众包平台知识产权风险评价

摘要：众多企业利用众包平台进行合作创新，但因其具有开放共享性、参与主体广泛性、参与群体异质性等特点而使得知识产权风险隐患日益凸显。在构建众包平台知识产权风险评价指标体系的基础上，建立基于DEMATEL、ANP、D-S证据理论的众包平台知识产权风险评价模型，以InnoCentive和猪八戒网为例进行风险评价，发现两个网站各指标具体风险程度具有明显差异。对该评价结果进行分析，得出如下结论：高创新性交易知识是引发知识产权风险的最原始因素，进而引发知识产权环境风险；平台方管理风险是产生众包平台知识产权风险的最表层原因；平台方管理是风险控制最直接有效的渠道，对知识特性中非创新性风险因素的控制需将平台方管理与知识产权环境管理相结合。

关键词：众包平台知识产权风险；DEMATEL；ANP理论；D-S证据理论；评价模型

0 引言

在“大众创新、万众创业”的宏观背景下，越来越多的企业开始利用外部资源创新，众包模式成为企业创新发展的新趋势。众包是一种基于互联网平台，以发包方、接包方和众包平台方为参与主体，从而进行知识创造、共享、转移的开放式创新模式[1]。其中，企业作为发包方在众包平台上发布问题；大众群体作为接包方提供解决方案；赢者获取报酬，将知识产权转移给发包方；众包平台为发包方和接包方提供合作平台，并为双方合作提供包括知识产权保障在内的服务[2]。鉴于互联网本身的虚拟性和企业合作的广泛性,众包平台在知识共享中呈现出以下3个特点：①脱离现实接触，借助网络手段使众包社区参与者身份及行为变化更加动态和不可控[3]；②众包社区是一个松散组织，组织边界比较模糊[4]，呈现出更多无序和自组织状态，管理活动不确定性较大；③互联网开放性使得技术和知识共享程度扩大，共享主体与合作主体增多。由此而来，众包平台具有开放性、虚拟性、动态不可控性等特征，在知识创新和知识管理中诱发风险的可能性也随之增大，并由此引发一系列知识产权问题[5]。由于众包平台在众包模式实现过程中具有重要作用，站在平台方角度对知识产权风险进行评估，对于建立和优化众包社区创新风险管理机制具有重要意义。

近年来,学界对合作创新、企业外包、动态联盟创新及网络环境下知识产权风险进行了很多研究，主要从侵犯知识产权风险表现、知识产权风险产生原因等不同角度对知识产权风险进行了分类，在研究方法上也呈现出多元化特征。按照知识产权风险产生原因，闫威等[6]将动态联盟知识产权风险划分为与动态联盟组织形式相关、与知识特性相关、与知识产权环境相关3个维度的知识产权风险；汤春雷[7]从合作主体不当行为风险、合作创新中技术外溢风险、合作成果分配不当风险3个维度对企业合作知识产权风险进行了分类。按照侵犯知识产权风险表现形式不同，杨海[8]从知识产权归属风险、商业秘密泄露风险、核心技术保护风险、工具模块复制风险4个维度对网络环境下知识转移风险进行了评估。在研究方法上，近年来，AHP[9-10]、BP神经网络[11-12]、模糊评价[13]、方法集[14]、模糊德尔菲法[15]等理论方法的应用以及数学模型的建立，使风险评价结果更加客观公正。

然而，众包平台的新特点导致其知识产权风险与已进行过大量研究的知识产权风险相异，即众包平台知识产权主要来源于众包平台管理、知识交易特性、众包平台所处知识产权环境等。众包平台虚拟性及动态不可控特点使平台管理方代替知识交易双方成为众包平台知识产权保护的主要负责人。开放的众包平台准入门槛较低、参与群体广泛、众包企业生产内容和任务需求各异、知识产权保护意识参差不齐，这不仅使交易知识的异质性成为引发知识产权风险的又一重要因素，也让众包参与者的知识产权保护意识以及与众包相关的法律政策等共同构成了众包平台知识产权环境。现有文献对众包平台导致的知识产权问题鲜有提及，对其风险程度的评价研究也不常见。因此，本文对众包平台知识产权风险评价进行研究。在评价方法方面，区别于以往对于知识产权风险的研究，本文认为众包平台知识产权风险各指标间存在影响与被影响关系。因此，在众包平台知识产权风险评价模型构建中，需对各指标间的相关性进行分析、处理。鉴于此，本文首先针对众包平台知识产权风险的新特点，从众包平台知识产权风险来源角度构建众包平台知识产权风险评价指标体系；其次，在充分考虑各指标间逻辑关系的基础上，强调指标关联性的DEMATEL、ANP方法相结合，给出众包平台知识产权风险指标权重；再次，在对InnoCentive和猪八戒网进行评价的过程中，运用D-S证据理论对去相关性后的证据进行合成，以期使评价结果更加接近现实情况；最后，对两个网站的知识产权评价结果进行分析，以发现众包平台知识产权风险来源及有效的管理渠道，从而为众包平台知识产权风险识别、评价和规避提供理论依据。

