研究论文

知识工作者生产率测量维度研究

  • 张卫平 ,
  • 路文杰
展开

张卫平 河北科技大学科研处 讲师

路文杰 河北科技大学科研处 副教授 博士

收稿日期: 2012-07-13

  网络出版日期: 2025-04-28

基金资助

河北科技大学博士科研启动基金项目“知识工作者管理研究”(QD201134)

Research on Measurement Dimensions of Knowledge Worker Productivity‌‌

  • Zhang Weiping ,
  • Lu Wenjie
Expand

Received date: 2012-07-13

  Online published: 2025-04-28

摘要

在分析知识工作者生产率评价和生产率测量维度重要性的基础上,通过文献回顾总结出知识工作者生产率测量的13个维度,作为问卷调查的题项,有针对性地对215名知识工作者进行调查。并对所得数据进行描述性统计分析、因子分析、信度与效度分析,最终确定知识工作者生产率测量的5个维度,分别是:工作数量、工作质量、工作有效性、客户满意度和工作成功度,详细分析这5个维度,为知识工作者的生产率评价指出方向。

本文引用格式

张卫平 , 路文杰 . 知识工作者生产率测量维度研究[J]. 知识管理论坛, 2013 , 2013(1) : 10 -14 . DOI: 10.7536/j.issn.2095-5472.2013.01.002

1 引言

21世纪是知识经济时代,知识工作者是知识经济时代社会进步和组织发展的最为核心的要素,是一个企业、地区乃至国家核心竞争能力的真正源泉,知识工作者不仅在知识经济时代的作用日益重要,与此同时,其群体也在迅速扩大,出现在许多行业和各种组织中。因此,评价知识工作者生产率对于现代管理具有重要意义,找到评价知识工作者生产率的有效而可行的方法,可为其提升效率提供依据。
事实上,由于知识工作者具有工作复杂性、工作成果不易被量化及表现多样性等特点,加之缺乏系统的理论研究成果,如何对其生产率进行有效的评价仍是一项难度较大的、具有挑战性的工作。管理者在对知识工作者的生产率进行评价时常常感到迷茫和困惑。在生产线上,管理者可以用产品的产量来考评体力劳动者的工作数量,用产品合格率来衡量工作质量,用出勤记录、打卡机等来考察工作者劳动时间和劳动态度,但是,知识工作者工作的核心是脑力劳动,工作成果没有确切的产量可言,工作结果没有简单的标准答案来确定其质量高低,工作过程也使得他们出勤时间不一定就是“劳动”时间。而且,许多情况下,知识工作者的工作需要团队协作来完成。所以,用管理体力劳动者的生产线式的方法管理知识工作者无疑不可行。知识工作者生产率的测量有其特有的维度,所以单纯考虑“工作数量”、“工作质量”等某一两个变量,或者几个变量都偏聚于某一两个维度的方法,难以适应知识工作者生产率的度量。理想的知识工作者生产率评价方法应该考虑或者潜在地考虑每一个维度,但对于测量维度有重合的,再通过统计方法予以剔除或合并,以做到测量的不重不漏。基于此,本文提出了研究知识工作者生产率测量维度问题,以实证方法探索具体的测量维度。

