[摘要]結合社會網絡的結構特征與知識轉移主體的內驅力建立隱性知識轉移的概念模型,以IT行業為實證對象,采用結構方程模型(SEM)分析知識轉移動機和組織文化環境對網絡密度、網絡中心性、結構洞和網絡規模在隱性知識轉移中的調節機制以及知識轉移主體吸收能力的中介作用,總結主要研究結論并為企業知識管理實踐提出改進建議。
[關鍵詞]社會網絡 結構特征 知識轉移內驅力 隱性知識轉移 結構方程模型
隨著知識經濟時代的到來,知識已經取代了原材料等資源成為企業競爭優勢的關鍵,越來越多的企業通過知識管理提高自身競爭力,而隱性知識能否有效轉移對知識管理至關重要。2000年以來,在Cross等人的倡導和影響下,社會網絡理論和社會網絡分析方法逐漸引入知識管理領域。基于社會網絡模式的知識轉移研究打開了一個新視野,學者們發現組織中的社會網絡狀況會影響組織的知識轉移,尤其是組織中隱性知識的轉移。
當前研究主要從網絡特征因素和知識轉移主體的內驅力角度分別探討隱性知識轉移的影響因素。但是,客觀存在的網絡結構特征如果不依賴知識轉移主體則難以對知識轉移活動發生作用,而知識轉移主體的主觀行為也會受其所處網絡結構的調節和約束。本文結合社會網絡的結構特征和知識轉移主體的內驅力研究隱性知識轉移機制,以IT行業為調研對象,實證分析了社會網絡結構特征在知識轉移動機及組織文化環境調節作用下對隱性知識轉移的影響,并探討了知識吸收能力的中介作用。
一、概念模型與假設
隱性知識轉移不是從社會網絡結構特征中簡單得出的行為,它的發生受到一些因素的調節,不僅需要社會網絡提供一定的客觀條件,還需要知識發送者有意愿和動機以及雙方有接觸的機會和一定的傳接能力,缺少任何一個條件都無法進行。本文提出基于社會網絡理論的解釋變量——社會網絡結構特征以及基于知識轉移內驅力的調節變量和中介變量,綜合考察隱性知識轉移的影響機制:①分析社會網絡結構特征對隱性知識轉移的影響是否受組織文化環境和知識轉移動機的調節;②考察社會網絡結構特征是否通過知識吸收能力影響隱性知識轉移效果。其中社會網絡結構特征包括網絡密度、網絡中心性、結構洞和網絡規模;調節變量為組織文化環境和知識轉移動機;中介變量是知識吸收能力。初步概念模型如圖1所示:
網絡密度指社會網絡中的組織成員彼此之間聯系的程度。成員之間的接近程度以及聯系頻繁程度決定了網絡密度。Szulanski(1996)在研究組織各部門間知識流動時發現,部門間如果不預先存在一定的聯系或關系,知識在部門間的擴散和轉移就難以發生。
網絡密度與知識轉移效果之間的關系是通過知識轉移動機調節實現的。密度大的網絡中成員之間存在頻繁的互動,形成一種強關系,成員會過于依賴現有網絡中的聯系,從而形成同質性網絡,即成員觀點相似,獲得大量重復的信息,這使得成員之間區別度不高。然而,企業內部又具有競爭性,能夠脫穎而出的員工才具有競爭優勢,員工必須在網絡中顯示自己更高的個人成就感、聲望來提高在企業中的地位,因此只有員工具備了強烈的知識轉移動機,才能更加有效促進隱性知識轉移。Scott(1995)等人研究指出,知識型員工之所以選擇在組織內相互合作,主要是源于Maslow需求層次理論中的社會交往、受人尊重和自我實現這三個較高層次的需要。因此假設:
H1:在知識轉移動機強的情況下,網絡密度越大,越有利于隱性知識的轉移。
同樣在網絡中,個人的行為是受到他們認為什么是合適的和不合適的行為規范所指導。在一個提倡知識轉移的組織中,人們主動轉移知識被認為是合乎規范的,當這種組織文化環境存在的時候,緊密的網絡就會促進隱性知識的轉移。
H2:在組織文化環境強的情況下,網絡密度越大,越有利于隱性知識的轉移。
中心性是網絡中指向這個節點以及從這個節點出發的線的數量。一個部門的網絡中心性高,說明這個部門可以建立廣泛的聯系,與其他部門聯系的數量也比較多。中心性意味著網絡結構賦予的權力和地位。網絡中心性高的部門一般都擁有獨特的資源或知識優勢,并具有較高的聲望名譽,被看作是值得信任的。對企業而言,網絡中心性高的部門往往是高層管理部門,它們之間也同樣存在競爭,網絡中心度高的部門要想保持自己的高層地位和競爭優勢,就必須維持并顯露它們在網絡中的聲望和優勢地位,在知識轉移過程中表現良好,由此來證明并顯示自己實力,累積并鞏固自己在網絡中的良好聲望。因此假設:
H3:在知識轉移動機強的情況下,網絡中心性越高,越有利于隱性知識的轉移。
網絡中心性與知識轉移效果之間的正向關系也受到組織文化環境的調節。如果沒有組織文化環境的調節作用,網絡中心性高的部門不會選擇把自己的知識轉移到其他部門,因為這種行為得不到大家的認可。
H4:在組織文化環境強的情況下,網絡中心性越高,越有利于隱性知識的轉移。
根據Burr的觀點,占據結構洞位置的部門具有控制優勢和信息優勢,可以產生信息收益。在企業中,各部門間不一定充分連接,但是占據結構洞位置的部門可以將其他部門聯系起來,這樣除了本部門的重疊信息外,還可以接觸到其他部門的異質知識,增加了自身的知識存量,就有機會吸收更多的思想和有價值的知識,有利于知識吸收能力的提高。徐繼軍(2007)在研究中也證明了能充分利用網絡中的結構空洞的個人可以從豐富的信息源中吸收更多知識。因此假設:
H5:占據結構洞位置可以提高知識吸收能力。
網絡規模指社會網絡中聯系數量的多少。Reagans與McEvily(2003)強調,網絡規模可以影響人們表達不同專業的復雜知識的能力,并且在規模大的網絡中部門成員之間可以建立眾多的直接聯系,網絡中的知識豐富程度隨之提高,知識量也隨之增加,Cohen與Levinthal(1990)指出,一定程度的冗余知識對于發展跨部門吸收知識的能力十分必要。通過規模大的網絡,成員可以了解到不同的觀點和技能,建立共同的知識基礎,從而縮短彼此間的知識距離,使得知識接受者就可以很容易吸收知識提供者轉移的知識。因此假設:
H6:網絡規模越大,知識吸收能力越強。
個體吸收能力是指受體認識外部信息的價值、吸收該信息并加以應用的能力。Szulanski(1996)發現個體吸收能力會影響組織內最佳實踐的轉移。這表明個體知識吸收能力與知識轉移效果相關,強的吸收能力有利于提高知識轉移的效果。Szulanski(2000)在后期的研究中發現在知識轉移的執行階段,接受者的吸收能力影響知識轉移的效率。部門問的知識吸收是要靠個人能力實現的。知識吸收能力強能使知識接受者很容易吸收、應用新知識,從而提高知識轉移效果。因此假設:
H7:知識吸收能力越強,越有利于隱性知識轉移。
二、研究方法
建構定義及測量
知識轉移效果體現為知識需求者可以及時尋找到所需知識,并能順利從知識擁有者流向接受者,把有效的知識應用到需要的環境中,提高知識的使用效率。參照Goh(2001)、Marquardt(2002)和邱昭良(2003)的研究,本文采用8個測量項對知識轉移效果進行測量。
網絡密度測量的是網絡成員間進行知識交流的質量,側重于互動的質上,反映的是員工之間的關系程度。網絡密度越高,說明社會網絡中的成員間的人際交流越密切,知識轉移的渠道越豐富。網絡密度的測量借鑒,rjosvold(1998)、沈瑤(2007)和趙延東(2002)的研究采用6個測量項進行測量。對于網絡中心性主要選擇測量網絡的局部中心度,而且是對于位置的中心性。考慮到處于網絡中心位置的個體地位、威望都比較高,在網絡中具有更多的關系資源,比較容易聽到各方意見,因此著重從個體所在網絡地位和權威性的高低程度來衡量網絡中心性。在結構洞的測量上,將其操作化為專業間的相互作用,主要考察個體是否處在不同部門形成的結構洞上,是否跨越結構洞進行知識交流,包括3個測量項。對網絡規模的測量主要趙延東(2002)對武漢市下崗職工進行調查研究時使用過的網絡規模維度,以及Batjargal(2001),Powell、Koput與Smith-Doerr(1996)Zhao與Aram(1995)對于網絡規模的測量,結合本研究作了適當的修改。
吸收能力是指網絡成員能夠識別有價值的知識并加以吸收、利用、并轉換成自己知識的能力,其測量項來自Cohen與Levinthal(1990),Senge(1992)Mowery(1996)等學者的研究,具體包括5個測量項。
知識轉移動機主要從三方面來測量:個人成就感、聲望以及名譽利益。人們對知識轉移后的這三個方面的期望可以對個體知識轉移起到激勵作用。組織文化環境是指在這種環境中,大家都愿意將自己的知識貢獻出來,知識轉移行為是被大家認可的。具體測量項參照Goodman&Darr(1998),Starbuek(1992)和Leonard-Barton(1995)的研究。
