榮雪云,楊中楷, 劉 娜
(1.大連理工大學 人文與社會科學學部,遼寧 大連 116024;2.山東工商學院 工商管理學院,山東 煙臺 264005;3.山東能源經濟協(xié)同創(chuàng)新中心,山東 煙臺 264005)
創(chuàng)新過程是創(chuàng)新主體挖掘機會、搜索信息、學習技能、吸收知識及解決問題的復雜活動過程。在這一過程中,發(fā)明人扮演著重要角色。人才是創(chuàng)新的根基和核心要素,創(chuàng)新驅動實質上是人才驅動。創(chuàng)新主體要想取得突破性創(chuàng)新成果,除了需要具有一定創(chuàng)新基礎,更重要的是引進具有創(chuàng)新潛力的發(fā)明人。十九屆四中全會提出要完善科技人才發(fā)現(xiàn)、培養(yǎng)、激勵機制,而發(fā)現(xiàn)和識別科技人才是前提??梢?,對人才的發(fā)現(xiàn)和識別已經成為創(chuàng)新發(fā)展的重要一環(huán)。此外,合作創(chuàng)新作為當前科技創(chuàng)新活動的主要方式,為發(fā)明人獲取資源、交換知識和信息提供有效渠道。因此,在當前科技人才戰(zhàn)略實施和創(chuàng)新網絡化背景下,有效識別發(fā)明人對完善人才培養(yǎng)、激勵和分類管理至關重要。
現(xiàn)有針對發(fā)明人識別的研究主要從發(fā)明人擁有專利數量、被引頻次以及發(fā)明人共現(xiàn)網絡、知識網絡等視角展開,主要對明星發(fā)明人或關鍵發(fā)明人進行識別和研究[1-2]。盡管對企業(yè)或研發(fā)機構來說,擁有明星發(fā)明人尤為重要,但并不表明一些新的想法或創(chuàng)意不會來源于其他類型發(fā)明人。因此,如何識別并發(fā)揮不同類型發(fā)明人的作用對企業(yè)或研發(fā)機構的人才管理和創(chuàng)新活動具有重要現(xiàn)實意義。考慮到發(fā)明人的創(chuàng)新活動嵌入在合作創(chuàng)新網絡中,而發(fā)明人在網絡中所處結構位置和發(fā)明人認知能力不同,使得發(fā)明人在網絡中扮演的角色有所差異。因此,本文基于社會資本理論,從發(fā)明人結構資本和認知資本兩個維度對合作網絡中發(fā)明人的角色進行定義和劃分,并進一步探討不同角色發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力有何差異。
在當前發(fā)明人辨識研究中,基于專利數量和專利引用率的度量成為學者普遍采用的劃分方法。Ernst等[1]從發(fā)明人專利數量和質量維度度量并識別關鍵發(fā)明人,發(fā)現(xiàn)只有少數關鍵發(fā)明人掌握研發(fā)部門的核心技術;Pilkington等[3]將發(fā)明專利量和專利引用率均高于平均值的發(fā)明人界定為關鍵發(fā)明人,以燃料電池技術和納米技術為例,比較分析了兩個領域發(fā)明人分布差異;Rota等[4]以一項專利的發(fā)明人數量等比例劃分每個發(fā)明人的專利申請量,采用極值法把發(fā)明人劃分為關鍵發(fā)明人和普通發(fā)明人,并證實了關鍵發(fā)明人比普通發(fā)明人擁有更強的競爭力;Zacchia[5]將發(fā)明專利數量排名前5%的發(fā)明人定義為超級明星發(fā)明人,比較分析了超級明星發(fā)明人位置轉移對合作伙伴和自身專利產出的影響。還有部分學者基于網絡結構特征對發(fā)明人進行識別。如吳菲菲等[2]從共發(fā)明網絡、知識網絡、參與網絡和需求網絡4個層面識別了6類明星發(fā)明人。
