英语原文共 25 页，剩余内容已隐藏，支付完成后下载完整资料
译文
知识型员工的角色与行为——两个实证研究的结果[1]
Wolfgang Reinhardt 帕德伯恩大学计算机科学系
Benedikt Schmidt SAP研究与达姆施塔特大学计算机科学系
Peter Sloep and Hendrik Drachsler荷兰开放大学，学习科学和技术中心
本文提出了知识型员工的分类及其各自的知识行为，对现有的关于知识工作行为定义的文献进行了研究和评价，对现有的知识型员工角色分类进行了评估和扩展，并对知识型员工角色类型学的定义进行了额外的文献和实证研究。本文的实证数据来源于两项研究。在参与任务执行研究的20位知识型员工中，每个人必须完成一组事先准备好的任务。参与者所使用的计算机系统装有传感器，以便跟踪和分析任务的执行步骤。第二项研究的数据来自对知识型员工的问卷调查，共得到43份回答。研究结果表明，所选取的样本用户具有所有已识别的知识型员工角色特征，并且可以在第一次研究的传感器数据中识别出知识型员工的工作行为。本文通过提出一种新的分类方法，对知识型员工的角色和他们在日常工作中的知识行为进行了分类，从而对文献做出了贡献。此外，本文还对知识密集型工作任务之间的关系、它们所执行的角色以及用于完成各自任务的工具进行了初步的了解。版权所有copy;2011 John Wileyamp;Sons，Ltd.
引言
知识工作已成为当前研究和开发工作的主要驱动力。早在1959年，德鲁克就明确了社会向后工业化状态的转变，主要是从体力劳动向非体力劳动的转变（德鲁克，1959）。区分知识工作与其他传统工作的主要特征是知识工作的基本任务即思考。尽管所有类型的工作都需要体力、社会和脑力劳动的混合，但知识工作的特点是对需要非线性和创造性思维的非常规问题的长期处理。组织知识管理（KM）将知识定位为一种组织资源，并强调知识工作和知识型员工生产力的重要性，以实现竞争优势。知识管理领域的研究主要集中在四个方面：（1）知识的本质及其与数据和信息的区别；（2）实施知识管理的组织；（3）知识管理系统（KMS）的创建与利用；（4）组织内知识共享的激励。
（1）知识管理的第一个范围受到了显著的关注，其方法是区分内隐知识和外显知识（Polanyi，1967；Nonaka和Takeushi，1995；Alavi和Leidner，2001；Day，2005； Walsham，2005），以及对内隐知识的组织提取和使用的研究。尽管知识一直是个人和组织成功的决定因素，但它与数据和信息概念的关系以及独特的特征在哲学和技术领域中不断被讨论。虽然数据通常被定义为通过测量过程记录下来的原始符号或数字（Ackhoff，1989），但需要对信息进行定义，其中至少包括上下文和技术角度。Erren（2010）在他对信息的定义中融入了人力和技术维度，他指出“信息是感知或测量的一部分，通过突出而引起注意，从而产生认知或技术差异。”然而，知识的精确定义是研究人员在过去两千年中试图提出的。对于本文以及之后的文章（Spender，1996），我们将知识视为“一个过程或一个有能力的目标导向的活动而不是一个可观察和可转移的资源”，它允许在非常规问题中推导出新的理解（Billet，1998）。
（2）组织知识流的模型的组织方面和推导也受到了研究人员的关注。一些模型已经提出，在不同的环境和不同的焦点下绘制个人和组织的信息和知识流。 Holsapple和Jones（2004，2005）开发了一种先进的知识流模型，描述和讨论了知识工作中的活动。此外，Walsham（2005）引入了一个由Riss等人（2007）扩展的组织内知识转移模型。引入了一个由Riss等人（2007）扩展的组织内知识转移模型。Maier和Schmidt（2007）提出的知该模型区分了知识发展的不同阶段，以及与这些阶段相关的不同成熟层次的信息工件。识成熟过程，确定了个体间知识交换的阶段，并分析了交换中的中断。另一方面，Barth（2004）和Nissen（2005）则侧重于描述工具和不同形式知识对知识流的影响的模型。
（3）第三个流程侧重于知识管理系统的创建，实施和实际利用。然而，从从业者的角度来看，该流程主要处理现有软件解决方案的采用和调整以及知识管理实现方法的开发（Quaddus和Xu，2005；Stieger和Aleksy，2009），这一研究范围还包括对KM 系统利用价值的批判性分析（Kautz和Mahnke，2003）。