1 众包平台知识产权风险因素识别

本文借鉴合作创新、创新联盟等知识产权风险指标体系，结合众包平台知识产权风险新特点，从众包平台知识产权风险来源角度对风险进行识别，得出众包平台中知识产权风险主要包含3个方面：一是由于众包平台管理不当产生的知识产权风险；二是与知识特性相关的知识产权风险；三是与知识产权环境相关的知识产权风险。本研究根据上述3个因素细分知识产权风险来源，构建众包平台知识产权风险评价指标体系，如表1所示。这些指标均是反向指标，即这些指标评价得分越低，众包平台的知识产权风险越高。

1.1 平台方管理风险

在平台方参与众包平台知识产权保护过程中，契约订立之前的信息不对称、契约订立过程中信息不完备以及项目在进行中或完成后的不当惩罚与激励都可能引发众包平台知识产权风险。具体如下:①接发包方信息不对称。发包方往往比接包方拥有更多信息，从而导致在知识产权利益分配上不合理;②合作契约完备度。合作关系中契约完备度会严重影响知识产权保护程度(张春勋，2007)。在众包平台中形成的合作关系与以往合作关系最大的不同之处在于互联网带来的虚拟性，众包平台中发包方和接包方形成的是非契约约束关系，这将增加众包平台参与双方知识产权纠纷的可能；③对道德风险行为的约束程度。发包方员工利用企业内部技术参加投标、接包方盗用他人或模仿他人成果参赛等行为与众包平台约束机制及其所要承担的违约成本有关。因此，众包平台对道德风险有完备的约束机制将有效降低知识产权风险。

1.2 知识特性风险

对风险大小的衡量主要涉及风险发生的可能性及风险造成的破坏性。在众包平台知识产权风险评价中，主要包括平台方管理风险、知识特性风险和知识产权环境风险等指标，而对于风险破坏性的衡量主要与知识特性相关。知识交易创新性越高，知识交易重要性越大。因此，可用众包平台知识交易创新性衡量众包平台知识产权风险时破坏性。接包方知识揭露时机合适度、接包方提交成品编码化程度与发包企业提供资料的适用排他性分别从知识交易时机合适度、呈现形式、资料可利用度3个维度衡量知识产权风险发生的可能性：①平台知识交易的创新性。高端创新比低端创新有更多知识产权侵犯价值，也更需要知识产权保护，因此也更容易引发知识产权风险；②接包方知识揭露时机合适度。由于知识揭露悖论，如果发包方在交易未结束前就已经了解到接包方所提交的内容，就会导致接包方知识丧失交易价值，发包方有可能会拖延或拒绝完结任务，接包方酬劳无法得到保障，容易发生知识产权纠纷[16]；③接包方提交成品编码化程度。编码化知识的可复制性和知识的不可分割性特征可使知识被复制后而不被发现，尤其是在信息技术比较发达的今天，知识复制成本远远低于知识创新成本[17]。众包平台中接包方提交的作品往往以稿件等形式呈现，使得知识产权受到侵犯成为可能；④发包企业提供资料适用排他性。在众包平台中，要促成企业双方合作，需透露相关信息，接包方在看到发包方提供的资料后，有可能采取损害发包方知识产权的行为[18]。

1.3 知识产权环境风险

知识产权环境风险主要来源于接包方、发包方维权意识的薄弱和维权渠道的不畅通，其中知识产权维权意识用平台参与者受教育程度衡量，维权渠道畅通度运用法律政策完善度及政策执行力度衡量。具体如下：①众包平台知识产权相关法律政策的完善度及政策执行力度。众包平台发展需要相应法规进行规范,以确保众包产品能够实现合法交易,尤其是在创新平台涉及的知识产权问题等方面[17]；②平台参与者受教育程度。众包平台参与群体的广泛性使得众包参与者知识产权保护意识与众包平台知识产权风险大小紧密相连，而众包参与者知识产权保护意识在很大程度上取决于参与者平均受教育程度[19]。