當前,有關發(fā)明人角色與創(chuàng)新能力關系的研究較少,且主要集中在對合作網絡中發(fā)明人的結構角色、關系角色及中間人角色研究上。Paruchuri[6]研究發(fā)現(xiàn),在合作網絡中扮演結構中心性的發(fā)明人,其結構中心性與創(chuàng)新績效呈倒U型關系;Grigoriou & Rothaermel[7]將創(chuàng)新活動同時嵌入在知識網絡和合作網絡中的發(fā)明人定義為關系明星,發(fā)現(xiàn)關系明星的創(chuàng)新績效高于非關系明星;Cattani & Ferriani[8]揭示了處于合作網絡中心和網絡外圍中間位置的發(fā)明人創(chuàng)新產出更多,因為發(fā)明人的網絡中心性使其能快速獲得合作伙伴的知識資源,與網絡外圍間的連結使發(fā)明人能夠及時捕獲新的思想、知識和技術。
綜上,學者從不同視角對發(fā)明人進行角色定義和分類,但主要集中于對關鍵發(fā)明人或核心發(fā)明人的識別及其創(chuàng)新能力的研究。此外,學者多探索不同角色發(fā)明人的一般創(chuàng)新能力,少有注意到創(chuàng)新產出在新穎性上的差異。根據創(chuàng)新新穎性,發(fā)明者創(chuàng)新能力可以劃分為利用性創(chuàng)新能力和探索性創(chuàng)新能力[9-10]。利用性創(chuàng)新是對現(xiàn)有知識、技術的進一步改進,探索性創(chuàng)新涉及發(fā)現(xiàn)新的方法或材料,是對現(xiàn)有知識的進一步擴展[10]。在發(fā)明人合作創(chuàng)新網絡中,結構資本描述了發(fā)明人個體網絡的整體布局,認知資本反映了發(fā)明人在學習、分享專業(yè)知識和經驗過程中逐漸積累的資源[11]。結構資本有助于發(fā)明人獲取新的異質性知識資源,從而提高發(fā)明人探索性創(chuàng)新水平。認知資本有助于發(fā)明人在現(xiàn)有資源和發(fā)明經驗基礎上對知識進行再利用,進而提升發(fā)明人利用性創(chuàng)新水平。
本研究從社會資本視角,基于結構資本和認知資本兩個維度,對合作創(chuàng)新網絡中發(fā)明人的角色進行定義和劃分,并實證分析不同角色發(fā)明人的二元創(chuàng)新能力。本研究以新興交叉人工智能領域為研究對象,運用負二項模型檢驗理論假設,以期為提升各類角色發(fā)明人創(chuàng)新能力提供指導建議。
社會資本是指從社會網絡關系中獲取的實際或潛在資源的總和[12],當前被學者廣泛應用于創(chuàng)新領域。社會資本理論認為,個體所擁有的資本是約束其創(chuàng)新活動的重要因素[11]。因為不同類型創(chuàng)新活動需要不同知識和資源。而當前任何發(fā)明和知識創(chuàng)造都源于對現(xiàn)有知識或新涌現(xiàn)知識的組合或重組[10]。與此同時,不同維度社會資本表現(xiàn)為創(chuàng)新個體獲取知識和信息資源的不同方式。其中,結構資本為創(chuàng)新個體帶來新的異質性知識資源,認知資本確保創(chuàng)新個體對現(xiàn)有知識再利用。當創(chuàng)新個體既擁有結構資本特征,又具有認知資本特征時,相較于其他個體,其更具有創(chuàng)新優(yōu)勢。因此,本文基于社會資本理論,從結構資本和認知資本兩個維度對發(fā)明人角色進行劃分。
在合作創(chuàng)新網絡中,合作關系差異使發(fā)明人處于不同網絡位置,進而獲得不同知識和認知資源。發(fā)明人的結構嵌入能帶來結構資本,反映了合作創(chuàng)新網絡中發(fā)明人間的整體聯(lián)系結構[13]。結構洞作為衡量結構資本的指標,在以往研究中被學者用來解釋結構資本對個體獲取資源和提升創(chuàng)新能力的影響[11,14]。已有研究表明,占據結構洞位置的發(fā)明人能夠及時、有效地獲取合作者的知識和信息資源,從而使其能夠掌握最新發(fā)展動態(tài)和研究前沿[15]。這對提高發(fā)明人創(chuàng)新水平至關重要。因此,本文使用結構洞測量發(fā)明人的結構資本,參考Wang等(2014)改進的結構洞測量方法[16],計算公式如下:
StructuralHolei=2-Ci
=2-∑j(Pij+∑q≠i≠jPiqPqj)2
式中,Ci表示發(fā)明人i的總約束值,Ci值越大,表明發(fā)明人i占據較少結構洞的網絡位置;Pij表示發(fā)明人i與發(fā)明人j合作的頻次占發(fā)明人i與其他發(fā)明人總合作頻次的比值;Piq和Pqj的含義同Pij。
認知資本指發(fā)明人隨著時間推移在積累知識、學習技能、分享經驗及實踐規(guī)范過程中形成的資源[13]。在合作創(chuàng)新網絡中,發(fā)明人間的知識共享和學習需要個體間具有共同基礎,如相同的價值觀、目標、實踐規(guī)范及實踐中的個人任期[17]。當發(fā)明人擁有豐富的專業(yè)知識和學習經驗,并與其他發(fā)明人保持長期合作時,發(fā)明人的認知資本將得到提升。在某一領域擁有較高認知資本的個體可以更深入地理解專業(yè)知識,從而發(fā)揮其核心知識基礎,最終能夠在創(chuàng)新活動中加以利用[17]。此外,認知資本較高的個體在創(chuàng)新活動中具有判斷研究質量的能力,因為該類個體往往經驗豐富,對研究前沿、熱點及趨勢有更深入的了解和獨特見解[18]。借鑒Li等(2013)的做法,本文采用研究任期,即發(fā)明人首次被授予專利年份至當前研究時期的時間段衡量發(fā)明人的認知資本[18]。例如,某發(fā)明人2010年首次在人工智能領域被授予項專利,則在2020年的認知資本值為11。
本研究在特定時間窗口內,依據發(fā)明人在合作創(chuàng)新網絡中的結構資本和認知資本的二維組合對發(fā)明人角色進行劃分。具體地,通過計算發(fā)明人在各時間窗口中的結構資本和認知資本,以各自平均值為標準繪制散點圖,將二維分布圖分成4個象限。其中,第一象限發(fā)明人具有高結構資本值和高認知資本值,被定義為“明星”發(fā)明人;第二象限發(fā)明人擁有高結構資本和低認知資本值,被定義為“紐帶”發(fā)明人;第三象限發(fā)明人具有低結構資本值和低認知資本值,被定義為“平庸”發(fā)明人;第四象限發(fā)明人擁有低結構資本值和高認知資本值,被定義為“活躍”發(fā)明人。圖1給出了4種發(fā)明人角色定義。
圖1 發(fā)明人角色劃分
自從March(1991)對組織學習中的利用性與探索性關系進行探討以來[19],不斷有學者研究二元創(chuàng)新。Lavie 等(2011)根據創(chuàng)新發(fā)明在新穎性程度上的差異,將創(chuàng)新模式分為利用性創(chuàng)新和探索性創(chuàng)新[20]。利用性創(chuàng)新是指對現(xiàn)有知識、方法或技術的改進,探索性創(chuàng)新是指對新知識、方法或技能的發(fā)現(xiàn)和創(chuàng)造[9,21]。二元創(chuàng)新對知識和資源要求不同,并且表現(xiàn)出不同知識形成過程。借鑒現(xiàn)有研究,根據發(fā)明人所擁有發(fā)明創(chuàng)造知識元素的存在性,本文將發(fā)明人創(chuàng)新能力劃分為利用性創(chuàng)新能力和探索性創(chuàng)新能力。其中,利用性創(chuàng)新能力反映發(fā)明人對現(xiàn)有知識、資源的再利用程度,探索性創(chuàng)新能力反映發(fā)明人對新知識、資源的搜索程度。
