知识型员工之所以选择在组织内相互合作,主要是源于Maslow需求层次理论中的社会交往、受人尊重和自我实现这三个较高层次的需要。因此假设:
H1:在知识转移动机强的情况下,网络密度越大,越有利于隐性知识的转移。
同样在网络中,个人的行为是受到他们认为什么是合适的和不合适的行为规范所指导。在一个提倡知识转移的组织中,人们主动转移知识被认为是合乎规范的,当这种组织文化环境存在的时候,紧密的网络就会促进隐性知识的转移。
H2:在组织文化环境强的情况下,网络密度越大,越有利于隐性知识的转移。
中心性是网络中指向这个节点以及从这个节点出发的线的数量。一个部门的网络中心性高,说明这个部门可以建立广泛的联系,与其他部门联系的数量也比较多。中心性意味着网络结构赋予的权力和地位。网络中心性高的部门一般都拥有独特的资源或知识优势,并具有较高的声望名誉,被看作是值得信任的。对企业而言,网络中心性高的部门往往是高层管理部门,它们之间也同样存在竞争,网络中心度高的部门要想保持自己的高层地位和竞争优势,就必须维持并显露它们在网络中的声望和优势地位,在知识转移过程中表现良好,由此来证明并显示自己实力,累积并巩固自己在网络中的良好声望。因此假设:
H3:在知识转移动机强的情况下,网络中心性越高,越有利于隐性知识的转移。
网络中心性与知识转移效果之间的正向关系也受到组织文化环境的调节。如果没有组织文化环境的调节作用,网络中心性高的部门不会选择把自己的知识转移到其他部门,因为这种行为得不到大家的认可。
H4:在组织文化环境强的情况下,网络中心性越高,越有利于隐性知识的转移。
根据Burr的观点,占据结构洞位置的部门具有控制优势和信息优势,可以产生信息收益。在企业中,各部门间不一定充分连接,但是占据结构洞位置的部门可以将其他部门联系起来,这样除了本部门的重叠信息外,还可以接触到其他部门的异质知识,增加了自身的知识存量,就有机会吸收更多的思想和有价值的知识,有利于知识吸收能力的提高。徐继军(2007)在研究中也证明了能充分利用网络中的结构空洞的个人可以从丰富的信息源中吸收更多知识。因此假设:
H5:占据结构洞位置可以提高知识吸收能力。
网络规模指社会网络中联系数量的多少。Reagans与McEvily(2003)强调,网络规模可以影响人们表达不同专业的复杂知识的能力,并且在规模大的网络中部门成员之间可以建立众多的直接联系,网络中的知识丰富程度随之提高,知识量也随之增加,Cohen与Levinthal(1990)指出,一定程度的冗余知识对于发展跨部门吸收知识的能力十分必要。通过规模大的网络,成员可以了解到不同的观点和技能,建立共同的知识基础,从而缩短彼此间的知识距离,使得知识接受者就可以很容易吸收知识提供者转移的知识。因此假设:
H6:网络规模越大,知识吸收能力越强。
个体吸收能力是指受体认识外部信息的价值、吸收该信息并加以应用的能力。Szulanski(1996)发现个体吸收能力会影响组织内最佳实践的转移。这表明个体知识吸收能力与知识转移效果相关,强的吸收能力有利于提高知识转移的效果。Szulanski(2000)在后期的研究中发现在知识转移的执行阶段,接受者的吸收能力影响知识转移的效率。部门问的知识吸收是要靠个人能力实现的。知识吸收能力强能使知识接受者很容易吸收、应用新知识,从而提高知识转移效果。因此假设:
H7:知识吸收能力越强,越有利于隐性知识转移。
二、研究方法
建构定义及测量
知识转移效果体现为知识需求者可以及时寻找到所需知识,并能顺利从知识拥有者流向接受者,把有效的知识应用到需要的环境中,提高知识的使用效率。参照Goh(2001)、Marquardt(2002)和邱昭良(2003)的研究,本文采用8个测量项对知识转移效果进行测量。
