表1元矩阵构成
实体及网络人知识/资源事件/任务组织 人社会网络知识网络参与网络成员网络知识/资源信息网络需求网络组织能力网络事件/任务时序网络制度支持或攻击组织组织间网络
吴菲菲1,2，李 倩1，米 兰1,2，李 欣1,2，黄鲁成1,2
(1.北京工业大学 经济与管理学院；2.北京工业大学 北京现代制造业发展研究基地，北京 100124)
摘要：由于企业战略及外部环境多变，企业间研发合作网络呈现动态演化。以谷歌为例，通过获取Factiva数据库网络信息，构建以谷歌为核心节点的主体合作网络和参与网络叠加的二模网络，利用动态网络分析法探究研发合作网络的结构特征和内容特征。实证结果表明，在网络结构特征方面，谷歌研发合作网络的结构演化呈现明显的阶段性特征，网络规模不断扩大、网络联系不断增多；在网络内容特征方面，合作内容始终基于技术创新优势，合作伙伴出现跨产业变化，多产业研发合作模式出现，在倚重高年限企业的同时，逐渐倾向于初创型企业。谷歌研发合作网络演化特征不仅体现了谷歌发展原则和战略，而且为具有自身技术优势的企业选择合作伙伴提供了借鉴。
关键词：网络信息；研发合作；谷歌；动态网络分析；网络演化特征
外部协作和开放式创新在企业创新管理与绩效中扮演着越来越重要的角色[1-2]。伴随新兴技术复杂性增加、更新速度加快，企业创新出现跨领域、跨企业特征，由于单个企业难以承担技术研发风险和成本，但又迫切希望提升竞争力以适应市场需求，越来越多的新产品产生于合作创新[3-4]。研发合作通过交流知识与创造新知识，促进战略性知识流动[5]，帮助企业获得互补性知识和技术，产生规模经济，加速企业新产品或技术商业化[6]。合作伙伴间充分的信息交流，有助于降低研发不确定性和成本，避免重复性工作，有效实现知识转移与较高创新绩效[3][7][8]。网络往往被认为是知识扩散的基础设施[9]，通过重组参与者的想法和资源，使创新受益[10]。企业间研发合作网络是企业为了分担风险、提高创新成功率而自愿合作形成的一种社会网络。网络中企业致力于寻找具有经济价值的网络链接，以获取互补资源，实现技术创新[11,13]。
目前，企业间研发合作网络研究主要通过构建静态单模研发合作网络探讨企业主体间合作关系。如Sanjeev等[14]提出企业间研发合作网络形成的战略模型，分析了可能存在的4种网络结构(完整网络、星型网络、部分连通网络和空网络)的稳定性和行业利润关系。顾力刚和张文帝[15]基于联合申请专利中的共同申请人信息，构建了丰田、日产和本田3个汽车生产企业的研发主体合作网络，通过计算社会网络分析中心性指标，发现合作网络具有星型网络结构，合作对象在网络中存在地位差异。胡欣悦、孙飞和汤勇力[16]基于PCT专利数据中不同地址反映的研发合作关系，构建了华为国际化研发主体合作网络，分析了合作网络地理分布和研发单元网络地位，并对该网络结构演化路径进行了可视化。上述研究主要关注单模网络结构特征，缺乏对合作内容及合作伙伴等网络构成的挖掘，以及随时间演化网络特征的分析。因此，有研究者呼吁在网络研究中探讨合作网络内容特征，例如网络合作伙伴特征、网络合作伙伴多样性程度等[17]。有研究表明，研发伙伴多样性有助于企业获取丰富而非冗余资源、有效克服本地锁定和思维定势[18]。鉴于上述分析，本文引入多模网络和动态分析，一方面，把握企业主体间合作网络内部结构；另一方面，探究主体参与关系，分析合作网络内容演化特征。
《2016年BrandZ全球最具价值品牌百强榜》公布，谷歌以2 291.98亿美元的品牌价值重新超越苹果，成为百强第一。谷歌作为全球领先的科技企业，是新时代互联网的标杆[19]，其研发合作起步较早并取得了显著成果。因此，以谷歌为案例，研究其研发主体合作网络结构特征以及参与网络内容特征演化对全球企业选择合作伙伴具有一定借鉴与参考价值。
