TATION

AARHUS UNIVERSITY

SCHOOL OF BUSINESS AND SOCIAL SCIENCES

Sociale netværk – i organisationer

Carsten Bergenholtz

Associate Professor

Department of Management

Aarhus BSS (Business and Social Sciences)

Aarhus University

Agenda

Fire centrale spørgsmål

– Hvilken indflydelse kan netværk have på performance?

– Hvilke teoretiske mekanismer skyldes denne indflydelse?

– Forskellige udfordringer - forskellige netværk?

– Hvordan kan vi foretage analyser af sociale netværk?

Form: Interaktivt – afbryd gerne med spørgsmål!

2

• Hvad laver vi på BSS

Hvordan at forklare individuel performance: Individuel vs. relationel

3

Traditionel forklaring: Uddannelse, alder, personlighed, IQ, ressourcer etc. (individuelle træk) Kausalitet: I individer

Social, netværks forklaring: Hvilke netværk er du del af? (relationer mellem individer) Kausalitet: Mellem individer

http://writespeaksell.com/engaging-your-employees-on-social-networks

https://www.youtube.com/watch?v=tfwNH2xQT9o

Hvor kommer høj performance fra?

Centralt spørgsmål for ledere af organisationer

• Individuel, human capital?

• Relationel, social capital?

Indflydelse på hvordan performance skal måles og organisationer skal ledes.

4

5

Mennesker i organisationer II

Individuelt perspektiv

• Robert er XYZ…

• James er XYZ…

• …

Relationelt perspektiv

6

Sociale netværk: Definition Antag en arbejdsplads på f.eks. 100 ansatte

• Arbejdspladsen har et overordnet socialt netværk

bestående af alle 100 – Sociale netværk er ikke det formelle arbejdshierarki

• I netværket på arbejdspladsen er du som individ

forbundet (direkte netværk) med dem du faktisk… – Kommunikerer med – Kommunikerer med om arbejdsrelaterede ting – Spørger til råds – Etc.

7

Vi er del af mange netværk

Jeg taler ikke om sociale netværk a la Facebook etc.!!

Sociale netværk og individuel performance

8 https://medium.com/life-learning/the-number-one-predictor-of-career-success-according-to-network-science

Ikke blot størrelsen af netværket – men position i netværksstrukturen

9

Diskuter 2-3 min

• Hvorfor har individer med netværk som Robert generelt en højere performance?

• Flere eksempler på hvilke typer (sociale netværk) fænomener jeg taler om

10

Sociale netværk: Eksempler

11

Sociale netværk: Eksempler II

12

Sociale netværk:

Eksempler III

• https://twitter.com/NAChristakis/status/591547410092011520/photo/1

• http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0123507

13

Sociale netværk: Eksempler IV

Christian Waldstrøm, 2011

Netværksstrukturen som kilde til information

http://arxiv.org/pdf/1310.6753v1.pdf http://www.news.cornell.edu/stories/2014/02/facebook-tells-computer-who-you-love 15

Illustrering af én persons Facebooks

venners relationer til hinanden

Gæt hvem der er

kæresten til personen i midten?

From a map of Facebook friends, [and activity] a computer algorithm … will correctly identify a person’s spouse, fiancé or other romantic partner about 70 percent of the time.

Google vs. Facebook: Forskellige tilgange til formidling af information

• Google: Global ranking af relevans – Sider der linkes oftest til vises som

søgeresultater

– Ingeniørens fokus på globale algoritmer

• Facebook: Lokal ranking af relevans – Hvad synes din venner vises på din newsfeed

– Socialvidenskabelig fokus på sociale omgangskreds adfærd.

16

Hvordan kan sociale netværk have så positiv en indflydelse på performance?

Med andre ord: Hvilke teoretiske mekanismer skyldes den

positive indflydelse?

17

Først: Det simpleste sociale netværk

A i en særlig magtfuld position •Hurtigst adgang til ny viden •Kommunikerer med forskellige (typer) mennesker •Kan enten bygge bro eller holde B og C adskilt.

Det simpleste sociale netværk:

18

Over tid - Er på samme std - Hvis A ligner B og C,

ligner B og C også hinanden

Udvikling af netværk over tid

https://medium.com/life-learning/the-number-one-predictor-of-career-success-according-to-network-science

19

Snak med sideperson (2 min): En gåde

i) Forestil dig at du har 100 venner på Facebook. Endvidere, forestil dig at alle disse 100 venner også har 100 venner

ii) Du laver en status updatering iii) Alle dine 100 venner deler denne status iv) I alt har nu 101 mennesker posted din status v) Antag at alle venner til disse 101 mennesker faktisk

ser opdateringen

Spørgsmål: Hvor mange mennesker har nu (ca.) set denne status updatering?

Hvilken social netværks position er optimal?

21

Hvilken social netværks position at indtage? Eks.: Netværk og innovation

Innovations udfordringen

a) En ny ide skal findes

b) Det nye kombineres med kendte elementer

c) Der skal samarbejdes om kombinationen

d) Samarbejder kræver tillid og dybt kendskab til hinanden

22

Grupper (ca 6-7 min): Hvad er fordele og ulemper ved henholdsvis Robert og James’ netværks position?

