人格因素如何影响知识在组织内的传播：基于社会网络分析的视角

张俊华， 李府桂， 张金凤， 穆蔚琦， 王可欣， 周明洁

一、 引言

随着经济的发展，知识成了为组织发展提供竞争优势的关键资源(Wang & Noe, 2010; Chen et al., 2011)。在高度信息化的时代，团体或组织内的个体进行良好的知识分享和传播是其高效运转并达到目标的重要基础。有学者将知识分享定义为个人、团体或组织之间传播或传授知识的活动(Lee, 2001)。还有研究者认为知识分享不仅仅是简单的信息分享，也是组织内个体之间传播思想、经验和想法的过程(Ismail et al., 2009)。作为人际传播与组织传播领域的重要议题，知识分享受到来自管理学、心理学、传播学等领域学者的广泛关注。许多重要研究表明，知识分享与降低生产成本、更快完成新产品、团队绩效、公司创新能力、公司绩效(包含销售增长、新产品的收入等)呈正相关(Renzl, 2008; Wang & Noe, 2010; Lu et al., 2012)。为了促进组织内的知识分享，越来越多的学者聚焦于研究影响人们进行知识分享的个体特征，如动机、回报、信任、能力等(Matzler et al., 2008)。人格作为一种相对稳定的特征，同样影响个体与他人分享知识的倾向(Matzler et al., 2008)。

(一) 人格与知识分享

人格五因素模型由宜人性、开放性、责任心、神经质、外倾性5个维度构成，是一个被普遍认同的人格结构(Matzler et al., 2008)。高宜人性的个体富有同情心、无私、乐于帮助他人，更愿意寻求合作而非竞争(Liao & Chuang, 2004)。有研究表明，宜人性与和他人分享知识呈正相关(Cabrera et al., 2006; Wang & Yang, 2007; Gupta, 2008; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。开放性与想象力、好奇心、艺术敏感性和创造力等特质相关，与墨守成规相反(Cabrera et al., 2006)。之前的研究发现，开放性能够正向预测知识分享活动(Cabrera et al., 2006; Wang & Yang, 2007; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。高责任心的个体更加尽职、可靠、有责任感、有组织性、勤奋和成就导向。责任心同样也是知识分享的正向影响因素(Cabrera et al., 2006; Wang & Yang, 2007; Gupta, 2008; Matzler et al., 2008; Jahanyan & Moshabbaki, 2011)。关于外倾性与知识分享之间的关系的研究相对较少，且结论并不一致。外倾性高的个体更加喜欢交谈、活跃、精力旺盛。Gupta(2008)的研究发现，外倾性与知识分享无关；而Wang & Yang(2007)的研究发现，外倾性与知识分享呈正相关。亦有研究表明外倾性高的个体在工作中有较多的知识分享行为(Wang & Yang, 2007; Zhang et al., 2016)。此外，已有的研究结果都发现神经质与知识分享无显著相关(Wang & Yang, 2007; Gupta, 2008; Zhang et al., 2016)。

有研究表明，人格还通过中介变量影响知识分享，比如Matzler & Mueller(2011)发现责任心和开放性分别通过学习导向和绩效导向正向影响知识分享。宜人性和责任心分别通过情感认同和知识文献归档正向影响知识分享(Matzler et al., 2011)。Mooradian et al.(2006)的研究表明，宜人性对同事间的人际信任和管理有正向影响，其中同事间的人际信任与知识分享呈正相关。综上所述，个体人格直接或间接影响人们的知识分享行为。

(二) 知识分享：基于社会网络视角

以上研究说明，个体特征是影响知识分享的重要因素。然而，员工在工作时并不是孤立存在的，他们每个人都处于正式或非正式的社会网络中，与同事之间存在各种联系(Wu et al., 2012)。从社会网络的视角来看，团队内不同员工之间的知识分享可以被视为一个知识分享网络，而员工是网络中的行动者或节点。那么人格是否对个体在知识分享网络中的位置有所影响？本研究对人格和知识分享网络的中心度(入度和出度)之间的关系进行了研究。知识分享网络的入度是指焦点员工直接从多少数量的其他员工处接收知识，知识分享网络的出度是指焦点员工直接向多少数量的其他员工传播知识。既有的研究大多仅用一般的方式来测量知识分享，没有区分哪一类人更倾向于与他人分享知识以及从他人处接收知识。本研究利用考察知识分享网络的出度和入度来同时研究这两个方面。由于知识分享涉及多种目标和渠道，对于既有的研究来说，通过同事测量是非常困难的(Lu et al., 2012)，因此研究者大多采用知识分享行为自陈量表进行测量。然而采用自陈量表进行测量的结果容易受到社会期望的影响，并不一定能测得真实的行为。因此，本研究通过同级人员来测量知识分享行为，这种结合自评和他评的方法测得的知识分享更为客观。