本文构建的众包平台知识产权风险评价指标体系见表1。

2 基于DEMATEL-ANP与D-S证据理论的评价模型构建

2.1 运用DEMATEL确定NRM

本文选择决策实验室法(DEMATEL)梳理指标间的复杂关系。DEMATEL方法由20世纪70年代初日内瓦研究中心Battelle协会提出，有助于揭示问题重要影响因素及其内部构造[20]。具体步骤如下：

第一步：计算初始直接关系矩阵、归一化矩阵、综合影响关系矩阵。每个专家都采用预先设定好的5个比较等级{0，1,2,3,4}，评价任意两个指标间的直接影响关系，等级0-4分别代表“无影响”到“非常高的影响”。假设第k个专家给出的非负影响关系矩阵为

其中

代表第k个专家给出的关于指标Cj影响指标Ci的程度；n代表指标数量。集成所有专家意见，可得到初始直接关系矩阵A=(aij)n×n，求得归一化矩阵D，进而求得综合影响关系矩阵T[21]。具体如下：

T=(tij)n×n=D(I-D)-1

其中

为单位矩阵， tij反映了元素Ci影响元素Cj的程度。

第二步：计算每个元素的影响度、被影响度及中心度与原因度。矩阵T中的元素tij表示因素Cj对因素Ci带来的直接影响程度和间接影响程度。T各列元素之和表明各列对应因素对其它因素的综合影响值，称为影响度，记作D。T各行元素之和表明各行对应因素受到其它各因素的综合影响值，称为被影响度，记作R。每个指标D和R之和称为该指标的中心度，表示该指标在系统中的位置及作用大小。每个指标D和R之差称为该指标的原因度。中心度反映了各因素的重要程度，而原因度则反映了各因素之间的相互影响关系。若D-R为正数，则表示该指标对其它指标影响较大，称为原因因素；若D-R为负数，则表示该元素受其它因素影响较大，称为结果因素。

2.2 运用ANP方法计算子指标全局权重

本文采用由美国Satty教授[22]提出的网络层次分析法(ANP)代替适用于独立递阶层次结构的层次分析法(AHP)进行指标权重计算。该方法强调网络中元素存在相互影响或制约关系，这种由影响或制约关系形成的网络结构更加符合对现实事物之间关系的合理描述。此方法是在运用DEMATEL理清各指标间具体逻辑关系的基础上进行的，具体步骤如下：

第一步：构造未加权的超矩阵。构建指标、子指标间的两两比较矩阵且计算矩阵的一致性。对底层指标元素按照AHP方法，邀请专家进行评价，构造两两判断矩阵，矩阵中元素重要程度可采用Saaty教授提出的1-9标度法。要求专家回答的问题为在某一标准之下，哪个因素更加重要，如“对于提高接发包方信息对称度而言，接发包方订立合作契约的完备度以及网站对于道德风险行为的约束强度哪个更重要”？本文借助“Super Decisions”专业软件解决ANP模型。

第二步：运用SD软件分别求出构造加权矩阵，求出加权超矩阵，对加权超矩阵求极限，从而得到各指标的权重。

2.3 运用D-S证据理论进行方案评价

D-S证据理论于1967年由Dempster[23]首先提出，后经Shafter[24]进行扩充，并在此基础上产生了处理不确定信息的证据理论。证据理论提供了一种构造不确定性推理模型的一般框架，能够满足比概率更弱的公理系统。证据合成公式满足交换律，与信息前后顺序无关，因而在计算上具有很好的灵活性[25]。本文在在前文运用DEMATEL和ANP理清指标间相关关系的基础上，对指标进行去相关化处理，得出去相关性后的指标权重，在此基础上进行证据合成，从而对不同众包平台知识产权风险进行评价。具体步骤如下：

第一步：求去相关性后的指标权重wi。将运用DEMATEL方法得出综合影响关系矩阵中Cj对Ci的影响和Cj受到Ci的影响相加除以2，衡量指标Ci与Cj之间的相关性。运用指标去相关性方法[26]对指标进行去相关性处理，得出去相关性后的指标权重wi。