在合作網絡中,結構資本反映發(fā)明人結構嵌入所帶來的知識、信息等資源。結構洞作為網絡中最能為發(fā)明人帶來信息資源的位置,被學者廣泛用于衡量發(fā)明人擁有的結構資本[11,14]。Burt(1992)的結構洞理論認為,占據網絡結構洞位置的個體具有較強競爭優(yōu)勢,不僅能夠獲得多方合作伙伴的非冗余知識,而且能夠控制知識流動[22]。在發(fā)明人合作網絡中,擁有較多結構洞的發(fā)明人能夠迅速、及時地捕獲最新知識、方法和技能,掌握最新發(fā)展動態(tài),而獲取信息的速度和及時性有助于發(fā)明人利用性創(chuàng)新[9,19]。因為利用性創(chuàng)新建立在現(xiàn)有知識基礎之上,以現(xiàn)有知識組合和重組過程為特征。因此,在發(fā)明人及時了解當前研究趨勢情況下,能夠迅速作出反應并開展相關研究。此外,占據結構洞位置能夠有效提升發(fā)明人本地搜索能力,并成為信息流動樞紐,從而控制與其直接合作的發(fā)明人以進行本地化知識搜索。對本地現(xiàn)有知識的搜索和集成能夠有效促進發(fā)明人的利用性創(chuàng)新活動[11]。
在創(chuàng)新過程中,發(fā)明人探索性創(chuàng)新行為需要異質性和多樣化知識資源。在合作網絡中,發(fā)明人擁有的結構資本有利于其開展探索性創(chuàng)新活動。根據結構洞理論,占據結構洞位置的發(fā)明人起到紐帶作用,能將彼此分離的發(fā)明人連結起來,并有效傳遞發(fā)明人之間的新知識、方法和技術[22]。占據較多結構洞為發(fā)明人創(chuàng)新過程中產生新思想、新方法以及激發(fā)發(fā)明人創(chuàng)新思維提供有利條件。同時,由于不同發(fā)明人擁有的核心知識資源各不相同,而占據結構洞位置的發(fā)明人處于不同領域知識的交匯處,為發(fā)明人接觸大量非冗余異質性知識資源提供便利[23]。此外,在合作網絡中,發(fā)明人占據結構洞位置越多,其對直接合作伙伴的信息控制能力和剔除冗余信息的能力就越強,從而保證所獲取信息資源的異質性和多樣性。因此,發(fā)明人探索性創(chuàng)新行為可從其結構資本帶來的異質性知識資源中獲益。
認知資本反映發(fā)明人長時間從事特定領域研究所積累的知識、經驗和技能等資源。也就是說,發(fā)明人在特定領域任期越長,個人認知資本也就越豐富。已有研究表明,發(fā)明人利用性創(chuàng)新活動很大程度上依賴于其擁有的核心知識基礎及對特定知識領域的深刻見解[11,16]。而在特定研究領域具有較長任期的發(fā)明人與新進入者相比,不僅能夠更加深入、細致地理解領域內現(xiàn)有核心知識資源,而且自身也積累了一定程度的專業(yè)知識和技能,這將有利于發(fā)明人在利用性創(chuàng)新過程中更好地加以利用[17]。此外,考慮到利用性創(chuàng)新行為是對現(xiàn)有技術、知識、方法和規(guī)則進行增強性搜索和深入研究的過程,而發(fā)明人認知資本對這一過程具有顯著影響[11]。因此,發(fā)明人利用性創(chuàng)新能夠從其擁有的更多認知資本中獲益。
探索性創(chuàng)新行為通常具有一定風險性和不確定性,而具有較長任期的發(fā)明人一定程度上對研究前沿、最新趨勢和未來創(chuàng)新機會有更深入的見解和敏銳的洞察力。因此,認知資本較高的發(fā)明人往往能夠更好地抓住機會,從事探索性創(chuàng)新研發(fā)活動[24]。也就是說,發(fā)明人在特定研究領域任期越長,掌握和理解專業(yè)知識越深入,當其進行探索性創(chuàng)新活動時就會有更強的研究基礎和判斷研究質量的能力[18],而這些對探索性創(chuàng)新尤為重要。此外,探索性創(chuàng)新往往需要集成多種想法和觀點。由于擁有較高認知資本的發(fā)明人通常更受人尊重,因此能夠吸引更多發(fā)明人與其進行思想、知識交流,有利于其整合不同思維和觀點[25],從而提高探索性創(chuàng)新能力。