2 數據收集
研究樣本來自知識密集性行業——IT行業,選定軟件園中的企業作為調研對象,因為軟件園中的企業聚集在一起,更有可能發生合作行為。同時,IT行業具有技術更新快、隱性知識多、邏輯思維性強、團隊合作性強以及企業人才主要由知識型員工構成等特點。
數據收集主要采用實地紙質發放問卷的方式,在大規模問卷發放之前,先在小范圍內對問卷進行預測,對其中出現的問題進行若干次修改。共發放問卷150份,回收93份,回收率為62%。對回收的93份問卷進行篩選,剔除存在有缺失項的和填寫明顯不認真的問卷,最終獲得有效問卷92份,有效回收率為98.92%。
樣本的描述性統計部分主要包括性別、學歷、年齡和從事本行業時間,結果顯示研究對象的年齡主要集中在20～30歲,學歷基本在大學本科及以上樣本總體上符合對知識型員工的定位和構想。
3 數據分析
1 信度分析
采用Cronbach α系數對信度進行分析,包括檢驗各指標信度、變量總體信度和整個量表的總體信度。信度采用Nunnally(1978)、ChurChill和Peter(1984)提出的標準,Cronbach d系數在0.6以上可接受,0.7以上為較高的信度,大于0.8則表示信度非常好。為保證問卷具有較高信度,將Cronbach α系數的最低標準定為0.7。問卷信度檢驗結果如表1所示:
其中,組織文化環境Cronbach α系數小于0.7,信度不高,繼續檢驗該變量各題項的信度發現,組織文化環境中第五個題項的信度小于0.4,刪除該項后Cronbach α系數增加為0.775。根據Churchill(1979)、Kohile等(1993)和Parasuraman(1988)建議,凡是ItemTotal Correlation小于0.4,且刪除該測量項后Cronbacha系數會增加的測驗項目都應該刪除。刪除后重新檢驗信度,組織文化環境的信度為0.775,大于0.7。
2 效度分析
效度即有效性也就是正確性程度,是指測量工具能夠準確測出所要測量事物的程度。采用驗證性因子分析來測量問卷的結構效度。進行驗證性因子分析之前,首先對因子與測量項之間的關系進行檢驗,以確保每個因子對應一組意義相關的測量項。根據分析結果對題項進行調整后,題項由40個變為39個,新的量表中各因子的KMO值均大于0.7,Bartlett球體檢驗統計值通過顯著性檢驗(p0.001),各題項的因子載荷均大于0.5。然后將這8個變量放在一起,通過驗證性因子分析評估該測量模型的因子結構與研究構想是否相符。測量結果顯示,各個題項在其對應的因子上具有比較高的負荷,顯示出較高的l值(通常取t值大于2為顯著)。模型的擬合指數如表2所示:
一般認為RMSEA在0.08以下(越小越好),NNFI和CFI在0.9以上(越大越好),所擬合的模型為一個“好”模型。
3 假設檢驗
假設檢驗主要利用結構方程建模中的全模型進行分析。首先檢驗自變量和因變量之間的關系(結果見圖2),然后再檢驗加入調節變量之后交互作用的自變量和因變量之間的關系(結果見圖3)。交互作用變量是通過將自變量和調節變量相乘得出的,通過觀察顯著性的變化,解釋調節變量的作用。
由圖2可以看出,H5、H6、H7不顯著,t值均小于2,但模型擬合指數較高,如表3所示:
圖3表明加人調節變量后呈現高顯著性,擬合指數如表4所示:
表4顯示模型擬合較好,而且相對于沒有添加調節變量時也有一定程度的改善。
對于知識吸收能力中介作用的檢驗,要看是否滿足以下幾個條件:①自變量與因變量相關;②中介變量與因變量相關;③自變量與中介變量相關。通過假設檢驗得出H5和H6不顯著,也就是說未滿足自變量與中介變量相關這一條件,所以,知識吸收能力的中介作用不成立。假設驗證結果如表5所示:
三、 結果討論