本文基于动态网络分析法(DNA)，以Factiva数据库检索的关于谷歌研发合作的各类新闻、博客等网络信息作为数据源，通过文本挖掘，抽取合作对象、合作内容及合作时间等信息，以此构建以谷歌为核心节点的研发主体合作网络和参与网络，借助网络密度、网络规模等网络结构指标，分析不同发展阶段的谷歌网络结构特征，通过挖掘节点属性探究网络内容特征。通过基于网络结构特征演化分析谷歌发展脉络，基于网络内容特征演化挖掘谷歌合作伙伴特征，进而探究谷歌合作伙伴选择标准，为全球相关企业选择合作伙伴提供参考。
1.1.1 动态网络分析法
传统的社交网络分析法(SNA)是研究包含1种类型节点(如人)和2～3种类型链接(如友谊和建议)的静态小规模有界网络。由卡内基梅隆大学Carley开发的动态网络分析法(Dynamic Network Analysis，DNA)能够处理大规模动态多模多边且具有多层不确定性的网络。动态网络分析法主要采用元矩阵表示法，元矩阵中的实体包括人、知识/资源、事件/任务和组织[20]。在DNA中，不同实体类型反映了网络的多模，任何两个实体之间各种类型的链接反映了网络的多层，边的多种属性反映了网络的多边。随着时间推移，实体和边的变化反映了网络动态性[21]。
动态网络分析法常用于揭示多模、多链接的复杂关系网络特征，尽管分析过程与计算较复杂，但ORA(Organization Risk Analyzer)数据分析软件包使DNA的快速求解和分析变得易于操作。与大多数社交网络分析工具不同，ORA利用元矩阵本体，有助于分析丰富、多模、多链接关系的数据[22]。
国内外学者利用ORA分析动态多模网络取得了一定成果。如部分研究者[23]利用ORA构建了由专利申请人、申请国和IPC分类号组成的三维元矩阵，对合作网络、知识网络和专利权人分布网络进行评估，详细分析了3D打印技术行业现状和研发趋势。马宁和田儒雅[24]采用ORA描述了网络社区的元网络和子网层次，用于识别在线社区的意见领袖。Hanson和Ford[25]使用定性方法与ORA，探索了15家医院实验室亚单位之间的领导力动态。针对反恐问题，Carley[21]提出确定动态恐怖组织网络新兴领导人的方法。上述研究成果为本文分析研发合作网络演化特征提供了方法依据。
1.1.2 网络分析元矩阵建立
动态网络分析中的元矩阵可以表示异质个体和它们之间的不同链接关系，元矩阵构成如表1所示，表中实体交叉位置表示节点间构成的不同网络，一个复杂的动态网络中可以同时存在多种节点和不同性质的边。
表1元矩阵构成
本文使用研发合作企业与研发合作内容建立动态网络分析元矩阵，实体可分为以下两类：①企业实体。它是研发合作的能动对象，因此可视为研发主体，企业实体反映的是研发活动来源；②任务实体。它代表企业参与的研发活动，可以用研发合作内容表征，每一种合作内容代表企业要完成的任务。两个实体构成一个二维元矩阵，如表2所示。
表2动态网络分析二维元矩阵
主体x的主体网络就构成合作网络，主体x的任务网络构成参与网络。利用动态网络分析工具ORA可得由合作网络和参与网络叠加的二模网络，构成要素如表3所示。
表3动态网络各子网络层
所用数据均来源于Factiva数据库。Factiva是一个全球新闻数据库，拥有近33 000个来源，包括许可出版物、有影响力的网站、博客、图片和视频。Factiva是唯一提供直接访问道琼斯的内容提供商。新闻、博客等网络信息的及时性弥补了专利信息的滞后性，有助于快速了解企业合作状态变化。利用检索表达式=“Google near3 (((cooperat* or collaborat* or deal* or sign*) w/3 with) or (join* w/3 (to or with)) or (partner* w/3 (to or with)) or (launch* w/3 with) or (work* w/3 with) or (link* w/3 with) or (team*(up or with)) or (enter* w/3 with))”，检索时间截至2016年11月，共在Factiva数据库检索出6 478条数据，包括道琼斯505条、出版物5 505条、网络新闻372条、博客70条、图片8条、多媒体18条。根据Factiva的初步统计，得到数据中出现的全部720家企业，人工去除与谷歌不存在合作关系的企业并以上市公司为限制条件进行二次筛选，共得到101家与谷歌存在研发合作关系的上市企业。以101家上市企业为主体节点，构建以谷歌为核心的主体合作网络，以研发合作内容为任务节点构建参与网络。
