人格因素如何影響知識在組織內的傳播：基于社會網絡分析的視角

張俊華， 李府桂， 張金鳳， 穆蔚琦， 王可欣， 周明潔

一、 引言

隨著經濟的發展，知識成了為組織發展提供競爭優勢的關鍵資源(Wang & Noe, 2010; Chen et al., 2011)。在高度信息化的時代，團體或組織內的個體進行良好的知識分享和傳播是其高效運轉并達到目標的重要基礎。有學者將知識分享定義為個人、團體或組織之間傳播或傳授知識的活動(Lee, 2001)。還有研究者認為知識分享不僅僅是簡單的信息分享，也是組織內個體之間傳播思想、經驗和想法的過程(Ismail et al., 2009)。作為人際傳播與組織傳播領域的重要議題，知識分享受到來自管理學、心理學、傳播學等領域學者的廣泛關注。許多重要研究表明，知識分享與降低生產成本、更快完成新產品、團隊績效、公司創新能力、公司績效(包含銷售增長、新產品的收入等)呈正相關(Renzl, 2008; Wang & Noe, 2010; Lu et al., 2012)。為了促進組織內的知識分享，越來越多的學者聚焦于研究影響人們進行知識分享的個體特征，如動機、回報、信任、能力等(Matzler et al., 2008)。人格作為一種相對穩定的特征，同樣影響個體與他人分享知識的傾向(Matzler et al., 2008)。

(一) 人格與知識分享

人格五因素模型由宜人性、開放性、責任心、神經質、外傾性5個維度構成，是一個被普遍認同的人格結構(Matzler et al., 2008)。高宜人性的個體富有同情心、無私、樂于幫助他人，更愿意尋求合作而非競爭(Liao & Chuang, 2004)。有研究表明，宜人性與和他人分享知識呈正相關(Cabrera et al., 2006; Wang & Yang, 2007; Gupta, 2008; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。開放性與想象力、好奇心、藝術敏感性和創造力等特質相關，與墨守成規相反(Cabrera et al., 2006)。之前的研究發現，開放性能夠正向預測知識分享活動(Cabrera et al., 2006; Wang & Yang, 2007; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。高責任心的個體更加盡職、可靠、有責任感、有組織性、勤奮和成就導向。責任心同樣也是知識分享的正向影響因素(Cabrera et al., 2006; Wang & Yang, 2007; Gupta, 2008; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。關于外傾性與知識分享之間的關系的研究相對較少，且結論并不一致。外傾性高的個體更加喜歡交談、活躍、精力旺盛。Gupta(2008)的研究發現，外傾性與知識分享無關；而Wang & Yang(2007)的研究發現，外傾性與知識分享呈正相關。亦有研究表明外傾性高的個體在工作中有較多的知識分享行為(Wang & Yang, 2007; Zhang et al., 2016)。此外，已有的研究結果都發現神經質與知識分享無顯著相關(Wang & Yang, 2007; Gupta, 2008; Zhang et al., 2016)。

有研究表明，人格還通過中介變量影響知識分享，比如Matzler & Mueller(2011)發現責任心和開放性分別通過學習導向和績效導向正向影響知識分享。宜人性和責任心分別通過情感認同和知識文獻歸檔正向影響知識分享(Matzler et al., 2011)。Mooradian et al.(2006)的研究表明，宜人性對同事間的人際信任和管理有正向影響，其中同事間的人際信任與知識分享呈正相關。綜上所述，個體人格直接或間接影響人們的知識分享行為。

(二) 知識分享：基于社會網絡視角

以上研究說明，個體特征是影響知識分享的重要因素。然而，員工在工作時并不是孤立存在的，他們每個人都處于正式或非正式的社會網絡中，與同事之間存在各種聯系(Wu et al., 2012)。從社會網絡的視角來看，團隊內不同員工之間的知識分享可以被視為一個知識分享網絡，而員工是網絡中的行動者或節點。那么人格是否對個體在知識分享網絡中的位置有所影響？本研究對人格和知識分享網絡的中心度(入度和出度)之間的關系進行了研究。知識分享網絡的入度是指焦點員工直接從多少數量的其他員工處接收知識，知識分享網絡的出度是指焦點員工直接向多少數量的其他員工傳播知識。既有的研究大多僅用一般的方式來測量知識分享，沒有區分哪一類人更傾向于與他人分享知識以及從他人處接收知識。本研究利用考察知識分享網絡的出度和入度來同時研究這兩個方面。由于知識分享涉及多種目標和渠道，對于既有的研究來說，通過同事測量是非常困難的(Lu et al., 2012)，因此研究者大多采用知識分享行為自陳量表進行測量。然而采用自陳量表進行測量的結果容易受到社會期望的影響，并不一定能測得真實的行為。因此，本研究通過同級人員來測量知識分享行為，這種結合自評和他評的方法測得的知識分享更為客觀。

