外部知识网络特征、知识管理过程与创新型大学一流学科生成

李春林，丁云龙

(哈尔滨工业大学经济与管理学院，黑龙江 哈尔滨 150001)

1 理论假设与研究架构

1.1 网络结构维度与学科知识管理过程

(1)网络规模。知识网络规模是网络大小的量度，是指网络包含的节点数量。知识网络组成了一个信息和知识的流动渠道，网络中的每个成员都既是信息的接受者也是信息的传递者［1］。组织的网络规模越大，获取知识的可能性越大［2］。组织的合作范围越广，它能够接触的知识领域就越宽，就越能够吸取到有用的知识，从而增加组织的知识存量及合作经验［3］。

(2)网络中心度。在网络中居于中心位置的网络成员起着联结其他网络成员的作用。组织的网络位置是影响知识资源获取的重要因素，位于中心位置的网络成员有机会接触到更多的成员，因此拥有更多的信息渠道，增加了其吸收其他网络成员知识的机会［4］。网络中心度能够影响组织获取知识的能力［5］，处于网络中心位置的组织所具有的中间人角色使他们能够获取更多的信息和知识，甚至可以控制知识的流动和转移［6］。

基于以上分析，我们提出以下假设:

Hla:学科外部知识网络规模越大，越有利于知识传播;Hlb:学科外部知识网络规模越大，越有利于知识生产;Hlc:学科外部知识网络规模越大，越有利于知识应用;H2a:学科在外部知识网络中越是居于中心位置，越有利于知识传播;H2b:学科在外部知识网络中越是居于中心位置，越有利于知识生产;H2c:学科在外部知识网络中越是居于中心位置，越有利于知识应用。

1.2 网络关系维度与学科知识管理过程

(1)关系强度。关系强度反映了连接组织之间关系的密切程度，通常随着双方频繁的交流和沟通而提高［7］。越来越多的研究表明，高强度关系会促进知识转移［8］。高强度会促进组织作出努力来确保知识追求者或接受者充分理解并运用新获得的知识［9］。强联结使焦点组织能了解更多关于其他网络成员的能力和合作意愿，增强组织相互信任、承诺与知识分享［10］。

(2)信任。信任反映的是一方相信对方的话语或承诺是可靠的，由此愿意在关系中履行自身义务的一种信念［11］。战略联盟伙伴间的信任是行为基础的，组织需要通过它的行为表示出它是可靠的［12］。信任是合作关系中促进学习和创新行为的最突出因素［13］。当彼此间信任度高时，组织可能愿意在学习上投入更多资源，因为伙伴不会对知识溢出采取特别的控制［14］。

基于以上分析，我们提出以下假设:

H3a:学科与外部知识网络节点关系强度越高，越有利于知识传播;H3b:学科与外部知识网络节点关系强度越高，越有利于知识生产;H3c:学科与外部知识网络节点关系强度越高，越有利于知识应用;H4a:学科与外部知识网络节点信任程度越高，越有利于知识传播;H4b:学科与外部知识网络节点信任程度越高，越有利于知识生产;H4c:学科与外部知识网络节点信任程度越高，越有利于知识应用。

1.3 网络认知维度与学科知识管理过程

共同愿景包括组织间的共同目标、期望与抱负，当组织间拥有共同愿景时，便能熟悉彼此行为而减少沟通误解，增加了交换资源的机会［15］。对未来愿景认知的一致性可以降低个体搜寻和选择所需知识的成本，较快确定自己所需学习的知识［16］。共同愿景有利于创造合作伙伴之间的双赢局面，从而有利于彼此之间的知识交流和共享［17］。

基于以上分析，我们提出以下假设:

H5a:共同愿景与知识传播正相关;H5b:共同愿景与知识生产正相关;H5c:共同愿景与知识应用正相关。

1.4 知识管理过程与一流学科生成

(1)知识传播。来自组织外部的知识转移对组织绩效和创新能力具有重要意义，从外部环境中有效地获取所需的知识资源会对组织绩效产生正的影响［18］。穿越组织边界的组织间联系有助于激活跨组织的知识交换，进而促进组织创新［19］。组织知识转移通过整合现有知识和新获取的知识，增强组织单位创新的能力［20］。

(2)知识生产。组织间结盟可以获取知识，但最终目的是知识应用和知识创造［21］。当组织创新要求与其自有知识存在较大缺口时，往往会寻求伙伴结成战略联盟，利用联盟中的知识实现创新和发展［22］，多样性知识的获取对组织创新绩效非常重要［23］。

(3)知识应用。知识应用是知识整合的最终目标，其他知识整合活动都应该围绕这一目标来进行。紧密围绕组织知识管理的核心能力的形成和发展来开展的组织创新，能有效提升组织创新的效率和效果［24］。如果一个组织要获得或维持其竞争优势，系统的知识管理及较强的知识管理能力是十分必要的［25］。组织必须具备通过各种手段、技术和方法整合知识、利用知识的能力，来获取组织持续的竞争优势和较高的组织绩效［26］。知识整合对绩效有积极影响［27］。