第二步：计算基本概率分配函数。辨识框架各评价元素用Sj表示，考虑每个指标的不同重要性wi，得到确定基本概率分配函数公式如下[27]：

其中，rij代表第i个指标的第j个评价元素，ai代表折扣率，计算方法为：

第三步：将第三步计算得到的mass函数带入以下公式中，利用n个mass函数的Dempster合成规则进行合成[25]。在进行mass函数合成过程中，应区分正向和负向指标，将其全部统一为正向指标或负向指标后进行合成。

m1(A1)·m2(A2)…mn(An)

3 众包平台知识产权风险评价模型应用

本文分别选取美国和中国众包平台中极具代表性的InnoCentive和猪八戒网,按照前文构造模型分别对这两个网站进行知识产权风险评价，并对其指标情况一一进行分析，以找出二者风险差异及其原因。InnoCentive是全球第一家旨在利用先进技术和网络将难题与潜在“解决者”相连接的虚拟咨询企业。InnoCentive网站已吸引了包括美国礼来公司、宝洁、AveryDennison公司、杨森和洛克菲勒基金会在内的大量多元化组织，将其注册成为“寻求者”并张贴挑战。InnoCentive旨在将全球领先公司面临的各类科研难题与顶尖科学家一一对应,使之各取所需。猪八戒网是中国目前最具代表性的众包平台之一，2011年猪八戒网获得IDG投资，并被评选为中国2011年度“最佳商业模式十强”企业。2015年6月，猪八戒网宣布分别获得来自重庆北部新区和赛伯乐集团的10亿元、16亿元融资，并计划打造全国最大的在线服务电子商务交易平台。因此，本文选取的InnoCentive和猪八戒网是分属于美国和中国的最具代表性的典型众包网站。

3.1 众包平台风险评价指标权重计算

第一步：计算初始直接关系矩阵、归一化直接关系矩阵、综合影响关系矩阵。采用德尔菲法对一级指标间的直接影响关系进行判断并构造有向图。由9名专家共同评价，其中6名专家来自猪八戒网法律服务板块，他们均具备专业法律资格，且在猪八戒网同行业评价中处于领先地位，不仅对知识产权比较熟悉且了解众包平台业务特点，另外3位专家是熟悉众包平台知识产权领域的研究者。本文通过电子邮箱发放、回收问卷。然后，将有向图转变为矩阵形式，得到直接关系矩阵A。由于篇幅关系，不再列出直接关系矩阵，而是根据公式(1)、公式(2)、公式(3)计算出一级指标初始直接关系矩阵(见表2)、综合影响矩阵(见表3)。同理，求得二级指标的直接关系矩阵(见表4)和综合影响关系矩阵(见表5)。

第二步：计算一、二级指标的影响度D、被影响度R以及中心度D+R 与原因度D-R，见表6。

由表6可知，C2、C3属于原因因素，其是影响众包平台知识产权风险大小的最根本因素。而C1属于结果因素，其是影响众包平台知识产权风险最直接的因素。从中心度看，其值越大，说明该指标对众包平台知识产权风险大小的影响程度越明显。因此，各指标对众包平台知识产权风险的影响程度从大到小依次为C1、C2、C3。此外，各一级指标之间都具有相互影响关系。同样由表6可知，C21、C31、C32属于原因因素，对指标C11、C12、C13、C22、C23、C24均会产生较大程度的影响，指标C11、C12、C13、C22、C23、C24属于结果因素。从中心度角度看，对众包平台知识产权风险影响程度由大到小依次为C32、C21、C13、C12、C11、C24、C31、C23、C22。

第三步：建立判断矩阵。在第一步完成后，对众包平台各风险因素之间的关系已有了初步判断，从第一步9名专家中抽取3名专家填写问卷。由于本文涉及3个元素集，共9个元素，需要构建的判断矩阵较多，计算量较大。因此，本文借助Super Decision软件，以问卷模式将两两比较判断矩阵输入软件中进行计算，并对判断矩阵进行一致性检验。在此，只列举一个元素判断矩阵进行说明。表7显示的是元素C32准则下C2元素集中的因素判断矩阵。根据判断矩阵可求出元素集C2中各元素的未加权权重值，其一致性检验结果为0.092 6<0.1，满足要求。因此，权重在可接受范围内。

