摘 要：中試在科技成果轉(zhuǎn)化中發(fā)揮重要作用，但不確定性、復雜性、模糊性3類知識問題制約著中試的有效運行?，F(xiàn)有研究未明晰中試運行情境下知識問題破解機制，如何緩解中試運行知識問題有待深入探究。選取264份企業(yè)層面調(diào)研數(shù)據(jù)進行實證分析，識別3類知識問題對中試運行有效性的影響，利用行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略緩解中試運行過程中遇到的知識問題。研究發(fā)現(xiàn)：①不確定性、模糊性對中試運行有效性具有負向影響，且模糊性的負向影響更顯著，復雜性對中試運行有效性的影響作用不顯著；②行動者激活/解除策略與網(wǎng)絡目標實現(xiàn)策略均能夠有效緩解不確定性和模糊性對中試運行的負向影響。研究結論不僅能夠彌補中試運行管理研究的不足，還可為應對和解決中試運行中的知識問題提供實踐啟示，促進中試有效運行進一步明朗化。

關鍵詞：中試運動；知識問題；行動者網(wǎng)絡管理

開放科學（資源服務）標識碼（OSID）：

中圖分類號：F124.3

文獻標識碼：A

文章編號：1001-7348（2024）17-0012-10

0 引言

我國實驗室基礎研究成果數(shù)量已進入全球前列，但科技成果轉(zhuǎn)化率較低。大多數(shù)技術原型在實驗室階段取得顯著成效，但也有部分技術由于工藝參數(shù)改變而導致技術性能下降、技術穩(wěn)定性不足而未順利進入市場，在技術成熟之前便陷入“死亡之谷”[1]。中試作為實驗室研發(fā)成果走向產(chǎn)業(yè)化的關鍵“銜接者”，是科技成果轉(zhuǎn)化的重要驅(qū)動力量。在實驗室開發(fā)的新技術或新產(chǎn)品只有經(jīng)過放大、工藝驗證、結構檢驗、小量試制試銷等中試環(huán)節(jié)才能成功進入市場[2-3]。因此，中試是影響科技成果轉(zhuǎn)化的重要因素，科技成果轉(zhuǎn)化率經(jīng)過中試環(huán)節(jié)可達到80%[4]。

然而，中試有效運行面臨著高度不確定性、復雜性和模糊性3類知識問題[5]?，F(xiàn)有文獻對中試運行管理的研究雖然取得豐碩成果，但多集中在學習、能力、資源、政策支持等方面，主要闡述中試對科技成果轉(zhuǎn)化的積極作用[2-4]，對中試運行存在的挑戰(zhàn)和阻礙因素缺乏深入探析，尤其忽視了知識問題對中試有效運行帶來的嚴峻挑戰(zhàn)。不確定性、復雜性和模糊性3類知識問題嵌入中試全過程，是阻礙中試有效運行的關鍵因素。首先，中試運行作為一種系統(tǒng)性、多過程迭代試錯活動，技術、市場、資金、組織和管理具有不可預測性，導致企業(yè)現(xiàn)有知識與目標知識難以匹配，很難識別不充分、不完整的知識，更無法解決中試環(huán)節(jié)設備更新、工藝技術優(yōu)化等難題[6]，體現(xiàn)為不確定性知識問題；其次，中試運行多與高校、科研機構以及上下游企業(yè)有關[7]，涉及實驗驗證、工藝開發(fā)、底層技術放大等關鍵技術，導致企業(yè)很難在短時間內(nèi)掌握和應用多種類型知識；同時，中試運行過程中技術放大、工藝與結構驗證、產(chǎn)品可靠性測試等復雜任務交織，導致很難厘清和確定任務優(yōu)先次序、中試運行效率降低[8]，體現(xiàn)為復雜性的知識問題；最后，中試是跨用戶、技術合作伙伴、設備供應商網(wǎng)絡進行知識交流的活動[9]，不同行動者知識類型和結構差異較大，大量信息沖突容易使行動者忽略中試的主要目標，難以平衡和協(xié)調(diào)利益，執(zhí)行中試項目易出現(xiàn)偏差，導致中試項目很難確定最優(yōu)解決方案，甚至還有可能延遲或失敗[5，10]，體現(xiàn)為模糊性的知識問題。因此，知識問題對中試有效運行具有負向影響，如何管理知識問題以提高中試有效性亟待深入研究。

基于網(wǎng)絡管理理論，中試通常嵌入在多重關系交織的行動者網(wǎng)絡中，是不同行動者互動、知識協(xié)調(diào)和復雜的決策過程，需要行動者之間協(xié)作管理知識問題[5，9]。若缺乏足夠的網(wǎng)絡管理策略，則很難解決知識問題對中試運行造成的負向影響，因此有必要將行動者網(wǎng)絡管理作為打開中試有效運行的“黑箱”[11-12]。行動者網(wǎng)絡管理是指控制或引導網(wǎng)絡進程，促使行動者互動與交流，調(diào)整網(wǎng)絡位置以協(xié)調(diào)合作，在復雜的互動和決策過程中實現(xiàn)良好的目標[13-14]。因此，應該部署有效和積極的行動者網(wǎng)絡管理策略，為中試運行集聚關鍵知識資源提供保障，優(yōu)化網(wǎng)絡結構，鼓勵能力更強的行動者應對中試突發(fā)情況，促使行動者提高合作和知識共享意識，幫助企業(yè)順利完成中試項目[5，12，14]。因此，為破解阻礙中試運行的不確定性、模糊性、復雜性知識問題，迫切需要引入有效的行動者網(wǎng)絡管理策略，通過匯聚知識與資源、消除知識障礙、提高知識處理能力，提升中試有效性，進而實現(xiàn)科技成果轉(zhuǎn)化。

