In order to address the question of "how technology-based SMEs can achieve exaptation by overcoming digital capability constraints",this study selects technology-based small and medium-sized enterprises as research samples. These SMEs are characterized by a total number of employees less than 500, a proportion of technology personnel greater than 10%, and a revenue of less than 200 million yuan. The data was collected by questionnaire, and a total of 450 questionnaires was distributed, with 332 valid questionnaires and a valid questionnaire response rate of 73.8%. The primary variables under investigation encompass digital resource collaboration capability constraints, digital operation capability constraints, knowledge inertia, knowledge field activity, and exaptation. The measurement of these variables is grounded in well-established scales from both domestic and international sources. Specifically, all variables were assessed utilizing a 5-point Likert scale. The Cronbach's alpha values of each variable scale were all above 0.8, indicating that the scales have high reliability and can effectively measure the corresponding variables.
Leveraging the collected data, this study undertakes an empirical analysis into the relationship among digital capability constraints, knowledge inertia, and exaptation. The analysis employs a comprehensive methodological framework, including reliability and validity testing to ensure the robustness of the measurement instruments, descriptive statistical analysis to elucidate the mean, standard deviation, and correlation coefficient of each variable in the model, and hypothesis testing to validate the proposed theoretical relationships.
The results show that (1) both digital resource collaboration capability constraints and digital operational capability constraints exert a significantly negative impact on exaptation, with the former having a more pronounced effect; (2) both constraints significantly positively affect knowledge inertia, with digital resource collaboration capability constraints being more likely to lead to an increase in knowledge inertia; (3) knowledge inertia negatively affects exaptation and plays a significant mediating role between the two types of digital capability constraints and exaptation; (4) knowledge field activity negatively moderates the relationship between knowledge inertia and exaptation, and it also moderates the mediating effect of knowledge inertia between the two types of digital capability constraints and exaptation.
In summary, this paper integrates dynamic capabilities theory and knowledge base theory to further refine the types of digital capability constraints faced by technology-based SMEs, while also analyzing the mediating role of knowledge inertia and the moderating effect of knowledge field activity. The study clarifies the mechanisms by which digital capability constraints impact exaptation in technology-based SMEs, providing valuable theoretical support and practical insights. These