没有合适的资源?快使用搜索试试~ 我知道了~
基于专利合作网络的研发团队识别及创新产出影响研究.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 165 浏览量
2022-06-26
15:02:27
上传
评论
收藏 176KB DOCX 举报
温馨提示
试读
18页
基于专利合作网络的研发团队识别及创新产出影响研究.docx
资源推荐
资源详情
资源评论
1 引言
随着市场环境急剧变化,企业要想在激烈的市场竞争中处于领先地位,保持技
术创新优势至关重要。技术研发的复杂性和新产品生命周期的缩短使团队合作
成为技术创新的必要手段,研发团队越来越多地成为组织中产生创造性想法并将
这些想法转化为有用的技术、产品或服务的基本单位
[1
]
。因此,如何提高研发团队
的技术创新绩效成为产业界和学术界普遍关注的热点问题。一般而言 ,单个项目
团队成员不太可能拥有技术研发项目所需的所有专业知识和信息 ,成员之间需要
彼此建立网络,以便交流、转移和传播知识,以开发新的规范,并讨论产品设计问题
的技术解决方案。社会关系网络为网络成员提供了集体所有的社会资本 ,若将合
作研发关系视为一种社会关系,那么研发团队成员可利用社会关系网络促进团队
成员之间的知识传播和共享,以提高技术研发效率。同时,社会关系网络对研发团
队之间的合作交流也起到积极作用,促进技术的不断创新和进步。
专利文献作为技术创新最有效的载体,囊括了全球 90%以上的最新技术情报,
是衡量企业技术创新绩效的重要指标之一
[2
-3
]
。为提高市场竞争力,企业越来越重
视专利合作,通过购买专利、技术许可和合作研发专利等方式,提高核心竞争力
[4
]
。随着专利合作的不断深入,专利合作网络表现出典型的社会网络结构和属性
[5
]
,
这为利用社会网络分析理论和方法研究专利合作提供了依据。根据社会网络理
论,社会成员会按照特定的社会关系凝聚为内部联系紧密的社区或子群。因此 ,本
文主要研究在专利合作网络中由特定的发明人合作关系形成的联系紧密的社区 ,
是一种虚拟的技术研发团队。
在研发团队识别方面,传统的方法主要是利用专家访谈、问卷调研等,特点是
可以深入地分析研发团队特征、团队成员之间的关联关系、外部环境以及影响
团队创新绩效的因素(个人因素、团队因素、环境因素等),但存在无法进行大
样本分析、无法跟踪分析研发团队演化等问题。基于专利合作网络的研究方法
利用专利文献记载的合作关系构建网络模型,可以利用成熟的专利文献数据库跟
踪分析有专利文献记录以来的所有技术创新成果,在大样本分析和演化分析方面
具有优势。当前基于专利合作网络的研发团队识别研究还比较缺乏,研发团队网
络属性对团队创新产出的影响研究成果也较少。因此,本文设计研发团队识别算
法,挖掘专利合作网络中的技术研发团队并测量研发团队的网络属性,以深入分析
合作网络对研发团队创新产出的影响,研究结果对研发团队有效利用社会资本提
升创新产出效益具有重要意义。
2 相关研究
相关研究主要包括研发团队识别及其创新绩效影响研究 ,涉及管理科学、情
报学、社会网络分析及其交叉学科领域。在管理科学领域,学者主要利用实地调
研和问卷调查的方式收集研发团队数据,采用统计模型分析团队创新绩效影响因
素。例如,顾琴轩等对北京、上海、杭州、深圳等城市信息技术( IT)企业的研
发(R&D)团队进行问卷调查,利用结构方程模型分析研发团队社会资本对创新
绩效的影响
[6
]
;徐建中等对环渤海地区装备制造业进行问卷调查,采用结构方程模
型分析研发团队创新开放度和知识吸收能力对团队创新绩效的影响
[7
]
;贺新闻等对
国内 16 个 IT 行业的企业研发团队进行问卷调查,利用多元回归模型分析了研发