动态网络分析首先需要对网络形成阶段进行划分，本文数据源为网络信息，因此，以Factiva统计的与谷歌合作相关的网络信息数据量作为阶段划分依据。Factiva全球新闻数据库中，与谷歌合作的相关网络信息出现于1999年，逐年变化情况如图1所示。
图11999-2016年谷歌研发合作网络信息数据量变化趋势
从图1可以看出，与谷歌合作相关的网络信息数量在1999-2016年间总体呈递增状态。其中，1999-2004年合作数量处于较低水平；自2005年始数量开始上升，但是增幅较小，2005-2010年整体分布均匀，且在450条上下波动；自2011年以后，网络信息数量进入跃升期，且增长速度非常快，在2016年达到最高。综上可知，与谷歌合作的相关网络信息数量呈明显的阶段性增长特征。因此，可将与谷歌合作情况划分为3个阶段，即1999-2004年、2005-2010年、2011-2016年，分阶段汇总研发合作信息，记录合作上市企业名称和研发合作内容，并对合作内容进行分类，分别构建由主体合作网络和参与网络叠加的谷歌动态研发合作网络。
通过计算主体合作网络规模、网络连接次数和网络密度，对研发合作网络结构演化特征进行分析。其中，网络规模是指网络中的主体数量，网络规模越大，说明参与研发合作的研发企业越多；网络连接次数代表研发企业之间的合作次数，网络连接次数越多，说明研发企业之间的合作频率越高；网络密度即网络中实际连接数与最大可能连接数的比率，在无权网络中，其取值范围为0～1。网络密度用于衡量网络节点间的紧密程度。网络密度越大，说明研发企业间的合作关系越紧密。
图2表示了谷歌1999-2004年、2005-2010年、2011-2016年3个阶段的主体合作网络演化轨迹。表4列出了相应阶段谷歌主体合作网络的整体结构特征。由表4可知，随着网络规模扩大，网络连接次数迅速增加，网络密度减小。由此可知，虽然主体合作网络规模不断扩张，但是只有少数企业与谷歌的合作频率较高，网络节点间的关系较为松散。另外，网络中逐渐出现多个节点全连通的子图，说明谷歌愈发倾向于多企业研发合作形式。
图2主体合作网络演化轨迹
表41999-2016年主体合作网络整体结构特征
通过挖掘网络节点属性，从合作规模、合作内容、合作伙伴产业和合作伙伴年龄3个方面对研发合作网络内容演化特征进行分析，以深入了解谷歌自成立至今的发展战略和合作伙伴选择标准。通过对比二模网络和参与网络，探究合作规模和合作内容的演化特征。对于合作伙伴演化特征的分析主要从合作伙伴产业演化特征和年龄演化特征两个方面展开。如图3、图4、图5所示，网络中的圆形节点代表企业，五边形节点代表研发合作内容，三角形节点代表谷歌。为了清晰展示，在参与网络中忽略谷歌与合作内容间的连接。表5描述的是3个网络阶段中合作内容的伙伴数量变化情况，表6表示研发合作伙伴年龄演化特征，图6表示研发合作伙伴产业演化特征。
2.2.1 合作规模与合作内容演化特征
(1)阶段一(1999-2004年)：合作伙伴少，地理分布集中，合作内容单一。该阶段谷歌的研发合作伙伴只有10家企业，这些企业主要分布在美国、英国、加拿大和日本等发达国家。研发合作主要集中在互联网搜索引擎和广告技术，合作内容为搜索引擎技术与搜索公司、网络服务提供商的搜索技术和广告服务的融合。此阶段是谷歌成立初期，其核心技术为搜索引擎技术，因此研发合作主要围绕搜索引擎技术展开，合作内容与形式比较单一。因此，主体合作网络呈放射状，参与网络呈聚拢状，具体见图3、表5。