SMEs should prioritize digital capability building as a strategic initiative, addressing constraints through self-assessment, collaborative innovation, and investment in key technologies. Additionally, these enterprises need to adapt to evolving market and technological trends by establishing efficient knowledge management systems and fostering a culture of innovation to prevent knowledge inertia from hindering progress. Furthermore, enhancing knowledge field activity is critical. By creating platform-based organizational structures and leveraging policy support, SMEs can facilitate knowledge flow and resource sharing, driving innovation and growth.
开放科学(资源服务)标识码(OSID)：
党的二十大报告提出,“强化企业科技创新主体地位,发挥科技型骨干企业引领支撑作用,营造有利于科技型中小微企业成长的良好环境,推动创新链产业链资金链人才链深度融合”。科技型中小企业是落实创新驱动发展战略的重要主体。相对于大型企业,科技型中小企业往往受到资源匮乏的限制[1],面临数字技术更新速度较快、数字资源配置不均、数字人才稀缺等挑战(任欣怡等,2024)。现有相关研究关注数字时代下中小企业的灵活性、适应性以及社会环境的作用,认识到数字能力的重要性[2],但对数字能力约束的现实情境考虑不足,忽视了数字能力约束带给科技型中小企业的桎梏。在数字时代,数字能力约束已成为科技型中小企业发展的重要瓶颈,严重阻碍其可持续成长。
在数字时代,科技型中小企业获取创新优势的关键已从传统资源获取与配置,转变为对资源的巧妙组合与策略性编排。这一转变不仅推动现有产品和技术向更广阔应用领域拓展,也使得科技型中小企业需要更加频繁地进行扩展适应,以保持其在激烈市场竞争中的领先地位。作为已有技术在意外情况下应用于新领域的创新机制[3],扩展适应有助于科技型中小企业重新审视现有资源,发现新组合方式,将资源从低效领域转移到创新活动上,通过提高资源利用率突破资源困境。然而,面对数字时代的挑战,科技型中小企业数字能力约束已成为不容忽视的实践困境。扩展适应的产生不仅强调现有技术潜在功能的发掘,也更加关注数字资源与能力组合及匹配。数字能力约束成为探索科技型中小企业扩展适应产生机理的重要实践情境,故进一步分析科技型中小企业数字能力约束与扩展适应之间的作用机理和边界条件,不仅有助于明确数字能力约束的具体作用路径,而且对科技型中小企业破解数字能力约束困境,激发扩展适应能力具有重要理论意义和实践价值。
已有数字能力文献主要从动态能力理论视角探讨数字能力的作用机制,且侧重于数字能力对创新的关键作用,如颠覆式创新[4]、企业数字创新绩效[5]、中小企业商业模式创新[6]等。上述研究表明,数字能力对科技型中小企业迎接转型挑战至关重要[7],受到学者们广泛关注。有研究指出数字能力对企业适应性和创新发展至关重要[2],并总结了相对于大型企业,中小企业在数字化努力上的种种限制(Ammeran & Latip,2024),但学界对于数字能力约束对科技型中小企业的影响,以及如何应对该问题以实现创新缺少关注。事实上,数字能力约束可能会阻碍科技型中小企业对新兴市场机会的感知和捕获,限制其拓展新市场或开发新产品与服务的能力,从而抑制扩展适应的产生。因此,数字能力约束成为当前科技型中小企业在实践中面临的关键问题,亟需进一步研究和探讨。
综合来看,现有研究存在以下不足:第一,对科技型中小企业数字能力约束的重视不足。现有研究较多关注企业拥有数字能力的积极作用,遗漏了数字能力约束这一负向现实情境以及科技型中小企业的独特性,对数字时代下科技型中小企业成长情景的理解不深入。第二,忽视了扩展适应在数字时代下科技型中小企业创新发展中的重要作用。在快速变化的数字环境中,作为响应新兴市场需求的重要窗口,扩展适应为科技型中小企业提供了持续创新和适应市场动态的灵活性与战略视野,但现有研究对扩展适应的前因探索不足。第三,数字能力约束与扩展适应的中间机制和边界条件有待探索。从知识基础观角度看,数字能力约束可能导致科技型中小企业囿于自身知识情境,过度依赖以往经验和知识基础,从而强化知识惯性,导致多样化知识渠道缺失。知识场活性强调内外部知识激活与重组,是重要知识互动场景,可能缓解知识惯性的负向效应。现有研究往往更加关注组织内的有利因素,而忽视不利因素,本文引入知识惯性将弥补上述不足。同时,对知识场活性的分析,强调对现实不利因素的缓解,有助于纾解科技型中小企业面临的数字时代困境。
综上所述,本文以科技型中小企业如何通过克服数字能力约束实现扩展适应为研究问题,基于动态能力理论和知识基础理论,探索科技型中小企业数字能力约束影响扩展适应的作用机理,并以内部知识惯性作为中介变量,以外部知识场活性作为调节变量,进一步突出科技型中小企业数字情景,丰富扩展适应的影响因素和内在作用路径研究,有助于打开数字能力约束下科技型中小企业实现扩展适应的“黑箱”,以期为数字时代背景下科技型中小企业突破数字能力约束和跳出传统思维模式提供理论指导与借鉴。
1.1.1 数字能力约束
数字能力是以数字技术为核心,通过灵活配置与整合内外部资源和条件加速创新转型的能力(孙忠娟和杨烨青,2024)。学者们普遍认为,企业数字能力是企业借助数字技术适应数字时代,并实现绩效提升和数字价值创造的关键[8-9]。对于科技型中小企业而言,数字能力构建常常受到资源、资金、人才等方面的约束,这些约束限制了企业在数据获取、分析和应用方面的能力,影响了企业创新速度和市场适应性。本文依据Sun&Zhou[4]对数字能力的分类,从数字资源协作能力约束和数字运营能力约束两个维度阐述科技型中小企业数字能力约束对扩展适应的影响。其中,数字资源协作能力约束是指整合和协调内外互补性资源,破解“数字孤岛”,实现数字资源共享、共建和共治的能力受到约束[4];数字运营能力约束是指基于对行业和消费数据的洞察,开发数字研发、生产、管理和服务等数字解决方案的能力受到约束[4]。根据动态能力理论,科技型中小企业竞争力来源于其动态能力,而数字能力约束可能会阻碍科技型中小企业对新兴市场机会的感知和捕获,限制科技型中小企业拓展新市场或开发新产品和服务的能力,进而抑制扩展适应的产生。
1.1.2 扩展适应