在合作網絡中,與“紐帶”、“平庸”和“活躍”發(fā)明人相比,“明星”發(fā)明人占據較高結構資本和認知資本優(yōu)勢。結構資本能為發(fā)明人及時獲取新知識、思想和技術提供便利,認知資本提高了發(fā)明人學習、吸收新知識及整合現(xiàn)有知識的基礎和能力,這將快速、有效地促進“明星”發(fā)明人整合外部知識和內部知識,從而提高“明星”發(fā)明人利用性和探索性創(chuàng)新能力。與“明星”、“紐帶”和“活躍”發(fā)明人相比,“平庸”發(fā)明人既不具有結構資本優(yōu)勢,也不具有認知資本優(yōu)勢。因此,“平庸”發(fā)明人不僅缺乏獲取異質性知識資源的優(yōu)勢,而且自身也不具備核心競爭力。綜上,提出如下假設:
H1a:4類角色發(fā)明人中,“明星”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最高;
H1b:4類角色發(fā)明人中,“平庸”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最低。
此外,對于擁有認知資本優(yōu)勢而缺乏結構資本優(yōu)勢的“活躍”發(fā)明人而言,長期積累的方法、知識和技能等核心資源使其能夠在現(xiàn)有知識基礎上產生創(chuàng)新性發(fā)明。對于擁有結構資本優(yōu)勢而缺乏認知資本優(yōu)勢的“紐帶”發(fā)明人而言,自身擁有的核心知識資源較少,與“活躍”發(fā)明人相比,缺乏在現(xiàn)有知識基礎上進行創(chuàng)新的競爭力。因此,相對于“紐帶”發(fā)明人來說,“活躍”發(fā)明人利用性創(chuàng)新水平較高。
然而,當現(xiàn)有知識資源不能解決當前的復雜技術問題時,發(fā)明人需要探索新的知識。“紐帶”發(fā)明人由于占據較多結構洞位置,能夠及時捕獲合作伙伴新穎的知識資源,有利于發(fā)明人拓展創(chuàng)新思維,產生新思想,進而提高探索性創(chuàng)新水平。而對于“活躍”發(fā)明人而言,由于在合作網絡中缺乏位置優(yōu)勢,因而很難獲得新的知識資源,從而不利于提升其探索性創(chuàng)新能力。因此,相對于“活躍”發(fā)明人來說,“紐帶”發(fā)明人探索性創(chuàng)新水平更高。綜上,提出如下假設:
H2a:“活躍”發(fā)明人的利用性創(chuàng)新能力高于“紐帶”發(fā)明人;
H2b:“紐帶”發(fā)明人的探索性創(chuàng)新能力高于“活躍”發(fā)明人。
本研究以人工智能領域為研究對象,主要是考慮該領域屬于新興交叉技術領域,以多技術緊密交互為特征,有利于觀測利用性和探索性創(chuàng)新行為。借鑒Fujii&Managi(2018)、陳軍等(2019)對人工智能技術專利檢索策略[26-27],本研究采用關鍵詞檢索方法,從德溫特專利數據庫(Derwent Innovations Index,DII)檢索標題中含有人工智能領域專利檢索詞(見表1)的專利,時間跨度為1995—2018年。經數據清洗,最終獲得人工智能領域專利45 291項。采用5年移動時間窗,利用Sci2 Tool軟件構建15期發(fā)明人合作創(chuàng)新網絡(2000—2004,2001—2005,...,2014—2018)?;诎l(fā)明人結構資本和認知資本得分,識別出“明星”發(fā)明人1 343名、“紐帶”發(fā)明人1 127名、“平庸”發(fā)明人2 298名、“活躍”發(fā)明人2 935名。圖2給出了人工智能領域不同角色發(fā)明人數量的動態(tài)變化趨勢。
表1 人工智能領域專利檢索詞
