What matters for knowledge sharing in collectivistic cultures? Empirical evidence from China
Notice bibliographique
Résumé
Purpose – The purpose of this study is to identify key factors that facilitate knowledge sharing in collectivistic cultures and further help better understand knowledge management in the international context. Design/methodology/approach – Using a survey method, this study collected data from over 200 managerial employees in knowledge management-based project teams from China. Regression analysis was then conducted to analyze the impact of individual differences and environmental factors on the willingness to share knowledge among team members to identify key factors for successful knowledge retention in the constantly changing organizational environment in a collectivistic context. Findings – The results show that incentives are very important in individual’s decision to share knowledge in project teams even in a collectivistic culture like China and both intrinsically and extrinsically motivated individuals tend to share more knowledge with their team members. Individuals with high altruism are also found more likely to share knowledge with others. Moreover, a trusting environment and explicit knowledge will facilitate knowledge sharing for better retention. Research limitations/implications – More studies should be conducted in other collectivistic cultures to explore cultural barriers in knowledge management in the international context and comparative studies using samples from different cultural backgrounds are also encouraged to help extend the theories on knowledge management. Originality/value – While it is well-known that knowledge sharing is essential for organization to maintain competitive advantage, relatively few studies have examined knowledge sharing in collectivistic cultures, and even fewer have done so in China. This study adds values to the literature by identifying key factors for knowledge sharing in China, and thus helps refine the knowledge management theories and provides insights for multinationals on knowledge management in the Chinese market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».