扩展适应起源于生物学领域,最初用于描述生物体在已有特征的基础上发展出新功能。Mokyr于2000年将扩展适应引入管理学领域,表示企业利用现有资源和能力探索新市场机会或情境,通常代表企业突破式创新的另一源泉。前期文献广泛研究了扩展适应的影响因素,结果发现,多学科和跨领域技能是激活扩展适应的先决条件(Sedita等,2022),顾客参与程度[10]、专利池和大数据能力(王丽平和赵丽洁,2023)等均对扩展适应发挥积极作用。同时,扩展适应的作用结果大多与创新有关[11-12]。既有文献形成了丰富成果,然而尚未有研究打开负向变量对扩展适应影响作用的“黑箱”,从数字时代背景出发开展深入分析的相关研究也不多见。在数字时代,科技型中小企业往往因资源、资金等因素受到数字能力约束,这无疑对其创新发展构成了阻碍。根据Serendipity理论,扩展适应作为现有产品或技术在机缘巧合下对新领域、新环境、新需求的功能响应,离不开探索性思维和知识重组,因而科技型中小企业扩展适应如何在数字能力约束困境中实现顺利发展有待探索。
1.1.3 知识惯性与知识场活性
知识惯性源于组织学习理论,是指企业或个体在长期发展过程中形成的固定知识结构和思维模式,这种惯性可能导致企业对新知识的抗拒或吸收缓慢,进而影响组织对快速变化环境的适应和创新能力。现有研究从多角度探究了知识惯性的作用机制,不仅揭示了知识惯性不同维度对创新的差异化影响[13],还验证了知识惯性在数字能力与知识管理(汪昕宇等,2023)之间、在跨界搜寻与知识整合(Wang等,2023)之间的负向调节作用,以及在跨界搜寻与突破式创新之间的中介作用[14]。知识基础理论指出,知识是企业创新的基础,企业会通过知识扩散、积累和碰撞形成自有知识库。作为推动创新和增强国家竞争力的关键力量,受到数字能力约束的科技型中小企业在面临高成本压力和风险的情况下,倾向于依赖原有知识和经验,局限于自有知识库,因而容易形成知识惯性。然而,知识惯性能否成为数字能力约束影响科技型中小企业扩展适应的重要机制?其影响效应如何?上述问题有待进一步探究。
知识场活性源自知识管理领域,是指知识在组织或社会网络中流动、共享和创造的活跃程度,能够反映知识主体间交流和互动频率与质量,对知识创新和扩散具有促进作用。已有研究从知识协奏能力[14]、知识潜力和感知到的组织支持[13]等不同角度,分析了知识惯性与企业创新关系的边界条件,却鲜有探讨知识场活性在知识惯性与扩展适应之间的调节作用。知识基础理论强调,企业需要有效整合不同来源和类型的知识,通过不断丰富知识库提升核心竞争力。因此,知识场活性如何影响知识惯性与扩展适应的关系仍需要进一步明晰,这对厘清规避知识惯性消极影响的边界条件具有重要意义。
1.2.1 数字能力约束与扩展适应
扩展适应是指企业在偶然情况下利用现有资源或能力适应新环境或需求的机制,强调企业灵活性和敏捷性,使其能够快速适应不断变化的市场和技术环境,对企业创新有着巨大的贡献[3]。在数字时代,创新活动越来越多地依赖于数字资源(张树山和陈凯旋,2024),如数据、软件、在线平台等。科技型中小企业通常以创新为核心,存在资金储备有限、客户基础薄弱等局限性(杨煜和王昕灵,2024),依赖先进技术和快速的市场响应能力维持竞争力。因此,数字能力成为科技型中小企业扩展适应的关键影响因素。动态能力理论强调,培育充分利用内外部资源的动态能力有助于企业在动荡环境中获得竞争优势。当科技型中小企业数字能力这一动态能力受到约束时,则容易导致数字桎梏。
随着数字资源协作能力约束增强,受数字资源协作能力约束的负面影响,科技型中小企业难以获取前沿创新需求信息,对市场变化感知的敏感度逐渐下降[15]。在此情境下,科技型中小企业需要加大投入力度,不断拓宽协作渠道,但由此带来的资金压力易导致科技型中小企业业务决策受限,面临更高的不确定性和风险。因此,即使科技型中小企业偶有发现也可能因缺乏资金而放弃进一步研究,难以形成扩展适应。此外,科技型中小企业可能会夸大对现有协作的信任,这提升了资源协作管控难度,容易滋生和助长机会主义行为(赵景艳和李旭东,2022),不利于激发扩展适应。
在数字运营能力约束情境下,科技型中小企业可能在数据分析、流程自动化和客户互动等方面受到限制,进而无法有效利用数字技术进行产品和服务创新。由于数字技术在现代商业环境中的关键作用,这种约束在一定程度上会影响科技型中小企业对市场机会的把握和创新战略的实施,阻碍其对新技术和市场趋势的适应。此外,数字运营能力约束可能限制科技型中小企业在创新过程中的灵活性和敏捷性,导致其难以有效整合和利用外部资源,进一步增加产品或服务创新风险,错失关键先发优势,阻碍扩展适应的形成。
相较于数字能力约束较强的情况,当科技型中小企业数字能力约束较弱时,数据驱动的数字能力在驱动扩展适应上具有相对优势,不仅通过有序化运营、降低成本和提高效率创造成本优势,还通过向客户提供独特和个性化服务创造差异化优势。具体地,较弱的数字资源协作能力约束允许科技型中小企业通过及时、全面整合信息有效监控服务操作和客户响应,并利用数字技术快速识别客户需求[4],预测数字市场变化,以满足新市场需求或解决潜在问题,从而促进扩展适应。此外,较弱的数字资源协作能力约束有利于维持创新生态系统内多实体间的协作,以实现协同增效和互补性,从而提高扩展适应效率。较弱的数字运营能力约束能促使科技型中小企业准确运用大数据工具制定具有可执行性的创新方案[16],助力科技型中小企业将数字技术嵌入其产品和服务中,不断增强其现有功能,甚至开辟新的性能维度,实现功能转移,进一步激发新的创意。此外,较弱的数字运营能力约束有助于科技型中小企业动态调度和分配资源,作出明智的决策,从而加强对扩展适应的关注。由此可见,缓解数字能力约束对科技型中小企业至关重要,不仅能够通过资源协作及时获取市场信息并实现协同增效,还能通过数据驱动降低运营成本、提升创新效率。因此,科技型中小企业数字能力约束影响扩展适应的产生,数字能力约束越强,越不利于扩展适应的产生。基于此,本文提出以下假设:
H1：数字能力约束对扩展适应具有负向影响。
H1a：数字资源协作能力约束对扩展适应具有负向影响;
H1b：数字运营能力约束对扩展适应具有负向影响。
1.2.2 知识惯性的中介作用
(1)数字能力约束与知识惯性。知识惯性是企业在面对新信息、新技术或新环境时,由于过度依赖现有知识体系、思维模式和工作习惯,而难以适应变化或采纳新观念的现象[14]。在数字时代,数字能力约束作为科技型中小企业可持续发展的关键障碍,与知识惯性之间存在紧密联系。首先,数字资源协作能力约束越强,科技型中小企业越容易形成“数字孤岛”。一方面,可能限制科技型中小企业内外部有效沟通与合作,使其难以获取外部知识和信息,在合作伙伴选择过程中面临更高风险或陷入僵化,进而影响其可供调配的资源范围。因此,科技型中小企业往往不仅难以接触到互补性和竞争性知识与技术,而且其资源获取范围可能遭受锁定甚至进一步缩小。为了以更低风险突破“数字孤岛”,科技型中小企业倾向于加强对内部知识和经验的依赖,这促进了知识惯性形成[14]。另一方面,由于数字资源协作能力受限,科技型中小企业内部知识共享和协同创新活动可能受阻,进而影响科技型中小企业组织结构和文化,导致跨部门和社会网络连接的沟通协作不畅[17]。因此,当科技型中小企业难以通过数字协作获取新知识时,可能更倾向于坚持使用原有知识和维护现有思维模式,而非寻求创新。其次,数字运营能力受限的科技型中小企业可能更倾向于依赖现有、传统知识及经验指导决策和运营活动,而非积极探索和采纳新的数字化解决方案。具体而言,数字运营能力约束通常表现为缺乏先进技术设备和具备数字技术知识和技能的技术人员[4],可能导致科技型中小企业缺乏推进数字化转型的成熟机制,并在探索新数字化解决方案时面临挑战。这种状态在一定程度上增加了内部协调成本,阻碍数字化创新,导致科技型中小企业难以紧跟行业发展的最新趋势。为避免错失市场机会和加快决策过程,科技型中小企业可能继续依赖传统运营模式。此外,数字运营能力受限的科技型中小企业可能在创新与变革方面表现出更多犹豫和迟疑。由于缺乏有效利用数字技术进行创新的能力,它们既无法及时获取和分析市场数据,也难以提供高效和个性化客户体验,这种状态进一步加剧了企业知识惯性。