圖2顯示,在人工智能技術領域2000—2018年15期合作創(chuàng)新網絡中,“活躍”發(fā)明人數量絕大部分時間段處于最高水平,其次是“明星”發(fā)明人。表明在研究期內,人工智能領域的發(fā)明人具有認知資本優(yōu)勢,這符合新興技術領域發(fā)明人的風險規(guī)避策略,即發(fā)明人為降低創(chuàng)新失敗可能性,更傾向于通過提高自身認知資本來提升創(chuàng)新能力。同時,在整個研究時期內,不同角色發(fā)明人數量都有所上升,其中“活躍”發(fā)明人尤為明顯。說明不斷有新的發(fā)明人參與到人工智能技術領域研發(fā)中。
圖2 不同時期各角色發(fā)明人數量
現(xiàn)有研究多使用專利IPC技術代碼表征技術知識元素或知識領域。依據專利涵蓋的技術領域范圍不同,每項專利被分配一個或多個IPC技術代碼。考慮數據可得性,本研究將IPC代碼作為知識元素的有效代理。此外,以往研究多使用4位IPC代碼表征知識元素,在一定程度上弱化了專利所包含的細分技術知識元素。為全面反映發(fā)明人擁有的技術知識,本研究使用9位IPC代碼表征技術知識元素。
因變量是發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力?;趯@?位IPC技術代碼,借鑒劉娜[10]的做法,本研究匹配發(fā)明人在觀測年t的每項授權專利含有的IPC代碼,是否在過去5年(t-5~t-1)該發(fā)明人所有授權專利含有的IPC代碼中出現(xiàn)。如果某一專利所有IPC代碼在過去5年都出現(xiàn)過,則此項專利被視為該發(fā)明人的利用性創(chuàng)新專利;如果某一專利所有IPC代碼在過去5年至少有1個沒有出現(xiàn)過,則此項專利被視為該發(fā)明人的探索性創(chuàng)新專利。本研究使用利用性和探索性創(chuàng)新專利數量衡量發(fā)明人某年的利用性創(chuàng)新能力與探索性創(chuàng)新能力。
自變量是發(fā)明人角色。由于發(fā)明人角色屬于定性指標,因此本文采用類別虛擬變量研究發(fā)明人角色。具體而言,在每個回歸模型比較中,選定一類發(fā)明人角色作為參照組,其得分設為0,其他類型角色發(fā)明人得分設為1,比較默認角色發(fā)明人與其他角色發(fā)明人的二元創(chuàng)新能力差異。
此外,本研究控制了可能影響創(chuàng)新能力的其它因素,包括平均連結強度、度中心性、接近中心性和研發(fā)投入。其中,研發(fā)投入用發(fā)明人在觀測年t的前5年獲得的授權專利數量衡量。
因變量利用性創(chuàng)新能力和探索性創(chuàng)新能力均為計數型變量且只取非負值,考慮選擇負二項模型或泊松模型。然而,因變量均值不等于方差,因此采用負二項回歸模型。此外,為確定選擇標準負二項模型還是零膨脹負二項模型,進行了Vuong檢驗。Vuong值|V|遠小于1.96,因此選擇標準負二項模型。對于面板數據,有固定效應和隨機效應模型可供選擇,Hausman檢驗結果支持選擇固定效應模型。
表2報告了人工智能領域發(fā)明人樣本的描述性統(tǒng)計與相關系數。結果顯示,因變量探索性創(chuàng)新的均值和最大值均高于利用性創(chuàng)新,表明發(fā)明人的探索性創(chuàng)新能力高于其利用性創(chuàng)新能力,這與人工智能是近幾年快速發(fā)展起來的新興技術事實相一致。此外,各變量的方差膨脹因子(VIF)值均低于5,表明各變量間不存在嚴重的多重共線性問題。
表2 描述性統(tǒng)計與相關系數(N=20 519)