2 文献研究

知识工作者生产率虽已成为现代管理科学的一个瓶颈,但使用哪些维度进行度量,仍未形成统一标准。不同学者提出了不同观点。
德鲁克认为[1],以下6项主要因素决定了知识工作者的生产率:知识工作者生产率要求人们提出“任务是什么”,才能保证工作的有效开展;知识工作者必须自我管理,拥有自主权;知识工作者的工作、任务与责任中必须包括不断创新;知识工作者需要不断学习,接受教育,同样也需要不断指导别人学习,以保证工作的高效性;知识工作者生产率不仅包括产品数量问题,质量也同样重要。J. C. Paradi等使用工作数量等维度,改良了数据包络分析方法,分析了加拿大贝尔公司39个知识工作者团队的工作效率[2]。IBM公司开创了功能点分析法,使用工作数量和工作时间两个维度,测量了软件工程领域的生产率[3]。易树平等选择任务规定数量的完成度、工作质量、工作有效性、客户满意度、工作创新性等5个维度,建立了现代制造环境下维度加权的知识工作效率测度模型[4]。徐建中等构建提炼出知识工作者的绩效评价指标体系,包括知识基础、业绩、意愿与态度、岗位、能力、知识环境共6个维度,并构建了知识工作者绩效产生的钻石模型,通过引入D-S证据推理方法进行了实证分析[5]。胡中文、夏洪胜从知识、态度、业绩、能力和团队合作5个方面,建立了新兴技术企业中知识员工绩效考核模型[6]通过对现有文献的汇总分析,本文发现学者们直接或间接地提出了13个知识工作生产率测量维度[1-10],分别是:
工作数量:指产出的数量和成果的量化;
成本和收益:指利润、成本等;
及时性:比如需要延迟会议、加班和其他相关时间;
自主性:指独立性和员工能够自行作出的决策数量;
高效性:指“正确地做事”,即无论所做工作相对于任务是否重要,都能够按时按质地完成;
工作质量:指工作成果的水平、质量;
工作有效性:指“做正确的事”,即只做相对于任务重要的工作,尽管有时没有达到时间和质量要求;
顾客满意度:指产出必须为顾客带来价值增值;
工作创新性:指产生新思想以提高生产率的能力;
工作成功度:指工作的总体结果,包括决策制定、团队互动、交流、可预测性等;
工作重要性:指所完成的工作的重要性程度;
知识工作者对生产率的感知:知识工作者个人对其本身工作效率的评判。
停歇次数与时间:指工作期间出现的停歇次数及停歇时间长短。
现有研究中没有任何一个模型同时包含上述工作数量、工作质量等13个测量维度,因为这些维度的侧重点不同,对不同类型知识工作者的适用性也不尽相同。根据理想知识工作者生产率不重不漏的标准,需要对这些生产率测量维度作进一步的提取。本文借助文献研究方法,首先通过对现有学者相关方面研究中所使用的知识工作者生产率测量维度的汇总,获得知识工作者生产率13个测量维度的初始集;然后通过问卷调查的实证研究方法,根据这13个测量维度形成调查问卷的题项,用于调查知识工作者如何评价这些测量维度的重要性,进而对知识工作者生产率测量维度做进一步的提炼,获得最终的测量维度。

3 研究方法

3.1 问卷设计

研究方法采用问卷调查法,问卷设计的目的是让知识工作者对上述测量维度的认同程度进行打分。正式问卷结构包括导言和问卷正文两部分。问卷开头是导言,简要介绍研究目的、研究用途和调查的内容。同时注明受访者提供的资料仅供学术研究使用,绝不公开。调查问卷的问题全部采用选择题的形式给出,在每个测量因素的封闭性问题之后给出开放性问答空间,以避免单纯的封闭性问题所造成的偏差。问卷的态度度量采用李克特量表进行度量。1代表“评价非常低”,2代表“评价较低”,3代表“评价一般”,4 代表“评价较高”,5代表“评价非常高”。
问卷正文共分成两大部分:对知识工作者生产率测量维度的认同度调查以及个人基本资料调查,其中前者主要在于了解知识工作者对生产率的测量维度的认同度评价,包括“工作数量”、“工作质量”等13个结构式题题项,题项的来源是上述文献研究所确定的13个知识工作者生产率测量维度。“个人基本资料调查”,主要是为了统计分类的需要而了解的被访者的个人基本情况,包括被访者的性别、年龄、教育程度、所在单位性质、主要工作任务共6项内容。

3.2 样本设计

本研究采用调查问卷法收集数据。一般而言,样本量越大,实证研究的效果越好,研究结果的说服力也越强。但是,实际研究中的样本规模会受到时间、人力和财力等限制,故样本量达到满足研究需要的程度即可。本研究共获得215份有效问卷,达到研究所需的样本量。
本研究的调查对象是从事具有创新性工作的知识工作者,问卷发放主要集中于北京、天津和河北3个省市,填写者为从高层管理到基层管理人员、研发人员、高校教师在内的各组织形式、各层次人员,以考察不同职能背景的被调查人员在生产率测量方面的不同感知。