23

24

Hvilken netværksposition er bedst: Brobyggeren

Robert er brobyggeren som samler huller og ikke-redundant viden i netværket

• Fordele

– Modtager hurtigt ny viden – Modtager mere divers viden – Kan styre vidensflowet – Ofte involveret i projekter

• Men: – Flaskehals? – Skal koordinere forskellige interesser – Skal ”tale forskellige sprog”.

25

Hvilken netværksposition er bedst: Det tætte netværk

James er i et tæt, tillidsfuldt netværk

• Fordele – Adgang til viden af høj kvalitet – Tillid og gensidighed – Samme interesser / ”sprog”

• Men – Primært adgang til redundant / kendt viden – Sjældnere med i nye projekter – Kan ikke styre vidensflow.

26

Social learning: Humans vs. primates

Source: Henrich, Joseph. The secret of our success: how culture is driving human evolution, domesticating our species, and making us smarter. Princeton University Press, 2015.

Netværks paradokset

• Et åbent netværk: Samarbejde med ukendte aktører nye informationer og input – Ikke fælles sprog, kultur, normer og måder at

gøre ting på

• Et lukket netværk: Samarbejde med kendte aktører fælles sprog, kultur, normer og ”måder at gøre ting på” (indlejrethed) – Begrænsede nye input

Paradoks

28

Position i netværket og individuel performance

• Generelt påvirkes vi af dem vi er ”tæt på” i et netværk – Hvilken information vi har adgang til – Hvem vi vælger at samarbejde med – Hvem vi pt. og i fremtiden har tillid til

• ‘Brobyggere’ (Robert)

– Bliver hurtigere forfremmet – Får generelt højere løn – Får flere nye ideer – Oplever mere stress – Ovenstående dog afhængig af konteksten?

– Bestemte personlighedstyper passer bedre til brobygger positionen -

svær position at indtage ”kunstigt”.

29

Alt det her ved vi – uden at vide noget specifikt om individer og individuelle træk

30

Forbehold: Hvad kommer først Høj performance eller central netværks position…

Hvilket forskningsdesign / typer af data kan afklare et

sådant forbehold? (2 min)

31

Antag at I skal sammensætte et team (diskuter 3-4 min)

• Hvilke typer sociale netværk bør medlemmerne af teamet have

– Internt blandt medlemmerne

– Ekstern til medlemmer af andre teams?

32

Social netværksanalyse: Formel metode (2-3 min)

• Hvordan kan sociale netværks data indsamles?

– Surveys (spørge folk om hvem de mener de interagerer med)

– Observationer af adfærd

– Email korrespondancer

– Deltagelse i foreninger / grupperinger

– Telefonopkald

– ….

33

Den optimale netværks position Afhængig af konteksten?

•Videns flow •Ebola udbrud

Netværksstruktur og innovation: Kontekst – industri

• IT-industri vs. Stål-industri

I IT industrien er der større krav til hurtigere adgang til ny viden – sammenlignet med stål-industrien

Hvilken netværksposition (af Robert og James) er det optimalt at indtage i henholdsvis Stål- og IT industrien?

35

Simpel vs. Kompleks viden

• Forestil jer en virksomhed der består af en lang række projektteams. Nogen projekter arbejder med simpel – andre med kompleks viden

– Farven på næste produkt vs. næste nye smartphone

• Hvordan påvirker kompleksiteten af viden mon det optimale netværk (tænk Robert vs. James).

36

Resultater: Simpel vs. Kompleks viden

Netværksstruktur og innovation: Kontekst - kultur

• Sammenligning af Taiwan (kollektivistisk kultur) vs. USA (individualistisk kultur)

• Taiwan: Stærke relationer afgørende – central viden gives ikke til svage relationer

• USA (individualistisk kultur): Brobyggere centrale, mere end relationens styrke – central viden gives til svage relationer

Kultur påvirker netværksstrukturens indflydelse på innovation.

38

39

Social netværksanalyse: Formel metode

• Hvordan kan sociale netværks data indsamles? – Survey, observationer, email, deltagelse i foreninger,

telefonopkald…

• Hvordan analyseres disse data? – Indsamling af data om 2-2 relationer, hele netværk,

styrken af relationen, forskellige typer af relationer, hvem der deltager i samme events…

– Statistisk software til analyse – udover blotte visualisering

40

Netværks data Hvem kommunikerer du med ugentligt?

Peter Mathilde Ditte Thomas Ole Verner ….

Peter - 1 1 1 0 0

Mathilde 1 - 1 0 0 0

Ditte 1 1 - 0 0 0

Thomas 1 0 0 - 1 1

Ole 0 1 0 0 - 0

Verner 0 1 0 1 1 -

…

41

Netværks data Hvem kommunikerer du med ugentligt?

Netværks data Hvem kommunikerer du med ugentligt?