基于以上分析，我们提出以下假设:

H6:知识传播与一流学科生成正相关;H7:知识传播与知识生产正相关;H8:知识生产与一流学科生成正相关;H9:知识生产与知识应用正相关;H10:知识应用与一流学科生成正相关。

2 研究方法

2.1 变量测量与研究设计

为了保证问卷指标的度量符合客观实际情况，具有较好的信度和效度，本研究采用以下量表设计原则来保证量表质量:①尽可能选择与本研究具有直接联系的相关文献中出现的量表;②尽可能选择已经被验证并得到广泛应用的量表;③优先选择信度和效度较高的量表。对于没有可参照量表的概念，在编制量表时，严格按照量表设计规范进行操作。

问卷设计采用封闭式问卷，使用里克特五级量表的形式对变量进行测量，除个人基本资料问题之外，其余问题均采用主观感知方法。在初步问卷形成之后，作者选取 H大学的4个学科，在实地访谈和问卷预测基础上，对初始问卷中的概念偏差、语义模糊、内容不清的题项进行修改，并经过相关领域专家审阅，形成最终调查问卷。

2.2 数据收集

问卷发放对象为国内第一批985高校中工科实力突出的7所高校和工业和信息化部所属的2所高校，共计9所高校，涉及7个工科学科。这些学科在2007年教育部学科评估中，排名在全国前5名。通过实地调查、问卷邮寄、电子邮件等多种方式发放问卷，共发出问卷300份，回收223份，整体回收率为74.3%。在回收的223份问卷中，剔除无效问卷18份，最后得到适合进行后续研究的有效问卷205份，有效问卷率为91.9%。

2.3 信度和效度分析

将205份问卷数据输入到SPSS17.0中，计算得到表1。结果显示，每组题项的Cronbach's α值均大于0.7，说明各因子变量相关性较好，内部一致性系数较高，利用该量表进行调查是可靠的。

通过KMO样本和Bartlett球体检验后，对样本数据进行探索性因子分析。一般认为样本数据的KMO值应大于0.5，Bartlett球形检验的卡方值显著，样本的相关矩阵有公因子，适合进行因子分析［28］。本文样本数据的 KMO 为 0.955(＞ 0.5)，Bartlett球形检验的卡方值为 8960.110，在 p＜0.001水平下显著，样本数据可以进行因子分析。分析计算表明，所有变量在公共因子上的载荷都大于0.7，说明测量结果与问卷的理论框架基本吻合，量表具有较好的结构效度。

表1 描述性统计与信度测量

3 结构方程模型分析

3.1 模型拟合与修正

在AMOS7.0中建立初始路径图并导出相应数据，经过AMOS Graphics的第一次迭代运算，得到初始SEM模型估计的各个指标。

表2显示的是整体模型拟合度的各种拟合指数值，其中，χ2/df=2.283 ＜3.0，这表明拟合效果可以接受;但 GFI值为 0.898、AGFI的值为0.893、NNFI的值为0.889、CFI的值为0.826，均小于0.9，这表明初始模型没有与样本数据很好地拟合，尚需要对初始SEM模型作进一步改进，使之更符合数据所反映的模型。分析初始SEM模型运算结果所给出的变量之间的路径系数，除了少数路径系数之外，结构方程模型中的大部分路径系数相应的C.R.均大于1.96的参考值，在P≤0.05水平上具有统计显著性。其中，未达到结构方程模型拟合要求的3条路径为:知识生产＜---网络中心(KP＜---ENC)，知识生产 ＜---共同愿景(KP＜---ESV)，知识应用 ＜---信任(KA＜---ER)。

表2 整体模型拟合检验表

对SEM模型的修正一般有两种途径，即修改指标MI和增加或删除自变量间的路径关系。在对上述两方面的模型修正方法进行权衡后，特别是在详细对本研究的各变量间关系的实际意义思考基础上，本研究采取第二种修正方法，即删除在第一次运算中没有通过检验的三条路径，得到修正模型。通过对修正模型重新进行结构方程模型分析，对修正模型重新进行整体拟合检验，得到修正模型的各项拟合指数(见表3)。表3数据表明，修正模型的各项拟合指数与初始模型的值相比有了显著提高。综合各拟合系数的评判，对初始模型进行修正后所得模型与数据拟合通过检验，模型具有良好的拟合度。

