[基于质性分析的知识工作识别与分解研究]质因子分解

　　[摘要]在已有研究的基础上指出非结构性为知识工作的本质属性，并以典型的知识工作岗位为样本，采用质性分析方法，寻求知识工作的识别依据，并将知识工作分解为可以/应该结构化的内容以及难以/不应该结构化的内容；发现影响知识工作结构化的主要因素，寻求知识工作结构化的过程、方法和工具。
　　[关键词]知识工作　生产率　识别　分解　质性分析
　　[分类号]C931.2
　　
　　1　文献回顾
　　
　　　由于研究出发点的不同，对于知识工作的识别研究，国内外学者可谓“仁者见仁”，已有研究可以归为以下三类：
　　
　　1.1　知识工作与体力工作之间的识别
　　　在知识工作研究中，众多研究者是从知识工作与体力工作的差异性人手的。因此，知识工作的识别方法主要是将其与体力工作进行比较研究。Helton B R及Strassman P A从复杂性、自主性、技能、重复性、完成一项任务的时间长度等指标来区分知识工作和体力工作的差异。德鲁克。认为“知识工作者用概念、思想和理论进行工作，而不是依靠手工技能和肌肉”。赫瑞比认为“知识员工就是那些创造财富时用脑多于用手来工作的人们”。Esque T J认为传统意义上的体力工作或所谓的非知识工作已内化为工作知识含量相对较低的工作；而传统意义上的脑力工作或所谓的知识工作已内化为工作知识含量相对较高的工作。
　　
　　1.2　不同类型知识工作之间的识别研究
　　　许多学者从知识工作与体力工作的角度考虑工作差异性，却忽视了知识工作者内部之间的差别。虽然知识工作者拥有一些共同的工作特性，但他们之间有很多本质的、潜在的不同。生产率提高策略在实施过程中能够适用于各种不同类型的知识工作者是一个极大的挑战。目前已有少数研究者从该角度人手，对知识工作进行识别，进而研究不同类型的知识工作及其生产率问题。
　　　Coates V将知识工作者划分为三类：办公室人员型，专家型及管理型人员。Dove R也将知识工作分为三类：①基于创新的知识工作的生产。如设计师、经理人和发明家等，主要依赖于创新来完成他们的工作。②基于知识范围很宽、易于携带并可立即产生效用的工作。这类工作者例如软件编程人员，可以将其知识应用于各种组织，但却是完成事先设定好的任务。③基于范围很窄但很高效的专业型知识工作。这类工作者被认为是某个领域的专家。
　　
　　1.3　基于同一工作的知识工作部分与非知识工作部分的识别研究
　　　麦耶斯认为知识工作者和体力工作者之间是一个连续体，其中许多工作都同时包含了两种任务类型的元素。德鲁克认为外科手术医生进行病情诊断和手术方案设计的工作应属于知识工作，而具体做手术时则更接近体力工作。Yau J W认为知识正逐渐打破原有的知识和非知识工作的界限，工作本身正在将这些界限内化为自身的一种相对概念，目前几乎所有的工作都既有非知识工作部分，也有知识工作部分。
　　　可以看出，基于不同的研究目标，研究者对知识工作的识别依据也有所不同。但上述研究的共性在于，都没有在识别的基础上给出如何进一步提高知识工作生产率的思路和方法。
　　
　　1.4　基于结构化视角的知识工作识别与分解
　　　与原有的体力工作程序化、规范化④研究相比，现代企业则由更大比例的知识工作构成，因为此时有一些在职能上较新并扩展了的工作，比如产品研发、流程设计、客户服务、公共关系、信息系统开发等。这些工作中的知识含量增多，工作中的非结构性内容已占整个工作的很大比例。如果以非结构性作为知识工作的基本属性，可以将知识工作的工作体系描述为四类形式：①几乎全部为非结构性工作，如独立的咨询顾问、首席分析师、高校科研教师等；②大部分为非结构性工作，如软件设计、市场规划、财务、质量审核等；③大部分工作为结构性工作，如行政工作、产品检验、软件编码、部分服务工作等；④几乎全部为结构性工作，如流水线操作工、电焊工、装配、运输等。
　　　当然，知识工作的结构性规律的发现和运用还与知识员工个人的知识基础、能力素质乃至积极性等因素密切相关，知识工作的结构化过程同时包括员工技能的结构化以及信念的结构化。这又必然涉及到组织和管理问题，包括现代管理理论和实践的许多前沿问题，如：知识贡献和共享，隐性知识的显性化，工作流程、团队合作中的分工问题等。
　　　因此，要想改进知识工作的生产率，就需要在两个方面提高其效能：①寻求知识工作中可以结构化的内容，可以利用科学管理的思想来提高该部分的生产率；②对于不可/不应该结构化的内容，应寻求恰当的工具和管理方法，促进该部分工作生产率的提高。基于结构化特征的知识工作识别与分解是提高生产率的前提和基础。
　　
　　2　研究设计
　　