實證結果表明,在強知識轉移動機下,網絡密度越大,網絡中心性越高,隱性知識轉移效果越好(t值分別為3.17和2.31);同樣在強組織文化環境下,網絡密度和網絡中心性與隱性知識轉移效果顯著正相關(t值分別為2.02和2.70),知識吸收能力越強,越有利于隱性知識轉移的效果(t值為2.63)。網絡結構特征是客觀存在的條件,不會直接影響隱性知識轉移效果,只有在一些因素調節作用下才會影響隱性知識轉移,這些調節因素包括知識轉移動機和組織文化環境,本文的數據證實了這一點。但是結構洞、網絡規模與知識吸收能力之間顯著性不高,假設沒有得到證實。
占據結構洞位置可以提高知識吸收能力不成立,跟樣本選擇有一定關系。企業部門往往是按職能進行劃分,部門之間分工明確,各盡其責,在實際工作中以完成自己職責為主,也就很少有職能部門可以占據結構洞位置,占據結構洞位置的部門可能僅局限在高層管理部門,因為只有高層管理部門才有機會跟下屬的職能部門發生聯系,在選擇樣本時,可能包含較少高層管理部門員工,從而影響該假設的顯著性。
網絡規模和知識吸收能力之間關系不成立可能是轉移渠道的不健全所導致。網絡規模大,網絡中知識豐富程度越高,但是企業如果沒有建立可以交流知識的平臺,即使網絡規模很大,網絡成員也很難通過一個合適的渠道獲得知識,知識吸收能力就無法提高。因此在一個規模大的網絡中,建立知識交流的渠道,員工才會獲得豐富的知識,提高自身知識存量,縮短彼此知識距離,提高知識吸收能力。
本文對企業知識管理的建議主要有兩點:一是提高知識轉移動機,加大企業網絡密度。知識轉移動機是個體想要轉移知識的意愿,要通過一定的激勵措施才能提高。企業可以制定一系列措施對員工知識轉移行為績效加以評估和激勵,例如開展經驗交流會,讓員工把自己工作中的成功經驗或失敗教訓分享給大家,并評選出優秀員工進行獎勵,以激勵員工積極主動貢獻知識。在此基礎上,企業可以通過改變辦公格局來加大網絡密度,使各部門有共同的辦公區域,形成開放性辦公環境,加強部門員工之間的交流。還可以定期或不定期地舉辦一些活動,讓各部門的員工積極參與,或創造一些非正式交流的方式,讓各部門員工在工作之余可以互相交流,以促進隱性知識轉移。二是營造知識共享的組織文化,建設學習型組織,鼓勵員工分享自己的知識。企業要將知識共享作為企業文化,并處處體現這種文化,讓每個員工都融入這種共享的氛圍,認為知識共享是光榮的,擯棄自私主義想法。在這種組織文化環境氛圍中,自然也就能促進隱性知識轉移。
[1]Cross R,Borgatti S P,Parker A,Beyond answers:Dimensions ofthe advice network. Social Networks, 2001, 23(3) : 215 -235.
柯江林,石金濤,驅動員工知識轉移的組織社會資本功能探討科技管理研究,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,社會網絡對多元化企業知識轉移的影響研究[學位論文],大連:東北財經大學,2007
朱亞麗,基于社會網絡視角的企業問知識轉移影響因素實證研究[學位論文],浙江:浙江大學,2009
徐繼軍,社會網絡對個體間知識轉移的影響機理研究[學位淪文],大連:大連理工大學,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,系統的學習型組織模式——邁克爾,馬奎特的學習型組織理論,領導決策信息,2003(37):20-23
[16]于鵬,跨國公司內部的知識轉移研究[學位論文],濟南:山東大學,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]沈瑤,非正式網絡中隱性知識傳遞效果的影響機制研究[學位論文],杭州:浙江大學管理學院,2007
[19]趙延東,再就業中的社會資本:效用與局限,社會學研究,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]馬慶國管理統計北京:科學出版社,2002
[29]Churchill G A. A Paradigm for developing better measures of mar-keting constructs. Journal of Marketing Research, 1979, 16(1) :64-73