企业内部知识流动网络的定量分析方法1

《企业内部知识流动网络的定量分析方法1》由会员分享，可在线阅读，更多相关《企业内部知识流动网络的定量分析方法1（7页珍藏版）》请在装配图网上搜索。

1、精品论文推荐企业内部知识流动网络的定量分析方法1钟 琦，汪克夷，牟莉莉 大连理工大学管理学院，辽宁大连（116024） E-mail：zhongqi02摘要：企业内部知识流呈现网络结构，这一结构的形成与知识在企业中流动的社会属性息 息相关。本文以社会网络分析方法（Social Network Analysis, 简称 SNA）为基础，提出企业 成员之间的知识联结关系强度的测度方法，并分别从个体、团体和网络整体三个层次对企业 内的知识流动网络进行度量及分析。关键词：知识流动网络，社会网络，社会网络分析 中图分类号：F2701引言对于一个企业来说，企业知识价值在于如何实现知识的有效流动。知识流的概

2、念始于国 家创新系统研究文献，目前学术界对于知识流并没有统一的定义，学者们针对各自研究角度 对知识流进行概念界定。其中，王众托院士提出了知识网络系统的概念1。认为知识网络系 统是由不同类型和层面的技术网络和社会网络组成，网络由节点和联结来表示，节点可以是 文档、模型或个人、团队甚至是组织。联结是不同的关联和协调机制，知识在联结中流动， 新知识在节点和联结中产生。沿用王院士对知识网络系统的描述，本文将企业内的知识流定 义为知识在企业内不同知识主体之间的转移和扩散过程。在技术网络和社会网络的共同作用 的环境下，企业内部知识流呈现网络状结构。从知识活动的发生过程来看，企业内的知识流动表现出群体联结的

3、性质，即“网络”特性； 从知识活动发生的本质来看，企业内的知识流动更多的表现出非正式性质，即“社会”属性2、 3。因此，在研究企业内的知识流动和共享问题时,我们必须要将这两方面的特性结合起来考 虑才更具科学性。而社会网络理论刚好可以提供一个将知识活动纳入到社会网络中进行考察 的理论依据。为此，我们可以在“社会网络”的视角下开展企业知识流动网络的研究。以往由于缺乏量化测评方法，对于知识流动与共享的研究多为定性分析，这一局面在社 会网络分析的理论与技术成熟后得到改观。社会网络分析（SNA）通过映射和分析团体、组 织、社区等内部人与人之间的关系, 提供丰富的、系统的描述和分析社会关系网络的方法、 工

4、具和技术。将其应用到企业知识管理研究中，可以使不可见的知识流转变为清晰的图景。 更为重要的是，这种定量分析提供具体手段，以实现企业知识流动网络的优化及提高企业员 工共享知识的能力4，5。对于企业内部知识流动网，知识在由正式职能网络和非正式关系网络共同构成的社会网 络中流动，不同节点之间流动的频率和强度受到网络的关系特征和结构特征的影响。因此， 如何全面准确的描述和度量这一知识流动网络，是评价企业内部知识流动现状和发现并解决 企业内部知识流动问题的基础。对企业内部知识流动网络的分析包括对二元层次节点之间知 识交流关系强度的分析，以及从节点、团体到网络三个层次对知识流动网络整体网络结构的 分析。1

5、本课题得到高等学校博士学科点专项科研基金资助（20050141022）。-7-2节点之间知识联结强度测度在社会网络理论中，对于社会关系的联结强度的描述，Granovetter 最先提出强联结和弱 联结的概念6。个体与其较为紧密、经常联络的社会联系之间形成的是强联结；与此相对应， 个体与其不紧密联络或是间接联络的社会联系之间形成的是弱联结7。由此给出对节点间知 识联结强度的理解：在企业知识流动网络中，知识节点与其知识关系紧密，经常进行知识交 流的其他节点之间形成的联结关系是知识强联结；知识节点与其知识关系不紧密或间接进行 知识联系的节点之间形成的联结关系是知识弱联结。Granovetter 从互