(三) 人格與知識分享網絡中心度

從網絡的視角，網絡節點固有的特征、特質和豐富資源通常被認為是網絡構成，它影響著網絡中信息和知識分享的擴散或流動(Phelps et al., 2012)。有研究者對人格與其他類型的社會網絡(如友誼、資源和工作關系網等)之間的關系進行過研究(Lee et al., 2010; Liu & Ipe, 2010; Selfhout et al., 2010)。關于人格和友誼網絡的研究表明，高外傾性的人選擇更多的人成為自己的朋友，高宜人性的人更容易被他人選為朋友(Selfhout et al., 2010)，外傾性、責任心和宜人性與更多的回報型朋友正相關(Jensen-Campbell et al., 2007)。關于人格和團隊成員網絡中心度的研究發現，責任心和宜人性與網絡中心度呈正相關(Liu & Ipe, 2010)，責任心與友誼網絡的交互作用顯著解釋了員工個體情境績效差異的增量(Lee et al., 2010)。

通過以上文獻回顧，可以發現，宜人性、責任心和開放性與知識分享和關系網絡的中心度呈正相關。因此，本研究提出假設，宜人性、責任心和開放性與知識分享網絡出度和入度呈正相關。而由于以前的研究發現外傾性和神經質對知識分享沒有影響，本研究假設外傾性和神經質與知識分享網絡出度和入度無關。

二、 方法

(一) 流程

通過專門設計的在線問卷調查系統收集數據，問卷內容包含對人口學變量、人格特質以及與團隊中每位成員的知識分享行為的測量。在進行問卷調查的時候，團隊主管將該團隊所有成員的名字錄入系統，每個團隊生成一個單獨的密碼，該團隊其他成員使用團隊密碼登錄并完成在線調查。

(二) 參與者

對來自13個不同的科技或信息公司的團隊進行調查，排除其中人數少于5人的團隊。最終有44個團隊共553名被試者參與調查，團隊規模從5人到33人不等，平均每支團隊12.5人(SD=7.5)。參與者年齡從18.5歲到60.5歲不等，平均年齡為30.3歲(SD=8.3)。參與者中62.6%為男性，53.3%為已婚，57%的人教育程度為本科或更高學歷。

(三) 測量工具

所有的問卷都是中文版。把英文量表翻譯成中文時遵循翻譯和回譯流程(Brislin, 1980)。人格特質由44題的大五人格問卷(44-item Big Five Inventory)進行測量(John et al., 1991)，問卷采用5點計分(1=“非常不同意”，5=“非常同意”)。本研究中，外傾性、宜人性、責任心、神經質和開放性的科隆巴赫α系數分別是0.703、0.667、0.802、0.753和0.775。

知識分享行為通過使用Van der Hooff et al.(2003)的6個條目問卷來進行測量，問卷包含知識的收集與貢獻。問卷采用5點計分(從“非常不同意”到“非常同意”)，科隆巴赫α系數是0.906。參與者需分別回答與團隊中每一位成員知識分享的行為。條目“不管何時我學到新的知識，我都會告訴×××(團隊成員的名字)”(知識貢獻)，條目“當×××學到新的知識時，他/她會告訴我”(知識收集)，這兩個條目屬于新知識分享。條目“當他/她問我的時候，我會告訴×××我所知道的”(知識貢獻)，條目“當我問他/她的時候，×××會告訴我他/她所知道的”(知識收集)，這兩個條目屬于一般知識分享。條目“當他/她問我的時候，我會把我的技能告訴×××”(知識貢獻)，條目“當我問他/她的時候，×××會告訴我他/她的技能”(知識收集)，這兩個條目屬于技能知識分享。

(四) 數據分析

本研究采用軟件UCINET進行社會網絡分析。社會網絡分析主要用來描述和測量行動者之間的關系，以及借助于這些關系形成和傳播的各種有形和無形的信息和資源，研究這些關系的形成和信息資源流動的特點(胡曉真, 2012)。首先，將員工A知識貢獻題目的評分和員工B知識收集題目的評分進行平均，以此作為A對B的知識貢獻的得分。同樣員工A的知識收集題目的評分和B的知識貢獻題目的評分的平均分，作為A對B的知識收集行為的得分。以此類推，在團隊成員中計算出三種知識(新知識、一般知識、技能知識)的貢獻和收集行為的分數。而后，在此基礎上，為每個團隊組建出三種知識分享矩陣，為UCINET軟件提供可用的數據格式。知識分享網絡出度和入度分別用知識貢獻和知識收集的分數來表示，我們用UCINET計算了三個知識分享網絡的出度和入度，并將其作為本研究的因變量。