第四步：构造极限超矩阵，计算未去除相关性的指标权重。用Super Decision软件计算未加权矩阵、加权超矩阵、极限超矩阵，根据极限超矩阵结果，确定众包平台知识产权风险各评价指标未去除相关性的指标权重(见表8)。

3.2 InnoCentive和猪八戒网知识产权风险评价

本文运用D-S证据理论对InnoCentive和猪八戒网知识产权风险程度进行评价，以猪八戒网为例说明计算过程。

第一步：求去相关性后的指标权重。表9中将Cj对Ci的影响和Cj受到Ci的影响相加除以2，以衡量指标Ci与Cj之间的相关性。对众包平台知识产权风险进行去相关性处理，并求得去相关性后的指标权重，如表8中去相关性指标权重一栏所示。

第二步：对二级指标进行合成。各由10名专家对猪八戒网和InnoCentive进行指标评价。其中，各有7名专家是猪八戒网和InnoCentive的使用者，这14名专家均成功参与过相应网站的众包项目(猪八戒网专家是来自案例库的优秀众包参与者，InnoCentive专家选自winning solvers)，且在评价和项目完成水平上均领先于其他参与者。猪八戒网和InnoCentive另外3份问卷由进行DEMATEL指标评价的3名知识产权领域的研究者完成，问卷填写同样通过电子邮箱来完成。以一级指标平台方管理风险为例，对应的二级指标评价信息见表10。从中可见，第一行的含义为基于接发包方信息对称度的二级指标，没有专家认为猪八戒网接发包方信息对称度为“弱”，1位专家认为“较弱”，7位专家认为“一般”，2位专家认为“较强”，没有专家认为“强”。以此类推。在将指标评价信息转化为mass函数过程中，根据指标正负性，对指标转化风险进行评价。基于表10中的指标评价信息及权重，根据公式(4)和公式(5)，可得出二级指标C11、C12、C13的mass函数，再根据式(6)计算出二级指标合成结果，如表10所示。其中，U表示不确定度。对于猪八戒网C11、C12、C13指标，专家认为其应评价为“一般”、“较弱”、“一般”。

第三步：对一级指标进行合成，同理可计算出C2、C3各一级指标对应的合成结果(见表11)。利用式(4)、式(5)进一步计算，得到新的一级指标C1、C2、C3的mass函数，再根据式(6)继续合成，得到最终合成结果，见表11。

第四步：猪八戒网和InnoCentive各指标风险程度评价结果及综合风险评价结果如表12所示。

3.3 模型评价结果

将评价结果与InnoCentive和猪八戒网的实际情况进行对比发现，评价结果与实际情况基本一致。从总体评价看，InnoCentive和猪八戒网的知识产权风险较小。进一步分析发现，虽然两个网站知识产权风险评价结果相似，但各指标评价具体风险程度具有明显差异。具体如下：

(1)平台方管理风险差异。由表6可以看出，平台方管理风险指标中心度为6.175，其是众包平台知识产权风险评价中中心度最大的一级指标，也因其是3个一级指标中唯一一个结果性影响因素(原因度为-1.052)，而成为一级指标中最容易控制、最直接的风险。平台方管理风险中包含3个二级指标C11、C12、C13的原因度分别为-0.920、-1.238、-0.730，也均是结果性因素，其主要受知识特性风险、知识产权环境风险两个一级指标的影响。①接发包方信息对称度有别。InnoCentive网站在发包方进行项目发布之前，会联合网站专家组与发包方对项目进行评估，第三方介入使得项目估价更加客观。而猪八戒网则是由发包方直接定价，由于信息不对称，接包方更容易因为不了解自身知识价值而使知识产权受到侵犯；②合作契约完备度有异。InnoCentive网站在张贴挑战时就已明确挑战结束时的确认标准，以及挑战应该完成的期限和悬赏金额。在决定参与后，寻求者和解决者需要签订协议，约定双方义务及知识产权转让情况，提供真实姓名和联系方式。而对猪八戒网而言，任务结束标准往往比较模糊，只有在任务完成需要领取奖金时才强制要求进行实名认证，对知识产权纠纷处理方式缺乏合理规定；③道德风险行为约束强度不同。InnoCentive在将项目发布之前，发包人会将项目拆分，以确保接包方无法了解整个项目，每个参与投标的投标人与发包人的交流都是在只有双方可以进入的项目室中进行，在提供奖金之前，对每个解决者进行查证，如检查雇主契权书、检查解决者放弃知识产权保证书，所有获奖者名单和个人简历都在网站公开等。猪八戒网对于接发包方的道德风险约束不是很强，很多方案都在网上公开，对侵犯知识产权行为的惩罚力度较小，可通过重新注册来获取新资格。

