On the basis of knowledge governance theory and knowledge-based view, the paper firstly proposes dual knowledge transformation links of "explicit knowledge combination" and "tacit knowledge socialization" among platform subjects, considering the explicit and implicit characteristics of knowledge will result in heterogeneous knowledge transformation process, which broadens the cognitive boundary of how to integrate knowledge resources and upgrade innovation mode within the platform. Then,it investigates the influence mechanism of platform social-based and market-based knowledge governance on platform participants' breakthrough innovation, with the empirical analysis results showing that both market-based and society-based governance mechanisms and their interaction term can positively influence the breakthrough innovation performance of platform participants, during which the heterogeneous knowledge transformation links of "tacit knowledge socialization" and "explicit knowledge combination" play the role of parallel chain mediators.
Different from traditional network or alliance governance that only emphasizes the logic of behavioral constraints, this study aims to analyze that the combination of governance mechanisms can coordinate the knowledge interaction and innovation value proposition of platform participants through both incentives and constraints measures, and thus enhance the understanding of how the platform knowledge governance will enable the upgrading of innovation mode. In conclusion, by constructing a comprehensive research model of platform knowledge governance mechanism, knowledge transformation dual-links and breakthrough innovation performance, this paper has provided certain theoretical value and practical significance for the platform core enterprises to scientifically control knowledge governance efforts, continuously optimize platform knowledge generation and knowledge diffusion, and help upgrade the exploratory and breakthrough innovation.
Enterprises, influenced by their unique industry backgrounds and technological fields, face a choice between technology-oriented and market-oriented innovation strategies. In order to strike a balance, optimizing open innovation platform policies can help establish an ecological industrial system with distributed innovation advantages. Big data and digital twins can aid in creating accessible knowledge bases for incremental innovation among SMEs. Meanwhile, to overcome foreign technology blockades, preferential policies should be issued to encourage high-quality knowledge co-creation, enhancing platform entities' cooperative innovation willingness and breakthrough innovation capabilities through improved knowledge income distribution, decision-making power, and credit systems based on individual contributions. In addition, both platform core enterprises and user enterprises should strive to break through the existing one-dimensional thinking and realize that there are more diversified knowledge production modes in the digital knowledge interaction space. Moreover, considering the rapid iteration and updating of knowledge requirements and application scenarios, the core enterprise of the platform needs to build a flexible governance framework that is capable of accommodating varying degrees of knowledge objectives and innovation priorities among different stakeholders.