团队 社会 属性 多 元化 、 信 息 多 元化 和价 值观 多样 化对 团队 创新 绩 效的 影响
[8
]
;Chen 等将项目研发视为社会关系的一种,以中国台湾高科技企业 54 个研发项
目团队为调查样本,探讨社会资本对研发项目团队创造力的影响,发现社会互动和
网络关系对创新绩效有显著的正向影响
[9
]
;陈光华等利用广东省产学研合作专项数
据构建负二项回归模型,结果表明技术研发团队特征,如团队规模和团队中企业人
员占比对产学研技术创新绩效具有显著的正向影响
[10
]
。以上研究中,研发团队创
新绩效的测量多采用量表形式,如“团队的产品具有创新性”“该团队经常研发出新
产品/新服务”等。
在情报学领域,通常利用论文合著关系构建科研合作网络,对科研团队进行识
别与研究。例如,Hopcroft 等提出了在大型科学论文网络中发现具有稳定结构的
“自然社群”的方法,并通过追踪这些社群结构的演化揭示网络演化特征,以此发现
新兴的社区结构
[11
]
。Palla 等定义了科研论文合著、手机通话等网络社区新生、
成长、融合、分裂、收缩、死亡等进化特征,发现如果大型群体能够动态地改变
其成员,那么它们的持续时间会更长,这表明改变群体组成的能力会带来更好的适
应性
[12
]
。Wang 等提出一种基于核心节点的社区进化分析算法 ,追踪社会网络社
群的动态演化,并发现社会网络(如论文合著网络)区别于非社会网络的典型特
征是社会网络社群结构在演化过程中具有增长和新陈代谢两个典型特征
[13
]
。李纲
等利用计算语言学领域论文集构建机构作者合作网络,利用社群发现算法识别科
研团队,并结合科研团队引证网络将科研团队划分为领导者、中介者、追随者和
孤立者等多种角色,分析不同角色的科研团队特征
[14
]
。王曰芬等利 用 Web of
Science 论文数据库,对 2009-2018 年人工智能学科领域合著论文进行网络建模,
利用 Louvain 社区挖掘算法识别科研团队
[15
]
,并对团队网络拓扑结构
[16
]
和合作模
式
[17
]
进行深入分析。实证研究表明,在人工智能领域,科研团队网络结构指标演化
趋势明显,具有显著的“小团体”合作现象。
在研究社会网络社群演化方面,Berger-Wolf 等提出利用社群间节点的重合
度来识别社群的继承演化
[18
]
。Palla 等提出利用社群之间边的重合度识别社群之
间的继承演化
[12
]
。Takaffoli 等利用社群之间相似性提出一个框架,监测社区的变
迁和演变,包括社区匹配算法和事件检测模型,以捕获所有可能发生的社区事件
[19
]
。Žalik 采用一种多目标进化社团检测算法,利用节点中心性在网络中发现基于
中 心 的 社 团
[20
]
。 实 证 研 究 表 明 , 近 几 十 年 来 科 研 团 队 的 平 均 规 模 显 著 增 加
[21
]
。Milojević 在 2000-2004 年纳米科学领域的实证研究表明,20 人以下的核心
科研团队的规模分布呈现泊松分布,而 20 人以上的科研团队基于度优先依附定律
而产生幂律分布形式
[22
]
。Milojević 通过构建团队形成与演化模型成功解释了过
去半个世纪中各个领域的科研团队规模是如何演变的,模型揭示了科研团队两种
基本形式:基于泊松过程形成的规模较小的核心科研团队;开始于核心团队并基
于“论文生成力累积优势”扩展新成员的“扩展型科研团队”,并最终产生大型科研团
队的幂律分布形式
[23
]
。
在研发团队创新产出的影响研究方面,Levi 等发现绩效评估和奖励制度在研
发团队管理中至关重要,团队工作的整体成功取决于企业文化
[24
]
。Bain 等对 20
个研究团队和 18 个开发团队中的 193 名科学家和技术人员的创新氛围、团队绩