(2)阶段二(2005-2010年)：合作伙伴迅速增加，地理分布开始扩散且合作内容日渐丰富。该阶段的谷歌合作伙伴迅速由原来的10家企业扩增至48家，特别是在互联网搜索引擎和广告技术方面的研发合作企业增加了15个。合作企业的地理分布仍以欧美和日本等经济发达国家为主，也开始涉及韩国、中国等亚洲地区国家。研发合作内容扩展至基于搜索引擎技术的搜索服务产品研发。另外，增加了移动手机技术、软件技术和无线网络技术的研发合作。在该阶段，谷歌的搜索引擎技术深入发展并基于该技术推出了一系列搜索服务，如谷歌地图、谷歌视频、谷歌翻译等。这说明进入快速发展期的谷歌不仅没有放弃起步阶段的核心技术，反而拓展了该领域合作，进一步延伸了“让用户快速获得最相关搜索内容”的成立理念。此外，谷歌还推出了一系列线上软件、应用软件，并在2007年推出Android——首个面向移动设备的开放平台。此阶段，参与网络的合作内容开始出现合作企业的交叉，主体合作网络也开始出现基于多企业合作模式的研发合作，具体见图4、表5。
图31999-2004年的二模网络(上)与参与网络(下)
图42005-2010年的二模网络(上)与参与网络(下)
图52011-2016年的二模网络(上)与参与网络(下)
(3)阶段三(2011-2016年)：合作伙伴数量进一步跃升，地理分布不断扩大，合作内容趋于多样化。该期间，谷歌在互联网搜索引擎和广告技术方面的研发合作企业只增加了3家，合作内容没有进一步扩展，说明谷歌的搜索引擎技术已经趋于成熟；在移动手机技术、软件技术和无线网络技术方面的研发合作企业分别增加了8家、5家、12家，且合作企业在欧美、日本等发达国家的地理分布不断扩大，在亚洲不仅扩大了与中国、韩国企业的合作，而且新增了与印度、斯里兰卡等发展中国家企业的研发合作。随着Android平台的推广，基于该平台的手机移动技术研发合作成为该领域的主体，并推动了相关无线网络技术的研发合作，谷歌Gmail、谷歌桌面、谷歌AdSense等在线和应用软件方面的研发合作规模进一步扩大。另外，新增了可穿戴设备、医疗保健技术、平板电脑和无人驾驶技术的研发合作。该阶段，谷歌的研发合作逐渐从互联网之上走到互联网之下，参与网络的合作内容出现更多合作企业的交叉，主体合作网络中基于多企业合作模式的研发合作迅速增加。此时研发合作网络已经趋于成熟，谷歌与一些企业也建立了稳定而持续的研发合作关系且合作形式出现转变，具体见图5、表5。
表5研发合作内容演化(表中数字代表企业数量)
2.2.2 合作伙伴产业演化特征
美国标准产业分类体系(Standard Industrial Classification，简称SIC)是美国应用时间最长、最有影响力的产业分类体系。SIC不仅全面反映了其经济活动的最新成果，而且具有较强的国际可比性[26]。本文根据美国标准产业分类体系，确定了101个上市企业的产业分类代码。
如图6所示，1999-2004年合作伙伴主要来自于通信业(SIC代码为48)和商业服务业(SIC代码为73)，在出版业和计算机设备行业略有涉及。2005-2010年，合作伙伴仍主要来自通信业和商业服务行业，在此基础之上，新增了8个电力行业的合作伙伴(SIC代码为36)，并且开始涉足交通设备行业(SIC代码为37)和仪器控制行业(SIC代码为38)。2011-2016年通信行业的合作伙伴数量开始减少，电力行业的合作伙伴数量以较快速度增长，电力行业、通信行业和商业服务行业仍然是谷歌研发合作伙伴的行业主体。除此之外，计算机设备行业(SIC代码为35)的合作伙伴数量明显上升，交通设备行业(SIC代码为37)和仪器控制行业(SIC代码为38)的合作伙伴数量进一步增加，同时，新增了化学品及相关产品行业(SIC代码为28)的5个合作伙伴。从图中还可以看出，影像行业(SIC代码为78)的伙伴数量比2005-2010年减少1个，所以该行业企业累积数出现负数。综上可得，谷歌自1998年成立以来，其研发合作涉及的产业类别不断增加，呈现出多产业合作模式。
图6研发合作伙伴产业分布
2.2.3 合作伙伴年龄演化特征
