METHODS
The research setting for this study was a contract R&D firm
located in a medium-size city in the American Midwest. The
firm provides technical consulting in the area of materials science
and includes such services as assisting clients with
designing products and selecting materials, developing and
improvingm anufacturingp rocesses, performings cientific
analyses, and assessing product performance and quality.
The firm distinguishes itself from other technical consultants
by offering support services for the entire life cycle of customers'
products and by providingi nterdisciplinarsyc ientific
consulting. To deliver integrated solutions to its clients, the
firm organizes temporary project teams composed of members
drawn from the relevant areas of expertise (e.g., analytic
services, applied science, engineering, materials, etc.). Given
the need to provide integrated solutions that draw on expertise
from different areas of expertise, project success
depends criticallyo n individualsa' bilityt o transfer knowledge
effectively. Consistent with the short-term, integrative nature
of the work, the firm has a very flat organizationasl tructure
with no formal hierarchy. The majority of employees are scientists
and engineers, holding master's degrees and doctorates.
At the time of the study, the firm employed 113 people
and had been operating for 15 years.
To test our predictions, we gathered data from multiple
sources. We collected data on knowledge codifiability, area of
expertise (to measure expertise overlap), tie strength, network
structure, and ease of knowledge transfer using a survey
instrument that we administered onsite at the firm over
the course of two days. The survey had a very high response
rate of 92 percent (104/113), and 84 percent of the respondents
completed the entire survey. Independent of the survey, we gathered data from two additional sources. We collected
data to measure expertise overlap from an executive
in charge of knowledge management. We also obtained
demographic data from the human resources department.
Even though we collected data from multiple sources, there
is the potential that some independent variables are subject
to single-source bias (Podsakoff and Organ, 1986; Aviolo,
Yammarinoa, nd Bass, 1991; Doty and Glick,1 998). Singlesource
bias occurs when some, or in extreme cases all, of
the observed association between variables is due to artifactual
covariance,s uch as a social desirabilityb ias (Podsakoff
and Organ, 1986). The knowledge codifiabilityt,i e strength,
and knowledge transfer variables are suspect because these
data came from the same survey. The same is not true, however,
for the key network variables used to test hypotheses 3
and 4. Our indicators of cohesion and range were constructed
from interaction data provided by multiple respondents.
Our indicator of network range also incorporates data about a
person's area of expertise, collected from the executive in
charge of knowledge management. The use of multiple individual
responses and multiple data sources in constructing
the network variables means that response bias does not
affect the test of the network hypotheses (i.e., H3 and H4).
To the extent that single-source bias does affect our results,
it should create a more demanding test of the network
hypotheses by inflating the significance of the other independent
variables( i.e., knowledge codifiabilitya nd tie strength,
H1-H2b