综上所述,面对数字能力约束的挑战,科技型中小企业倾向于选择依赖传统渠道和知识体系应对新问题,以维持业务连续性和降低潜在风险,这进一步促进了知识惯性提升。基于此,本文提出以下假设:
H2：数字能力约束对知识惯性具有正向影响。
H2a：数字资源协作能力约束对知识惯性具有正向影响;
H2b：数字运营能力约束对知识惯性具有正向影响。
(2)知识惯性与扩展适应。对于扩展适应而言,由于其偶然性、新颖性的特点[3],往往涉及跨行业或跨领域技术或产品应用,更加需要异质性资源支撑。因此,科技型中小企业知识惯性可能对扩展适应造成阻碍。首先,知识基础理论强调知识是企业最宝贵的资源,是科技型中小企业获得持续竞争优势的关键。知识惯性会使科技型中小企业固守已有经验,而忽视知识更新,倾向于将注意力集中在现有业务和运作模式上[4],这进一步加深了其对原有路径的依赖。即使科技型中小企业试图挖掘扩展适应的价值,也会因缺少异质性资源而无法充分实现扩展适应。其次,根据Serendipity理论,偶然事件或意外发现常常会引发重要突破性发现或创新。这一理论强调了开放性思维方式和对未知领域探索能力的重要性。知识惯性会导致组织结构和思维固化[14],这不仅会限制科技型中小企业对新思想和行为的接受度,还可能导致科技型中小企业在探索革新时过于保守,不愿意将资源投向新领域或创新项目,从而阻碍企业变革和创新。这种过于回避尝试创新路径的方式,与扩展适应所需的探索精神相悖。最后,作为创新的逆向机制,扩展适应不仅是技术专长与市场深刻理解的结合,更强调灵活性和敏捷性。它需要科技型中小企业能够快速识别、利用新发现,并将其作为创新的源泉。而知识惯性表明科技型中小企业习惯于用同样的方法解决问题,反映出科技型中小企业对过去经验的过度自信以及在更新与应用知识方面的惰性,这进一步提高了识别并利用扩展适应的难度,抑制了扩展适应的顺利开展。基于此,本文提出以下假设:
H3：知识惯性对扩展适应具有负向影响。
数字资源协作能力约束体现在科技型中小企业难以有效利用数字技术和网络资源与其它组织或个体进行合作,这直接限制了科技型中小企业获取异质性知识的机会,导致其更多地依赖内部既有知识,从而加强了知识惯性[14]。一方面,由于外部知识获取受限,科技型中小企业囿于现有技术路径,难以开发出满足市场需求的产品和服务,进而在面对市场变化和技术革新时,缺乏足够的灵活性和较强的接受意愿(曹勇等,2024),难以快速响应新兴市场机会,这进一步限制了科技型中小企业市场扩展能力。另一方面,数字资源协作能力约束会通过强化内部封闭知识循环而减少与外部合作伙伴互动,导致科技型中小企业错失通过协作实现资源共享和优势互补的机会,进而影响其业务拓展和竞争力提升,阻碍了扩展适应的实现。
数字运营能力约束则代表科技型中小企业在洞察数据资源并对其进行开发应用方面存在局限性,这不仅容易导致科技型中小企业面临高资产专用性和资源结构化问题[16],而且会制约其深入挖掘数字资源潜力、进行详尽数据分析以及明确创新方向的能力。同时,这不利于科技型中小企业利用数字技术快速实施创新战略[18]。因此,出于对失败和不确定性的担忧,科技型中小企业可能对外部数字资源持谨慎态度。这种保守倾向不仅限制了科技型中小企业学习与创新视野,还可能使其陷入知识惯性的困境。进一步地,导致科技型中小企业难以快速调整其认知框架和运营模式,由此形成的僵化反应机制将降低科技型中小企业对新市场机会的敏感度和反应速度,从而对扩展适应产生消极影响。
总体来说,数字能力约束往往成为科技型中小企业内外部交流与联系的障碍,这不仅限制了科技型中小企业对数字资源的深入开发与有效应用,更将科技型中小企业局限于既有知识与经验框架内,从而削弱了科技型中小企业对创新机遇的响应能力。同时,知识惯性是企业对内部资源和经验的过度依赖,往往不利于创新思维激发。它可能成为阻碍创新想法形成的桎梏,抑制扩展适应发展。由此可见,知识惯性在数字能力约束对科技型中小企业扩展适应影响机制中扮演重要中介角色,其影响不容忽视。基于此,本文提出以下假设:
H4：知识惯性在数字能力约束对扩展适应影响中起中介作用。
H4a：知识惯性在数字资源协作能力约束对扩展适应影响过程中起中介作用;
H4b：知识惯性在数字运营能力约束对扩展适应影响过程中起中介作用。
1.2.3 知识场活性的调节作用
知识场活性描述企业在特定知识领域内的活跃度,包括知识探索、知识创造、知识整合和知识应用等方面,反映企业对知识资源进行积极管理与利用的能力[19]。对科技型中小企业而言,这种能力尤为重要,因为科技型中小企业创新活动主要在知识领域进行(Zhang&Fan,2024)。由于知识惯性内涵与知识场活性密切相关,在知识惯性路径依赖影响扩展适应时,不同程度的知识场活性可能会导致两者关系存在差异。本文认为,与处于低知识场活性的科技型中小企业相比,处于高知识场活性的科技型中小企业与知识惯性组合可能更有利于扩展适应。
首先,在高知识场活性下,科技型中小企业容易形成知识聚集效应[19]。场内知识主体之间频繁交流和紧密合作,能够通过有效沟通和协作促进知识转移与共享[19],并充分挖掘和发挥知识资源潜力。根据知识基础理论,知识场活性强调跨学科和跨领域知识整合。科技型中小企业能够灵活调整和应用知识资源,以适应快速变化的环境,并更倾向于在活跃的知识环境中挑战并更新现有知识基础。由此,过时知识和经验对扩展适应的不利影响得到缓解。进一步地,更新的知识将推动扩展适应。其次,知识场活性高度活跃意味着科技型中小企业与外部主体之间相互信任和具有高度的信息共享意愿。结合Serendipity理论,知识场活性鼓励科技型中小企业不断探索新知识领域,这为其更新知识库,挖掘知识研发潜力提供了条件[19]。通过建立稳固的合作关系,科技型中小企业能够推动知识重组并引入新观点和创新思维[20],实现从知识发现到价值创造的转变,打破“信息孤岛”,为扩展适应提供坚实的资源基础。最后,高知识场活性进一步促进开放和包容的组织文化建设,鼓励科技型中小企业接受新思想和尝试新方法。上述因素共同作用,提升了科技型中小企业突破知识惯性束缚的可能性。因此,激活并维持知识场活性的科技型中小企业更有可能构建动态知识生态系统。通过快速整合、吸收和应用外部新知识并结合现有知识体系,科技型中小企业更容易产生新的洞见或创意,从而加快扩展适应进程。