(2)知识特性风险差异。由表6数据可知，知识特性风险中心度为5.935，原因度为0.736，是3个一级指标中中心度处于第二位的指标，也是原因度最大的指标，即是整个众包平台知识产权风险影响因素中最根本的因素。政府能够在多大程度上提高众包平台知识产权保护，为众包平台发展营造良好的知识产权保护环境，以及众包平台在多大程度上制定严苛的平台知识产权保护措施，都取决于众包平台中知识交易性质。知识特性风险二级指标原因度依次为1.340、-0.121、-0.093、-0.297。由此可见，该一级指标的正原因度主要是由于二级指标中平台交易知识的创新性所致。其余3个二级指标则是结果性因素，这些因素均和众包平台交易知识创新程度有关。虽然猪八戒网在众多指标评价上均不如InnoCentive网站，但其知识交易创新性中心度(权重)较大，对两个网站的整体评价结果影响显著。①平台交易知识创新性不同。InnoCentive网站均是高创新、大难度任务，对于知识产权保护要求较高，需要政府提供良好的知识产权环境以及平台方投入更大精力进行知识产权保护。猪八戒网上任务相对来说创新性较低、任务涉及数额不大，因而平台方管理投入和众包平台知识产权环境投入相对较小；②接发包知识揭露时机合适度存在差异。尽管InnoCentive网站和猪八戒网发包方均是在支付获胜奖金前就可以看到投标人提供的方案，但InnoCentive网站有一系列保障措施能够保证发包方不会侵犯投标人的知识产权。如InnoCentive在提供奖金前，会对每一个解决者进行查证，检查雇主契权书和解决者放弃知识产权保证书等，且由InnoCentive网站专家组和发包方共同决定获取奖金的接包方，避免发包方在这一过程中出现损害接包方知识产权的行为。而猪八戒网获奖接包方完全由发包方决定，发包方存在故意拖延奖金支付或者选择不合适的中奖接包方的可能，从而损害接包方的知识产权；③接包方提交成品非编码化程度高低不同。InnoCentive网站知识多以国际尖端化学和生物难题为主，交易学科性质决定交易知识编码化程度较大，而猪八戒网上任务不仅有高度编码化的程序、数字类任务，还有知识产权服务、策划设计等编码化程度较低的任务。因此，猪八戒网优于InnoCentive；④发包企业提供资料排他性措施不同。InnoCentive网站在发包之前对发布任务进行了有效分解，任务发布具有较强的针对性，接包方很难从中判断出发包方的整体目的，提供资料也就具有很强的排他性。猪八戒网上任务相对低端。因此，发包方在将任务放到众包平台之前往往并不进行项目分解，接包方提交的方案经常被其它网站盗用。

(3)知识产权环境风险差异。从表6可以看出，知识产权环境风险中心度为5.567，原因度为0.317，原因度较大，在3个一级指标中属于主导因素，且该一级指标包含的两个二级指标原因度分别为1.142、0.917，也均是原因性因素。其中，平台参与者受教育程度是二级指标中中心度(权重)较大的指标。该一级指标的原因度不及知识特性风险原因度大。由此可见，该风险起源于知识特性风险，但比平台方管理风险更接近根源，是平台方管理风险的外部环境和支撑，间接影响平台方管理。①法律政策完善度及执行力度不同。InnoCentive网站知识产权环境各项规定和措施比较完善，而众包平台在中国是一个新生事物，政府对于众包平台知识产权环境构建才刚刚起步。这两个原因性二级指标对促进众包平台知识产权风险管理具有重要作用；②平台参与者受教育程度不同。这和网站交易知识创新程度密不可分。InnoCentive网站的任务创新性较强、平台参与者受教育程度较高，因此有强烈的知识产权保护意识。因此，对于众包平台知识产权保护的推动作用很大。猪八戒网参与者文化水平相对较低，知识产权自我保护意识不强。