6、动的频率、感情力量、亲密程度和互惠内容四个维度来衡量联结的强弱。 当个体之间彼此进行互动的次数和时间越多、情感越紧密、相互亲密和信任程度越深、互惠 交换的范围越广，则他们之间的关系就是强联结，反之就是弱联结。借鉴以上强弱联结理论中表征联结强度的四个维度，在企业知识流动网络的分析中，将 表征成员之间知识联结强度的维度分为：知识交流频率、关系类型、人际关系亲密程度、知 识交流内容。其中：（1）知识交流频率越大，知识联结强度越大；（2）人际关系越亲密，知 识联结强度越大；（3）知识交流的内容影响知识联结强度，一般来说价值越高的知识，则知 识联结强度越大；（4）关系类型的不同影响知识联结强度，一般来说

7、正式职能关系比非正式 人际关系的知识联结强度大。从这四个维度去衡量节点之间的知识联结强度是十分复杂的方法。如果用统计的方法来 处理，需要作因子分析（factor analysis），确定测量联结强度的问题可以分成多少构面（constructs），然后把联结强度当作潜变量（latent variable）作回归分析，得出联结强度测 量值。以往的社会网络研究会把测量节点之间社会关系联结强度的维度简单化，比如以关系的来源作区分，把亲戚朋友关系作为强联结，其他作为弱联结。或者把联结强度分成两类，一类是朋友，一类是认识的人，朋友就是强联结，认识的人就是弱联结8。有一种简易实用 的方法是加总平均法。把所有

8、的关于联结强度测量的问题设计成五点量表或七点量表，以五 点量表为例，强度最强的是 5，最弱的是 1，所有问题得分加权求和，可以算出一个总体评 分。需要注意的是这样的处理，权数的选取很重要，要根据具体的知识流动网络的特点选取 适当的权数。3网络知识节点重要性的度量及分析知识流动网络的知识节点重要性也叫知识节点中心性，它表示知识主体在网络中的地位 和重要性，是识别网络中的关键知识节点的重要依据。知识节点中心性通过三个指标来度量， 分别为点度中心性(degree centrality) 、中间中心性(betweenness centrality)和接近中心性（closeness centrality

9、）。这三个指标分别从不同角度衡量知识节点在网络中的地位和作用。3.1 点度中心性在社会网络理论中，节点度是衡量一个节点直接连接的边数的多少的指标，表示一个人 在社会网络中与其他人联系数量的多少。点度中心性反映节点与其他多少节点间存在直接联 系，把节点度大小作为衡量标准。在知识流动网络中，知识节点的点度中心度是最直接的一种指标，对于有向网络来说， 就是计算一个节点的入度和出度，计算公式为：eijC (i)+ = j 1 ,Dn 1e jiC (i) = j 1D n 1（1）其中，i，j 表示网络节点，eij 是 0 或 1 的数，代表节点 j 是否认为与节点 i 有知识联结 关系，CD (i)

10、 + 表示出度，即某一节点认为对网络中其他节点有知识联结关系的总合； CD (i) - 表示入度，即网络中其它节点认为对某一节点有知识联结关系的总和。通常人们会以为知识节点的点度中心性越大说明网络中的知识交流越有效，其实并非总 是如此，因为如果一个人的所有知识联系都不过是加强已经存在的联系，那么可能还不如拥 有少量的一些不可替代的联系更重要。可见单靠点度中心性的指标无法衡量一个知识节点在知识流动网络中的地位和作用。3.2 中间中心性中间中心性反映某一知识节点对其他节点之间进行知识交流的控制作用，是衡量该节点 的中介能力的指标，用经过该节点的最短路径数来测度。在知识流动网络中，知识节点的中间中心

11、性用来衡量该节点在网络信息流动中的重要程 度。必须经过该知识节点的关键路径(最短路径，又称为测地线) 数越多，知识节点的中间 中心性越高，节点在知识流动网络中的影响也就越大，节点作为知识在网络传播中的媒介作 用越为明显。一个知识主体如果位于许多对知识节点之间，其点度中心性有可能比较低，但 是该主体却处于重要的位置，可以通过控制知识的传递来影响网络的知识流动效果。中间中心性定义为：经过点 Y 并且连接 X ，Z 两点测地线的数目占这两点之间测地线 总数的比例，它测量 Y 点在多大程度上位于 X 和 Z 的中间。计算公式为：g jk (i)j k ,i j ,i kg jkCB (i) =(n 2