综上所述,知识场活性通过激发创新和促进知识多样化,有效调节了知识惯性可能造成的固守旧有思维和抗拒变化的倾向,能够使科技型中小企业更灵活地适应外部环境变化,快速识别并把握新市场和技术机会,进而实现有效扩展适应。基于此,本文提出以下假设:
H5：知识场活性能够缓解知识惯性对扩展适应的负向影响。
本文认为,知识场活性对数字能力约束—知识惯性—扩展适应的中介机制起调节作用,即存在被调节的中介效应。当知识场活性较低时,数字资源协作能力约束阻碍科技型中小企业内外部知识共享,由此导致的“数字孤岛”容易使得科技型中小企业知识资源固化;而数字运营能力约束则会制约科技型中小企业制定数字化解决方案,进一步强化与知识惯性的正向联系,显著提升创新风险,不利于扩展适应的发展。
当知识场活性较高时,意味着知识在科技型中小企业或网络中流动、共享和创造,处于高度活跃状态,有助于知识重组和创新,在一定程度上削弱了科技型中小企业知识惯性的作用,进一步弱化了知识惯性在数字能力约束与扩展适应之间的作用。具体而言,高知识场活性表示知识信息呈网络状流动,能够满足不同知识主体交流需求,促进跨领域和跨部门知识整合[20]。这种整合不仅挖掘了科技型中小企业资源网络,而且为削弱数字资源协作能力约束对知识惯性的促进作用创造了机会。通过这种方式,科技型中小企业能够更有效地利用其数字资源,进而摆脱知识惯性束缚,提高扩展适应效率。此外,高知识场活性可能促进科技型中小企业加强数据信息交流,并促进不同数字化知识基础在相互转化过程中得到有效利用。由此带动科技型中小企业跳出数字运营能力约束导致的固化思维,为其数字研发提供新视角和解决方案,进而快速识别市场需求并制定数字创新战略,弱化知识惯性在数字运营能力约束与扩展适应之间的作用。
基于此,可以发现知识场活性越高,数字能力约束通过知识惯性对扩展适应造成的影响越低。因此,本文提出以下假设:
H6：知识场活性越高,知识惯性在数字能力约束与扩展适应之间所起的中介作用越弱。
H6a：知识场活性越高,知识惯性在数字资源协作能力约束与扩展适应之间所起的中介作用越弱;
H6b：知识场活性越高,知识惯性在数字运营能力约束与扩展适应之间所起的中介作用越弱。
综上所述,本文构建数字能力约束、知识惯性、知识场活性与扩展适应之间的概念模型如图1所示。
图1 理论模型
Fig.1 Theoretical model
本文以科技型中小企业为研究对象,采用问卷调查法进行数据收集。为确保调研企业为科技型中小企业,按照《科技型中小企业评价办法》,对员工总数小于500人、科技人员占比大于10%、营业收入小于2亿元等方面进行控制。在正式调查之前,研究团队进行了小范围预调研,以检测问卷的可行性和理解度,确保问卷题项的准确性和相关性。基于预调研结果,研究团队对问卷进行了调整和完善,形成了最终问卷。问卷调查历时两个月,通过MBA学员和社会关系网络,采取线上线下相结合的方式广泛发放问卷,填写人员为中高层管理者或者研发管理人员。累计发放问卷450份,回收366份,在剔除填写不规范、缺失值较多、不属于科技型中小企业范畴的问卷后,得到有效问卷332份,有效问卷回收率为73.8%。本文借助SPSS软件对有效问卷进行Harman单因子检验,检测是否存在显著共同方法偏差问题。数据分析结果析出5个主因子,其中,最大成分因子的方差解释量为34.3%,低于40%的基准线,说明共同方法偏差问题不严重。
本文依据国内外成熟量表,采用李克特5点量表的评分方法对所有变量进行测量,其中,1代表“非常不符合”,5代表“非常符合”。
数字能力约束:根据Sun&Zhou[4]开发的量表改编。其中,数字资源协作能力约束测量量表包括4个题项,例如“我们的业务系统之间缺乏统一的信息交换接口或模式”,量表Cronbach's α值为0.911;数字运营能力约束测量量表包括4个题项,例如“我们公司在利用数字化手段优化业务流程或资源分配方面存在不足”,量表Cronbach's α值为0.810。
知识惯性:选用Fu等[21]开发的量表,共5个题项,代表性题项如“在研发过程中,我们并没有积极寻求新知识解决问题”,量表Cronbach's α值为0.841。
知识场活性:选用金珺等(2020)开发的量表,共4个题项,代表性题项如“我们公司与合作者能够有效沟通和信息交流”,量表Cronbach's α值为0.892。
扩展适应:根据王丽平和赵丽洁(2023)、Tang等[22]的扩展适应量表改编,共5个题项,如“我们企业通过现有产品功能组合获得新的功能”,量表Cronbach's α值为0.915。
控制变量:根据以往研究,本文选取企业年龄、规模、成立时间、性质和所属行业类型作为控制变量。
本文采用Cronbach's α值检验各变量量表题项的一致性,结果如表1所示。结果显示,各变量量表Cronbach's α值介于0.810～0.915之间,均大于0.8,并且组合信度CR均大于0.8,平均方差萃取量AVE值均大于0.6,说明量表内部一致性较高,具备较高的信度。同时,运用SPSS进行各变量因子分析,各题项因子载荷值介于0.719～0.931之间,5个变量的KMO值均大于0.7,说明变量题项能够反映变量构念,结构效度较高。进一步采用验证性因子分析进行检验,五因子模型的主要拟合指标如下:χ2/df=2.867,RMSEA=0.075,CFI=0.918,IFI=0.918,TLI=0.904,显著优于单因子模型(χ2/df=12.346,RMSEA=0.185,CFI=0.475,IFI=0.477,TLI=0.419),说明拟合效果良好,量表具有较高区分效度。此外,主变量的AVE平方根均大于该变量与其它变量间的相关系数(见表2),表明变量具有较高的收敛效度和区分效度。
表1 信效度检验结果
Table 1 Reliability and validity test results
变量题项因子载荷KMOCronbach's α值CRAVE数字资源协作能力约束Q1～Q40.877～0.9040.8540.9110.9370.789数字运营能力约束Q5～Q80.719～0.8410.7960.8100.8750.638知识惯性Q9～Q130.778～0.7890.8280.8410.8870.612知识场活性Q14～Q170.846～0.8840.8120.8920.9250.755扩展适应Q18～Q220.830～0.9310.8380.9150.9370.748
表2 变量描述性统计结果
Table 2 Descriptive statistics of variables