根据维基百科数据库，查询到101家上市公司发展年限，如表6所示，表中数字代表谷歌研发合作伙伴发展年龄。可以看出，首先，1999-2004年研发合作伙伴发展年龄主要集中在3年以上、10年以下，其次年限在10～30年的企业占据一定数量，但是不存在3年以下的企业。其中，2005-2010年的研发合作伙伴中，其发展年龄在10～30年的居多，发展年龄在3～10年的次之，介于 30～100年的企业在各个时间段的数量相差无几，但显然不存在3年以下的合作伙伴。通过对比以上两个阶段发现，在成立的前12年间谷歌不会选择初创企业作为研发合作伙伴，而对高龄企业的选择却呈上升趋势，2011-2016年间合作伙伴年限主要集中在10～50年，并且10～30年的企业更为密集。该阶段年限大于70年的企业快速增多，同时，谷歌也开始与初创企业进行合作。这说明随着自身科技实力提升，谷歌在推出新产品的同时，更多考虑研发合作伙伴的创新力，而初创企业的技术创新性较强，能为谷歌提供其必需的创造性技术。
表6研发合作伙伴年龄特征(表中数字代表企业数量)
本文利用Factiva全球数据库中1999-2016年与谷歌研发合作的上市企业信息及合作内容，构建由谷歌研发主体合作网络和参与网络叠加的二模网络，分析了研发合作网络结构特征和内容特征，探讨了谷歌研发合作网络动态演化过程。具体结论如下：
(1)谷歌研发合作网络呈现明显的阶段性演化特征。谷歌成立于1998年，自1999年起围绕搜索技术展开研发合作，其目的在于拓展搜索技术应用领域，改变单一搜索模式，此时合作规模小，网络结构单一；2005-2010年，谷歌在搜索技术基础之上开展了一系列搜索服务产品的研发合作，并推出线上和应用软件、无线网络服务技术及开源的Android手机平台，开启了研发合作新方向。此时合作规模扩大，多企业研发合作模式开始出现；2011-2016年，谷歌在原有合作领域之外，开展了更多新的研发合作，包括可穿戴设备、平板电脑、医疗保健技术及无人驾驶汽车技术。此时合作规模迅速扩大，网络边数增加，多企业研发合作模式迅速增多。
(2)合作伙伴出现跨产业变化，多产业研发合作模式形成。从谷歌研发合作企业的从属产业来看，通信业和商业服务业始终是合作的主体产业。随着硬件设备发展，谷歌开始涉足电力行业，并且该行业迅速成为合作企业数量最多的行业。另外，谷歌也在不断寻求其它行业的合作，研发合作内容也开始围绕多个产业的不同企业展开，呈现出多产业研发合作模式，且该模式在2011-2016年表现突出。由此可见，随着新技术发展，谷歌开始转变研发合作模式，跨产业合作伙伴不断涌现，并且新产业会取代原有产业地位，但是不会出现退出原有产业的现象。
(3)合作伙伴倚重高年限企业，并逐渐倾向于选择初创型企业。从谷歌研发合作伙伴来看，发展年龄在100年以上的合作企业一直存在且不断增加。由此可见，高年限企业具有的资源和技术优势始终是谷歌在选择合作伙伴时关注的重点。另外，谷歌成立初期选择的研发合作伙伴多为成长型企业，与这些企业的研发合作快速发展了谷歌的核心搜索技术，拉动谷歌迅速脱离起步期。到了成长期，谷歌开始选择处于成熟期的企业来稳定产品和技术研发。进入成熟期，在继续维持与原有成熟企业合作的基础上，谷歌不仅开始选择具有全球品牌价值的黄金企业以获取充足的资源与知识，而且开始瞄准初创企业的创新优势，结合其创新力展开研发合作。
通过对谷歌研发合作网络的实证研究，得到以下启示：
第一，谷歌在一定程度上代表一类企业，它们心无旁骛、精益求精，致力于解决复杂技术难题，逐渐形成自身核心技术优势，努力为用户提供最佳服务体验，同时，秉承“用户至上”的发展原则，以开放、共享为发展理念开展研发合作，围绕自身技术优势在产品上不断推陈出新，在合作伙伴选择上以发展战略为导向，注重企业品牌和创新力。
第二，跨产业研发合作可能成为未来常态。拥有核心技术优势的企业在不断优化核心产品的同时，应该将核心技术的强大功能应用于更多未曾探索的领域，促进产业间知识流动与融合，实现跨产业创新，以真正将科技创新落实到产业发展上。
第三，企业年限对研发合作伙伴选择标准的影响力下降。谷歌以前偏向选择当前所处阶段更成熟的企业作为研发合作伙伴，现在是以创新力作为主要考量，而创新力的衡量是不以企业年限为标准的。由于越来越多的初创型企业在创新中扮演重要角色，因此企业创新活力应该成为研发合作选择标准中不容忽视的一部分。