12、)(n 1)2（2）其中, gjk(i) 是节点 j , k 的测地线中路径包含节点 i 的边数。gjk 是 j , k 测地线的总边数。 知识节点的中间中心性用在知识流动网络分析中，可以有效发现网络的知识流动瓶颈问题，如中间中心性高的节点是否造成了信息或知识流动的障碍，是否暗示存在过分依赖于某 个企业成员的问题，管理者可以根据分析结果采取相应的对策以保持知识内流网的畅通和稳定。3.3 接近中心性接近中心性通过计算一个节点到所有别的节点的距离来衡量一个节点的中心程度。该节 点到其他节点的距离总长度越短，节点的接近中心性就越高。与中间中心性不同，接近中心 性指标主要考查一个知识节点如何避免受到其

13、他节点控制的知识交流能力。接近中心性的公式为：Cc (i) =n 1n（3）d (i, j)j =1,i j其中 d(i, j)代表节点 i 与 j 之间的距离。当该网络是星形网络时，它存在一个理论上的绝 对中心度 n - 1。在知识流动网络中，接近中心性最高的知识节点称为整体中心点，这样的知识节点获得知识的能力受其他节点影响较小，适合于监控整个网络的知识流动状况，因为他们最能够知 道整个网络中正在发生的事情，分布在网络各处的信息和知识能够最快的在他们这里得到汇 集和再传播。3.4 知识节点角色识别在企业知识流动网络中，具有不同作用的各知识节点承担不同角色，知识节点的角色也 可以按照三个中心性

14、的度量结果加以区分。点度中心性反映节点在网络中具有的联结数，点 度中心性高的节点，说明与其有知识交流关系的直接联系从数量上来讲较多，在网络中属于 最活跃的人，这一类关键节点称为“知识活跃者”。中间中心性反映的是节点在网络知识流动 中的重要程度，必须经过该节点的最短路径数越多，节点的中间中心性越高，节点在网络知 识流动中的影响也就越大。具有较高中间中心性的成员在知识流动网络中所处的位置比较重 要，这类关键节点称为“知识中介者”。接近中心性反映该节点到其他所有节点的距离大小， 接近中心性越高的节点说明其到其他节点的距离总长度越小，这类节点适合于在网络中监控 知识和信息的流动情况，他们最清楚整个网络

15、的知识分布，网络各节点中的信息和知识也能 最快在他们这里得到汇集和再传播，这类关键节点称为“知识监控者”。除了这三种对知识流 动起关键作用的角色之外，网络中与其他节点联结很少的外围节点也应该得到关注，因为他 们与其他成员的知识交流很少，也是网络中最容易流失的成员，这类节点称为知识流动网络 中的“边缘角色”。4. 网络知识团体分析知识团体的概念来源于社会网络理论中的网络群落。网络群落是指在一个社会网络中， 部分节点组成的群体内成员间的相互联系明显多于和非成员之间的联系。比如一个班级组织 中的非正式群体、一个公司内部的私党小群体等。根据网络群落的概念将知识内流网中的知 识团体定义如下：在企业知识流

16、动网络中，当部分节点组成的群体内部成员之间的知识联结 联系明显多于和其他成员之间的联系时，这一群体成为组织内的知识团体。具体的，采用以节点度计算小团体方法中的“k-plex 法”9确定知识流动网络中的知识团 体：设图 Gs 是图 G 的子图形，则 k-plex 是包含了 Gs 节点的子图形。在该图中，每一个节 点都与同一子图形中的 Gs-k 个节点有知识联结关系。以上定义表示一个知识团体有 gs 个人， 其中每个人都至少与该小团体的其他成员保持（gs -k）条的联结。知识团体是企业知识流动网络中的一种非正式组织，它的存在既有积极意义，也有消极 作用。一方面，知识在这种非正式团体中产生和扩散的效