开放科学(资源服务)标识码(OSID)：
随着中美贸易摩擦、地缘政治冲突等外部环境日趋复杂和不稳定,国内企业创新活动面临诸多挑战。WIPO发布的《2023年全球创新指数报告》显示,我国创新指数位居全球第12位,与前几年持平,缺乏高水平突破式创新仍然是我国企业构建核心竞争力的主要制约因素。突破式创新一直以来被认为是打破固有流程、技术和组织边界并创造独特竞争优势的一种创新范式,其对于摆脱国外核心技术封锁具有举足轻重的作用。因此,促进多元知识融合、实现广泛的知识转化,依旧是提升企业自主创新能力的重要策略。随着知识生产方式迭代升级、竞争者合作生态化,创新要素开发和利用正逐步迈向数字化、平台化,只有与更多生态主体进行社会化价值共创,才能进一步挖掘内外部知识的创新价值[1]。开放式创新平台开放度高、合作形式灵活、主体包容性强,在实现经济效益的同时,也十分注重多方知识共享和创造,进而提升社会整体知识水平。这充分说明开放式创新平台具有提升知识价值、有效平衡私人利益与公共利益矛盾的巨大潜力[2]。随着更多主体加入平台开展创新活动,不同知识需求的差异和利益主张矛盾的突显使得平台知识活动面临更大复杂性与脆弱性[3]。知识要素具有非物质化、外溢性、无地域限制等特征,导致多方合作中存在知识产权专有性与共享性冲突,阻碍成员知识创新效率提升;价值转化阶段的利益分配不均也会造成主体知识隐藏等负面知识行为,导致创新成果商业化失败[4]。如何解决因知识活动失效引发的系统性创新迟滞问题,成为提升开放式创新平台创新能力和实现技术突破的关键问题。
通过梳理既有文献,本文发现:第一,部分学者已经意识到必须将知识活动纳入治理范畴,才能有效提升组织知识编排效果,规避利益相关方机会主义行为,提升创新向心力。然而,目前多数研究只关注到创新合作网络[5]、产学研联盟(江旭等,2022)、跨国项目[6]中的合作治理,在数字平台这一新兴组织形式与知识治理的交叉领域,目前仍缺乏关于开放式创新平台知识治理机制与平台创新战略的适配性研究。第二,以往研究只关注知识治理对组织知识共享、知识整合等传统知识活动的影响[7,8],缺乏针对平台内知识交易、知识复用等新型知识活动治理机制的适配性研究,或是仅研究知识治理对某种知识活动的影响,使得知识治理效果研究范围过于狭窄,缺乏更深刻的实践意义和社会意义[9]。目前,还未出现基于知识价值创造过程视角,将知识治理目标从优化某种知识活动拓展至优化合作主体创新过程和提升突破式创新绩效的相关研究。第三,针对突破式创新前因变量,现有研究多从环境层面(环境动态性、竞争强度)[10]、组织层面(组织文化、动态能力)[11]、管理者层面(领导风格、CEO认知灵活性)[12]进行探讨,少有研究深入探讨平台知识治理对突破式创新的作用机制和路径,这在一定程度上限制了对数字化背景下开放式平台驱动突破式创新发展机制的理解。第四,学者们仍主要从一元性视角验证知识管理过程,例如Anis&Jamal[13]将知识搜索、利用和创造视为具有前后顺序的单路径知识过程,而考虑平台内存在大量具有不同知识基础、不同创新需求的多样化生态主体,其在知识获取方式、知识转化过程及创新绩效促进机理上存在异质性,却鲜有研究关注此方面。鉴于此,本研究将探究开放式创新平台差异化的知识价值创造逻辑,针对平台治理影响平台知识转化过程和主体突破式创新绩效问题展开分析。
与既有文献相比,本研究的主要贡献体现在:第一,将知识治理理论引入知识基础观,从知识价值创造视角,提出“平台知识治理机制——平台知识转化过程——参与主体突破式创新绩效”研究框架,拓展平台模式下多主体知识合作与创新理论边界,丰富知识治理后效研究以及突破式创新前因影响机制研究。第二,基于显性知识和隐性知识属性差异,从双元视角剖析平台不同知识目标和需求下的双元治理结构,以及知识转化过程中所隐含的二元性特征,同时,探索知识转化链路对平台参与主体突破式创新的异质性影响。第三,突破以往对于平台治理机制的单维度考察视角,从多维交互支撑角度探索平台知识治理机制的互补效应如何影响参与主体知识转化和突破式创新,以增强理论解释力。
在广泛开展合作创新的必然要求下,单个企业的知识管理已无法有效融合异质性知识,同时,开放式创新企业面临的重大挑战不再是知识管理问题而是知识治理问题[7]。与知识管理相比,知识治理更侧重于通过制度设计,对知识行为进行引导和激励,从而实现知识收益最大化。Foss等[3]认为,知识治理是正式契约治理机制和非正式信任治理机制的集合,最终目的是协调创新生态系统中的知识获取并实现分配最优化;Pemsel等[6]的研究表明,平台核心企业通过市场型治理机制监督各成员经济行为,通过社会型治理机制协调各成员社会关系,这有助于生态系统实现可持续合作;Lei等[14]提出显性化和隐性化知识治理结构,其中,显性化知识治理结构更注重发展利于知识共享的弱关系,通过寻找更多知识链接点,扩大知识扩散和整合范围,并以获取最大经济收益为基本目标,而隐性化知识治理结构注重发展利于知识共享的强关系,降低隐性知识分享成本和风险,助力创造新知识,并以获取知识社会效益为基本目标。就数字平台而言,其根植于参与者互补性特征以及集体层面的进化式生成,以获得超越单点企业或单链条的创新协同价值。这也是从根本上区分平台与其它组织的关键[15,16]。因此,开放式创新平台的知识治理机制更强调参与者之间的价值主张共识、竞合关系共生和利益共享,其知识治理逻辑不是基于权威的“自上而下”约束,而是更多依靠参与者之间合理的资源分享和动态组合[17]。
在回顾知识治理内涵的基础上,本研究认为开放式平台组织情境下增强知识合作关系的治理机制主要分为市场型知识治理和社会型知识治理。其中,市场型知识治理机制是指运用专业化分工、知识产权保护、价格机制的资源配置等制度化协议明确合作伙伴权利和义务,规定知识活动需遵循的行为评估标准,以控制主体间知识活动;而社会型知识治理机制是指围绕生态参与者的价值主张进行共同身份建构,发展主体间强链接网络关系和多边信任关系,并通过强化关系产权、弱化知识产权隔离等柔性社会化方式,吸引主体主动响应平台的知识价值共创。进一步地,由于目前研究多是单独探讨市场型或社会型知识治理机制功能,对于两种治理机制仍存在互补与替代观点之争[18,19]。基于此,本文将深入探究在不同平台知识治理机制引导下参与主体更倾向采用何种方式获取与转化知识、促进突破式创新绩效提升。
有关知识状态转化的研究,多建立在Nonaka教授提出的SECI模型基础上,认为知识转化过程存在内化、社会化、外化和组合化4个步骤[20]。随着数字化转型颠覆传统组织方式及价值创造逻辑,改变工业时代生产要素结合方式,这也将从根本上改变知识转化的底层逻辑。数字技术使组织无边界化成为现实,知识创造主体不再只隶属于单个组织,而是存在于更开放的社会价值创造网络中[21],因而产生新型的知识转化路径。赵蓉英等[22]通过建立双链路知识转化模型,细化了知识组合化和知识社会化转化方式;史轩亚等[23]将知识转化解构为结构上的显性知识迁移累加与层级上的隐性知识跃升,且转化过程中还存在个体内部与集体生成不同层面上的协同转化。研究还发现,知识生产方式实际上存在“从0到1”的原创性见解创造,以及通过对已有知识复用而带来的“由1到N”的知识扩增[24]。在上述研究基础上,本文认为开放式创新平台知识价值演化过程中存在以成熟知识利用为主,解决企业特定问题的显性知识组合化的知识转化链路,以及通过隐性知识耦合,以创造新知识为主要目标的隐性知识社会化的知识转化链路。