METHODSThe research setting for this study was a contract R&D firmlocated in a medium-size city in the American Midwest. Thefirm provides technical consulting in the area of materials scienceand includes such services as assisting clients withdesigning products and selecting materials, developing andimprovingm anufacturingp rocesses, performings cientificanalyses, and assessing product performance and quality.The firm distinguishes itself from other technical consultantsby offering support services for the entire life cycle of customers'products and by providingi nterdisciplinarsyc ientificconsulting. To deliver integrated solutions to its clients, thefirm organizes temporary project teams composed of membersdrawn from the relevant areas of expertise (e.g., analyticservices, applied science, engineering, materials, etc.). Giventhe need to provide integrated solutions that draw on expertisefrom different areas of expertise, project successdepends criticallyo n individualsa' bilityt o transfer knowledgeeffectively. Consistent with the short-term, integrative natureof the work, the firm has a very flat organizationasl tructurewith no formal hierarchy. The majority of employees are scientistsand engineers, holding master's degrees and doctorates.At the time of the study, the firm employed 113 peopleand had been operating for 15 years.To test our predictions, we gathered data from multiplesources. We collected data on knowledge codifiability, area ofexpertise (to measure expertise overlap), tie strength, networkstructure, and ease of knowledge transfer using a surveyinstrument that we administered onsite at the firm overthe course of two days. The survey had a very high responserate of 92 percent (104/113), and 84 percent of the respondentscompleted the entire survey. Independent of the survey, we gathered data from two additional sources. We collecteddata to measure expertise overlap from an executivein charge of knowledge management. We also obtaineddemographic data from the human resources department.Even though we collected data from multiple sources, thereis the potential that some independent variables are subjectto single-source bias (Podsakoff and Organ, 1986; Aviolo,Yammarinoa, nd Bass, 1991; Doty and Glick,1 998). Singlesourcebias occurs when some, or in extreme cases all, ofthe observed association between variables is due to artifactualcovariance,s uch as a social desirabilityb ias (Podsakoffand Organ, 1986). The knowledge codifiabilityt,i e strength,and knowledge transfer variables are suspect because thesedata came from the same survey. The same is not true, however,for the key network variables used to test hypotheses 3and 4. Our indicators of cohesion and range were constructedfrom interaction data provided by multiple respondents.Our indicator of network range also incorporates data about aพื้นที่ของผู้เชี่ยวชาญ รวบรวมจากผู้บริหารในค่าธรรมเนียมการจัดการความรู้ การใช้ของแต่ละบุคคลหลายตอบสนองและแหล่งข้อมูลหลายแหล่งก่อสร้างหมายถึงตัวแปรของเครือข่ายที่ไม่มีความโน้มเอียงในการตอบสนองผลการทดสอบสมมุติฐานการเครือข่าย (เช่น H3 และ H4)แค่ต้นเดียวอคติส่งผลต่อผลลัพธ์ของเราจึงควรสร้างแบบทดสอบขึ้นเรียกร้องของเครือข่ายสมมุติฐาน โดย inflating สำคัญของอิสระอื่น ๆตัวแปร (เช่น ความรู้ codifiabilitya nd ผูกความแข็งแรงH1-H2b
การแปล กรุณารอสักครู่..
วิธีการตั้งค่า
การวิจัยเพื่อศึกษาสัญญา R D
&บริษัทตั้งอยู่ในเมืองขนาดกลางในอเมริกันมิดเวสต์
มีที่ปรึกษาทางเทคนิค บริษัท ในพื้นที่ของ
วัสดุศาสตร์และรวมถึงบริการต่างๆ เช่น ช่วยเหลือลูกค้าด้วย
ออกแบบผลิตภัณฑ์และการเลือกวัสดุ การพัฒนา และ
improvingm anufacturingp rocesses performings cientific
, วิเคราะห์ ,และการประเมินประสิทธิภาพของผลิตภัณฑ์และคุณภาพ บริษัท แตกต่างจากตัวเอง
ที่ปรึกษาทางเทคนิคอื่น ๆโดยนำเสนอบริการสนับสนุนตลอดวัฏจักรชีวิตของผลิตภัณฑ์ของลูกค้าและ providingi nterdisciplinarsyc ientific
ปรึกษา เพื่อส่งมอบโซลูชั่นให้กับลูกค้าของ บริษัท จัดการโครงการชั่วคราว
ทีมประกอบด้วยสมาชิกวาดจากพื้นที่ที่เกี่ยวข้องของความเชี่ยวชาญ เช่น วิเคราะห์
บริการ , วิทยาศาสตร์ , วิศวกรรม , วัสดุ , ฯลฯ ) ให้
ต้องให้โซลูชั่นแบบครบวงจรที่วาดบนความเชี่ยวชาญ
จากพื้นที่ที่แตกต่างกันของความเชี่ยวชาญ ความสำเร็จของโครงการขึ้นอยู่กับ criticallyo
n '
o individualsa bilityt ถ่ายทอดความรู้ได้อย่างมีประสิทธิภาพ สอดคล้องกับระยะสั้น
ธรรมชาติแบบบูรณาการงานบริษัท มีแบนมาก organizationasl tructure
ไม่มีแบบลำดับขั้น พนักงานส่วนใหญ่เป็นนักวิทยาศาสตร์และวิศวกร
ถือองศาปริญญาโทและปริญญาเอก .