表3顯示了面板數據的負二項回歸結果。其中,模型1、5均為基本模型,僅包含控制變量。模型2、6在基本模型基礎上,以“明星”發(fā)明人為參照組,檢驗“明星”發(fā)明人的二元創(chuàng)新能力是否高于“平庸”、“紐帶”和“活躍”發(fā)明人。模型3、7在基本模型基礎上,以“平庸”發(fā)明人為參照組,結合模型2、5,檢驗“平庸”發(fā)明人的二元創(chuàng)新能力是否低于“紐帶”和“活躍”發(fā)明人。模型4、8在基本模型基礎上,以“紐帶”發(fā)明人為參照組,結合模型2、6,檢驗比較“紐帶”發(fā)明人和“活躍”發(fā)明人的二元創(chuàng)新能力。
表3 固定效應負二項回歸結果
表3結果顯示,模型2、6的系數具有期望的負向符號,且均在p<0.01的水平下顯著,因此H1a得到驗證,即“明星”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最高。此外,在其它條件不變的情況下,由模型2、6可計算得到任意兩類發(fā)明人之間的估計差異。其中,“平庸”發(fā)明人的利用性創(chuàng)新能力比“紐帶”發(fā)明人及“活躍”發(fā)明人分別低0.368(-1.588+1.220)和0.996(-1.588+0.592),探索性創(chuàng)新能力比“紐帶”發(fā)明人及“活躍”發(fā)明人分別低0.233(-0.771+0.538)和0.472(-0.771+0.299)。然而,據此還無法判斷上述比較差異是否顯著。為此,以“平庸”發(fā)明人為參照組,得到模型3、7。由模型3、7報告的系數及顯著性水平可知,H1b得到驗證,即“平庸”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最低??梢姡瑫r占據結構資本和認知資本優(yōu)勢,對提高發(fā)明人二元創(chuàng)新能力至關重要。
表3中模型2結果顯示,“活躍”發(fā)明人的利用性創(chuàng)新能力比“紐帶”發(fā)明人高0.628(-0.592+1.220)。結合以“紐帶”發(fā)明人為參照組得到的模型4可知,結果具有期望的估計差異及統(tǒng)計學意義(β=0.628,p<0.01)。因此,H2a得到驗證,即“活躍”發(fā)明人的利用性創(chuàng)新能力高于“紐帶”發(fā)明人。表3中模型6結果顯示,“紐帶”發(fā)明人的探索性創(chuàng)新能力比“活躍”發(fā)明人低0.240(-0.538+0.299),且以“紐帶”發(fā)明人為參照組的模型8結果具有統(tǒng)計學意義(β=0.240,p<0.01)。因此,H2b未得到支持。可能的原因是,與“紐帶”發(fā)明人現(xiàn)有知識相比,探索新知識通常涉及更高的搜索成本、研發(fā)風險和不確定性,并且此階段“紐帶”發(fā)明人缺乏認知資本。因此,即便有更多機會獲得新知識,其自身積累的知識資源、發(fā)明經驗等不足很難使探索性發(fā)明取得成功。此時,“紐帶”發(fā)明人可能更傾向于在自身現(xiàn)有知識基礎上進行再創(chuàng)新。
為了檢驗上述回歸結果的穩(wěn)健性,本文進一步采用自助法驗證上述模型。自助法已被證明是一種有效的檢驗方法,其通過重新采集樣本驗證模型,并降低異方差和自相關等問題可能帶來的影響[28]。由于本研究面板數據使用的是移動時間窗,可能會造成觀測樣本重疊帶來的自相關,而自助重采樣方法可以解決這一問題。
由自助重采樣方法得到的回歸結果表明,不同角色發(fā)明人這一類別虛擬變量回歸系數的符號與上述固定效應的負二項回歸結果相同,但各回歸系數大小及顯著性水平略有差異??傮w來看,使用自助重采樣方法得到的結果有效驗證了前文的研究發(fā)現(xiàn)。
