面向个体创新行为的多维度衡量方法外文翻译资料

英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

面向个体创新行为的多维度衡量方法

Robert F.Kleysen and Christopher T.Street

阿斯帕商学院, 管理学院, 曼尼托巴大学, 温尼伯, 马尼托巴, 加拿大

关键词：个体行为，创新，衡量，模型

摘要：个体层面的创新研究通常只评估创新行为的某一个方面，这些研究并没有充分考虑到个人创新结构中的丰富性。本文开发并测试一种面向个体创新行为的多维度衡量方法。首先确定对289项创新相关行为的描述，并将这些行为编码成一个假设的因子结构，包括以下五个维度因素：机会探索，生成性，形成性调查，支持和应用。利用结构方程模型对来自9个不同组织的225名员工进行了抽样调查，结果显示，假设的因素结构与受访者的工作行为之间的拟合度相对较差。然而，基于代表所有五个因素的项目的单因素测量结果的alpha;置信度为0.95，因此支持一般创新行为的多维概念化。最后讨论本文对未来研究产生的影响。

个体创新是一个丰富且难以捉摸的构造，不同的研究人员对其存在着不同的定义与操作方式 (Goldsmith, 1986)。总而言之，个体创新的构造已经被概念化为个体性格、特征、行为和作品五个方面。例如，Hurt等人(1977)将个体创新理解为一种普遍的变革意愿。Kirton (1976)的适应创新衡量方法提出了对个体创新的两种不同的认知风格，主要包括从在现有感知框架内解决问题的适应者到重组它们的创新者。Jackson (1976)提出的人格量表包含一个衡量创新倾向的子量表。个体创新的行为衡量方法包括West (1987)的角色创新衡量方法，将其与上一个角色占有者相比，一个人在工作中产生了多少变化。以及Roger(1983)将创新者作为先于他人采用创新的人进行操作化。此外，Amabile (1982)在与个人创造力密切相关的领域中，采用了一种协商一致的评估方法，通过产品领域专家给出的评级来衡量个人生产产品的创造性。

尽管研究人员已经在个人创新的概念化和操作化方面进行了广泛的工作，但是以前的衡量方法通常只评估创新行为的某一个维度因素。因此，它们没有充分地考虑到创新构造的丰富性和潜在创新意识的多维度性。虽然最近的一些研究提出了更多关于个人创新的综合衡量方法 (Scott和Bruce,1994;1998)，通过对文献的系统回顾和理论因子结构的发展和检验，很少有人致力于开发一种更丰富、更有效的衡量方法。为了解决这个问题，目前的研究试图开发和测试个人创新行为的多维度衡量方法。

创新行为识别

与West和Farr的研究内容(1989)相类似，在本文研究中，创新行为被定义为所有个人行为，目的是在任何组织层次上产生、引入和应用有益的新颖性。这种有益的创新可能包括发展新的产品构想或技术，改变旨在改善工作关系的行政程序，或将新的构想或技术应用于旨在大大提高其效率和效力的工作进程。

为了发现创新行为的主要维度，我们对创新和创新文献进行了回顾，最终确定了28文章的审核和编码 (Glynn,1996;Damanpour, 1991;Kirton,1976;Farr和Ford，1990;Van de Ven, 1988;Wallas,19 26;Basadur等，1982;Drucker,1985;1991;Anderson和 King，1993;Howell和Higgins，1990;Waute和Locander,1994;Staw,1990;Roberts,1997;Lovelace,1986;Wohr,1987;Greif和Keller，1990;Kanter,1983;1988;Ford,1996;Rogers,1983;Amabile,1983;1988;Zaltman等，1973;Angle,1989;Whitfield,1975;Cuilford,1963;1964)。最初，从这些文章中列出了289项与创造力及创新相关的活动，其中一些是不同的，但大多数是重叠的，并且是彼此的同义词。根据创新活动的同义词将活动压缩为24组，用于第一轮编码；第二轮编码试图更精确地确定各种创新活动背后的特定行为过程，此时出现了17个行为过程；第三轮(也是最后一轮)编码试图将这17种行为进一步划分为更一般的创新行为维度，以下五个纬度因素是对与个人创新相关行为进行分类的最佳因素:机会探索、创造力、形成性调查、支持和应用。