变量123456789101.企业年龄1.0002.企业规模0.0051.0003.企业性质0.0250.0061.0004.企业成立时间-0.0500.066-0.0221.0005.企业所属行业类型-0.076-0.0840.0460.0431.0006.数字资源协作能力约束0.007-0.1030.056-0.0930.113*0.8887.数字运营能力约束-0.039-0.143**-0.055-0.0450.0140.289**0.7998.知识惯性-0.047-0.104-0.077-0.0700.0910.494**0.249**0.7829.知识场活性0.0740.047-0.0800.0760.041-0.181**-0.151**-0.167**0.86910.扩展适应0.115*0.081-0.0260.0530.017-0.396**-0.241**-0.445**0.597**0.865均值2.9103.0402.4902.8903.4303.3803.2903.0602.5802.790标准差1.4471.3921.0761.4400.9060.6230.4890.4710.5680.805
注:N=332,*表示p<0.05,**表示p<0.01,***表示p<0.001,下同;对角线为AVE的平方根
表2展示了模型中各变量均值、标准差以及相关系数。结果表明,数字资源协作能力约束和数字运营能力约束与知识惯性(β=0.494,p<0.01;β=0.249,p<0.01)显著正相关,与扩展适应(β=-0.396,p<0.01;β=-0.241,p<0.01)显著负相关,知识惯性与扩展适应显著负相关(β=-0.445,p<0.01),所得结果与研究假设基本相符,初步支持了变量间关系。此外,知识惯性、扩展适应受企业年龄、企业规模、企业性质、成立时间和所属行业类型的影响较小。
本文采用分层回归法对研究假设进行检验,共设计11个模型,其中M1～M3的因变量为知识惯性,M4～M11的因变量为扩展适应,回归结果如表3所示。
表3 回归分析结果
Table 3 Regression analysis results
变量知识惯性M1M2M3扩展适应M4M5M6M7M8M9M10M11企业年龄-0.022-0.025-0.0180.072*0.0710.074*0.065*0.067*0.058*0.061*0.029企业规模-0.051-0.027-0.0330.0500.0190.0280.0180.0300.0150.0240.009企业性质-0.059-0.076*-0.050-0.024-0.015-0.008-0.036-0.034-0.057-0.053-0.017企业成立时间-0.039-0.015-0.0340.0310.0080.0090.0040.0250.0100.012-0.013企业所在行业0.0750.0290.0740.0300.0680.0710.0820.0310.0650.0670.035数字资源协作能力约束0.430***-0.353***-0.388***-0.231***数字运营能力约束0.227***-0.139*-0.250***-0.146**知识惯性-0.364***-0.458***-0.493***-0.073调节变量知识场活性0.906***知识惯性*知识场活性0.124**R20.0310.2620.0830.0240.1930.1780.2590.0760.2340.2170.494△R20.0310.2310.0520.0240.1690.1540.0800.0520.1580.1930.470F2.05219.191***4.893***1.62611.086***11.764***16.151***4.460***14.108***15.008***39.433 ***
(1)主效应检验。先将扩展适应设为因变量,再添加控制变量,最后将数字资源协作能力约束和数字运营能力约束纳入回归方程。从M5可以得到,数字资源协作能力约束、数字运营能力约束对扩展适应具有显著负向影响(β=-0.353,p<0.001;β=-0.139,p<0.05),且数字资源协作能力约束的影响强于数字运营能力约束。由此,H1、H1a和H1b得到验证。
(2)中介效应检验。先将知识惯性、扩展适应设为因变量,加入控制变量,再加入自变量数字资源协作能力约束和数字运营能力约束,最后将中介变量知识惯性纳入回归方程。从表3中M2和M3可以看出,数字资源协作能力约束和数字运营能力约束均对知识惯性具有显著正向影响(β=0.430,p<0.001;β=0.227,p<0.001),且数字资源协作能力约束的影响强于数字运营能力约束,因此假设H2、H2a和H2b得到验证。由M10可知,知识惯性显著负向影响扩展适应(β=-0.493,p<0.001),假设H3得到验证。对比M6与M7、M8与M9可知,在加入中介变量后,数字资源协作能力约束和数字运营能力约束对扩展适应的影响显著但明显下降(β=-0.231,p<0.001;β=-0.146,p<0.01),表明知识惯性在数字能力约束和扩展适应之间发挥显著中介作用,因此假设H4、H4a和H4b得到初步验证。为进一步检验中介效应,利用Process插件程序,将偏差校正设为5 000次展开Bootstrap检验。以数字资源协作能力约束和数字运营能力约束作为自变量,以扩展适应作为因变量,以知识惯性作为中介变量,结果如表4所示。可以看到,对应中介效应的置信区间均不包含0,表明中介效应显著。综合表3和表4可知,知识惯性在数字资源协作能力约束、数字运营能力约束与扩展适应之间起中介作用。由此,H4、H4a和H4b得到验证。
表4 中介效应检验结果
Table 4 Mediating effect test results
自变量效应类型EffectBoot SECI数字资源协作能力约束总效应-0.3860.049[-0.482,-0.289]直接效应-0.2280.054[-0.333,-0.122]间接效应-0.1580.035[-0.228,-0.093]数字运营能力约束总效应-0.2610.058[-0.375,-0.147]直接效应-0.1500.055[-0.258,-0.043]间接效应-0.1110.030[-0.175,-0.056]
(3)调节效应检验。先将扩展适应作为因变量,逐步加入控制变量、自变量知识惯性,再加入调节变量知识场活性,最后将知识惯性与知识场活性的交互项纳入方程。由表3中M11可知,知识惯性和知识场活性的交互项对扩展适应具有显著正向影响(β=0.124,p<0.01),表明知识场活性越高,知识惯性对扩展适应的负向影响越小,假设H5得到验证。为了更加清晰地展示知识场活性的调节作用,将知识场活性分别加减一个标准差进行简单斜率检验,采用高知识场活性组和低知识场活性组解释不同水平知识场活性对知识惯性与扩展适应的影响效应,如图2所示。可以发现,知识场活性越高斜率越平缓,表明知识场活性越高,知识惯性对扩展适应的负向效应越弱。由此,假设H5得到进一步验证。
图2 知识场活性的调节效应
Fig. 2 Moderating effect of knowledge field activity