(三) 人格与知识分享网络中心度

从网络的视角，网络节点固有的特征、特质和丰富资源通常被认为是网络构成，它影响着网络中信息和知识分享的扩散或流动(Phelps et al., 2012)。有研究者对人格与其他类型的社会网络(如友谊、资源和工作关系网等)之间的关系进行过研究(Lee et al., 2010; Liu & Ipe, 2010; Selfhout et al., 2010)。关于人格和友谊网络的研究表明，高外倾性的人选择更多的人成为自己的朋友，高宜人性的人更容易被他人选为朋友(Selfhout et al., 2010)，外倾性、责任心和宜人性与更多的回报型朋友正相关(Jensen-Campbell et al., 2007)。关于人格和团队成员网络中心度的研究发现，责任心和宜人性与网络中心度呈正相关(Liu & Ipe, 2010)，责任心与友谊网络的交互作用显著解释了员工个体情境绩效差异的增量(Lee et al., 2010)。

通过以上文献回顾，可以发现，宜人性、责任心和开放性与知识分享和关系网络的中心度呈正相关。因此，本研究提出假设，宜人性、责任心和开放性与知识分享网络出度和入度呈正相关。而由于以前的研究发现外倾性和神经质对知识分享没有影响，本研究假设外倾性和神经质与知识分享网络出度和入度无关。

二、 方法

(一) 流程

通过专门设计的在线问卷调查系统收集数据，问卷内容包含对人口学变量、人格特质以及与团队中每位成员的知识分享行为的测量。在进行问卷调查的时候，团队主管将该团队所有成员的名字录入系统，每个团队生成一个单独的密码，该团队其他成员使用团队密码登录并完成在线调查。

(二) 参与者

对来自13个不同的科技或信息公司的团队进行调查，排除其中人数少于5人的团队。最终有44个团队共553名被试者参与调查，团队规模从5人到33人不等，平均每支团队12.5人(SD=7.5)。参与者年龄从18.5岁到60.5岁不等，平均年龄为30.3岁(SD=8.3)。参与者中62.6%为男性，53.3%为已婚，57%的人教育程度为本科或更高学历。

(三) 测量工具

所有的问卷都是中文版。把英文量表翻译成中文时遵循翻译和回译流程(Brislin, 1980)。人格特质由44题的大五人格问卷(44-item Big Five Inventory)进行测量(John et al., 1991)，问卷采用5点计分(1=“非常不同意”，5=“非常同意”)。本研究中，外倾性、宜人性、责任心、神经质和开放性的科隆巴赫α系数分别是0.703、0.667、0.802、0.753和0.775。

知识分享行为通过使用Van der Hooff et al.(2003)的6个条目问卷来进行测量，问卷包含知识的收集与贡献。问卷采用5点计分(从“非常不同意”到“非常同意”)，科隆巴赫α系数是0.906。参与者需分别回答与团队中每一位成员知识分享的行为。条目“不管何时我学到新的知识，我都会告诉×××(团队成员的名字)”(知识贡献)，条目“当×××学到新的知识时，他/她会告诉我”(知识收集)，这两个条目属于新知识分享。条目“当他/她问我的时候，我会告诉×××我所知道的”(知识贡献)，条目“当我问他/她的时候，×××会告诉我他/她所知道的”(知识收集)，这两个条目属于一般知识分享。条目“当他/她问我的时候，我会把我的技能告诉×××”(知识贡献)，条目“当我问他/她的时候，×××会告诉我他/她的技能”(知识收集)，这两个条目属于技能知识分享。

(四) 数据分析

本研究采用软件UCINET进行社会网络分析。社会网络分析主要用来描述和测量行动者之间的关系，以及借助于这些关系形成和传播的各种有形和无形的信息和资源，研究这些关系的形成和信息资源流动的特点(胡晓真, 2012)。首先，将员工A知识贡献题目的评分和员工B知识收集题目的评分进行平均，以此作为A对B的知识贡献的得分。同样员工A的知识收集题目的评分和B的知识贡献题目的评分的平均分，作为A对B的知识收集行为的得分。以此类推，在团队成员中计算出三种知识(新知识、一般知识、技能知识)的贡献和收集行为的分数。而后，在此基础上，为每个团队组建出三种知识分享矩阵，为UCINET软件提供可用的数据格式。知识分享网络出度和入度分别用知识贡献和知识收集的分数来表示，我们用UCINET计算了三个知识分享网络的出度和入度，并将其作为本研究的因变量。