效和 6 项创新指标进行了测量,结果表明团队氛围在较长时期内与专利产出数量
和创新成果有显著的关系 ,并且团队氛围对个体创新的促进作用强于团队创新
[25
]
。Reilly 等研究发现个性变量对于新产品开发团队尤其重要,这通常包括多学科
成员之间高度协调的活动
[26
]
。
从研究现状来看,当前研究侧重于使用实地调研和问卷调查的方式收集研发
团队数据,而基于社会网络视角,从专利合作网络中挖掘研发团队的研究较少。一
方面,研发团队识别方法还不完善,一些基于网络视角挖掘研发团队的研究大多沿
用了社会网络社群分析方法。但是,无论是基于社群之间节点的重合度还是边的
重合度的团队识别算法,在识别科研团队或研发团队时效率都不高,往往会导致超
大规模团队的出现,而对于团队之间的演化模式判断也是非常困难的。问题的关
键在于上述方法将所有节点和所有边的重要性视为相同,但在科研合作网络或技
术研发合作网络中,核心节点(如知名学者和发明人)在网络中所起的作用往往
大于普通节点。因此,本文设计基于核心研发人员的研发团队识别算法,以提高研
发团队识别的有效性。另一方面,研发团队的网络结构属性以及对创新产出的影
响研究还不完善。实际上,研发团队作为合作网络的凝聚子群,在网络作用下,团队
规模、团队稳定性、持续时间以及成员之间关联的紧密度等方面不断演化,势必
会对团队的创新产出产生重要影响。为此,本文度量研发团队的演化属性,并构建
统计模型分析其对研发团队创新产出的影响。
3 研究设计
社会网络分析发现,网络中节点的角色存在巨大的差异,只有大约 20%甚至更
低比例的节点在网络中发挥了领袖节点的作用,它们更具有权威性、中枢性、核
心性等特征。在科研合作网络中,大部分节点缺乏稳定性,只有少数核心节点具有
持续参与科研合作的特征
[13
]
。因此,基于合作网络社区之间节点或边的重叠级别
发现科研团队的网络社区挖掘算法效率并不高,反而利用具有代表性和可靠性的
核心节点(如论文合著网络中,核心节点往往代表某学科领域著名教授,而普通节
点往往是其学生),而不是所有节点,将更准确和有效地跟踪社区演化。事实上,相
比普通科研人员或技术研发人员,知名教授或发明人要想改变其研究兴趣或研发
方向通常比较难。因此,在科研合作或技术研发合作过程中,知名教授或发明人往
往具有更加稳定的研究发现和合作资源,能够较长时间参与研发活动,并在合作网
络中处于核心位置,引领科学研究项目或技术研发项目的实施。基于以上分析,本
文设计基于核心研发人员的研发团队识别算法,以提高专利合作网络中研发团队
的识别效率。
3.1 研发团队识别算法
(1) 核心研发人员检测算法
研发团队识别首先要解决核心研发人员的检测问题,本文将核心研发人员界
定为在技术研发活动中,能够在较长时间内持续参与技术研发合作,并在专利合作
网络中处于核心位置的发明人。在社会网络分析中,一般利用网络中心性指标度
量节点在网络中的重要性程度。已有研究表明,发明人在专利合作网络中的中心
性指标与发明人的专利产出具有显著的正向相关性
[27
]
。而发明人能够持续较长时
间参与专利合作,表明发明人具有较稳定的研发方向,可以长时间地跟踪技术研发
趋势,往往在企业研发活动中具有不可替代的作用。下面给出核心研发人员检测
算法,具体过程见算法 1。
算法 1:核心研发人员检测算法
① 确定技术领域研究时间范围,按照一定的时间间隔将技术领域划分为若干
时间片段 snapshoti,snapshoti,i=1,2,⋯,Ni=1,2,⋯,N,其中 N 为时间片段数量;
剩余17页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3697
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功