An Information Flow Model for Conflict and Fission in Small Groups, Wayne W. Zachary, in Journal of Anthropological Research, Vol. 33, No. 4 (Winter, 1977), pp. 452-473

Netværks data Hvem kommunikerer du med ugentligt?

From: Networks, Crowds and Markets, by Easley and Kleinberg (2010), p. 3 (http://www.cs.cornell.edu/home/kleinber/networks-book/networks-book-ch01.pdf)

Studer billedet – hvad kan I udlede? (1 min)

45

Hvis større netværk?

Software: UCINet (https://sites.google.com/site/ucinetsoftware/home)

46

Eks. på større netværk: Visualisering

47

Eks på større netværk: Kvantitativ analyse

48

Hvor ofte er en ”node” er på den

korteste vej imellem andre nodes

Jo mere central i

denne forstand, jo højere ”betweenness

centrality” score

Når netværk er for store til visuel inspektion, må

tallene beregnes matematisk

Sammenhæng mellem (betweenness centrality) netværks position og løn

49

Et eks. på et speciale om sociale netværk i organisationer

• Overordnede forskningsspørgsmål: Hvilke individer / netværk skaber høj performance

• På baggrund af teoretisk ramme opstilles hypoteser – F.eks. ”X type individer med Y type netværk Z performance”

• Data om sociale netværk og individer indsamles i organisation med 150 ansatte – F.eks. via survey eller email-data om netværk i organisatioen – F.eks. indsigt i forskellige individuelle data samt individuel

performance (f.eks. løn eller forfremmelser)

• Data kombineres og analyseres statistisk • Resultater: Hypotese forkastes eller støttes • ….

50

Sociale netværk: Overvej alternative forklaringer på, hvorfor overvægt/rygning/glæde/alkoholisme/diabetes synes at ”smitte” i

netværk? (3-4 min)

51

Homohily: Birds of a feather (genetics?)

Confounding factors: Shared

envioronment

52

Forestil jer dette er et netværk af læger i et mindre samfund. Et nyt medikament skal indføres. I kan overbevise én person i

netværket – hvem går I til? (3-4 min)

53

Spørgsmål? (3 min)

Opsummering: Hvilke 3 ting har I lært i dag?

54

Opsummering

• Relationelle forklaringer • Ens position i netværk begrænser / faciliterer

• Ikke bare at netværk er godt – og at for meget netværk

er skidt – Paradokset: Ønsker én type netværk for ny viden, men

anden type viden for samarbejde og tillid – Værktøjer til at tænke over hvilke netværk passer til hvilke

innovations-udfordringer

• At vide noget om en persons netværk er at vide

noget om personens identitet, valg, performance….

55

Opsummering

1) Hvem influerer valg? 2) Hvor får vi ny viden fra? 3) Hvem samarbejder vi bedst med? 4) Hvem klarer sig bedst på en arbejdsplads? 5) …..

56

Relevant litteratur • Apicella, C. L., F. W. Marlowe, J. Fowler and N. Christakis. 2012, "Social networks and cooperation in hunter-

gatherers." Nature 481: 497-501.

• Bizzi, L. 2013, "The Dark Side of Structural Holes: A Multilevel Investigation." Journal of Management 39(6): 1554-1578.

• Bond, R. M., C. J. Fariss, et al. (2012). "A 61-million-person experiment in social influence and political mobilization." Nature 489: 295-298.

• Borgatti S. P., Mehra A., Brass D. J. and Labianca G. (2009) Network Analysis in the Social Sciences. Science, 323, 892-895.

• Burt R. S. (2001) Structural Holes versus Network Closure as Social Capital in: Lin N., Cook K. S. and Burt R., eds. Social Capital: Theory and Research. New York: Aldine de Gruyter.

• Dahlander, L. and H. Piezunka. 2014, "Open to Suggestions: How Organizations Elicit Suggestions to Engage Externals in Open Innovation." Research Policy Forthcoming.

• Granovetter M. S. (1973): The Strength of Weak Ties. American Journal of Sociology, 78, 1360-1380.

• Hansen M. T. (1999): The Search-Transfer Problem: The Role of Weak Ties in Sharing Knowledge across Organization Subunits. Administrative Science Quarterly, 44, 82-111.

• Krackhardt, D., & Hanson, J. R. 1993: Informal networks: The company behind the chart. Harvard Business Review, 71(4): 104-113.

• Mehra A., Kilduff M., Brass, D.J. (2001): The social networks of high and low self-monitors: Implications for workplace performance, Administrative Science Quarterly, 46 (1): 121-146.

• Obstfeld D. (2005): Social Networks, the Tertius Iungens Orientation, and Involvement in Innovation. Administrative Science Quarterly, 50, 100-130.

• Rowley T. J., Behrens D. and Krackhardt D. (2000): Redundant Governance Structures: An Analysis of Structural and Relational Embeddedness in the Steel and Semiconductor industry. Strategic Management Journal, 21, 369-386.

• Rong, MA., Huang, YC., Shenkar, O. (2011): Social networks and opportunity recognition: A cultural comparison between Taiwan and United States. Strategic Management Journal 32 (11): 1183-1205

57