4 结论与建议

本文首先利用DEMATEL-ANP构建众包平台知识产权风险评价体系，对众包平台知识产权风险各影响因素之间的关系进行梳理，并得出各指标的权重。其次，运用D-S证据理论对InnoCentive和猪八戒网进行评价，对各指标在不同平台中的情况进行分析，对于有效识别、科学评价和应对众包平台知识产权风险具有重要意义。综上所述，本文得出如下结论： ①众包平台交易知识高创新性是造成众包平台知识产权风险最为核心和最原始的因素。众包平台交易知识的创新性越高，对所处平台知识产权保护能力要求也越高。以InnoCentive和猪八戒网为例，InnoCentive在各项保护措施上明显好于猪八戒网，但由于猪八戒网交易知识创新程度不高，对知识产权的要求不高、所以才会在总体水平上相差不大； ②知识产权环境风险因知识高创新性而起，又对众包平台知识产权管理具有重要影响，属于外围支撑。众包平台交易知识创新性的提高会对众包平台知识产权保护提出新要求，需要通过法律方案的制定、参与者受教育程度的提高督促众包平台加强知识产权管理，这也是知识产权环境风险原因度小于知识特性风险的原因； ③平台方管理风险是引发众包平台知识产权风险最重要的指标，也是进行风险控制最直接有效的指标。平台方可借助网络与接包方和发包方进行直接接触，通过构建多种知识产权保护机制对知识产权进行保护，以促进众包平台知识产权保护发展； ④知识揭露时机合适度、提交成品非编码化程度、提供资料的排他性等指标控制需与平台方管理、知识产权环境相结合。这3个二级指标虽然是结果性因素，但结果性较小。这是因为，这些指标和众包平台知识交易特性相关，无法对其进行直接控制。因此，对该3项二级指标的控制需借助平台方管理措施和众包平台所处知识产权环境变化情况而定。

政府和众包平台都应认识到，随着创新型国家建设不断深入，众包平台在推动我国科技创新发展中将会扮演越来越重要的角色。与此同时，众包平台交易知识创新性也会增大，知识交易编码化程度也会提高，并进一步增加众包平台知识产权风险。为有效促进创新，控制众包平台知识产权风险，建议政府和平台方在众包平台知识产权风险保护方面做好如下工作：

(1)众包平台方应完善诚信评价、平台准入、作品评价、利益分配等各项机制。平台方需通过这些机制在合作开始前保证接发包方信息对称、契约完备，合作过程中对接发包方的道德风险行为进行约束，合作结束时保证知识产权的顺利交接。另外，还应针对不同知识特性制定相应政策，对知识交易时机、企业透露资料、知识编码化等行为进行合理规定和处理。

(2)政府应提高众包平台知识产权保护力度，进一步完善相关法律法规。注重知识产权保护政策的制定，加强公众对于众包平台知识产权风险的重视程度，提高众包管理平台知识产权保护能力，营造良好的知识产权保护环境，强调众包平台知识产权新生事物特性，以及对于网络的依赖性。

(3)政府和平台方应通过宣传教育等方式提高众包参与者的知识产权保护意识。由于众包平台参与群体知识产权保护意识和技巧参差不齐，政府应加强知识产权保护宣传力度，运用群众力量缓解众包平台知识产权风险。

[1] PENG G. On the legal issues about crowdsourcing and witkey[C]//e-Education, Entertainment and e-Management (ICEEE), 2011 International Conference on. IEEE, 2011: 293-295.

[2] 林素芬,林峰. 众包定义,模式研究发展及展望[J].科技管理研究,2015,35(4):212-217.

[3] 庞建刚.众包社区创新的风险管理机制设计[J].中国软科学,2015(2):183-192.

[4] HOWE J. Crowdsourcing: how the power of the crowd is driving the future of business[M]. Random House, 2008.

[5] MARJANOVIC S, FRY C, CHATAWAY J .Crowdsourcing based business models: in search of evidence for innovation 2.0[J].Science & Public Policy,2012,39(3):318-332.

[6] 闫威,陈燕,陈林波.基于集值统计的动态联盟知识产权风险评价[J].科学学与科学技术管理,2008,29(6):28-31.

[7] 汤春雷.企业合作创新中的知识产权风险浅析[J].经营管理者,2009(20):209-209.

[8] 杨海.中国服务外包知识产权风险和适用法律研究[J].现代管理科学,2010(5):72-74.

[9] 葛秋萍,汪明月.产学研协同创新技术转移风险评价研究——基于层次分析法和模糊综合评价法[J].科技进步与对策,2015,32(10):107-113.