（4）近年来，员工激励问题也得到了广泛的研究。研究人员和从业者都认识到动机是接受和使用知识管理系统的主要因素。Kunzmann等人（2009）讨论了将知识型员工的内在和外在动机整合到组织学习支持策略设计中的相关性。因此，知识型员工使用知识管理系统的动机取决于三个维度：个人、人际和工作环境维度。Andriessen（2006）指出，个人知识共享行为取决于多种因素和过程，包括共享意愿和能力，以及对共享的感知障碍和组织的特征。考虑到知识型员工是组织中知识和能量的投资者（Stewart，1998；Davenport，1999； Efimova，2004），如果有正确的动机，知识型员工应该参与知识共享活动。接下来，知识管理的任务应该是建立激励和激活员工参与积极知识共享的工作条件（Kelloway和Barling，2000）。
尽管在这四个领域进行了广泛的研究，但大多数相关文献都将陷入知识困境的组织成员视为组织过程的固定因素（Geisler，2007）。因此，知识型员工往往被看作是其认知维度是以知识管理系统为目标的对象。知识型员工所拥有的不同角色、他们所从事的活动和行为，以及在工作执行过程中出现的潜在角色冲突都会被涉及到。因此，需要一个详细的知识型员工角色类型来支持类研究。
本文提出三个基本问题来指导我们的研究。首先，知识型员工在日常工作中是否扮演着不同的角色？第二，知识型员工在工作中有哪些一般性的知识行为？第三，知识型员工在特定任务中使用哪些工具，以及它们如何与已确定的知识行为和知识型员工角色相关联？
本文提出了知识型员工角色的类型学和知识行为的分类，将组织知识的生成和应用与用户联系起来。类型学确定了知识处理中的10个角色。本文的最后一部分讨论了对该主题进一步研究的意义以及对个人知识管理（PKM）和组织知识管理（OKM）系统的实际意义。
研究方法
作为物理和数字工作场所的研究人员，我们采用综合的、定性的和定量的研究方法来研究组织知识工作中的角色和行为。研究集中于组织各个层次的知识密集型工作场所，包括高级管理人员、一级和二级主管、技术工程师、初级和高级研究人员；它覆盖了欧洲的多家公司和研究机构。参与是自愿的，答复是完全保密的。
研究设计
研究包括各种各样的方法，从研究者和受访者之间的零到少的互动方法（即观察任务执行或调查问卷），到那些涉及到更高水平的研究者-受访者之间的互动方法。所使用的方法反映了我们对知识工作和工作场所的学习是发生在内隐和外显之间的连续体中的理解。理解知识工作需要更好地理解“人们在做什么”以及所涉及的实践（Schultze，2000a，2000b）。实践在重复的行动中展示知识型员工的解决策略。解决方案策略的一个核心要素是工具的应用。该工具是个人计算机与它的各种独立和基于web的应用程序（Pyoria， 2005），它构成了知识工作中大多数实践的重心，因此，我们认为理解个人计算机执行任务的实践是理解当前知识工作的一个重要因素。
在下文中，我们描述了我们的研究方法以及两项研究评估的参与者总数。
定性研究方法
定性研究旨在收集数据并深入理解人类行为以及控制此类行为的原因。通过观察来收集定性数据的一种方法是阴影法。阴影是指对个人或团体的观察，在这种情况下，研究人员除了提出简短的问题以确认外，不会打扰参与者。阴影可以让研究人员看到任务执行和学习是如何在自然环境中进行的。
为了深入了解个人计算机执行任务的实践，我们进行了一项探索性任务执行研究（TES），用来观察知识型员工在与计算机系统交互时的行为。
任务执行研究
我们的探索性研究设置如下。20名参与者（16名男性，4名女性；其中：6名博士后、2名研究人员、8名博士生和5名硕士生）在从事研究工作或在国际软件公司工作时，必须使用公司提供的标准计算机环境执行一系列任务。计算机环境包括操作系统、办公套件和网络浏览器。它代表了许多公司使用的标准工具集。
每个用户从包含九个任务的存储库中随机选择六个执行。用户熟悉这些任务，因为它们通常发生在日常业务中（例如，审查工作申请，根据不同的用户输入创建演示文稿）。这些任务是知识密集型的，因为它们需要对执行步骤进行单独的规划，包括在给定的环境中选择所涉及的信息源和工具。为了跟踪任务执行过程，我们给计算机系统配备了传感器，传感器通过与系统的交互（128507个事件）触发26种不同的事件类型。每个事件都包含有关用户交互的详细信息以及在交互环境中呈现给用户的可视内容。每个事件都包含有关用户交互的详细信息以及在交互环境中呈现给用户的可视内容。该表单征求了务执行过程的主要元素、用户的意图以及对所考虑的决策的认识。