显性知识组合化链路强调外部权属显性知识——个体隐性知识——集体显性知识的知识状态循环:个体首先将从外部获取到的显性知识解构和重构,形成自编码隐性知识,然后将其通过语言、文字形式在企业内部系统性整合成带有企业特色的显性知识,具体如图1所示。
图1 平台显性知识组合化知识转化链路
Fig.1 Transformation path of explicit knowledge combination on the platform
隐性知识社会化链路强调外部个体隐性知识——集体显性知识——个体隐性知识的知识状态循环:通过平台链接不同主体,将已有隐性知识利用文字等形式进行分享,通过社会化互动形成集体显性知识后被个体重新理解和加工,升级为具有全新见解的个体隐性知识,具体如图2所示。
图2 平台隐性知识社会化知识转化链路
Fig.2 Transformation path of tacit knowledge socialization on the platform
开放式创新平台有助于催生活跃的权属知识交易活动,即平台用户经过知识搜索、匹配和评估后,对具有知识产权或商业委托加工的显性知识进行有偿获取,有别于通过低成本方式便可掌握的公众性、常识性显性知识获取方式。因此,知识交易是精准匹配用户需求和业务逻辑,能够满足用户差异化知识需求的高效知识获取方式[25],这将极大提高平台主体显性知识组合效率,并在不侵犯知识产权前提下降低知识交易成本和风险。知识复用是指将获取的成熟知识重新应用于自身项目,是一种旨在提升创新生产效率的显性知识学习、吸收、重新发现和推广行为[26]。基于算法技术的数字平台能够处理和分析海量与知识交易、复用有关的数据,从中提取有价值的供需信息、反馈信息,排除冗余信息,降低知识耦合困难[15],因而有助于知识需求方的知识吸收和内化,促进平台内形成规模化知识复用和价值变现。因此,本文提出以下假设:
H1:在开放式创新平台中权属知识交易正向影响知识复用。
基于互惠规则,合作主体进行知识共享的意愿增强,会主动分享个体经验、创意等隐性知识[27]。在平台多边网络效应驱动下,会有更多用户活跃在平台知识社区板块,知识交换为企业提供扩充自身知识库的机会[28]。局部性、碎片化隐性知识通过开放式平台的网络链接,再经由个体“解码—重构—再编码”的加工整合过程,创造性得到新知识版本,进而助力知识势能实现纵向层级的螺旋式上升[21]。这体现了从知识共享到知识创造的隐性知识社会化知识转化过程。因此,本文提出以下假设:
H2:在开放式创新平台中隐性知识共享正向影响知识创造。
有研究认为,平台组织吸收融合了市场治理和层级治理特性,通过契约控制对合作主体进行明确的权利和责任划分,并通过核心企业权威有效减少合作中的机会主义行为[17]。由于契约是合作过程中主体交易和利益分享的重要法律保障,适度的契约控制能够促使合作各方对责任和义务达成明确共识,因而有助于降低知识泄露、侵权等机会主义,增强知识共享和转移意愿[18]。人工智能、大数据、区块链等智能技术及虚拟数字平台技术的迅速发展,使得构建开放化知识管理交互空间变为可能,诸如智能合约、分布式账本、电子信用积分账户等智能工具可以进一步保证知识产权交易安全性[29],确保知识转移和利用合法性,助力知识有序扩散和价值增值[25]。由此,本文提出以下研究假设:
H3a:平台市场型治理机制对隐性知识共享具有正向影响;
H3b:平台市场型治理机制对权属知识交易具有正向影响。
社会型治理是以信任关系等社会互惠机制为基础的治理机制。随着交易时间延长,合作过程中累积的情感会驱使合作者更倾向采用非正式治理机制,以促进重要信息和资源互换,建立更加稳固、互惠的长期合作关系[27]。以信任为社会交换基础能够降低知识共享过程中的不确定性,使合作各方产生自我约束意识(谢永平等,2014),因此对隐性、显性知识转移均有积极影响。此外,开放式创新平台拥有的区块链、大数据、人工智能等技术可以依据实时数据反馈,帮助核心企业调整管理策略,将部分决策权下放给信用积分较高的用户主体,并依托数字诊断进一步规避平台知识合作面临的不确定性风险[28]。平台主导企业背书能够更大幅度地提高参与成员间的多边信任水平,进而强化知识流动和渗透,助力知识迸发性创造。由此,本文提出以下研究假设:
H4a:平台社会型治理机制对隐性知识共享具有正向影响;
H4b:平台社会型治理机制对权属知识交易具有正向影响。
目前,对于社会型治理机制与市场型治理机制之间是存在互补作用还是抵消作用,学者们仍存在观点之争。在替代观点下,部分研究认为两种治理机制会相互削弱对方治理效果,这是因为非正式治理会产生关系惰性,导致合作主体缺乏市场纪律意识,阻碍契约执行[19];反之,契约治理也可能会因其严格的制度刚性,对新知识创造所需要的灵活性、开放性产生阻抑作用[18]。而互补观点则认为,两种治理机制会交互增强对方治理效果,因为混合型知识治理机制可以通过混搭使用关系产权、选择性披露等多种知识治理机制,更彻底地解决知识合作中的知识占有风险、利益冲突等问题[7]。在具有风险不确定性和资源不对等关系的平台生态系统中,只有结合生态情境搭配组合不同知识治理机制才能持续产生有益的治理效果。契约治理的强约束性能够弥补信任治理对于知识侵权、知识隐藏等问题控制不足的欠缺;而在互信程度较高的情况下,信任治理的柔性又能够克服契约治理的制度刚性和创新思维固化等不足,深度促进主体间隐性知识传递与交互。由此,本研究认为社会型和市场型治理机制能够互为补充,引导更高效的知识获取,包括显性知识交易和隐性知识共享,并提出以下研究假设:
H5a:市场型和社会型治理机制的互补效应能够正向促进隐性知识共享;
H5b:市场型和社会型治理机制的互补效应能够正向促进权属知识交易。
知识基础观为企业实现突破式创新提供了潜在解释机制:由于知识具有可拆分、可组合的柔性特征,使得企业可以通过知识要素的创造性组合实现突破式创新。然而,随着组织规模扩大和业务类型快速增长,开放式创新平台企业出现知识利用效率降低、隐性知识转化难度增加等问题,而当前较少有研究探讨此类问题。因此,本文将沿着平台内显性知识组合化、隐性知识社会化的二元性知识转化链路,针对如何协同促进平台主体突破式创新这一问题展开探讨。
有研究表明,异质性知识资源能够通过内外兼修方式,在组织内部和外部形成知识获取、消化、共享、应用的动态循环,进而对创新产生驱动作用。企业内部特有的隐性知识以及获取的外部显性知识,均对突破性创新产生重要影响[30]。Yayavaram &Chen[31]认为,与创造全新知识的不确定和高风险相比,知识复用更倾向于将新知识组合到现有知识中,使企业可以更充分地利用现有经验和优势,在减少新技术研发风险的同时扩大市场份额,为突破式创新提供知识和资金基础,进而提高突破式创新成功率。Jayaram &Pathak[32]的研究证实,对成熟知识的重复利用能够帮助企业重新审视所拥有的知识,进一步了解知识体系,明晰何种知识组合能创造更大价值,从而提高企业知识组合效率,促进企业突破式创新。由此,本文提出以下研究假设:
H6:知识复用正向影响平台主体突破式创新。
Yayavaram&Chen[31]的研究还提出,知识创造行为是企业通过不断挖掘知识要素关联方式、促进跨领域融合,激发新思考和新想法,进而推动探索式创新。突破式创新需要对多样化知识要素进行重组,并深入研究特定领域复杂问题。从知识异质性来看,跨领域边界的新知识能够提供新视角,增强研发人员发现知识关联性潜能并建立相应技术优势(叶江峰等,2016)。因而,数智时代的知识生产融合智能技术和人类主体的知识、经验,可以在内涵上嫁接形成更高层次的价值认知[21],并开发出具有突破性意义的产品和服务。由此,本文提出以下研究假设:
H7:知识创造正向影响平台主体突破式创新。
随着知识治理理论的发展,不断有研究发现契约型和信任型知识治理能够有效抑制会主义行为,从而有利于创新绩效提升[18]。本文提出显性知识组合化路径能够驱动突破式创新的逻辑在于:平台市场型治理机制从制度规章上监管组织成员知识行为,明确知识利益主体权责边界,保障创新利益合理分配,并通过促进内部知识交易过程透明化、有序化,增强平台知识活动合法性、安全性和规范性[33]。基于此,个人拥有的隐性知识才能够逐渐外化为权属性知识产品,同时,明确的治理机制有利于降低知识搜寻成本、减少导入风险,提升个体在平台进行非交易性知识共享、开发与合作的意愿[34]。通过这种双通道方式知识得到高效扩散,最终驱动企业创新能力和创新绩效提升。
因此,本文提出以下假设:
H8a:权属知识交易和知识复用在平台市场型治理对突破式创新影响中发挥连续中介作用;
H8b:隐性知识共享和知识创造在平台市场型治理对突破式创新影响中发挥连续中介作用。
相比之下,隐性知识社会化路径的创新驱动逻辑在于:社会型知识治理通过构建良好的社交环境增强组织信任、减少沟通障碍,偏向于以柔性方式引导知识自然交流,有助于减少知识排斥行为、知识隐藏行为[34,35],打破知识壁垒并产生持续的异质性知识交互,因而有利于主体间挖掘式学习[30]。不同主体所拥有的专业知识通过拆解、整合和重构,有助于催生新创意与新理念,从而提升平台参与主体突破式创新能力[36],而非正式知识治理机制往往更有利于从根本上革新产品和技术。由此,本文提出以下假设:
H8c:权属知识交易和知识复用在平台社会型治理对突破式创新影响中发挥连续中介作用;
H8d:隐性知识共享和知识创造在平台社会型治理对突破式创新影响中发挥连续中介作用。
此外,两种知识治理之间具有协同作用。如张生太等(2015)的研究表明,在不同的正式知识治理机制影响下也会形成与之匹配的非正式知识治理机制,两者既相互联系又存在差异,互相支撑、互相配合、互相协调,共同促进技术进步与创新。向阳和曹勇[5]指出,在企业实践知识治理过程中,要警惕过度偏重某种治理机制,应重视两者交互效应以达到优化知识组织过程的目的。由此,本文提出以下假设:
H8e:权属知识交易和知识复用在平台互补型治理影响突破式创新过程中发挥连续中介作用;
H8f:隐性知识共享和知识创造在平台互补型治理影响突破式创新过程中发挥连续中介作用。
综合以上分析,构建概念模型如图3所示。
图3 基于平台的知识治理机制——知识转化——突破式创新的二元性价值创造逻辑
Fig.3 Platform binary value creation logic of knowledge governance—knowledge transformation—breakthrough innovation
本研究选取海尔HOPE、小米IoT开发者联盟、华为花粉俱乐部等知名度高、注重用户参与互动的开放式创新平台进行问卷调查。在正式问卷形成前,收集100份预调研问卷,按照作答时间等筛选条件排除12份无效问卷,获得有效样本数据88份。对有效样本进行初步信效度分析,根据分析结果完善题项,形成正式问卷。为尽量减少数据同源产生的共同方法偏差,对样本来源进行区分,设计出针对平台核心企业和平台用户的两种问卷。在听取相关企业产品经理意见后,尽可能排除表达模糊和不熟悉术语。此外,为确保受调查者了解平台治理机制并且参与平台知识分享、创造等活动,在问卷开头设置甄别题项,排除未参与平台知识活动、未在平台知识社区内发/回帖的研究样本。本研究以多时点方式收集自变量、中介变量与结果变量数据,以更好地体现平台知识治理、知识行为与主体创新绩效间的动态性[37]。通过问卷调查软件Credamo,向开放式创新平台知识交易板块和知识互助社区发帖数、回复数较多的活跃用户,以及平台企业技术研发部和市场销售部员工发放问卷。在第一时点收集100名平台企业员工和350名平台活跃用户的自评数据,调查变量包括平台市场型/社会型知识治理机制、权属知识交易和隐性知识共享。在第二时点(时隔两周后),由调查平台按照答题ID追踪同一批被试者,发放第二轮调查问卷,调查变量包含知识复用和知识创造,426名被试者返回有效问卷。在第三时点(时隔一个月后),针对同一批被试进行平台主体突破式创新绩效问卷调查,剔除答题随意、答题时间过短问卷后,最终获得有效问卷405份,问卷有效回收率为96.4%。为了评估无回应偏差问题,对两种不同调查群体的个体特征指标进行独立样本T检验。结果显示,被调查者个体年龄、学历、入职年限、职位类型的t值分别是0.214(p=0.836)、1.35(p=0.212)、0.173(p=0.861)、0.845(p=0.278),均未达到显著性水平,说明偏差问题不严重。样本特征如表1所示。
表1 描述性统计分析结果(N=405)
Table 1 Descriptive statistical analysis of the study sample (N=405)
项目分类数值比例(%)性别男19447.9女21152.1学历博士研究生174.2硕士研究生358.6本科21753.6专科及以下13633.6员工岗位类型中高层管理岗6816.8非管理岗33783.2入职年限1年以下12530.91～5年22856.36～10年5012.310年以上20.5
在参考国内外成熟量表基础上,结合本文研究内容设计测量题项。所有研究量表均采用李克特5点计分法,其中,1表示“很不同意”,5表示“很同意”。
(1)平台市场型治理机制(Market Governance——MG):借鉴Inoue[16]的契约化治理量表,以表征平台核心企业利用契约等规范手段约束平台知识活动的程度,共有5个题目,如“平台核心企业采取知识产权选择性公开等保护制度”、“平台知识交易过程有完善的规章制度,包括用户准入和退出、奖惩和行为规则”等。
(2)平台社会型治理机制(Social Governance——SG):借鉴Gooderham等[27]的研究,将“由平台企业背书,通过共同身份建构建立了多边信任关系”、“合作伙伴之间具有共同认可的价值主张”等共5个题项反映平台核心企业利用信任互惠治理协调平台知识活动情况。
(3)知识复用(Knowledge Reuse——KR):借鉴Anis &Jamal[13]对知识复用的研究成果,结合开放式创新平台研究情境设计测量题项,共确定5个题项,如“乐于运用平台获得的成熟知识解决面临问题”“平台的成熟知识有助于发展现有知识基础”等。
(4)权属知识交易(Knowledge Transaction——KT):借鉴卢艳秋等[26]对于平台知识交易过程的描述进行题项设计,共有5个题项,如“通过知识交易能够获得我需要的知识”等。