由于數據來自不同團隊，組內和組間變異同時存在。所以本研究采用多層線性模型(Hierarchical Linear Modeling, HLM)進行分析。在組內即個體水平上，參與者的人格作為自變量，知識分享網絡中心度為因變量，參與者的年齡和性別為控制變量。在組間即團隊水平上，團隊的大小為控制變量。模型如下：

三、 結果

人格與知識分享網絡中心度之間的相關分析結果如表1。所有人格特質與新知識分享網絡中心度的出度和入度均無顯著相關，因此之后不再對人格對新知識分享網絡中心度的影響做進一步的分析。外傾性、宜人性、責任心和開放性與一般知識和技能知識分享網絡的出度和入度呈顯著正相關。神經質與一般知識和技能知識分享網絡的出度和入度呈顯著負相關。

表1 人格與知識分享網絡中心度的相關分析

對技能知識分享網絡出度與入度分別進行多層線性回歸分析，結果表明，團隊大小對一般知識分享出度(b=-0.23,p<0.05)、入度(b=-0.23,p<0.05)和技能知識出度(b=-0.24,p<0.05)有顯著負向預測作用。性別對一般知識分享的出度(b=2.23,p<0.01)和技能知識分享的出度(b=1.85,p<0.05)均有顯著預測作用，女性一般知識和技能知識分享網絡的出度顯著高于男性。年齡對技能知識分享出度(b=0.11,p<0.05)有顯著正向預測作用，年長者技能知識分享網絡的出度顯著高于年輕人。宜人性對一般知識分享出度(b=2.70,p<0.01)、入度(b=2.23,p<0.05)以及技能知識分享出度(b=2.90,p<0.01)、入度(b=2.29,p<0.05)均有顯著正向預測作用，高宜人性的個體一般知識和技能知識分享的出度和入度都更大。責任心對一般知識分享出度(b=1.95,p<0.05)和技能知識分享出度(b=1.92,p<0.05)均有顯著正向預測作用，高責任心的個體一般知識和技能知識分享網絡的出度更大。神經質對技能知識分享出度(b=-1.95,p<0.05)有顯著負向預測作用，高神經質的個體技能分享網絡的出度更小。外傾性和開放性對知識分享網絡中心度的預測作用均不顯著(詳見表2)。

表2 關于人格的知識分享網絡中心度的多層線性回歸

四、 討論

雖然已有研究探究了人格與知識分享行為之間的關系，然而以往的研究沒有從網絡的視角出發。本研究探索了人格與知識分享網絡中心度的關系，并將知識分享劃分為新知識分享、一般知識分享和技能知識分享，由此可以更清楚地了解人格與特定類型的知識分享之間的關系。本研究表明，人格與新知識分享網絡的出度和入度無關，但是與一般知識和技能知識網絡中心度有關。進一步的回歸分析表明，高宜人性的個體更傾向于收集和貢獻一般知識與技能知識；高責任心的個體更樂于向他人貢獻一般知識和技能知識；高神經質的個體比較不樂于向他人貢獻技能知識；外傾性和開放性與一般知識和技能知識分享網絡中心度無關。這些結果與我們的假設部分吻合。

以上結果表明，人格影響個體是否分享特定類型的知識，而不是所有的知識分享行為。人格不影響新知識分享網絡中心度，新知識分享可能受其他因素(如能力)的影響。然而，人格對于一般知識和技能知識的分享起了很大的作用。這些結果在一定程度上解釋了為什么以往的研究發現人格與知識分享之間存在不一致的關系，原因可能就在于，這些既有研究并未區分不同的知識類型。本研究也發現，年齡與技能知識分享網絡的出度呈正相關。年長者在工作領域具備更好的技能和經驗，所以他們更加頻繁地與他人分享知識。女性比男性更樂于分享知識，性別差異和合作行為的研究表明，女性在囚徒困境博弈中的合作率明顯比男性高，在最后通牒和獨裁者博弈中，女性比男性貢獻得多而且女性提議者比男性提供更多的錢(Ivanova-Stenzel & Kübler, 2011)。本研究中，團隊規模越大，越少有員工與同事分享知識。這可能是由于相比小團隊，大團隊的成員滿意度、參與度及合作度更低。隨著團隊擴大，個體之間的心理距離增加(Pearce & Herbik, 2004)。