表3 修正模型拟合检验表

3.2 假设检验

由于模型修正时去掉了不具有显著意义的假设路径关系，需要重新对修正模型进行路径系数的显著性检验，使用 Amos软件进行估计和检验，修正模型输出的路径估计系数与参数显著性检验结果(见表4)。组织信任潜变量对知识生产潜变量的路径系数为0.312，其 C.R.值为3.19，相应的p值为0.001，则认为这个路径系数在99%的置信度下与0存在显著性差异，同理可以判定修正模型的其他路径系数是显著的。

表4 修正后的路径系数估计表

根据表4的路径估计，本文建立的20个原假设中的17个通过了假设检验得到支持，而假设H2b、H5b、H4c则没有通过假设检验。根据表7的路径系数，对知识传播(KN)影响最大的是信任(ER)，路径系数为0.514;对知识生产(KP)影响最大的是信任(ER)，路径系数为0.312;对知识应用(KA)影响最大的是共同愿景(ESV)，路径系数为0.3;对学科成长(TD)影响最大的是知识传播(KN)，路径系数为0.382。此外，KN对KP有较大影响，其路径系数为0.659;KP对KA也有较大影响，其路径系数为0.314。

4 主要研究结论

(1)外部网络规模对学科知识传播、知识生产和知识应用产生正向影响，假设 H1a、H1b、H1c得到验证。这说明，网络规模的扩大使学科更容易获取保持自身竞争优势的优质知识资源，知识传播、知识生产和知识应用的机会增多。因此，学科应该加强与同类学科、交叉学科、政府、企业等优质网络节点的互动，保持适度的外部知识网络规模。

(2)网络中心度对学科知识传播和知识应用产生正向影响，假设H1a、H1c得到验证。但网络中心度对知识生产的正向影响作用不显著，假设H1b没有得到证实。说明学科位于网络的中心位置，有机会接触更多的网络成员，因此拥有更多的知识获取渠道，这有利于知识的交流共享。同时由于学科的网络中心度位置，其在网络中的声望一般较高，会有更多的外部网络节点了解学科拥有的知识资源，这也进一步强化了学科的知识应用职能。学科的网络中心地位对知识生产没有显著影响，可能是因为学科更依赖于通过内部网络节点的互动进行知识创造。

(3)网络关系强度对学科知识传播、知识生产和知识应用产生正向影响，假设H3a、H3b、H3c得到验证。这说明，强连接有利于网络知识节点之间的互相了解，使节点之间的关系更加密切，这在一定程度上会使网络合作关系趋于稳定。强连接促进了网络节点之间稳定的合作关系和信任，使学科能够获取更高质量的知识。学科与外部网络节点接触越频繁，知识流动与传播就越快，学科能更快速和有效地获取和利用知识。

(4)信任对学科知识传播和知识生产产生正向影响，假设H4a、H4b得到验证。但信任对知识应用的正向影响作用不显著，假设H4c没有得到证实。这说明，良好的互动关系容易使组织保持密切的关系和高信任水平，高信任水平不仅能够减少网络节点间的机会主义行为，降低知识交易成本，消除对知识尤其是对隐性知识的保护意识，还能够促进知识接受者和发送者之间建立更为丰富的知识转移渠道，有助于彼此间知识的交流共享，进而促进知识的整合和创造。信任对知识应用的正向影响作用不显著，可能是因为知识应用更多的是通过知识网络节点间签订正式合同或契约等形式进行的。

(5)共同愿景对学科知识传播和知识应用产生正向影响，假设H5a、H5c得到验证。但共同愿景对知识生产的正向影响作用不显著，假设H5b没有得到证实。这说明，共同愿景能够加强网络节点成员之间相互了解的愿望，有利于形成共同语言和价值观，能够提高知识传达的准确性，减少沟通的误解，从而增强知识的共享和应用。共同愿景对知识生产的正向影响作用不显著，表明共同开展合作研究进行知识创造的具体落实措施还很有限。

(6)知识传播对知识生产产生正向影响，知识生产对知识应用产生正向影响，知识传播、知识生产和知识应用对学科成长产生正向影响，假设H6、H7、H8、H9、H10得到验证。这说明学科内部三个职能之间是相互影响的，学科每一个职能都是对其他职能的强化。通过知识的交流共享，不断产生新的火花，会促进知识的生产。只有具备知识生产的能力，才能保证知识应用职能的发挥。学科知识的传播、知识生产和知识应用能力同时对学科成长产生显著正向影响，这说明创新型大学一流学科要保持知识传播、知识生产和知识应用的平衡，不能顾此失彼，同时也验证了创新型大学首先要坚守学术核心价值的观点。

［1］Ahuja，G.Collaboration networks，structural holes，and innovation:A longitudinal study［J］.Administrative science quarterly，2000，45(3):425-455.

［2］Inkpen，A.C.and Tsang，E.Networks，Social Capital and Learning［J］.Academy of Management Review，2005(30):146-65.