(5)隐性知识共享(Knowledge Sharing——KS):在王瑞花和吕永波[35]的研究基础上,与平台知识研究情境进行匹配,形成5个题项,如“平台参与者之间经常交流有价值的经验、诀窍、想法和思想”、“平台参与者之间能够交流产品样式、技术方面的细节”等。
(6)知识创造(Knowledge Creation——KC):主要借鉴Bouncken等[8]使用的量表,共5个题项,如“能将获得的不同信息和知识融合,探索和发展新概念或新原理”等。
(7)突破式创新(Breakthrough Innovation——BI):主要借鉴姚艳虹和李扬帆[36]对于突破式创新的测量方式,共5个题项,如“企业产品研制引入全新概念和创意”“企业率先开发全新技术和工艺”等。
对于控制变量的选取,有研究表明员工年龄、教育程度、岗位类型及工作任期会对创新行为和创新能力产生影响[34],因此本研究选取被调查者年龄、学历、工作年限、岗位类型作为控制变量。
为保证问卷设计有效性,借助SPSS 26.0和Amos 24.0进行量表信效度分析,结果见表2。本研究问卷的总体Cronbach's α系数为0.943,总体KMO值为0.931,所有变量的VIF值均低于建议阈值5,表明不存在多重共线性问题。数据显示,各一阶潜变量的Cronbach's α系数都大于0.8,表明量表信度较高;各题项均满足因子载荷大于0.7、组合信度CR大于0.7、平均方差萃取量AVE大于0.5的标准,表明模型收敛效度可以接受。通过比较两个潜变量之间相关系数的平方与AVE值的大小,发现各潜变量之间的相关系数均不高于AVE的平方根,表明潜变量之间具有较高的区分效度。
表2 变量信效度检验结果(N=405)
Table 2 Test results of variable reliability and validity (N=405)
变量题项因子载荷Cronbach's α系数CRAVEMG1平台启动合理的价格机制和资源配置模式0.8030.8670.910.662平台具有知识模块化切割和分发功能,可精细化知识封装并配置丰富的应用接口0.8263平台核心企业采取知识产权选择性公开等保护制度 0.8114平台交易过程有完善的规章制度,如准入/退出/行为规则和奖惩0.7915 平台利用智能合约、分布式账本等技术工具,提升平台主体交易的公平透明性,详述双方权利和义务0.837SG1 由平台企业背书,通过共同身份建构建立多边信任关系0.8290.8440.890.622 平台利用信用积分等衍生工具促使合作伙伴严格遵守承诺0.7803合作伙伴之间具有共同认可的价值主张0.7834 平台采用决策权下放的治理策略0.7625平台经常给予合作伙伴资源和技术支持 0.783BI1企业研发引入全新概念和创意0.8120.8440.890.622企业率先开发新技术和新工艺0.7803企业向现有市场推出全新产品/服务0.7674企业开辟新的市场赛道0.7885企业的新产品、新技术为产业带来重大影响0.786KT1通过平台进行知识交易可提高效率、降低成本0.8310.8680.900.642愿意投入更多资源进行持续性知识交易0.7583在平台进行的知识交易比较频繁0.8004通过知识交易获得很多所需知识0.8105通过知识交易使自身知识水平得到较大提升0.787
续表2 变量信效度检验结果(N=405)
Table 2(Continued) Test results of variable reliability and validity (N=405)
变量题项因子载荷Cronbach's α系数CRAVEKR1工作生产实践中涉及的知识复用很多0.8290.8580.900.642乐于运用平台上获得的成熟知识解决所面临问题0.7963经常从平台提供的行业经验中寻求解决方案0.7744经常从平台吸收成熟知识以补充和发展现有知识基础0.8065 对成熟知识的复用可以提升生产效率0.791KS1平台参与者之间经常交流有价值的经验、诀窍0.7970.8430.890.632在交流过程中会提及产品、技术方面的细节0.8143在交流过程中,可以了解彼此的创新思想与发展理念0.7814平台参与者之间可以共享彼此的专用性资源0.7845平台参与者之间能够开展深度合作并提升学习效果0.783KC1能将平台不同知识融合,探索和形成新概念或新原理0.8150.8850.890.662能将平台不同知识融合,提出全新方案和创意 0.8233能够将多学科知识融合,改变现有知识基础和结构0.7724 基于平台分享知识,提升自身创造性思维能力0.839
本研究通过采用多时点、多来源方式收集相关数据,以降低共同方法偏差问题,但考虑到部分研究变量是在同一时间点进行测评,仍然存在共同方法偏差的可能性。因此,本研究进一步通过Harman单因子检验以评估共同方法偏差。通过无旋转主成分分析提取7个因子,七因子的累计方差贡献率为71.4%,其中,第一主成分因子的方差贡献率为31.6%,低于40%的标准,表明本研究不存在严重的共同方法偏差。
为了进一步保证量表稳定性与内部一致性,本研究使用Amos 24.0对潜变量进行验证性因子分析。在七因子模型基础上对因子进行合并,得到六因子和五因子模型拟合指标。经对比发现,六因子和五因子模型各项拟合指标逐渐下降,而七因子模型各项拟合指标最优。其中,GFI、NFI 和 CFI值都超过0.9,RMSEA值远小于0.1,具体如表3所示。
表3 验证性因子分析结果
Table 3 Confirmatory factor analysis results
模型χ2dfχ2 /dfRMSEACFIRFIGFINFI七因子: SG,MG,KS,KT,KC,KR,BI751.16741.110.0450.930.9190.9160.926六因子: SG+MG,KS,KT,KC,KR,BI1 6506812.420.0590.8970.8240.7640.838六因子: SG,MG,KS+KT,KC,KR,BI2 591.786873.770.0830.7980.7250.6540.745五因子: SG+MG,KS+KT, KC,KR, BI3 489.166925.040.1000.7040.6330.5720.657
对模型自变量、中介变量、因变量进行相关性分析,各变量描述性统计分析结果、相关系数及显著性见表4。数据显示,各变量之间的相关系数均在0.3～0.5之间,表明不存在严重的多重共线性问题且变量间显著正相关,为验证本文理论模型和研究假设提供初步支持。
表4 变量均值、标准差及相关性分析结果
Table 4 Analysis results of variable means, standard deviations and correlations
注: M表示平均数, SD表示标准差, N =405, ( )里是各潜变量的AVE值, ***表示p<0.001
ItemMeanSD12345671.SG3.371.04(0.66)2.MG3.241.090.38***(0.62)3.KS3.361.040.37***0.44***(0.63)4.KT3.221.040.47***0.42***0.40***(0.64)5.KC3.361.080.41***0.34***0.43***0.43***(0.66)6.KR3.291.070.46***0.38***0.46***0.43***0.35***(0.64)7. BI3.291.040.42***0.45***0.43***0.44***0.37***0.44***(0.62)