本研究從發(fā)明人結構資本和認知資本兩個維度,對發(fā)明人角色進行定義和劃分,包括“明星”發(fā)明人、“紐帶”發(fā)明人、“平庸”發(fā)明人和“活躍”發(fā)明人。以新興的人工智能技術領域為研究對象,實證對比分析了4類不同角色發(fā)明人的二元創(chuàng)新能力。研究結果表明,不同角色的發(fā)明人所具有的二元創(chuàng)新能力顯著不同。其中,“明星”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最高,“平庸”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力最低,說明結構資本和認知資本均能提升發(fā)明人的利用性創(chuàng)新水平和探索性創(chuàng)新水平。就“活躍”發(fā)明人和“紐帶”發(fā)明人而言,“活躍”發(fā)明人的利用性創(chuàng)新能力和探索性創(chuàng)新能力均高于“紐帶”發(fā)明人,說明發(fā)明人認知資本對其利用性和探索性創(chuàng)新能力的影響均大于結構資本。
研究結論可為提高不同角色發(fā)明人二元創(chuàng)新能力提供一些啟示。對于“明星”發(fā)明人來說,盡管擁有雄厚的結構資本和認知資本,然而,要想進一步提高自身二元創(chuàng)新水平存在一定限制。因為考慮到知識所有權問題,“明星”發(fā)明人很難獲得合作伙伴擁有的核心技術。為此,“明星”發(fā)明人應借助自身優(yōu)勢尋找更多新的合作伙伴,例如,處于合作網絡外圍的發(fā)明人更有可能帶來異質性知識資源。對于“平庸”發(fā)明人而言,結構資本和認知資本都有待提高。由于認知資本對利用性創(chuàng)新和探索性創(chuàng)新的正向影響均大于結構資本。因此,在“平庸”發(fā)明人有限的精力和能力范圍內,應注重提高認知資本,爭取晉升為“活躍”發(fā)明人。對于“紐帶”發(fā)明人和“活躍”發(fā)明人來說,前者的結構位置優(yōu)勢有利于獲取更多異質知識資源,此時應注重提高認知資本,從而確保有足夠能力和經驗有效運用異質性知識資源以提高探索性創(chuàng)新績效,后者則相反。此階段,二者應充分發(fā)揮自身優(yōu)勢,努力成為“明星”發(fā)明人,進一步提高自身二元創(chuàng)新水平。
本研究結論也可為企業(yè)日常管理提供一定借鑒。盡管本文探討的是個體層面的二元創(chuàng)新能力,然而,企業(yè)層面的利用性和探索性創(chuàng)新在很大程度上源于研發(fā)人員活動,是研發(fā)人員創(chuàng)新的集成。因此,根據不同維度社會資本對利用性和探索性創(chuàng)新的影響,以及不同個體扮演的角色,企業(yè)管理者和政策制定者可以通過調整研發(fā)人員合作關系提高企業(yè)利用性和探索性創(chuàng)新能力。例如,研究結果表明,“明星”發(fā)明人的二元創(chuàng)新能力最高,“平庸”發(fā)明人的二元創(chuàng)新能力最低。為了提高企業(yè)利用性和探索性創(chuàng)新效率,管理者應合理調整企業(yè)內部“明星”和“平庸”發(fā)明人之間的合作關系,同時要考慮到企業(yè)探索性創(chuàng)新需要新的異質性知識資源。因此,企業(yè)還應考慮建立外部合作關系,為企業(yè)注入新的創(chuàng)新活力。
本研究主要存在以下不足:①本文基于發(fā)明人在合作網絡中的結構資本和認知資本對發(fā)明人角色進行定義及識別時,僅考慮了各個時期發(fā)明人扮演的特定靜態(tài)角色,然而,在長時間跨度內,發(fā)明人擁有的結構資本和認知資本處于動態(tài)變化中,使得發(fā)明人角色隨之變化;②本文僅針對人工智能技術這一單一領域進行了實證研究??紤]以上兩方面不足,未來研究可以探索發(fā)明人角色動態(tài)變化如何影響二元創(chuàng)新,也可以進行不同領域的實證研究,以檢驗研究結論的普適性。