3.3 数据分析方法

本研究采用 SPSS15.0 统计分析软件对实证数据进行分析。所涉及的统计方法包括描述性统计分析、信度效度分析、因子分析和相关分析。在计算过程中,根据主成分分析的原理,萃取特征值大于1的因子,构造因子变量;使用共同因素正交旋转(方差极大法旋转),提取因子载荷矩阵,以解释各个变量在公共因子上的相对重要性;采用0.7作为信度检验的依据;保留变量共同度大于0.5,因素负载大于0.3以上的测项。

4 研究结果与分析

4.1 描述性统计分析

本次调查采用电子问卷与纸质问卷相结合的调查方式,按照上文所确定的样本设计与调查方法,随机发布310份问卷,共回收有效问卷215份,有效回收率为69.35%。受访者中,男性占51.2%(110人),女性占48.8%(105),性别分布较为平均;35岁及以下占36.3%(78人),36-45岁占31.6%(68人),46-55岁占25.6%(55人), 56岁及以上仅占6.5%(14人),年龄分布较为合理;从受访者受教育程度来看,本科及以上的合计198人,占样本总数的92.1%,受教育程度与知识工作者的身份相吻合;从工作任务的角度来看,高层管理和中层管理者合计占25.6%(55人),技术研发占17.2%(37人),大学教师占27.4%(59人),大部分受访者所从事的工作都是具有一定创新性的脑力劳动。

4.2 信度效度分析、因子分析

根据回收的215份问卷,对上述工作数量、工作质量等13个知识工作者测量维度的调查数据加以分析(见表1)。根据对调查结果的汇总分析,13个测量维度的均值的平均数为3.806。为方便起见,笔者将上述维度的重要程度均值定为3.8,删除重要程度均值低于3.8的6个测量维度,最终筛选出工作数量、工作质量、工作时间、成本与收益、有效性、客户满意度和工作成功度共计7个知识工作者生产率的测量维度。
表1 知识工作者测量维度问卷调查数据分析
变量 均值 标准差 最小值 最大值
工作数量 4.0923 0.0812 3 5
工作质量 4.3077 0.0757 3 5
工作时间 4.0154 0.0835 3 5
成本与收益 3.9538 0.0915 2 5
自主性 3.3538 0.1038 1 5
高效性 3.7846 0.1107 2 5
工作有效性 3.8769 0.115 2 5
客户满意度 4.0462 0.0967 2 5
工作创新性 3.6154 0.1067 2 5
工作成功度 3.9692 0.0848 2 5
工作重要性 3.6769 0.1054 2 5
员工自我评价 3.6 0.0976 2 5
停歇次数与时间 3.1846 0.1179 1 5
表2显示,“工作时间”和“成本与收益”两个指标的共同度低于0.5,因此被公因子解释得较少,将这两个指标从知识工作者生产率测量维度中删除。删除2个指标后,再对剩下的5个指标做因子分析。分析结果显示,KMO值为0.813,Bartlett球形检验给出的相伴概率为0.000,5个测量指标的公共度都大于0.5,因此剩下的5个指标适合作因子分析。结果见表3、表4。
表2 7个指标的变量共同度
测量指标 初始值 提取值
工作数量 1.000 .527
工作质量 1.000 .580
工作时间 1.000 .357
成本与收益 1.000 .424
工作有效性 1.000 .517
客户满意度 1.000 .564
工作成功度 1.000 .640
表3 5个指标因子分析的特征值和方差贡献率
Component 初始特征值 旋转平方载荷
合计 方差贡献率 累积方差贡献率 合计 方差贡献率 累积方差贡献率
1 3.222 64.416 64.416 3.222 64.416 64.416
2 .574 11.473 75.889
3 .467 9.343 85.232
4 .415 8.311 93.543
5 .323 6.457 100.000
表4 5个测量维度的因子分析旋转载荷矩阵及信度分析结果
公因子 Cronbach α 测量变量 成分
1 0.824 工作成功度 .828
工作质量 .797
客户满意度 .784
工作数量 .722
工作有效性 .717
由表4可以看出,主成分分析的结果显示只有一个主成分的特征值大于1,因此可以被萃取为一个公因子,公因子上的载荷绝对值系数均高于0.5。提取出的公因子累计方差贡献率为64.416%,可见这个公因子反映了原始变量的大部分信息,表明量表对于所测量概念具有较高的解释力。另外,对这5个测项进行信度分析,可得5个测项的总体Cronbach α值为0.824,因此,问卷对知识工作者生产率维度的测量具有很高的信度。