为确定本研究潜变量路径关系以及多重链式中介效应, 使用Amos 24.0软件验证结构方程模型, 并通过T检验结果对各路径显著性进行分析。为了进一步验证平台市场型治理机制和社会型治理机制是发挥互补效应还是抵消效应,本文参考Marsh等[38]、温忠麟和吴艳[39]提出的无约束模型,构建加入乘积指标的结构方程。Marsh等在综合考虑简洁性、拟合指数、估计偏差和精确度基础发现,产生乘积指标的3种策略中配对乘积指标最好,但指标相乘会产生指标负荷约束和测量误差项约束,极大增加结构方程模型复杂性。因此,需要进行指标中心化,使得模型易于收敛。对于本研究模型,首先,对变量题项得分均值作中心化变换;然后,依据配对乘积指标方法,将社会型治理机制五题项SG1、SG2、SG3、SG4、SG5与市场型治理机制五题项MG1、MG2、MG3、MG4、MG5在完全标准化解中的因子荷载值由高到低进行排序,由于负荷大的题项其信度也较高,因此按照“大配大、小配小”原则,配对相乘得到SG1×MG5、SG3×MG2、SG5×MG3、SG×MG1、SG4×MG4五个乘积值,以表示两种治理机制的交互作用。结构方程模型路径标准化系数如图4所示。
图4 结构方程模型路径系数
Fig.4 Coefficients of structural equation model
由结构方程模型检验结果可知:作为控制变量的被调查者年龄、入职年限及岗位类型等个体特征,对因变量的影响系数不显著;学历与因变量存在正相关性,可理解为被调查者学历水平越高,其突破式创新能力和绩效也越高。此外,权属知识交易显著正向影响知识复用(β=0.537, p<0.001), 说明关于显性知识组合化链路的研究假设H1成立。同时,隐性知识分享显著正向影响知识创造(β=0.460, p< 0.001),说明有关隐性知识组合化链路的研究假设H2成立。假设路径检验结果见表5。
表5 理论模型拟合结果和假设验证
Table 5 Theoretical model fitting results and hypothesis verification
注: N = 405, **表示p< 0.05,***表示p< 0.001
路径路径系数P值标准误C.R.对应假设假设结果直接效应1 KT→KR0.537***0.0638.482H1支持直接效应2 KS→KC0.460***0.0587.972H2支持直接效应3 MG→KS0.286***0.0505.682H3a支持直接效应4 MG→KT0.326***0.0506.481H3b支持直接效应5 SG→KS0.363***0.0507.248H4a支持直接效应6 SG→KT0.238***0.0484.998H4b支持直接效应7 MG×SG→KS0.365***0.0764.796H5a支持直接效应8 MG×SG→KT0.374***0.0733.774H5b支持直接效应9 KR→BI0.260***0.0524.999H6支持直接效应10 KC→BI0.283***0.0466.101H7支持
市场型治理机制显著正向影响隐性知识分享(β=0.286, p< 0.001),证明研究假设H3a成立;同时,市场型治理机制也显著正向影响权属知识交易(β=0.326, p<0.001), 证明研究假设H3b成立。相较于隐性知识分享,市场型治理机制对知识产品交易的促进作用更显著,这是因为契约条款明确了交易双方权利和义务,能有效减弱交易双方对机会主义、知识泄漏等侵害自身权益的风险感知,并增强知识产品交易意愿。社会型治理机制显著正向影响隐性知识分享(β=0.363, p<0.001), 即表明假设H4a成立;同时,社会型治理机制也显著正向影响权属知识交易(β=0.238, p<0.001), 即假设H4b成立。相较于权属知识交易,隐性知识分享更依赖于平台社会型知识治理机制,这是因为交易行为可以通过契约加以规范和保护,但是隐性知识传递更多的是一种主体自发性行为,更可能发生在社会型治理引导下情感联系紧密、互信互惠程度较高并且价值观契合的群体中。
本研究还进一步探索平台生态系统中实施混合治理机制对二元性知识转化链路中的知识活动产生互补效应还是抵消效应。研究结果显示,市场型治理机制与社会型治理机制的乘积交互项对隐性知识分享具有显著正向影响(β=0.365, p<0.001),即研究假设H5a成立;治理机制的交互项对权属知识交易也具有显著促进作用(β=0.374, p<0.001),即研究假设H5b成立,其影响系数大于单项知识治理机制对权属知识交易、隐性知识分享的影响效应,表明市场型与社会型治理机制之间能够发挥互补效应,当信任治理水平较高时,契约治理对隐性知识共享、权属知识交易的促进作用也显著增强;同理,当契约治理水平较高时,信任治理也更显著地促进隐性知识共享、权属知识交易。
最后,知识复用对突破式创新绩效具有显著正向影响(β=0.260, p<0.001),即研究假设H6成立;知识创造显著正向影响参与主体突破式创新绩效(β=0.283, p<0.001),即研究假设H7得到验证。
为了对研究模型中并行链式中介路径的显著性进行检验,本文采用偏差校正百分位Bootstrap程序检验,重复抽取样本5 000次,得到95%的置信区间。在控制员工职位类型、入职年限、年龄和学历等变量后,得到各中介路径效应值及显著性结果如表6所示。中介路径1表明:市场型治理机制→权属知识交易→知识复用→突破式创新的中介效应值为0.045,95%的置信区间为[0.01, 0.089],置信区间不包含0,说明显性知识组合化链路能够在平台市场型知识治理对突破式创新的影响中发挥中介作用,且依次通过促进知识交易和提升知识复用正向促进主体突破式创新,故研究假设H8a成立。中介路径2表明,平台市场型知识治理通过促进隐性知识分享和知识创造,正向影响突破式创新,链式中介路径效应值为0.037,95%的置信区间为[0.02, 0.083],不包含0,故研究假设H8b成立。中介路径3表明:社会型治理机制→知识交易→知识复用→突破式创新的路径效应值为0.039,置信区间为[0.005, 0.075],不包含0,故假设H8c成立。中介路径4表明:社会型治理机制→隐性知识分享→知识创造→突破式创新的路径效应值为0.047,置信区间为[0.012, 0.096],不包含0,故研究假设H8d成立。中介路径5表明:市场型×社会型治理机制→知识交易→知识复用→突破式创新的路径效应值为0.052,95%的置信区间为[0.021, 0.081],不包含0,故研究假设H8e成立。中介路径6表明:市场型×社会型治理机制→隐性知识分享→知识创造→突破式创新的路径效应值为0.048,置信区间为[0.017, 0.084],不包含0,故研究假设H8f成立。
表6 并行链式中介效应的显著性检验结果
Table 6 Significance test results of parallel chained mediation effect
注:N = 405, CI=置信区间, 置信区间基于5000次修正偏倚自助法得到