17、果明显优于其他成员之间；另一方 面，它属于非正式组织不易察觉，也有可能引发与团体外部成员之间的沟通困难和派系斗争。 最近的实证研究发现，较为理想的网络结构是企业中存在一些内部密度较高的知识团体, 同 时各个知识团体之间又具有一定的联系(即知识团体之间的桥) 10。在搜集数据的基础上，利 用 SNA 的辅助软件 Ucinet 进行定量计算，可以协助发现、分析网络中的知识团体及其之间 的桥，使它充当团体之间的信息沟通、知识传播的代理角色，进而对这些企业内的知识团体 进行有针对性的引导和管理，可以有利于团体之间知识的互补和交流，提高企业的知识流动 效率。5. 网络整体特征分析对企业知识流动网络进行网

18、络整体结构分析，可以从网络层面评价网络是否完善，知识 流动是否充分和有效率，了解网络的整体结构特征是否适合知识的共享和传播。主要包括以 下几个方面来衡量：5.1 企业知识流动网络的规模与属性网络规模指知识流动网络中知识成员的数量多少以及成员之间知识联结的数量多少。一 般来说，知识流动网络规模越大，网络中知识资源越丰富，知识交流越频繁。网络属性是指 在企业内部，根据成员之间知识交流的内容和性质不同可以分为不同的子网，每一子网都有 自己的结构联系。比如，体现成员之间对彼此拥有知识的了解程度的网络称为知晓网络，表 示成员之间互相咨询交流知识的网络称为咨询网络。这些都是企业内与知识流动和共享相关 的知

19、识网络，不同的网络可在知识传播的不同阶段起作用。5.2 企业知识流动网络的密度和平均距离知识流动网络密度表示知识流动网络各节点之间联结的密集程度，不考虑权重的情况 下，知识流动网络的平均距离用网络中任意两个知识节点之间进行知识交流所需经过的连线 数来度量。知识流动网络的密度越大，平均距离越小，说明网络中的知识联结越密集。一般 来说，联结密集的网络知识流动较为容易，联结疏散的网络不利于知识流动。将知识流动网络的密度公式定义为：D =2L N(N 1)（4）其中 L 为网络中的联结数量，N 为网络中的节点数量，网络为无向网络。 企业知识流动网络的网络密集程度应保持在一个合理的范围内，目前已有实证研

20、究表明过低或过高的网络密度均不利于知识的流动和传播11。5.3 企业知识流动网络的网络中心性知识节点的网络中心性可以用来衡量该节点在网络中的地位和影响力，而考察整个网络 的节点中心性之间的关系则可以发掘整个网络的结构。网络中心性代表了网络集权的程度， 也就是知识交流主要集中在网络中少数人的状况。如果网络中心性很高，说明这个网络中的 知识流动集中在几个关键成员之间，这几个关键成员就代表整个知识内流网的知识流动状 况。知识内流网具有过高或过低的中心性都不利于知识共享和传播12。具有较高中心性的 网络，一旦中心节点被毁坏或除掉，整个网络就会崩溃，分散为互不联系的网络碎片，因此 容易受到针对中心节点的

21、有意攻击和破坏。而且对于过高中心性的成员来说，会因负荷过多 (如过多人向他寻求咨询与帮助) 而倍感压力。另一方面, 过低的中心性代表着网络的分权和 成员之间的行动不协调，又会导致网络过度分散，缺少权威人物，同样不利于知识传播。5.4 企业知识流动网络中的结构洞与桥在社会网络理论中，网络社会学家 Burt 提出了“结构洞”的概念13。知识内流网中的结 构洞就像一个个绝缘体，网络中知识的流动到此便被断开，无法形成封闭的回路，结构洞因 此而成为阻断信息流通的瓶颈。当知识内流网中存在若干知识团体时，那么不相连的知识团 体之间就形成了结构洞。结构洞的存在对互不相连的知识团体是传递信息和知识的障碍，而当某