[10] 田依林.基于模糊综合评判法的企业知识创新风险评价研究[J].科技进步与对策,2010,27(8):149-152.

[11] 黄清鑫,郭东强.一种基于BP神经网络的转型企业知识转移风险评价模型研究[J].现代情报,2015,35(1):108-113.

[12] 陈振斌,张庆普.基于模糊神经网络的企业知识管理风险评价[J].科学学研究,2008,26(4):773-778.

[13] SUDER A, KAHRAMAN C.Multicriteria analysis of technological innovation investments using fuzzy sets[J].Technological and Economic Development of Economy,2016,22(2):235-253.

[14] 李柏洲,徐广玉.基于方法集的合作创新企业知识转移风险评价[J].科技进步与对策,2014,31(6):112-117.

[15] 张伟,张庆普.基于模糊德尔菲法的企业知识管理创新风险评价研究[J].科技进步与对策,2012,29(12):112-116.

[16] 何瑞卿,黄瑞华,徐志强.合作研发中的知识产权风险及其阶段表现[J].研究与发展管理,2007,18(6):77-82.

[17] 肖玲诺,史建锋,孙玉忠，等. 产学研知识创新联盟知识链运作的风险控制机制[J].中国科技论坛,2013,1(3): 115-120.

[18] SIALA H.Crowdsourcing project management to the 'open' community[J]. PM World Journal, 2013, 10(2): 1-17.

[19] 孙旭玉.中国知识产权保护水平与影响因素的实证分析[J].理论学刊，2010(7)：54-59.

[20] GABUS A, FONTELA E. World problems, an invitation to further thought within the framework of DEMATEL[J].Switzerland Geneva: Battelle Geneva Research Centre,1973(19):5-57.

[21] TZENG G H, CHIANG C H, LI C W. Evaluating intertwined effects in e-learning programs: a novel hybrid MCDM model based on factor analysis and DEMATEL[J]. Expert systems with Applications, 2007, 32(4): 1028-1044.

[22] 王莲芬.网络分析法的理论与算法[J].系统工程理论与实践,2001(3):44-50.

[23] DEMPSTER A P. Upper and lower probabilities induced by a multivalued mapping[J].The Annals of Mathematical Statistics,1967:325-339.

[24] SHAFER G.A mathematical theory of evidence[M].Princeton: Princeton University Press,1976.

[25] LI W, CAO J, WU D. Multi-feature fusion tracking based on a new particle filter[J]. Journal of Computers, 2012, 7(12): 2939-2947.

[26] 张博.基于证据理论的整装勘查区资源竞争力评价研究[D]. 北京：中国地质大学,2015.

[27] 李金玉,王曙燕,孙家泽.基于加权D-S的软件易用性评估模型[J].计算机工程与设计,2016,37(1):118-122.

(Economic Management Insitute, Taiyuan University of Technology, Taiyuan 030024,China)

Abstract：As more and more enterprises begin to use crowdsourcing for innovation and cooperation, the features of crowdsourcing make intellectual property risks of crowdsourcing platform increasingly protruding and have a great influence on the healthy development of crowdsourcing platform. This paper constructs an evaluation index system, and proposes an integrated evaluation model that combines DEMATEL, ANP based on the correlation between indexes and D-S evidence theory. And we not only evaluate the intellectual property risk of Crowdsourcing Platform about InnoCentive but also draw a conclusion that the degree of risk of Zhubajie.com Website is very different from InnoCentive's. The main results may be summarized as follows: the high innovative crowdsourcing task is the most original factors which may course intellectual property risk and then result in rising of the intellectual property environment risk. The wrong management behavior of the Crowdsourcing platform is one of the most superficial reasons; The management of Crowdsourcing Platform is the most direct and effective channels to lower the risk. The management of the Crowdsourcing Platform and the management for intellectual property environment should be combined to reduce the risks which are irrelevant to innovation.

Key Words：The Intellectual Property Risk of Crowdsourcing Platform; Dematel; ANP; D-S Evidence Theory; Evaluation Model

作者简介：李恩平(1963-)，女，山西沁县人，太原理工大学经济管理学院教授，研究方向为人力资源管理、科技创新；张真铭(1992-)，女，山西汾阳人，太原理工大学经济管理学院硕士研究生，研究方向为科技创新。