(4)被调节的中介效应检验。本文借助SPSS软件中的Process插件程序,使用Model14展开5 000次的Bootstrap随机抽样运算,对被调节的中介效应进行检验,置信区间设为95%,结果如表5所示。在高水平知识场活性下,科技型中小企业知识惯性在数字资源协作能力约束、数字运营能力约束与扩展适应之间的间接效应显著(β=0.085,CI=[0.046,0.134];β=0.130,CI=[0.074,0.190]);而在低水平知识场活性下,科技型中小企业知识惯性的间接效应依然显著,但效应值明显更低(β=0.055,CI=[0.025,0.098];β=0.068,CI=[0.021,0.124])。同时,组间差异的间接效应显著,95%置信区间同样不包含0(β=0.030,CI=[0.002,0.061];β=0.062,CI=[0.012,0.114])。因此,科技型中小企业知识场活性越高,数字能力约束通过知识惯性影响扩展适应的间接效应越弱,H6、H6a和H6b得到验证。
表5 被调节的中介效应检验结果
Table 5 Moderated mediation effect test results
自变量中介变量知识场活性ModeratorEffectBoot SE(CI)被调节的中介Index(CI)数字资源协作能力约束知识惯性低0.0550.018[0.025,0.098]0.021[0.001,0.043]中0.0740.020[0.040,0.117]高0.0850.023[0.046,0.134]组间差异(高-低)0.0300.015[0.002,0.061]数字运营能力约束低0.0680.026[0.021,0.124]0.043[0.008,0.080]中0.1070.025[0.060,0.160]高0.1300.030[0.074,0.190]组间差异(高-低)0.0620.026[0.012,0.114]
本文以科技型中小企业为研究对象,结合动态能力理论和知识基础理论,探讨数字能力约束对科技型中小企业扩展适应的影响,并检验知识惯性的中介作用以及知识场活性的调节作用,得到以下主要结论:
(1)数字能力约束负向影响科技型中小企业扩展适应。数字能力约束的两个维度,即数字资源协作能力约束与数字运营能力约束均负向作用于科技型中小企业扩展适应。相对于数字运营能力约束,数字资源协作能力约束对扩展适应的负向影响更显著,这意味着科技型中小企业扩展适应对数字资源协作能力的依赖性更强。
(2)数字能力约束通过知识惯性的中介效应影响扩展适应。知识惯性在数字能力约束(数字资源协作能力约束、数字运营能力约束)与科技型中小企业扩展适应的负向关系中发挥显著中介作用。
(3)知识场活性在知识惯性与科技型中小企业扩展适应之间起负向调节作用,并调节知识惯性在两类数字能力约束与扩展适应中的中介作用。较强的知识场活性可以弱化科技型中小企业知识惯性对扩展适应的不利影响,并削弱知识惯性的中介作用。
(1)引入能力约束视角,拓展了动态能力理论,有助于丰富数字能力研究。传统动态能力理论强调企业资源、流程和价值创造能力整合与重构[23]。现有研究往往从积极角度探讨数字能力的作用[24],忽视了数字时代下科技型中小企业数字能力约束。本文以数字能力约束为切入点,更加体现科技型中小企业发展中的现实情境,从现实约束角度丰富数字能力研究,呼吁关注科技型中小企业数字能力约束问题,拓宽了数字能力研究框架。
(2)丰富了知识基础理论,推动了知识惯性作用机制研究。知识基础理论强调对过去积累的成功知识的利用[25],而科技型中小企业常因资源限制面临多方面约束,在数字能力约束情况下倾向于依赖现有知识,本研究丰富了知识基础理论应用场景。此外,现有研究探讨了知识惯性的多面性,包括其可能带来的积极影响以及被视为阻碍的负面效应[26-27]。然而,现有文献尚未对知识惯性的作用机制达成共识。本研究进一步深化了对知识惯性的理解,特别是从知识惯性的潜在损害角度,探讨了数字能力约束对科技型中小企业扩展适应的影响机制,不仅深化了对知识惯性影响的认识,也揭示了其在数字化转型过程中的具体作用,为数字时代下的知识基础理论发展提供了知识增量。
(3)为数字时代背景下科技型中小企业增强扩展适应提供了新视角。在数字时代,扩展适应作为现有产品或技术在机缘巧合下对新领域、新环境、新需求的功能响应,对实现突破式创新至关重要。本文通过细化科技型中小企业数字能力约束,强调数字时代下科技型中小企业面临的具体困境,弥补了现有文献对扩展适应形成前因探讨不足的缺陷[28],从数字能力约束视角为扩展适应研究提供了新的见解,并为扩展适应前因研究提供了重要补充,丰富了促进扩展适应产生的数字场景。
(4)引入知识场活性作为调节变量,推动了数字情境下科技型中小企业扩展适应的作用边界探讨。基于知识基础理论,将知识场活性纳入研究框架,发现知识场活性缓解了知识惯性对扩展适应的负向作用,并进一步调节知识惯性的中介效应,有助于厘清数字能力约束通过知识惯性影响科技型中小企业扩展适应的边界条件,进一步完善了扩展适应研究框架。
(1)在数字时代,科技型中小企业往往资源有限,在应用和集成新兴数字技术方面存在困难,这限制了其在数字平台开发与部署方面的能力。因此,科技型中小企业需要将数字能力构建与发展置于战略核心,实施定期自我审视,通过深入监测和评估自身数字能力,确保及时识别并解决能力短板。在此基础上,科技型中小企业应主动与高校、研究机构及其它企业建立互利合作关系,共享数字资源、联合研发,并利用开放式创新平台积极获取市场和技术的新动态。此外,科技型中小企业需要在云计算、大数据、人工智能等关键领域进行战略性投资,因为这些技术是企业突破数字能力约束,实现创新跃迁的关键。通过上述投资,科技型中小企业不仅能够提升数据处理速度和精度,还能提升自动化水平和决策智能化程度。
(2)科技型中小企业需要积极适应不断演变的市场环境和技术趋势,以应对知识惯性可能对扩展适应造成的阻碍。为此,科技型中小企业需要建立高效的数据获取和分析机制,开发并利用有效的知识管理系统以快速捕捉市场趋势和技术变革,从而促进知识收集、共享、更新和应用。确保组织内知识的新颖性并及时响应外部环境变化,科技型中小企业能够避免因知识惯性而错失发展机遇。科技型中小企业应营造鼓励创新、容忍失败、重视多样性和开放性思维的企业文化,并提供必要的服务支持。此外,政府应出台相关政策,激励科技型中小企业跳出传统思维模式,在持续学习中更新知识结构,探索新的可能性,防止因过度规避风险而陷入知识惯性的陷阱。
(3)在规避数字能力约束和知识惯性负面效应的同时,科技型中小企业应充分认识到提高知识场活性的重要性。具体而言,知识场活性能够缓解科技型中小企业知识惯性的负面效应,发挥“缓冲器”的作用。因此,企业管理者应致力于打造平台化、网络化组织结构,构建畅通无阻、信息透明、响应迅速的互动机制,促进知识资源在知识场内交互流动,充分挖掘数字资源价值。此外,政府应出台相关政策,鼓励科技型中小企业进行研发投入和知识创新,如税收优惠、研发补贴和创新基金等。同时,政府应构建或支持构建行业知识共享平台,投资建设创新孵化器和加速器,以促进企业间知识交流和合作,从而为科技型中小企业提供资源对接平台和创新支持。
[1] 辛本禄,耿晶晶. 服务创新网络中企业社会资本如何影响创新绩效——知识流耦合与知识共创的链式中介作用[J]. 科技进步与对策, 2024, 41(10): 110-119.