网络密度测量的是网络成员间进行知识交流的质量,侧重于互动的质上,反映的是员工之间的关系程度。网络密度越高,说明社会网络中的成员间的人际交流越密切,知识转移的渠道越丰富。网络密度的测量借鉴,rjosvold(1998)、沈瑶(2007)和赵延东(2002)的研究采用6个测量项进行测量。对于网络中心性主要选择测量网络的局部中心度,而且是对于位置的中心性。考虑到处于网络中心位置的个体地位、威望都比较高,在网络中具有更多的关系资源,比较容易听到各方意见,因此着重从个体所在网络地位和权威性的高低程度来衡量网络中心性。在结构洞的测量上,将其操作化为专业间的相互作用,主要考察个体是否处在不同部门形成的结构洞上,是否跨越结构洞进行知识交流,包括3个测量项。对网络规模的测量主要赵延东(2002)对武汉市下岗职工进行调查研究时使用过的网络规模维度,以及Batjargal(2001),Powell、Koput与Smith-Doerr(1996)Zhao与Aram(1995)对于网络规模的测量,结合本研究作了适当的修改。
吸收能力是指网络成员能够识别有价值的知识并加以吸收、利用、并转换成自己知识的能力,其测量项来自Cohen与Levinthal(1990),Senge(1992)Mowery(1996)等学者的研究,具体包括5个测量项。
知识转移动机主要从三方面来测量:个人成就感、声望以及名誉利益。人们对知识转移后的这三个方面的期望可以对个体知识转移起到激励作用。组织文化环境是指在这种环境中,大家都愿意将自己的知识贡献出来,知识转移行为是被大家认可的。具体测量项参照Goodman&Darr(1998),Starbuek(1992)和Leonard-Barton(1995)的研究。
2 数据收集
研究样本来自知识密集性行业——IT行业,选定软件园中的企业作为调研对象,因为软件园中的企业聚集在一起,更有可能发生合作行为。同时,IT行业具有技术更新快、隐性知识多、逻辑思维性强、团队合作性强以及企业人才主要由知识型员工构成等特点。
数据收集主要采用实地纸质发放问卷的方式,在大规模问卷发放之前,先在小范围内对问卷进行预测,对其中出现的问题进行若干次修改。共发放问卷150份,回收93份,回收率为62%。对回收的93份问卷进行筛选,剔除存在有缺失项的和填写明显不认真的问卷,最终获得有效问卷92份,有效回收率为98.92%。
样本的描述性统计部分主要包括性别、学历、年龄和从事本行业时间,结果显示研究对象的年龄主要集中在20～30岁,学历基本在大学本科及以上样本总体上符合对知识型员工的定位和构想。
3 数据分析
1 信度分析
采用Cronbach α系数对信度进行分析,包括检验各指标信度、变量总体信度和整个量表的总体信度。信度采用Nunnally(1978)、ChurChill和Peter(1984)提出的标准,Cronbach d系数在0.6以上可接受,0.7以上为较高的信度,大于0.8则表示信度非常好。为保证问卷具有较高信度,将Cronbach α系数的最低标准定为0.7。问卷信度检验结果如表1所示:
其中,组织文化环境Cronbach α系数小于0.7,信度不高,继续检验该变量各题项的信度发现,组织文化环境中第五个题项的信度小于0.4,删除该项后Cronbach α系数增加为0.775。根据Churchill(1979)、Kohile等(1993)和Parasuraman(1988)建议,凡是ItemTotal Correlation小于0.4,且删除该测量项后Cronbacha系数会增加的测验项目都应该删除。删除后重新检验信度,组织文化环境的信度为0.775,大于0.7。
2 效度分析
效度即有效性也就是正确性程度,是指测量工具能够准确测出所要测量事物的程度。采用验证性因子分析来测量问卷的结构效度。进行验证性因子分析之前,首先对因子与测量项之间的关系进行检验,以确保每个因子对应一组意义相关的测量项。根据分析结果对题项进行调整后,题项由40个变为39个,新的量表中各因子的KMO值均大于0.7,Bartlett球体检验统计值通过显着性检验(p0.001),各题项的因子载荷均大于0.5。然后将这8个变量放在一起,通过验证性因子分析评估该测量模型的因子结构与研究构想是否相符。测量结果显示,各个题项在其对应的因子上具有比较高的负荷,显示出较高的l值(通常取t值大于2为显着)。模型的拟合指数如表2所示:
一般认为RMSEA在0.08以下(越小越好),NNFI和CFI在0.9以上(越大越好),所拟合的模型为一个“好”模型。
3 假设检验
假设检验主要利用结构方程建模中的全模型进行分析。首先检验自变量和因变量之间的关系(结果见图2),然后再检验加入调节变量之后交互作用的自变量和因变量之间的关系(结果见图3)。交互作用变量是通过将自变量和调节变量相乘得出的,通过观察显着性的变化,解释调节变量的作用。
由图2可以看出,H5、H6、H7不显着,t值均小于2,但模型拟合指数较高,如表3所示:
图3表明加人调节变量后呈现高显着性,拟合指数如表4所示:
表4显示模型拟合较好,而且相对于没有添加调节变量时也有一定程度的改善。
对于知识吸收能力中介作用的检验,要看是否满足以下几个条件:①自变量与因变量相关;②中介变量与因变量相关;③自变量与中介变量相关。通过假设检验得出H5和H6不显着,也就是说未满足自变量与中介变量相关这一条件,所以,知识吸收能力的中介作用不成立。假设验证结果如表5所示:
三、 结果讨论
实证结果表明,在强知识转移动机下,网络密度越大,网络中心性越高,隐性知识转移效果越好(t值分别为3.17和2.31);同样在强组织文化环境下,网络密度和网络中心性与隐性知识转移效果显着正相关(t值分别为2.02和2.70),知识吸收能力越强,越有利于隐性知识转移的效果(t值为2.63)。网络结构特征是客观存在的条件,不会直接影响隐性知识转移效果,只有在一些因素调节作用下才会影响隐性知识转移,这些调节因素包括知识转移动机和组织文化环境,本文的数据证实了这一点。但是结构洞、网络规模与知识吸收能力之间显着性不高,假设没有得到证实。
占据结构洞位置可以提高知识吸收能力不成立,跟样本选择有一定关系。企业部门往往是按职能进行划分,部门之间分工明确,各尽其责,在实际工作中以完成自己职责为主,也就很少有职能部门可以占据结构洞位置,占据结构洞位置的部门可能仅局限在高层管理部门,因为只有高层管理部门才有机会跟下属的职能部门发生联系,在选择样本时,可能包含较少高层管理部门员工,从而影响该假设的显着性。
网络规模和知识吸收能力之间关系不成立可能是转移渠道的不健全所导致。网络规模大,网络中知识丰富程度越高,但是企业如果没有建立可以交流知识的平台,即使网络规模很大,网络成员也很难通过一个合适的渠道获得知识,知识吸收能力就无法提高。因此在一个规模大的网络中,建立知识交流的渠道,员工才会获得丰富的知识,提高自身知识存量,缩短彼此知识距离,提高知识吸收能力。
本文对企业知识管理的建议主要有两点:一是提高知识转移动机,加大企业网络密度。知识转移动机是个体想要转移知识的意愿,要通过一定的激励措施才能提高。企业可以制定一系列措施对员工知识转移行为绩效加以评估和激励,例如开展经验交流会,让员工把自己工作中的成功经验或失败教训分享给大家,并评选出优秀员工进行奖励,以激励员工积极主动贡献知识。在此基础上,企业可以通过改变办公格局来加大网络密度,使各部门有共同的办公区域,形成开放性办公环境,加强部门员工之间的交流。还可以定期或不定期地举办一些活动,让各部门的员工积极参与,或创造一些非正式交流的方式,让各部门员工在工作之余可以互相交流,以促进隐性知识转移。二是营造知识共享的组织文化,建设学习型组织,鼓励员工分享自己的知识。企业要将知识共享作为企业文化,并处处体现这种文化,让每个员工都融入这种共享的氛围,认为知识共享是光荣的,摈弃自私主义想法。在这种组织文化环境氛围中,自然也就能促进隐性知识转移。
[1]Cross R,Borgatti S P,Parker A,Beyond answers:Dimensions ofthe advice network. Social Networks, 2001, 23(3) : 215 -235.