［3］Zahra，S.A.，George，G.Absorptive capacity:A review，reconceptualization，and extension［J］.The Academy of Management Review，2002，27(2):185-203

［4］Mom T J M，Van Den Bosch F A J，Volberda H W.Investigating managers'exploration and exploitation activities:The influence of top-down，bottom-up and horizontal knowledge inflows［J］.Journal of Management Studies，2007，44(3):910-931.

［5］Ahuja，G.The Duality of Collaboration;Inducements and Opportunities in the Formation of Interfirm Linkages［J］.Strategic Management Journal，2000，21:317-43.

［6］Burt，R.S.，Structural Holes.The Social Structure of Competition［J］.Cambridge，MA.Harvard University Press，1992.

［7］Hansen，M.T.The Search-transfer Problem;The Role of Weak Ties in Sharing Knowledge across Organization Sub-units［J］.Administrative Science Quarterly，1999，44:82-111.

［8］Reagans，R.and McEvily，B.Network Structure and Knowledge Transfer.The Effects of Cohesion and Range［J］.Administrative Science Quarterly，2003，48:240-67.

［9］Hansen，M.T.The Search-transfer Problem;The Role of Weak Ties in Sharing Knowledge across Organization Subunits［J］.Administrative Science Quarterly，1999，44:82-111.

［10］Greve H，Rowley T，Shipilov A V，et al.Time to break up:Social and instrumental antecedents of firm exits from exchange cliques［J］.Academy of Management Journal，2005，48(4):499-520.

［11］Inkpen，A.C.Learning Through Joint Ventures;A Framework of Knowledge Acquisition［J］.Journal of Management Studies，2000，37:1019-43.

［12］Dyer，J.H.，Nobeoka，K.Creating and Managing A High-Performance Knowledge-Sharing Network:The Toyota Case［J］.Strategic Management Journal，2000，21(Special Issue):345-367.

［13］Newell S，Swan J，Galliers R D.A knowledge-focused perspective on the diffusion and adoption of complex information technologies:The BRP example［J］.Information Systems Journal，2000，10(3):239-259.

［14］Koka，B.R.，Prescott，J.E.，Strategic Alliances and Social Capital:A Multidimensional View［J］.Strategic Management Journal，2002，23:795-816.

［15］Nahapiet，J.，Ghoshal，S.Social capital，intellectual capital and the organization advantage［J］.Academy of management review，1998，23(2):242-266.

［16］Nonaka I，Konno N.The concept of Ba0:Building a foundation for knowledge creation［J］.California Management Review，1998，40(3):40)54.

［17］Ye，F.Strategic partnerships in transformational outsourcing as distinctive source of IT value:A social capital Perspective［D］.Doctor dissertation of Robert H.Smith School of Business，2005.

［18］Zahra S A，Bogner W C.Technology strategy and software new ventures performance:Exploring the moderating effect of competitive environment［J］.Journal of Business Venturing，2000，15(2):135-173.

［19］Tortoriello，M.，Krackhardt，D.Activating Cross-Boundmy Knowledge:the Role of Simmelian Ties in the Generation of Innovations［J］.Academy of Management Journal，2010，53(1):167-181.

［20］Jansen，J.J.P.，Van den Bosch，F.A.J.and Volberda，H.W.Managing Potential and Realized Absorptive Capacity;How do Organizational Antecedents Matter?［J］.Academy of Management Journal，2005，48:999-1015.

［21］Moiler，K.Svahn，S.Role of Knowledge in Value Creation in Business Nets［J］.Journal of Management Studies，2006，43:985-1007.

［22］Busoni，S.，Prencipe，A.Pavitt，K.Knowledge Specialization，Organizational Coupling and the Boundaries of The Firm:Why Do Firms Know More Than They Make?［J］.Administrative Science Quarterly，2001，46:1185-200.

［23］Rodan，S.，Galunie，C.More than Network Structure:How Knowledge Heterogeneity Influences Managerial Performance and Innovativeness［J］.Strategic Management Journal，2004，25:541-62.

［24］Newell S，Galliers R D.Implementing enterprise resource planning and knowledge management systems in tandem:fostering efficiency and innovation complementarily［J］.Information and Organization，2003，13(1):25-52.

［25］Brian S，Theodore P，John T .Linking improved knowledge management to operational and organizational performance［J］.Journal of Operations Management，2009，27(3):247-264.

［26］张新香.企业知识管理能力的模糊综合评价［J］.科学学与科学技术管理，2008，(3):108-112.

［27］Stasser G，Stewart D.The discovery of hidden profiles by decision-making groups:Solving a problem versus making a judgment［J］.Journal of Personality and Social Psychology，1992，63(3):426-434.

［28］邓朝华，鲁耀斌，张金隆.基于 TAM和网络外部性的移动服务使用行为研究［J］.管理学报.2007，4(2):216-221.