本研究還考慮了知識分享的方向，即一個人既可以是知識的傳播者(本研究中的出度)，也可以是知識的接受者(本研究中的入度)。因此，我們區分了人格對知識收集和知識貢獻的不同作用。在大多數研究中，知識分享僅僅是指知識貢獻(傳遞給他人知識)，而忽略知識收集(從他人那里接收知識)。本研究表明，高宜人性的個體更樂于與他人分享一般知識和技能知識，同時，其他人也更樂于與高宜人性個體分享知識。高責任心的個體更樂于與他人分享知識，而他人是否與他們分享知識并不取決于他們責任心的高低。雖然，宜人性和責任心與知識分享行為之間有不同的關系模式，但都對知識分享具有積極影響，這與之前的研究和假設基本一致。

本研究發現神經質與一般知識和技能知識分享網絡中心度呈負相關，而且可以負向預測技能知識分享網絡的出度，這與以往研究不同，根據Gupta(2008)和Wang & Yang(2007)的研究，神經質與知識分享無關。這可能是由于，通過整合自陳量表和其他人評的量表測得的知識分享行為作為因變量，在測量上能夠更精確。高神經質的人在現實中可能更少與他人分享知識，但他們可能不會報告真相。元分析也指出，對神經質與責任心的測量，反應失真最有可能發生，因為這兩項人格特質對工作績效和管理者的受歡迎程度影響最大(Van Hooft & Born, 2012)。神經質也和回避動機高度相關，且能較好地預測經驗回避(經驗回避是指對消極思想和經驗的接受程度較低，并試圖避免它們)(Liu et al., 2013)。所以在一定程度上，這可以解釋為什么在之前的研究中，只發現了人格與知識分享行為之間的正相關或不相關關系。另外，本研究在收集和分析數據時，把團隊因素納入考慮范圍，以求更加準確地反映變量之間的關系。而且本研究要求參與者報告他們與某個確定的團隊成員知識分享的情況，而不是與總體成員知識分享的情況。實際上，我們發現，高神經質的個體不太可能與他人分享工作技能，這意味著神經質對工作技能的分享非常重要。

在我們的研究中，外傾性無法預測知識分享網絡中心度，這與Gupta(2008)的研究結果一致，也符合我們的假設。這表明外傾性不是影響知識分享的重要因素。開放性同樣不能預測知識分享網絡中心度，這與我們的假設不一致。在大多數前人研究中，開放性與知識分享正相關，只有在Gupta(2008)的研究中，開放性與知識分享無關。這些結果表明，開放性對知識分享的影響還需要進一步的研究。宜人性和責任心的結果與之前的研究基本一致。Gupta(2008)發現，高責任心的個體比低責任心的個體更多參與知識獲取的活動，我們的研究沒有發現責任心對知識收集的影響。但是，Gupta(2008)研究的知識獲取活動(閱讀新聞和文章、參加培訓項目、嘗試新的工作方式、與前輩和同事討論等)與本研究中的知識收集不一樣，本研究的知識收集只是知識分享的一個方面，不等同于知識獲取活動。

從目前的研究，我們可以得出結論：人格對一般知識和技能知識分享有影響，但對新知識分享沒有影響。具體來說，宜人性和責任心正向影響一般知識和技能知識分享，神經質負向影響技能知識分享。

五、 研究意義

對于雇主或領導者，在招聘員工或者建立團隊的時候，需要將個體人格納入考慮。不同團隊的知識分享模式所適用的團隊成員特征不同。對于需要技能分享的團隊，年長者以及那些高宜人性、高責任心和低神經質的員工更佳。對于需要一般知識分享的團隊，高宜人性、高責任心的員工是必需的。如果團隊需要新知識(例如負責產品研發的團隊)，其他因素比人格更重要。

六、 不足和未來研究方向

本研究樣本中的團隊規模有較大差異，有研究表明團隊規模會影響網絡的出度和入度(Tichy et al., 1979)。但是，本研究通過UCINET軟件對出度和入度進行了標準化，并在分析數據的時候將團隊大小作為控制變量，盡可能地規避了團隊規模對研究結論的干擾。此外，本研究是一個橫斷面研究，僅從靜態的視角對人格與知識分享網絡的關系進行了考察，無法了解人格對團隊內的知識分享網絡動態演化的影響，這有待未來進一步研究，未來研究可以從團隊形成時就開始縱向收集數據。最后，本研究的數據是從科技信息公司收集而來，所以結論是否能推及其他類型的團隊還有待進一步的研究。

此研究獲得中國國家自然科學基金項目(項目號：71774156)資助。