　　　本文以典型的知识工作岗位为样本，采用质性分析方法，对待研究的知识工作岗位进行识别和分解，探索可以/应该结构化的内容以及难以/不应该结构化的内容，寻求影响知识工作结构化过程的具体因素以及知识工作的结构化对其生产率的影响。
　　
　　2.1　样本及分析工具的选择
　　　样本的选取来自于一家软件开发公司和一家计算机绘图公司，共计6名员工。其中包括数据库开发与设计人员、软件测试人员和软件开发人员以及绘图渲染人员。
　　　本文的资料分析方法主要是以NVivo 7.0为工具进行质性研究。利用软件工具进行的分析依然遵循了传统的扎根理论研究的程序和方法。利用NVivo进行质性分析的过程主要包括以下几个方面：①项目的建立及文档的预处理，主要是将访谈文档、企业内部资料以及项目备忘等文档规范化并导入到系统中；②内容的编码与概念及其关联的整理；③模型(model)的建立与理论的形成。本文主要就第二与第三方面进行相应的分析。
　　
　　2.2　内容的编码与概念的整理
　　　在质性研究中对数据进行整理分析称为数据编码，编码是通过仔细检验而为现象取名字或加以分类的分析工作。在研究中建立大量的码(code)。在NVivo中，Code被称为节点(Node)。每一个节点可以是包含多段文字的码，每一段文字都可以编码到很多的节点。在编码过程中，只需要在文档中选择一定长度的句子、段落或者词语，将其coding到自由节点中，并可以对编码内容进行前后比较、删减、增加、合并等操作。每个文档中的编码情况可以通过编码条进行观察。
　　
　　　在观察同一个节点下的编码内容时，可以通过编码过程报告来实现，该报告可由软件自动生成。例如，本文在编码过程中建立了自由节点“上下游工作的衔接”，并在其后将之整理到树节点“结构化过程的影响因素”中。该自由节点编码的内容汇总报告如下：
　　　Node Coding：Tree Nodes/factors effect the process of standardization/the joint of upstream and downstream Total References 6
　　　Reference 1员工D：对于模型部，会给我们渲染部带来一些问题，比如模型量做得大，就会导致我们的效率比较低。建议尽量简化模型。他们在建模的时候进行精简并不会花费他们很多的时间。
　　　Reference 2员工C：以前做得不是很规范，前台调用后台的程序，不清楚的时候很多，现在看一下规范性说明就可以了。项目经理首先提出来这些规范性文档，然后大家补充完成。不会因为某个环节不清而被卡。
　　　Reference 3员工E：在跟模型部的合作衔接上总体感觉还可以，但在一些细节处理上也存在一些问题。有一些我们已经进入后期处理了，突然说模型有某个问题，要重新做，我们的工作也都白干了。
　　　Reference 4员工E：希望大家以后心更细一些，在交割上更仔细一些。比如说，在实际工作当中，客户的模型的角度已经变了，图已经转到我们手里，但我们都不知道，导致我们渲染部的反复修改。
　　　Reference 5员工A：一般在程序开发时，数据库是先行的。要先准备东西，定义接口，然后做好以后程序应用。所以虽然说是并行，但也存在一定的先后关系，即数据库优先，否则做程序的时候就衔接不上了。
　　　Reference 6员工A：忙的时候恨不得一个人两个人用，但忙并不是由谁造成的，各个岗位并不是平行分布的，它有个先后次序的问题，当我后面有五六个程序员在等着的时候，我就得抓紧赶。忙的时候，我写一会儿那个，再写一会儿这个。有的时候切换得太频繁，自己就懵啦。
　　　文中对不同访谈文档分别建立的节点及其对应的资料引用情况如图1所示：
　　　上文建立的节点称之为自由节点，表示节点之间没有结构关系。可以透过概念整理建立节点间的树状阶层，利用编码程序的严谨过程产生“好”的科学，以达到整理概念的作用。
　　
　　
　　2.3　模型的建立
　　　在知识工作的识别与分解以及知识工作结构化的影响因素分析时，本文分别建立了两个阶段性的模型，用于记录各个主题和范畴之间的相互关系。知识工作的识别分析模型如图2所示
　　　其中，易于程序化、规范化的工作内容有四个方面：重复性工作、低知识含量的工作、结构化工作、丁：作的整体流程；难以程序化、规范化的工作内容有四个方面：创新性工作、认知性工作、需求分析、客户需求的变更与确认等。识别知识工作的依据有七个方面：重复性、是否需要创新、是否需要工作经验、持续的学习需求、可移植性、复杂性以及工作的自主性。
　　　经过编码和概念整理，在知识工作结构化的影响因素模型(见图3)中，得到的影响因素有六类：任务因素、员工因素、质量因素、客户需求因素、行业因素及组织因素。其中，任务因素包括：任务的重复性、任务的时间以及任务的分配；员工因素包括：每个人的工作标准有所不同、主管的工作标准影响、上下游员工的配合、工作经验、思维方式、对标准的模糊理解；组织因素包括：组织绩效评估标准的模糊、流程标准的不清晰、过于死板的规章制度、标准的管理。