参考文献:
[1] CHESBROUGH H W.Open innovation:the new imperative for creating and profiting from technology[M].Boston:Harvard Business School Press,2003.
[2] GKYPALI A,FILIOU D,TSEKOURAS K.R&D collaborations:is diversity enhancing innovation performance[J].Technological Forecasting & Social Change,2017(2).
[3] 吴剑峰,杨震宁,邱永辉.国际研发合作的地域广度、资源禀赋与技术创新绩效的关系研究[J].管理学报,2015,12(10):1487-1495.
[4] 原毅军,孙大明.FDI技术溢出、自主研发与合作研发的比较——基于制造业技术升级的视角[J].科学学研究,2017,35(9):1334-1347.
[5] HAZIR C S,AUTANT-BERNARD C.Determinants of cross-regional R&D collaboration:some empirical evidence from europe in Biotechnology[J].Annals of Regional Science,2014,53(2):369-393.
[6] EMILIE-PAULINE GALLIÉ,PASCALE ROUX.Forms and determinants of R&D collaborations:evidence based on French data[J].Industry and Innovation,2010,17(6):551-576.
[7] 李随成,杨婷.知识共享与组织学习对供应链企业间研发合作绩效的影响研究[J].科技进步与对策,2009,26(10):97-103.
[8] 郭韬,邢璐,黄瑶.创新网络知识转移对企业创新绩效的影响——双元创新的中介作用[J].科技进步与对策,2017,34(15):114-119.
[9] COWAN R.Network models of innovation and knowledge diffusion[J].Research Memorandum,2004,16(1-2):155-174.
[10] SCHØTT T,JENSEN K W.Firms innovation benefiting from networking and institutional support:a global analysis of national and firm effects[J].Research Policy,2016,45(6):1233-1246.
[11] SAVIN I,EGBETOKUN A.Emergence of innovation network s from R&D cooperation with endogenous absorptive capacity[J].Journal of Economic Dynamics & Control,2016(64):82-103.
[12] SEO H,CHUNG Y,YOON H.R&D cooperation and unintended innovation performance:role of appropriability regimes and sectoral characteristics[J].Technovation,2017(3).
[13] 张玲,孙国强,张宝建.技术创新网络知识共享基模及政策解析[J].科技进步与对策,2017(13):98-105.