[2] RANJAN P. Unraveling the mystery of the link between digital orientation and innovation performance: the interplay of digital business capability and environmental dynamism[J]. Technovation, 2024, 131(3): 102966.
[3] 任声策,高天昊,许晖. 扩展适应:创新的另一个源泉——研究述评与展望[J]. 外国经济与管理, 2019, 41(1): 16-29.
[4] SUN Y,ZHOU Y. Specialized complementary assets and disruptive innovation: digital capability and ecosystem embeddedness[J]. Management Decision, 2024, 62(11): 3704-3730.
[5] 程聪,胡嘉阳.什么样的数字能力能促进在华跨国公司数字创新——基于fsQCA的研究[J].科技进步与对策,2024,41(19):91-99.
[6] ANWAR M, SCHEFFLER M A,CLAUSS T. Digital capabilities, their role in business model innovativeness, and the internationalization of SMEs[J]. IEEE Transactions on Engineering Management, 2024, 71(1): 4131-4143.
[7] CHEN X, KURDVE M, JOHANSSON B, et al.Enabling the twin transitions:digital technologies support environmental sustainability through lean principles[J]. Sustainable Production and Consumption, 2023, 38(4): 13-27.
[8] HOMBURG C,WIELGOS D M. The value relevance of digital marketing capabilities to firm performance[J]. Journal of the Academy of Marketing Science, 2022, 50(4): 666-688.
[9] 马鸿佳,王春蕾.数字化能力总是有益的吗?数字化能力与企业绩效关系的元分析[J].南开管理评论,2025,28(6):4-15.
[10] CHAN T H,LIM S-Y. The emergence of novel product uses: an investigation of exaptations in IKEA hacks[J].Management Science, 2023, 69(5): 2870-2892.
[11] CODINI A P, ABBATE T,PETRUZZELLI A M. Business model innovation and exaptation: a new way of innovating in SMEs[J]. Technovation, 2023, 119(1): 102548.
[12] ALBAYRAKTAROGLU A. Strategic agility, exaptation, and business model innovation: the case of an SME[J]. IEEE Transactions on Engineering Management, 2024, 71(1): 7195-7206.
[13] ZHANG X, SHEN K N,XU B. Double-edged sword of knowledge inertia: overcoming healthcare professionals' resistance in innovation adoption[J]. Technovation, 2024, 133(5): 103011.
[14] 曾经纬. 跨界搜寻与突破式创新:知识惯性与知识协奏能力的作用[J]. 科研管理, 2023, 44(7): 144-152.
[15] LI X, WU T, ZHANG H, et al. Digital technology adoption and sustainable development performance of strategic emerging industries[J]. Journal of Organizational and End User Computing, 2022, 34(8): 1-18.
[16] 陈云川,张晓敏,雷轶. 初创企业的知识搜索对创业机会识别影响机制——基于企业数字化能力的中介作用[J]. 科技管理研究, 2024, 44(3): 135-143.
[17] 王德东,房韶泽,王新成. 组织因素对重大工程项目绩效影响研究[J]. 管理评论, 2021, 33(1): 242-253.
[18] ELLER R, ALFORD P, KALLMÜNZER A, et al. Antecedents, consequences, and challenges of small and medium-sized enterprise digitalization[J]. Journal of Business Research, 2020, 112(7): 119-127.
[19] WANG S, ZHAO S, FAN X,et al. The impact of open innovation on innovation performance: the chain mediating effect of knowledge field activity and knowledge transfer[J/OL]. Information Technology and Managemen,2024: 1-23. DOI: https://doi.org/10.1007/s10799-024-00420-7.
[20] 李敏,周颖霞,杜鹏程. 平台型领导如何提升团队创新绩效——基于SEM与fsQCA的链式中介分析[J]. 科技进步与对策, 2024, 41(5): 129-139.
[21] FU X, LUAN R, WU H-H, et al. Ambidextrous balance and channel innovation ability in Chinese business circles: the mediating effect of knowledge inertia and Guanxi inertia[J]. Industrial Marketing Management, 2021, 93(2): 63-75.
[22] TANG C, SHI Y,CAI R. Correlations of resource bricolage and exaptation with low-cost breakthrough innovations: moderating effect of organizational agility[J]. Frontiers in Psychology, 2022, 13(1): 846629.
[23] 王进富,王炎,张颖颖. 不同发展阶段裂变型科技企业动态能力、双元创新与企业价值链升级[J]. 科技进步与对策, 2024, 41(22): 119-128.
[24] CHEN L, DAI Y, REN F, et al. Data-driven digital capabilities enable servitization strategy——from service supporting the product to service supporting the client[J]. Technological Forecasting and Social Change, 2023, 197(12): 122901.
[25] 陈仕华,王雅茹. 企业并购依赖的缘由和后果:基于知识基础理论和成长压力理论的研究[J]. 管理世界, 2022, 38(5): 156-175.
[26] ZAN A, YAO Y,CHEN H. Knowledge search and firm innovation: the roles of knowledge inertia and knowledge integration capability[J]. Technology Analysis &Strategic Management, 2022, 36(6): 1150-1165.
[27] LI L, YE F, ZHAN Y, et al. Unraveling the performance puzzle of digitalization: evidence from manufacturing firms[J]. Journal of Business Research, 2022, 149(12): 54-64.
[28] BELTAGUI A, ROSLI A,CANDI M. Exaptation in a digital innovation ecosystem: the disruptive impacts of 3D printing[J]. Research Policy, 2020, 49(1): 103833.