在知识密集型任务执行方面的研究很少。在机器学习领域，基于用户-系统交互数据的任务识别算法性能和特征已经有了一些研究，例如（Lokaiczyk et al.， 2010）；（Rath，2010）；和（Brdiczka，2009）。任务执行过程并不是这些研究的重点。例如在给定的示例中，我们生成交互数据，但是重点关注于探索性数据分析，以找到交互数据中知识型员工的各个解决方案策略的表现形式。
数据分析揭示了需要进一步调查的各个方面。因此，在下一节中进行并描述了综合这些方面的第二次研究。
定量研究方法
虽然定性研究提供了对任务执行的深入理解，但定量研究以调查的形式，收集关于知识工作的各种意见和观点的数据。这是对定性数据的有用补充。在知识型员工角色问卷（KWRQ）中，我们使用免费软件LimeSurvey（Schmitz，2010）编制了一份在线问卷，因为这是本研究定量部分最合适的方法。KWRQ共分为四组，由针对结构良好和结构不良的工作环境中的欧洲知识型员工的46个问题组成。问卷的链接被发送到两个欧洲研究项目和10个中小型企业的联系人，以便在员工中发放。此外，我们还在Twitter和两个专业网站上分享了知识管理的链接。在开始回答调查问卷的149名参与者中，只有43名参与者完成了问卷，参与者平均需要39分钟才能填写完调查问卷。
调查对象的人口学统计数据
以下人口学统计数据说明了问卷调查对象的范围和多样性：
bull;60%为男性，40%为女性
bull;58%在教育或研究机构工作，40%在企业组织工作，2%在开源软件开发项目中工作
bull;47%年龄在25-30岁之间，14%年龄在31-35岁之间，12%年龄在36 - 40岁之间，28%年龄在41岁及以上，最大年龄为60岁
bull;56%在德国工作，9%在荷兰，7%在瑞士，7%在英国，5%在爱沙尼亚。其他受访者在奥地利、比利时、芬兰和瑞典工作。
bull;21%在教育部门工作，16%在研究部门，12%在计算机软件领域，9%在电子学习领域，9%在信息技术领域。其他受访者在市场营销和广告部门工作。
调查对象的工作经验
同样，以下关于受访者工作经历的数据说明了调查结果的范围和多样性。
bull;平均而言，受访者有9年的总体工作经验，极端情况为1年至38年，30%的员工有5年以上的工作经验，另外30%的员工有6-10年的工作经验。23%的受访者有10-20年的工作经验，16%的受访者有21年以上的工作经验。
bull;调查对象在目前岗位平均工作了3年；56%的人在目前岗位工作3年及以下，28%的人在4-10年之间，16%的人工作了11年及以上。
知识工作和作为理性能力的知识
德鲁克（1959）和Bell（1974）提出的“知识工作”概念已被证明有助于描述对现代经济至关重要的一类工作：将信息创造和消费日益融入日常工作过程的一类工作。Brinkley等人将知识经济描述为“新的通用技术如何与知识和知识资产（研究、设计、开发、创造力、教育、科学、品牌资产和人力资本等无形资产）相结合，从而改变我们经济的故事”（Brinkley， 2008）。这种知识经济是建立在劳动者在日常工作中从事知识密集型工作的基础上的。知识密集型任务由于其偶然性而抵制标准化。但事实是，对知识工作进行标准化分类是困难的。 Pyouml;riauml;（2005）研究了知识工作定义，重点研究了工作作为一项非常规任务的性质、知识型员工的教育或IT等技术的使用。Pyouml;riauml;表明，现有知识工作的定义没有一个能涵盖文献中描述的所有类型的知识工作。因此，Pyouml;riauml;赞成将特定项目的知识工作定义为应对现有定义多样性的适当方式。根据这一观点，我们想给出知识工作类型的具体情况，这即为本研究的主题。在本文中，我们将重点放在在IT技术的支持下知识工作作为知识密集型任务（例如，决策，知识生产方案和监控组织绩效）的执行上。在这个领域中，知识工作本质上由信息工件的组织、它们的创建、考虑和转换组成。工作流程由通信、数据生成和消费行为主导：发送和处理电子邮件，网页浏览，处理文档或进行计算。
使用计算机执行的知识密集型任务的主要特征是工作执行过程的薄弱结构（Bystrouml;m和Hans
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[448849]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