　　　为了从整体上反映知识工作的识别与分解及其对生产率的影响因素，本文建立了总体模型，如图4所示：
　　　模型中分别对知识工作中的结构性内容和非结构性内容进行了识别和分解，并就识别的依据、结构化过程的影响因素以及结构化对生产率的影响四个方面进行了归纳。
　　
　　3　理论分析与总结
　　
　　　首先，为了提高知识工作的生产率，对于结构性工作和非结构性工作应该区别对待，各自寻求对应的提高路径和方法。因此，识别和分解知识工作是进一步提高生产率的前提。在上述模型中，对于具体的工作内容，可由知识工作的诸多特征作为依据进行判断。其中包括工作的重复性、可移植性、创新性需求、学习需求、工作自主性需求等方面，以此识别和分解结构性内容和非结构性内容。例如，在软件测试人员进行测试时，对于已经有过的问题再次在同一个/不同的研发人员身上出现，为了避免问题的重复出现，则使用统一的测试版本，工作就规范很多，即对于重复性高的工作内容，可将其视为结构性的工作加以程序化和规范化，从而提高工作的效率。
　　　结合前文工作研究的文献可以看出，关于识别依据的研究可以验证原有的理论描述。例如，现有的工作研究的相关文献中，已指出体力工作是指低自主性的工作，同时亦是重复性的工作，创新与认知是知识工作的典型特征。在典型的职务分析问卷中也从程序性、复杂性、工作经验、教育、创新性等角度对区分工作的种类。
　　　其次，模型以上述识别依据为基础，将岗位工作内容进行了分解，以识别其中易于结构化的工作内容和难以结构化的工作内容。其中，需要强调的是知识工作的整体层次作为易于结构化的内容以及客户的需求变更作为难以结构化的工作内容。通过对资料分析发现，对于任何工作，即使是高端的知识工作，其整体层面也有一个相对固定的程序和规范。例如，对于渲染工作的创新过程而言：“创新也有一些规律。从你刚进入公司开始，大概熟悉了公司的运作，通过与员工的交流与学习，是一个上升的阶段。过了一段时间后，你的思想可能理解东西就不一样了，这一阶段处于理解、摸索的阶段，不断的理解摸索，是一个阶梯状，没有终点。这段时间熟悉理解以后，突然有几张图做得很好，这时对感觉的把握能力较强，想到的东西都能做出来。”
　　　而随着服务业的迅速发展，服务工作中的很大一部分已成为典型的知识工作。客户需求的领会和确认则成为很多知识工作的重要内容。从研究中可以看出，这部分工作内容也是最难以程序和规范下来的内容。例如，对于渲染工作而言：“如何满足客户的要求，也是没有程序可依的，就是不断地修改，直至客户满意为止。你不能保证按照1、2、3的步骤做下来客户就一定满意”；“我们公司最突出是的客户问题，客户的反复修改，是永远难以达到程序化的。你不能说在做到什么阶段，客户进行一次修改，再做到什么阶段，再有一次客户的修改。客户的修改是不确定的，他只要不满意，就总会提出需要修改的方面，直到他满意为止”。
　　　再次，在知识工作的结构化过程中会涉及到很多阻碍或者促进的因素。在上述模型中已将其归纳为六类。这为实践中的知识工作管理提供了有益的借鉴。例如，主管自身的规范工作意识是影响知识工作结构化的重要因素。这就指出，企业规范员工的工作方式的前提是规范化直线主管的工作方式，以免带来团队工作的低效率。另外，组织对工作过程/结果评估的标准模糊亦会降低知识员工工作的质量以及工作积极性。例如，对于渲染工作而言：“有些东西还可以更明确些，如对图纸的质量的衡量。在评审时，直接给分，并没有明确给出标准，我们看到的只是等级。如果对图纸的衡量可以列出明确的几条标准，注明标准的内容以及每条标准对应的分数，能让我知道具体在哪一点来提高，可能会更有帮助提高图纸的质量。”
　　　最后，在结构化进程对生产率的影响分析中可以看出，结构化对生产率的影响是多方面的，其中包括工作效率、质量、客户满意度、创新以及协作五个方面。结构化进程可以提高工作效率和工作质量已基本形成共识。但结构化对于创新、客户满意度以及知识共享方面的影响方向及影响程度还未达成一致的认识。同时，通过访谈资料中的概念进行关系分析可知，对组织标准认识的模糊导致了协作力的降低，每个人都有不同的标准认识也会降低知识工作的质量。
　　　知识工作的识别和分解作为明晰知识工作内在规律的基础。本文的研究为企业进一步明确哪些工作可以/应该实施结构化指明了方向，为寻求高生产率的组织/员工对应的最优结构化程度提供理论的指导，从而为知识工作生产率的进一步提高做一铺垫。

相关热词搜索：分解 识别 知识 基于质性分析的知识工作识别与分解研究 质性分析的第一工作 质性分析