由于数据来自不同团队，组内和组间变异同时存在。所以本研究采用多层线性模型(Hierarchical Linear Modeling, HLM)进行分析。在组内即个体水平上，参与者的人格作为自变量，知识分享网络中心度为因变量，参与者的年龄和性别为控制变量。在组间即团队水平上，团队的大小为控制变量。模型如下：

三、 结果

人格与知识分享网络中心度之间的相关分析结果如表1。所有人格特质与新知识分享网络中心度的出度和入度均无显著相关，因此之后不再对人格对新知识分享网络中心度的影响做进一步的分析。外倾性、宜人性、责任心和开放性与一般知识和技能知识分享网络的出度和入度呈显著正相关。神经质与一般知识和技能知识分享网络的出度和入度呈显著负相关。

表1 人格与知识分享网络中心度的相关分析

对技能知识分享网络出度与入度分别进行多层线性回归分析，结果表明，团队大小对一般知识分享出度(b=-0.23,p<0.05)、入度(b=-0.23,p<0.05)和技能知识出度(b=-0.24,p<0.05)有显著负向预测作用。性别对一般知识分享的出度(b=2.23,p<0.01)和技能知识分享的出度(b=1.85,p<0.05)均有显著预测作用，女性一般知识和技能知识分享网络的出度显著高于男性。年龄对技能知识分享出度(b=0.11,p<0.05)有显著正向预测作用，年长者技能知识分享网络的出度显著高于年轻人。宜人性对一般知识分享出度(b=2.70,p<0.01)、入度(b=2.23,p<0.05)以及技能知识分享出度(b=2.90,p<0.01)、入度(b=2.29,p<0.05)均有显著正向预测作用，高宜人性的个体一般知识和技能知识分享的出度和入度都更大。责任心对一般知识分享出度(b=1.95,p<0.05)和技能知识分享出度(b=1.92,p<0.05)均有显著正向预测作用，高责任心的个体一般知识和技能知识分享网络的出度更大。神经质对技能知识分享出度(b=-1.95,p<0.05)有显著负向预测作用，高神经质的个体技能分享网络的出度更小。外倾性和开放性对知识分享网络中心度的预测作用均不显著(详见表2)。

表2 关于人格的知识分享网络中心度的多层线性回归

四、 讨论

虽然已有研究探究了人格与知识分享行为之间的关系，然而以往的研究没有从网络的视角出发。本研究探索了人格与知识分享网络中心度的关系，并将知识分享划分为新知识分享、一般知识分享和技能知识分享，由此可以更清楚地了解人格与特定类型的知识分享之间的关系。本研究表明，人格与新知识分享网络的出度和入度无关，但是与一般知识和技能知识网络中心度有关。进一步的回归分析表明，高宜人性的个体更倾向于收集和贡献一般知识与技能知识；高责任心的个体更乐于向他人贡献一般知识和技能知识；高神经质的个体比较不乐于向他人贡献技能知识；外倾性和开放性与一般知识和技能知识分享网络中心度无关。这些结果与我们的假设部分吻合。

以上结果表明，人格影响个体是否分享特定类型的知识，而不是所有的知识分享行为。人格不影响新知识分享网络中心度，新知识分享可能受其他因素(如能力)的影响。然而，人格对于一般知识和技能知识的分享起了很大的作用。这些结果在一定程度上解释了为什么以往的研究发现人格与知识分享之间存在不一致的关系，原因可能就在于，这些既有研究并未区分不同的知识类型。本研究也发现，年龄与技能知识分享网络的出度呈正相关。年长者在工作领域具备更好的技能和经验，所以他们更加频繁地与他人分享知识。女性比男性更乐于分享知识，性别差异和合作行为的研究表明，女性在囚徒困境博弈中的合作率明显比男性高，在最后通牒和独裁者博弈中，女性比男性贡献得多而且女性提议者比男性提供更多的钱(Ivanova-Stenzel & Kübler, 2011)。本研究中，团队规模越大，越少有员工与同事分享知识。这可能是由于相比小团队，大团队的成员满意度、参与度及合作度更低。随着团队扩大，个体之间的心理距离增加(Pearce & Herbik, 2004)。