ในช่วงเวลาของการศึกษาของ บริษัท จำนวน 113 คน และเคยผ่าตัด
15 ปี .
ทดสอบการคาดการณ์ของเรา เราเก็บรวบรวมข้อมูลจากหลายแหล่ง
เก็บข้อมูลบนพื้นที่
codifiability ความรู้ความเชี่ยวชาญ ( เพื่อวัดความทับซ้อนกัน ) , ผูกความแข็งแรงโครงสร้างเครือข่าย
และความสะดวกในการถ่ายทอดความรู้โดยใช้เครื่องมือที่เราใช้ในการสำรวจ
ที่ บริษัท ผ่านหลักสูตร 2 วัน โดยมีอัตราการตอบสนอง
สูงมากร้อยละ 92 ( 104 / 113 ) และ 84 เปอร์เซ็นต์ของผู้ตอบแบบสอบถาม
เสร็จสิ้นการสำรวจทั้งหมด อิสระของการสำรวจเรารวบรวมข้อมูลจากอีกสองแหล่ง เราเก็บรวบรวมข้อมูลในการวัดความทับซ้อน
จากผู้บริหารรับผิดชอบในการบริหารจัดการความรู้ เรายังได้รับข้อมูลส่วนบุคคลจาก
แม้ว่าแผนกทรัพยากรบุคคล เราได้เก็บรวบรวมข้อมูลจากหลายแหล่ง มี
คือศักยภาพบางตัวแปรอิสระอาจมี
เป็นกลางแหล่งเดียว ( podsakoff และอวัยวะ , 1986 ; aviolo
,yammarinoa , ND bass , 1991 ; โดตี้ และ กลิค , 1 , 998 ) singlesource
อคติเกิดขึ้นเมื่อบาง หรือในกรณีที่รุนแรงทั้งหมด ของความสัมพันธ์ระหว่างตัวแปรสังเกตได้
เนื่องจาก artifactual 354 , s uch เป็น desirabilityb IAS สังคม ( podsakoff
และอวัยวะ , 1986 ) ความรู้ codifiabilityt ผม อี ความแข็งแกร่ง และการถ่ายโอนความรู้ที่มีตัวแปร
สงสัยเพราะข้อมูลเหล่านี้มาจากการสำรวจเดียวกันเดียวกันไม่เป็นความจริง อย่างไรก็ตาม
สำหรับคีย์เครือข่ายตัวแปรที่ใช้ในการทดสอบสมมติฐาน 3
4 . ตัวชี้วัดของการทำงานร่วมกัน และช่วงขึ้น
จากปฏิสัมพันธ์ข้อมูลให้หลาย ๆคน
บ่งชี้ของเราเครือข่ายช่วงนี้ยังประกอบด้วยข้อมูลเกี่ยวกับพื้นที่ของความเชี่ยวชาญเป็นพยาบาลบุคคล รวบรวมจากผู้บริหารใน
ค่าธรรมเนียมการจัดการความรู้ การใช้
บุคคลหลายการตอบสนองและหลาย ๆ แหล่งข้อมูลในการสร้างเครือข่ายตัวแปรแปลว่าอคติ
การตอบสนองไม่มีผลต่อการทดสอบสมมติฐาน ( เช่นเครือข่ายและ H3 H4 ) .
จนอคติแหล่งเดียวไม่มีผลต่อผลของเรา
มันควรสร้างความต้องการมากขึ้นการทดสอบเครือข่าย
สมมติฐานโดย inflating ความหมาย อื่น ๆอิสระ
ตัวแปร ( เช่นความรู้ codifiabilitya เสมอ
h1-h2b ครั้งแรง
การแปล กรุณารอสักครู่..