机会探索

《牛津简明词典》(1991) 将explore定义为“为了学习或发现在某个国家到处旅行”。 将这一定义与机会相结合，创新行为的第一个因素与通过创新机会广泛旅行以了解或发现更多关于创新机会的隐喻有关。文献中关于机会探索的四个基本行为是:

1. 关注机会来源 (Creif and Keller, 1990;Van de Ven, 1988;Kanter,1988)。
2. 寻找创新的机会 (Farr和Ford, 1990;Kanter,1988;Van de Ven, 1988;Wohr, 198吨;Howell和Higgins，1990;Drucker,1991)。
3. 认知机会 (Van de Ven, 1988;Farrand和Ford，1990;Staw,;Cuilford, 1964;Kanter,1983;Rogers,1983;Whitfield,1975;Basadur等人，1982;Ford,1996;Zaltman等人，1973;Roberts,1997;Kanter,1988;Angle,1989)。
4. 收集关于机会的信息 (Creif和Keller, 1990;Whitfield,1975;Damanpour,1991;Howell和Higgins，1990;Kanter,1983;Amabile,1988)。

生成性

“生成性”一词借用自Erikson(1980)的第七阶段的心理社会发展标记为“生成与停滞”。“出生主要是建立和指导下一代的兴趣，尽管有些人不把这种驱动力应用于后代，而是应用于其他形式的利他主义关怀和创造力”(Erikson，1980，第103页)。将建立下一代的想法扩展到组织中，generativity处理旨在产生有益更改的行为，目的是“成长”组织、其人员、产品、流程和服务。生成性包括三个基本的行为，在整个文学作品中都很常见，包括:

1. 创造机会的想法和解决方案 (Kirton, 19t6;Basadur等人，1982;Roberts,1997;Zaltman等人，1973;Kanter,;Van de Ven, 1988;Staw,;Howell和Higgins，1990;Waute and Locander, 1994;Lovelace,1986;Amabile,1988;Angle,1989;Ford,1996;Cuilford,1964;Whitfield,1975)。
2. 创造机会的表象和类别 (Farr和Ford, 1990;Whitfield,1975;Kanter,1983;Cuilford,1963;Greif和Keller，1990)。
3. 产生思想和信息的关联与融合。

形成性调查

创新行为的第三个因素是形成和充实想法、解决方案和意见，并通过调查加以尝试。在整个文献中，这一因素有三种常见行为，包括:

1. 制定的想法和解决方案 (Waute Locander, 1994;Roberts,1997;Amabile,1988)
2. 用想法和解决办法进行试验 (Rogers，1983;Kanter,1983;Greif和Keller，1990;Kirton,1976;Amabile,1988)。
3. 评价想法和解决方案 (Amabile,1988;Anderson和King，1993;Roger,1983;Damanpour, 1991;Basadur等，198S;Whitfield,1975;Wallas,1926)。

支持

Howell和Higgins (1990, p.40) 将“冠军”定义为“那些涌现出来的人，他们把创意(这些创意可能是他们创造出来的，也可能不是他们创造出来的)带到生活中”。支持包括社会政治行为参与创新过程 (Waute Locander, 1994) 基本实现潜在的想法、解决方案和创新。这一因素的四种常见行为包括:

1. 资源不稳定 (Staw, 1990;Kanter,1983;1988;Howell和Higgins，1990;Ford,1996;Maute和Locander,1994;Damanpour,1991;Amabile,1988;Anderson和King，1993;Wohr,1987)。
2. 说服和影响 (Kanter，1983;Zaltman等，1973;Kirton,1976;Howell和Higgins，1990;Damanpour,1991;Wohr,1987;Kanter,1988;Anderson与King，1993)。
3. 推动和谈判 (Kanter,1983;Waute和Locander, 1994;Kanter,1988;Ford,1996;Howell和Hoggins,1990;Van de Ven,1988;Anderson与King，1993)。
4. 具有挑战性和冒险精神 (Kanter，1983;Kirton,1976;Amabile,1983)。

应用

第五个也是最后一个猜测因素是，努力让创新像往常一样成为业务的常规部分。虽然有人可能认为应用程序行为不应该被认为是创新的，但是它们仍然达到了这样的程度，即创新成为组织响应的常规部分。在这一点上，他们失去了他们的创新地位，成为“突现”的目标(Kimberly，1981)，如果组织试图剥离自己的充分采用的创新。三种基本的应用行为在文献中普遍存在，包括:

1. 实现(Glynn, 1996;Damanpour,1991;Anderson和King，1993;Rogers,1983;Zaltman等，1973;West和Farr，1989;Angle,1989;Van de Ven,1988;Staw,1990;Whitfield,1975;Basadur等，1982)。
2. 修改(Damanpour, 1991;Anderson和King，1993;Kanter,1983;Rogers,1983;Roberts,1997)。
3. 常规化(Anderson和King，1993;Rogers,1983)。

图1包含了前面讨论的因素的假设结构和度量模型。假设每个因素都是相互协变的，并通过为每个因素共同的一般行为编写的几个调查问题来衡量。

方法论

样本

一个基于来自9个不同组织的员工的回答的方便样本被用来测试创新行为的推测维度。这些人员包括来自两家制造公司、一家软件咨询公司、一家公用电力公司、一所小学、两家工程咨询公司、一家设备租赁组织和一家公路运输公司的行政人员、工程师、绘图员、管理人员、信息技术人员、教师、会计人员和文书人员。

图1.创新行为的结构和测量模型的假设

衡量

每个因素都是用与之前讨论的行为相关的项目来测量的，并包含一个以“从不”和“总是”为一端的六点行为频率量表。在调查的两个部分中随机列出项目，以避免潜在的反应顺序偏差。此外，邮件的开头还要加上“在你目前的工作中，你多久做一次?”这个问题作为每个项目的开头，而不是传统的三到六个月的间隔时间，因为组织内的许多个人经常通过重组、晋升和参与项目来更换工作。用于测量假设因素的项目是基于通过编码本研究综述的文章所发现的行为。每个行为都写了两项，以测试哪种措辞最能捕捉到假设的行为。例如，机会识别是由8个项目运作的，这些项目测量了四种行为，包括寻找创新的机会、识别机会、收集关于机会的信息和关注机会来源。

结果

使用AWOS4对图1所示模型进行初步结构方程建模(SEW)分析，得到一个“非正定”协方差矩阵，从而得到一个令人无法接受的解。因为“非正定”矩阵包含负特征值，导致最大似然估计(Wothke, 1993)结果较差，我们首先的重点的是如何解决这个问题。我们的初步策略是查看原始模型中估计参数的数量，看看是否有足够的主题。因为Bentler和Chou(1987)建议测试者与估计参数的比值在5:1到10:1之间，而我们原始模型中的实际比值为2.9:1，所以我们决定进行探索性因子分析，以剔除相关调查项目。

因子分析结果如表1所示。通过使用最大方差旋转法，预先选择5个因素，并接受大约大于0.65截止值的项目，从原始测量模型中删除了20个项目。剩下的14个项目仍然很好地代表了理论因素结构，在估计参数比为5.9:1的情况下，实验结果更好。这些项目然后被用于第二次SEM分析，这也导致了一个“不确定”的协方差矩阵。

为了解决第二个测量模型中的“非正定”协方差矩阵问题，我们遵循Cerbing和An

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18077]，资料为PDF文档或Word文档，PDF文档可免费转换为Word