22、一个知识节点能够将结构洞两端彼此断开的个体或团体连接起来，便被称作“桥”，网络中的桥是一种促进网络知识流通和知识共享的机制。充当“桥”的知识节点将会利用自身的中 介优势获取更多、更快、更具价值的信息和知识，并取得更大的回报，在网络中处于战略地 位。当企业知识流动网络中的每个结构洞区域都能被充当“桥”的知识节点所跨越，则有利于 网络整体知识流动效率的提升。因此，在网络结构中真正具有价值的机会并非存在于关系稠 密的区域，而是存在于关系稠密区域之间的缝隙中。但是，跨越结构洞的“桥”也可能由于自 身的关键位置而实施知识垄断行为，如只是单向获取结构洞两端知识节点的信息和知识，而 不将自身的知识资源予以传

23、递。另外，跨越结构洞的“桥”也可能由于接触的知识过多而造成 过载，难以充分吸收理解的知识就在此停滞堆积，从而成为整体知识流动网络中知识流通的 瓶颈。6. 结论企业内部成员之间的社会网络关系影响和作用了知识流动的扩散途径和转移效率。社会 网络分析方法作为一种新的量化研究手段，可以进行以个体为中心及以企业作为一个闭合网 络为对象的知识流动网络分析，除此之外，还可以进行企业内非正式团体作用分析以及关键 知识节点的识别等问题的研究，这些相关问题的研究有助于探寻企业内部阻碍知识流动和共 享的问题根源，进而实现企业内部知识流的优化，并为有针对性地制定促进企业知识管理的 制度和措施提供可靠的量化依据。参考文

24、献1 Zhongtuo WANG. Knowledge Network System: Not Only A Tool, But A ParadigmC. In :Proceedings of the First International Symposium on Knowledge Management for Strategic Creation of Technology,Japan Advanced Institute of Science and Technology,2004:117-1272 Jens Gammelgard, Kenneth Husted, Snejina Mi

25、chailova, Knowledge - Sharing Behavior and Post AcquisitionIntegration Failure. CKGWP, 2004, (6)3 Hansen M T. The Search - Transfer Problem: The Role of Weak Ties in Sharing Knowledge acrossOrganization Subunits. Administrative Science Quarterly, 1999, (44)4 Cross R, Parker A, Prusak L. Knowing what

26、 we know: Supporting know ledge creation and sharing in social networks J, Organizational Dynamics, 2001, 30: 100 120.5 罗家德.社会网分析讲义.北京：社会科学文献出版社，2005.6 Granovetter, M. S. The strength of weak ties J. American Journal of Sociology, 1973, 78:1360- 13807 Coleman, James. Social Capital in the Creation o

27、f Human Capital, American Journal of Sociology,1988(94):95-120.8 边燕杰, 李煜.中国城市家庭的社会网络资本，清华社会学评论，2001（2）.9 Bourdieu, Pierre. Handbook of Theory and Research for the Sociology of Education, edited by John G.Richardson, Westport, CT., Greenwood Press, 198610 Coombs, R. and Hull, R., Knowledge management

28、 practices and path dependency in innovation. ResearchPolicy, 1998，27：23725311 Ray Reagans, BillMcEvily，Network Structure and Knowledge Transfer: The Effects of Cohesion and Range，Administrative Science Quarterly，2003, 48: 240 - 267.12 Cross R, Prusak L. The people who make organizations go or stop

29、J. Harvard Business Review, 2002,7:104-112.13 Burt R， Structural HolesMCambridge，MAHarvard University Press1992Quantitative Analysis of Internal Knowledge Flow Network of EnterpriseZhong Qi, Wang Keyi, Mu LiliSchool of Management, Dalian University of Technology, Dalian,Liaoning (116024)AbstractInte

30、rnal knowledge flow of enterprise shows on a network structure, which is closely related with the social attribute of knowledge transfer and diffusion within enterprises. Accordingly, from a SocialNetwork Analysis perspective, a method of measuring knowledge connection strength between members withi

31、n enterprise is presented, a quantitative analysis of internal knowledge flow networkstructure of enterprise is carried out form three levels including nodes, cliques and whole network.Keywords: Knowledge Flow Network, Social Network, Social Network Analysis作者简介：钟琦，女，1978 年生，博士研究生，主要研究方向是企业知识管理；汪克夷，男，1944 年生，教授，博士生导师，主要研究方向是战略管理、企业知识管理； 牟莉莉，女，1976 年生，博士研究生，主要研究方向是企业知识管理。