路径估计值Boot SE间接效应(95% CI)对应假设假设结果间接效应1 MG→KT→KR→BI0.0450.025[0.01, 0.089]H8a支持间接效应2 MG→KS→KC→BI0.0370.016[0.02, 0.083]H8b支持间接效应3 SG→KT→KR→BI0.0390.018[0.005, 0.075]H8c支持间接效应4 SG→KS→KC→BI0.0470.013[0.012, 0.096]H8d支持间接效应5 SG×MG→KT→KR→BI0.0520.022[0.021, 0.081]H8e支持间接效应6 SG×MG→KS→KC→BI0.0480.020[0.017, 0.084]H8f支持
为进一步验证中介效应稳健性,本文使用SPSS 26.0 Process宏程序中Model 82进行并行链式中介效应检验,通过Bootstrap重复抽样5 000次,得到95%的置信区间。表6内中介路径1的中介效应值置信区间为[0.0053, 0.03];中介路径2的效应值置信区间为[0.002, 0.027];中介路径3的效应值置信区间为[0.005, 0.03];中介路径4的效应值置信区间为[0.001, 0.022];对于中介路径5中的5个乘积项,降维为1个公因子后作为互补型知识治理机制的代理变量,该路径的中介效应值置信区间为[0.006, 0.028];中介路径6的效应值置信区间为[0.003, 0.028]。可以发现,各置信区间均不包含0,说明各链式中介效应显著。综上分析,本文研究结论稳健。
本研究基于知识治理理论和知识基础观,对开放式创新平台知识治理机制引导主体间二元性知识转换以促进突破式创新的作用机理进行分析,获得以下主要结论:
(1)遵循价值创造的不同逻辑,创新平台中的知识转化过程可分为以横向知识扩散和知识服务为主导逻辑的显性知识组合化路径,以及以纵向知识升级和新知识生产为主导逻辑的隐性知识社会化路径。新知识产生有助于提升知识层级,而成熟知识的再应用能够拓展知识基础范围。
(2)平台核心企业的市场型与社会型治理机制不仅有利于优化知识交易和复用,还可以推动知识分享和创造,促进参与主体实现突破式创新。以契约为主的平台市场型治理方式,能够规范多主体间知识交换、整合和利用行为,减少机会主义行为,凸显建立在经济人理性逻辑上的低成本信任策略价值。此外,平台社会型治理机制能够通过互惠、信任的优质社会资本,帮助合作伙伴获取难以传播的隐性知识,同时,其也是减少知识隐匿、助力新知识创造的重要驱动力。
(3)研究还发现,当平台同时加强社会型和市场型两种治理时,其能够以互补方式促进权属知识交易和隐性知识共享,更有效地赋能平台主体提升突破式创新绩效。
(1)现有文献大多基于知识基础观、动态能力理论等研究视角对突破式创新进行前因研究,例如从新旧知识耦合[31]、企业内外部环境以及领导者个人因素[10-12]等角度分析对企业突破式创新的影响。可以发现,较少有研究关注知识治理前因变量对突破式创新的影响。本文从知识治理理论与知识基础观相融合的视角,以平台参与主体的不同创新需求、不同知识目标作为驱动平台知识活动的重要诱因,打通平台知识治理、知识转化行为与创新绩效间关系,有助于系统化理解知识治理对知识转化和突破式创新绩效的促进机理。
(2)与传统的网络治理、联盟治理主要强调行为约束的治理逻辑不同,本研究拓展了开放式创新平台情境下知识治理机制内容与方法,这不仅包含利用智能合约、分布式账本、信用评分等衍生技术工具,提升平台知识交易公平性和透明度,而且还包括通过平台企业背书、分散决策权、构建共同身份和价值主张等社会化措施,建立主体间多边信任关系。此外,本研究还分析了如何发挥多种治理机制的互补效应,双措并举地协调知识转化活动,有助于从系统角度深化对平台知识治理促进创新升级这一问题的认知。
(3)以往研究针对开放式创新平台生态系统中知识转化状态及知识价值创造过程并未展开深入细致的分析。相较于过去的知识管理一元思维视角[13,30],本文将知识的显性和隐性特征有机融入知识转换过程,提出平台主体间显性知识组合化与隐性知识社会化的二元性知识转化链路,拓宽了对于平台知识资源整合和升级的认知边界。其中,显性知识组合化更强调知识直接利用,而隐性知识社会化则强调新知识创造,研究证实了两种知识转化路径对突破式创新均能够产生显著的积极影响。
(1)企业由于行业背景、知识基础和技术领域不同,存在不同的创新价值主张,因此需要在技术导向和市场导向创新战略之间作出选择。为了更好地平衡技术导向和市场导向,可考虑通过制度设计优化开放式创新平台政策,引导平台完善交易属性和创新属性,以逐步建立具有分布式创新优势、雁阵式创新层次的生态产业体系。一方面,大数据、数字孪生等技术可辅助构建全国性、地方性公共知识库和重构式知识模块,为更多中小企业主体创造低成本、可触及、高效率的知识交易和再利用环境,实现渐进式和增量式创新;另一方面,由于诸多产业仍面临国外关键技术封锁,还需持续推出有利于平台主导企业和平台用户进行高质量知识共创的优惠政策,例如改善知识收入分配、决策权配置、建立基于个人知识贡献的信用积累制度,以增强平台主体的长期合作创新意愿和突破性创新能力。
(2)对于数字化背景下日趋增多的新型知识管理活动,平台核心企业和用户企业双方应努力突破现有一元思维,感知数字知识交互空间内存在的多元化知识生产模式,如本研究提出的横向显性知识扩散和纵向隐性知识升级的二元知识价值创造逻辑,以准确适配不同生态关系和应用场景的知识创新。
(3)考虑到知识需求和应用场景的快速迭代更新,平台核心企业需要围绕不同主体知识目标和创新需求,构建反映不同层次和优先级的灵活治理结构。开放式创新平台通过构建弹性的知识治理框架,不仅有助于成熟知识顺利外化为具有权属性的知识产品模块,提高知识重用效果,降低中小企业创新困难,彰显知识经济效益;同时,还为隐性知识分享提供更加安全可信的数字场域,促进专业知识充分碰撞和融合,形成高维度的知识创造及关键技术突破式创新。
首先,受限于数据获得性,本文采用问卷调查方式测度研究模型构念,后续可考虑利用不同来源数据优化测量方法。其次,在探究平台知识治理机制对平台主体突破式创新的影响机理中可能存在同样具有中介传导作用的其它未知、潜在影响因素,后续可以探究例如战略认知导向、组织动态能力等变量的中介影响;也可考虑采用组态方法考量组织内外部条件变量的联动构型对企业突破式创新的影响。最后,本文虽关注了二元性知识生成—知识扩散链路在平台知识治理对突破式创新影响中的传导机制,但其间的边界条件还有待进一步研究,未来可考虑知识异质性、组织文化和领导氛围等内部特征,以及创新环境等外部环境变量的调节作用。
[1] CHESBROUGH H, VANHAVERBEKE W, WEST J. Open innovation: researching a new paradigm[M]. New York: Oxford University Press, 2008.
[2] 肖红军, 阳镇, 姜倍宁. 平台企业社会责任感知会激励用户参与平台治理吗—基于网络效应的边界条件与反思[J]. 经济与管理研究, 2023, 44(3):72-88.
[3] FOSS N J, HUSTED K, MICHAILOVA S. Governing knowledge sharing in organizations: levels of analysis, governance mechanisms and research directions [J]. Journal of Management Studies, 2010, 47(3) : 455-482.