本研究还考虑了知识分享的方向，即一个人既可以是知识的传播者(本研究中的出度)，也可以是知识的接受者(本研究中的入度)。因此，我们区分了人格对知识收集和知识贡献的不同作用。在大多数研究中，知识分享仅仅是指知识贡献(传递给他人知识)，而忽略知识收集(从他人那里接收知识)。本研究表明，高宜人性的个体更乐于与他人分享一般知识和技能知识，同时，其他人也更乐于与高宜人性个体分享知识。高责任心的个体更乐于与他人分享知识，而他人是否与他们分享知识并不取决于他们责任心的高低。虽然，宜人性和责任心与知识分享行为之间有不同的关系模式，但都对知识分享具有积极影响，这与之前的研究和假设基本一致。

本研究发现神经质与一般知识和技能知识分享网络中心度呈负相关，而且可以负向预测技能知识分享网络的出度，这与以往研究不同，根据Gupta(2008)和Wang & Yang(2007)的研究，神经质与知识分享无关。这可能是由于，通过整合自陈量表和其他人评的量表测得的知识分享行为作为因变量，在测量上能够更精确。高神经质的人在现实中可能更少与他人分享知识，但他们可能不会报告真相。元分析也指出，对神经质与责任心的测量，反应失真最有可能发生，因为这两项人格特质对工作绩效和管理者的受欢迎程度影响最大(Van Hooft & Born, 2012)。神经质也和回避动机高度相关，且能较好地预测经验回避(经验回避是指对消极思想和经验的接受程度较低，并试图避免它们)(Liu et al., 2013)。所以在一定程度上，这可以解释为什么在之前的研究中，只发现了人格与知识分享行为之间的正相关或不相关关系。另外，本研究在收集和分析数据时，把团队因素纳入考虑范围，以求更加准确地反映变量之间的关系。而且本研究要求参与者报告他们与某个确定的团队成员知识分享的情况，而不是与总体成员知识分享的情况。实际上，我们发现，高神经质的个体不太可能与他人分享工作技能，这意味着神经质对工作技能的分享非常重要。

在我们的研究中，外倾性无法预测知识分享网络中心度，这与Gupta(2008)的研究结果一致，也符合我们的假设。这表明外倾性不是影响知识分享的重要因素。开放性同样不能预测知识分享网络中心度，这与我们的假设不一致。在大多数前人研究中，开放性与知识分享正相关，只有在Gupta(2008)的研究中，开放性与知识分享无关。这些结果表明，开放性对知识分享的影响还需要进一步的研究。宜人性和责任心的结果与之前的研究基本一致。Gupta(2008)发现，高责任心的个体比低责任心的个体更多参与知识获取的活动，我们的研究没有发现责任心对知识收集的影响。但是，Gupta(2008)研究的知识获取活动(阅读新闻和文章、参加培训项目、尝试新的工作方式、与前辈和同事讨论等)与本研究中的知识收集不一样，本研究的知识收集只是知识分享的一个方面，不等同于知识获取活动。

从目前的研究，我们可以得出结论：人格对一般知识和技能知识分享有影响，但对新知识分享没有影响。具体来说，宜人性和责任心正向影响一般知识和技能知识分享，神经质负向影响技能知识分享。

五、 研究意义

对于雇主或领导者，在招聘员工或者建立团队的时候，需要将个体人格纳入考虑。不同团队的知识分享模式所适用的团队成员特征不同。对于需要技能分享的团队，年长者以及那些高宜人性、高责任心和低神经质的员工更佳。对于需要一般知识分享的团队，高宜人性、高责任心的员工是必需的。如果团队需要新知识(例如负责产品研发的团队)，其他因素比人格更重要。

六、 不足和未来研究方向

本研究样本中的团队规模有较大差异，有研究表明团队规模会影响网络的出度和入度(Tichy et al., 1979)。但是，本研究通过UCINET软件对出度和入度进行了标准化，并在分析数据的时候将团队大小作为控制变量，尽可能地规避了团队规模对研究结论的干扰。此外，本研究是一个横断面研究，仅从静态的视角对人格与知识分享网络的关系进行了考察，无法了解人格对团队内的知识分享网络动态演化的影响，这有待未来进一步研究，未来研究可以从团队形成时就开始纵向收集数据。最后，本研究的数据是从科技信息公司收集而来，所以结论是否能推及其他类型的团队还有待进一步的研究。

此研究获得中国国家自然科学基金项目(项目号：71774156)资助。