柯江林,石金涛,驱动员工知识转移的组织社会资本功能探讨科技管理研究,2006(2):144-149
Burr R. Structural holes: The social structure of competition. Bos-ton: Harvard University Press, 1992
Szulanski G. Exploring internal stickiness: Impediments to thetransfer of best practice within the firm. Strategic Management Jour-nal, 1996, 17 (Winter Special Issue) : 27-43.
Scoot K, Walker A. Teams, teamwork & teambuilding: The manag-er‘s complete guide to teams in organizations. New York: PrenticeHall, 1995
Freeman L. C. Centrality in social networks : Conceptual clarifica-tion. Social Networks, 1979, 1 (3) : 215 -239
林海棠,社会网络对多元化企业知识转移的影响研究[学位论文],大连:东北财经大学,2007
朱亚丽,基于社会网络视角的企业问知识转移影响因素实证研究[学位论文],浙江:浙江大学,2009
徐继军,社会网络对个体间知识转移的影响机理研究[学位沦文],大连:大连理工大学,2007
[10]Reagans R, McEvily B. Network structure and knowledge transfer:The effects of cohesion and range. Administrative Science Quarter-ly, 2003, 48(2) : 240-267
[11] Cohen W, Levlnthal D. Absorptive capacity : A new perspective onlearning and innovation. Administrative Science Quarterly, 1990,35(1): 128-152
[12]Szulanski G. The process of knowledge transfer: a diachronic analy-sis of stickiness.
Organizational
Behavior and Human DecisionProcesses, 2000, 82(1): 9-27
[13] Goh S C. Management strategies for successful post - acquisition in-tegration. Academy of Management Executive, 2001, 15(1) : 152-153
[14]Marquardt J M. Five elements of learning. Executive Excellence,2002, 19(9):15-16
[15]邱昭良,系统的学习型组织模式——迈克尔,马奎特的学习型组织理论,领导决策信息,2003(37):20-23
[16]于鹏,跨国公司内部的知识转移研究[学位论文],济南:山东大学,2006
[17]Tjosvold D. Employee invalvemenl in support of corporate values insuccessful organizations : Groups, cooperative interaction, and influ-ence. International Journal of Value-Based Management, 1998,11(1): 35-46
[18]沈瑶,非正式网络中隐性知识传递效果的影响机制研究[学位论文],杭州:浙江大学管理学院,2007
[19]赵延东,再就业中的社会资本:效用与局限,社会学研究,2002(4):45-52
[20] Batjargal B. Reluctant capitalists : Russia‘ s journey through markettransition. Academy of Management Executive, 2001, 15(4):139
[21] Powell W, Koput K, Smith - Doerr L. lnterorganizational colIabora-tion and the locus of innovation : Networks of learning in biotechnol-ogy. Administrative Science Quarterly, 1996, 41 (1):116-145.
[22]Zhao L M, Aram J D. Networking and growth of young technology -intensive ventures in China. Journal of Business Venturing, 1995,10(5) : 349-370
[23] Senge P, Sterman J D. Systems thinking and organizational learn-ing: Acting locally and lhinking globally in the organization of thefuture. European Journal of Operational Research, 1992, 59 (1):137-150
[24]Mowery D C, Oxley J E, Silverman B S. Strategic alliances and in-ter-firm knowledge transfer. Strategic Management Journal, i996,17(S2):77-91
[25] Goodman P S, Dart" E D. Computer- aided systems and comnmni-ties: Mechanisms for organizational learning in distributed environ-ments. MIS Quarterly, 1998, 22(4) : 417-440.
[26]Starbuck W H. Learning by knowledge -intensive firms. Journal nfManagement Studies, 1992, 29(6):713-740.
[27] Leonard - Barton D. Wellsprings of knowledge: Building and sus-taining the source of innovation.
Boston: Harvard Business SchoolPress, 1995.
[28]马庆国管理统计北京:科学出版社,2002
[29]Churchill G A. A Paradigm for developing better measures of mar-keting constructs. Journal of Marketing Research, 1979, 16(1) :64-73