[4] CAVALLO A, BURGERS H, GHEZZI A, et al. The evolving nature of open innovation governance: a study of a digital platform development in collaboration with a big science centre[J]. Technovation, 2022, 116:102370.
[5] 向阳, 曹勇. 企业创新网络知识治理与知识转移:基于战略性新兴产业的实证研究[J]. 管理评论, 2015, 27(9):48-58.
[6] PEMSEL S, WIEWIORA A, MÜLLER R,et al.A conceptualization of knowledge governance in project-based organizations[J]. International Journal of Project Management, 2014, 32(8):1411-1422.
[7] 王雎. 开放式创新下的知识治理:基于认知视角的跨案例研究[J]. 南开管理评论, 2009, 12(3):45-53.
[8] BOUNCKEN R B, HUGHES M, RATZMANN M, et al. Family firms, alliance governance, and mutual knowledge creation[J]. British Journal of Management,2020,31(4):769-791.
[9] 于淼, 朱方伟, 张杰, 等. 知识治理:源起、前沿研究与理论框架[J]. 科研管理, 2021, 42(4):65-72.
[10] HARMANCIOGLU N, S
KSJARVI M, HULTINK E J. Cannibalize and combine? the impact of ambidextrous innovation on organizational outcomes under market competition[J]. Industrial Marketing Management, 2020, 85: 44-57.
[11] SHAFIQUE I, KALYAR M N, SHAFIQUE M, et al. Demystifying the link between knowledge management capability and innovation ambidexterity: organizational structure as a moderator[J]. Business Process Management Journal, 2022, 28 (5/6): 1343-1363.
[12] BERRAIES S, ZINE El ABIDINE S. Do leadership styles promote ambidextrous innovation? case of knowledge-intensive firms[J]. Journal of Knowledge Management, 2019, 23(5): 836-859.
[13] ANIS K, JAMAL A. Sourcing knowledge for innovation: knowledge reuse and creation in project teams[J]. Journal of Knowledge Management, 2015, 19(5):932-948.
[14] LEI H, GUI L, LE P B. Linking transformational leadership and frugal innovation: the mediating role of tacit and explicit knowledge sharing[J]. Journal of Knowledge Management, 2021, 25(7):1832-1852.
[15] 焦豪. 数字平台生态观: 数字经济时代的管理理论新视角[J]. 中国工业经济, 2023, 34(3): 122-141.
[16] INOUE Y. Indirect innovation management by platform ecosystem governance and positioning: toward collective ambidexterity in the ecosystems[J]. Technological Forecasting and Social Change, 2021, 166(4): 120652.
[17] JACOBIDES M G, CENNAMO C, GAWER A. Towards a theory of ecosystems[J]. Strategic Management Journal, 2018, 39(8): 2255-2276.
[18] WANG L, YEUNG J H Y, ZHANG M. The impact of trust and contract on innovation performance: the moderating role of environmental uncertainty[J].International Journal of Production Economics, 2011, 134 (1) : 114-122.
[19] ELFENBEIN D W , ZENGER T. Creating and capturing value in repeated exchange relationships: the second paradox of embeddedness[J]. Organization Science,2017,28(5):894-914.
[20] NONAKA I A. Dynamic theory of organizational knowledge creation[J]. Organization Science, 1994, 5(1):14-37.
[21] 刘少凤. 知识管理——赋能商业决策的一战式工具[M]. 北京:中信出版社, 2022:3-11.
[22] 赵蓉英, 刘卓著, 王君领. 知识转化模型SECI的再思考及改进[J].情报杂志, 2020, 39(11):173-180.
[23] 史轩亚,陈其齐,杜义飞,等.知识转化视角下CMNEs结构嵌入与关系嵌入互动过程研究[J].研究与发展管理, 2021,33(2):122-135,150.
[24] ZHAO J, XI X, LI B, et al. Research on radical innovation implementation through knowledge reuse based on knowledge flow: a case study on academic teams[J]. Information &Management, 2020, 57(8):103260.
[25] 杨敏,陈泽明.企业研发投入、知识生态与价值创造[J].统计与决策,2023,39(15):172-177.
[26] 卢艳秋, 宋昶, 王向阳. 基于工业互联网平台的企业间知识复用研究[J].情报科学, 2022, 40(2):141-147,161.
[27] GOODERHAM P, D B MINBAEVA, T PEDERSEN. Governance mechanisms for the promotion of social capital for knowledge transfer in multinational corporations[J]. Journal of Management Studies, 2011, 48(1):123-150.
[28] 姚伟, 周鹏, 柯平. 计算知识管理科学:数智化时代的知识管理研究路径[J].情报理论与实践, 2023,46 (2):15-23.
[29] JAKUBIK M, MUURSEPPP. From knowledge to wisdom: will wisdom management replace knowledge management[J]. European Journal of Management and Business Economics, 2022, 31(3):367-389.
[30] SRINIVASAN R, CHOO A, NARAYANAN S, et al. Knowledge sources, innovation objectives, and their impact on innovation performance: quasi-replication of leiponen and helfat[J]. Strategic Management Journal, 2021,42(11):2104-2136.
[31] YAYAVARAM S, CHEN W R. Changes in firm knowledge couplings and firm innovation performance:the moderating role of technological complexity[J]. Strategic Management Journal, 2015, 36(3):377-396.
[32] JAYARAM J, PATHAK S. A holistic view of knowledge integration in collaborative supply chains[J]. International Journal of Production Research, 2013, 51(7): 1958-1972.
[33] 吕佳,陈万明, 彭灿.主动遗忘、知识治理与企业突破式创新—环境动荡性的调节作用[J]. 科技进步与对策, 2017, 34(21):103-110.
[34] 朱祖平,阮荣彬,宋格.开放式创新平台激励与约束机制对用户创新行为的影响[J].科技进步与对策, 2024,41(3):44-54.
[35] 王瑞花, 吕永波.人际关系视角下组织内知识共享敌意的知识治理研究[J].科技进步与对策, 2017, 34(19):128-136.
[36] 姚艳虹, 李扬帆. 企业创新战略与知识结构的匹配性研究[J]. 科学学与科学技术管理, 2014, 35(10):150-158.
[37] PODSAKOFF P M, MACKENZIE S B, LEE J Y, et al. Common method biases in behavioral research: a critical review of the literature and recommended remedies[J]. Journal of Applied Psychology, 2003, 88(5): 879-903.
[38] MARSH H W, WEN Z, HAU K T. Structural equation models of latent interactions: evaluation of alternative estimation strategies and indicator construction[J]. Psychological Methods, 2004, 9(3): 274-275．
[39] 温忠麟,吴艳. 潜变量交互效应建模方法演变与简化[J]. 心理科学进展, 2010, 18(8):1306-1313.