4.3 研究结果

通过以上的信度效度分析、因子分析和相关分析,笔者确定了知识工作者生产率的5个维度,分别是工作数量、工作质量、工作有效性、客户满意度和工作成功度。

5 研究结论和后续研究方向

以往对于知识工作者生产率的研究多是确定具体评价指标,如论文数量和质量、成果数量和水平、奖励数量及等级等,着眼点比较片面,而且指标之间还可能有一定的相关性。本文突破了以往研究的局限,通过文献回顾,提出知识工作者生产率测量维度的概念,总结出知识工作者生产率测量的13个维度,并以此作为问卷调查的题项,有针对性地对215名知识工作者进行了调查,运用统计方法剔除了重合指标,最终得出知识工作者生产率的5个测量维度。研究结果表明,知识工作者生产率测量可从5个维度进行,分别是:工作数量、工作质量、工作有效性、客户满意度和工作成功度。
研究发现,一些在体力工作者生产率评价时经常用到的投入产出指标指标包括工作时间投入、成本与收益的对比被大多数知识工作者所摒弃,没有包括在本研究所确定的知识工作者生产率测量维度内。这是因为,知识工作者的工作时间一般无法正常估算,表面上看,知识工作者与其他员工一起准时上班、准时下班,但实际上他们的工作时间远比正常上下班时间多得多。为了保持思维的连贯性,加班加点对于他们是司空见惯的事情。这就与传统的按部就班的工作要求产生冲突,传统单一的评价管理方式往往会制约知识工作者个人潜能的发挥,所以被知识工作者排除。如果管理者意识不到这一点,墨守成规地捍卫其管理制度的权威,将可能挫伤知识工作者的工作积极性而导致其生产率的下滑。另外,知识工作者工作过程难以监督、工作成果不易量化评价且很难在短时间内显现、工作既独立又相对需要协作,这些都使得成本与收益的准确计量无法实现。
[1]
Drucker P. Knowledge-worker Productivity: The biggest challenge[J].California Management Review, 1999,41(2):79-85.

[2]
Paradi J C, Smith S, Schaffnit-Chatterjee C. Knowledge worker performance analysis using DEA: An application to engineering design teams at Bell Canada [J]. IEEE Transactions on Engineering Management, 2002, 49(2):161-172.

[3]
Bok H S,Raman K S. Software engineering productivity measurement using function points: A case study[J].Journal of Information Technology, 2000,15(1):79-101.

[4]
易树平,李发权,伍佳,等.现代制造环境下知识工作效率度量的实证研究[J].上海交通大学学报,2010,44(3):297-301.

[5]
徐建中,李荣生,喻登科.知识型员工绩效产生的钻石模型及评价研究[J].图书情报工作.2009,53(10):71-78.

[6]
胡中文,夏洪胜.新兴技术企业中知识员工的绩效考核模型研究[J].科技管理研究,2010(13):180-183.

[7]
Merrifield B. Measurements of productivity: Key to survival[J].International Journal of Technology Management, 1994, 9(5):771-784.

[8]
Picard R G. Measuring and interpreting productivity of journalists[J].Newspaper Research Journal, 1998,19(4):71-80.

[9]
Davenport T, Prusak L. Working knowledge: How organizations manage what they know[M]. Boston: Harvard Business School Press, 2000.

[10]
Yuri W, Rodriguez R. Defining measures for the intensity of knowledge work in tasks and workers[D] Madison: University of Wisconsin-Madison, 2006.

文章导航

/

〈 〉