[14] GOYAL S,MORAGA-GONZ
LEZ J L.R&D networks[J].Econometric Institute Research Papers,2001,32(4):686-707.
[15] 顾力刚,张文帝.基于联合申请专利的企业研发合作网络研究[J].科技进步与对策,2015(5):73-78.
[16] 胡欣悦,孙飞,汤勇力.跨国企业国际化研发合作网络结构演化——以华为为例[J].技术经济,2016,35(7):1-5.
[17] RODAN S,GALUNIC C.More than network structure:how knowledge heterogeneity influences managerial performance and innovativeness[J].Strategic Management Journal,2004,25(6):541-562.
[18] 张妍,魏江.战略导向、研发伙伴多样性与创新绩效[J].科学学研究,2016,34(3):443-452.
[19] MENDOZA D K O.Antitrustin the new economy case GOOGLE Inc.against economic competitionon web[J].Mexican Law Review,2016,8(2):1-29.
[20] CARLEY K M.Dynamic network analysis[M].Washington:The National Academic Press,2003.
[21] CARLEY K M,DIESNER J,REMINGA J,et al.Toward an interoperable dynamic network analysis toolkit[J].Decision Support Systems,2007,43(4):1324-1347.
[22] CARNEGIE MELLON UNIVERSITY.Organizational risk analyzer[R].Pittsburgh:CMU,2004.
[23] 李登杰,翟东升,冯秀珍,等.基于动态网络的关键实体识别及演化分析—以3D打印技术专利为例[J].科技管理研究,2016(8):114-119.
[24] 马宁,田儒雅,刘怡君,等.基于动态网络分析(DNA)的意见领袖识别研究[J].科研管理,2014,35(8):83-92.
[25] HANSON W R,FORD R.Complexity leadership in healthcare:leader network awareness[J].Procedia-Social and Behavioral Sciences,2010,2(4):6587-6596.
[26] 袁勤俭.国际标准产业分类体系的演化[J].统计与信息论坛,2004,19(1):26-29.
Wu Feifei1,2,Li Qian1,Mi Lan1,2,Li Xin1,2,Huang Lucheng1,2
(1.School of Economics and Management, Beijing University of Technology;2.Beijing Modern Manufacturing Development Research Base, Beijing 100124,China)
Abstract：As the strategy of corporates and external environment change, the inter-firms R&D cooperation network shows dynamic changes. In this paper, we take Google as an example to construct the two-mode network including Agent x Agent network and Agent x Task network by using the Internet information in the Factiva database. We use Dynamic Network Analysis to analysis the R&D cooperation network including structure characteristics and content characteristics. The empirical results indicate that in terms of network structure characteristics, the evolution of the R&D cooperation network of Google shows obvious stage characteristics, the network size is expanding and the network connection is increasing. In terms of network content characteristics, the cooperation content is based on its technological innovation advantages. Some R&D cooperation also begins to focus on a number of different enterprises of different industries, which shows a multi-industry R&D cooperation model. Besides, Google increasingly dependents on senior enterprise and gradually tends to select start-up enterprises as its partners. The evolution of R&D cooperation network of Google not only embodies the development principles and strategies of Google but also provides a reference for companies that have their own technological advantages when choosing R&D partners.
KeyWords:Internet Information; R&D Cooperation; Google; Dynamic Network Analysis; Network Evolution Characteristics
作者简介：吴菲菲(1962-)，女，北京人，博士，北京工业大学经济与管理学院教授，北京工业大学北京现代制造业发展研究基地学术委员会研究员，研究方向为技术项目管理、技术未来分析；李倩(1993-)，女，山东单县人，北京工业大学经济与管理学院硕士研究生，研究方向为技术创新管理。
基金项目：国家自然科学基金项目(71774009，71673018)
收稿日期：2017-12-13
文章编号：1001-7348(2018)15-0089-07
文献标识码：A
中图分类号：F273.1
DOI：10.6049/kjjbydc.2017090492
(责任编辑：胡俊健)