本文梳理中試運行情境下的知識問題特征，厘清不同類型知識對中試有效運行的差異化影響，引入行動者網(wǎng)絡管理作為調(diào)節(jié)變量，可豐富中試運行管理研究，并為緩解中試運行知識問題提供理論依據(jù)和實踐指導。

1 相關概念與研究假設

1.1 中試研究

中試是以實驗室初步研發(fā)的研究成果為基礎，以大規(guī)模量產(chǎn)為最終目標的一種風險性實驗活動[3，15]。通過將實驗室研發(fā)的產(chǎn)品在試點工廠進行放大試制，可解決工業(yè)規(guī)模生產(chǎn)難題，優(yōu)化工藝流程，測試產(chǎn)品可靠性與用戶可行性，繼而將新技術和新產(chǎn)品順利推向市場[16-17]。中試以較低的風險對組織進行有效管理，有助于消除技術或生產(chǎn)方面的不確定性，在檢驗技術和工藝成熟度的同時，還會檢驗市場對新產(chǎn)品的接受度，縮短從實驗室到工業(yè)化生產(chǎn)的距離，加速科技成果轉(zhuǎn)化[4，7]。

中試作為基礎知識與技術突破的“橋梁”，對于促進新技術工業(yè)應用和商業(yè)應用發(fā)揮關鍵作用[7]。一方面，工廠通過對不同規(guī)模生產(chǎn)技術、產(chǎn)品工藝、機械裝備、生產(chǎn)流程進行測試，可以優(yōu)化技術雛形和產(chǎn)品原型，保證技術可行性（劉波等，2017）；另一方面，工廠通過對產(chǎn)品原型進行放大性試驗，模擬接近全規(guī)模的生產(chǎn)狀態(tài)，可以測試用戶可行性與工藝制造可行性，試銷最終產(chǎn)品并測試市場反應、用戶反饋和產(chǎn)品質(zhì)量，推動科技成果進入市場[2]。

1.2 中試情境下的知識問題

知識問題是指戰(zhàn)略行動者所遇到的認知障礙，表現(xiàn)為行動者所面對的一個或多個方面異常問題[16]。本文借鑒Stevens[17]的觀點，認為知識問題涉及不確定性、復雜性和模糊性3種類型。采用這一分類，主要是基于以下考慮：首先，基于中試理論以及國內(nèi)中試運行研究的實際情況，多方面信息處理需求導致不確定性、復雜性和模糊性3類知識問題在中試環(huán)節(jié)占據(jù)主導地位[10，16，18]，組織需要妥善解決以確保中試環(huán)節(jié)良好運行；其次，Stevens[17]對知識問題研究作出了突出貢獻，這3個維度得到學者廣泛驗證[9-10，16，18]。知識問題嵌入中試運行過程，對中試的有效運行和管理提出嚴峻挑戰(zhàn)。

（1）不確定性。不確定性是指企業(yè)實際可用知識和信息與完成目標或任務所需知識、信息之間的差距[8]。中試本質(zhì)上是基于試錯實驗對工藝或技術阻礙因素不斷迭代與驗證，在技術、制度、組織、市場等方面存在一定風險[7]。在中試情境下，技術驗證、工藝優(yōu)化、產(chǎn)品測試不確定性通常與缺乏關鍵核心知識和信息有關，往往會導致很難識別關鍵問題并提出有效解決方案[18]。

（2）復雜性。復雜性是指參與中試運行的元素和部件數(shù)量相互作用的難度[19]。在中試運行情境下，一方面，放大產(chǎn)品原型生產(chǎn)環(huán)境、生產(chǎn)系統(tǒng)及其與之交互的設備系統(tǒng)，在實際操作中某部分變化會影響整個系統(tǒng)和流程變化，導致企業(yè)很難解決多組件相互作用的復雜難題[9]；另一方面，涉及技術、市場、組織、制度等多種類型知識和信息，知識元素交互使企業(yè)很難在短時間內(nèi)掌握并應用新技術[5]。

（3）模糊性。模糊性是指對目標、情況或任務有多種明確但相互矛盾的解釋[20-21]。中試運行由企業(yè)多方行動者參與，行動者知識背景和結構差異較大，且不同行動者的利益訴求和目標不同，導致不同行動者對獲取的數(shù)據(jù)、知識和信息缺乏共同理解，很容易產(chǎn)生混淆、分歧和沖突[10]。

1.3 知識問題對中試有效性的影響

基于知識觀和信息處理理論，知識是最持久和最具戰(zhàn)略性的資源，當組織知識需求和內(nèi)部知識處理能力不平衡時，組織對知識的處理將會面臨挑戰(zhàn)[6，23，25]。高效的中試運行需要知識獲取和信息處理雙重配合[20]。由于中試技術具有密集性、靈活性和迭代性特征，眾多知識和信息傳播容易出現(xiàn)不確定性、復雜性、模糊性等知識問題，從而阻礙中試的有效運行[5，17]。

（1）不確定性對中試有效性的影響。不確定性導致企業(yè)很難識別和解決問題，從而降低中試運行效率。第一，企業(yè)實際掌握的知識與完成中試目標所需的技術、生產(chǎn)、市場知識存在偏差或無法完全匹配，會增加中試運行管理成本、學習成本和時間成本，加大產(chǎn)品試制、設備開發(fā)、工藝優(yōu)化風險[6]。第二，企業(yè)使用的技術、制造、工藝知識不完整或不充分，無法準確提供產(chǎn)品原型在試生產(chǎn)過程中所需的工藝優(yōu)化、技術驗證等知識和信息，企業(yè)很難及時解決新技術改進、新產(chǎn)品制造等難題，不利于中試任務按時完成，甚至有可能導致項目失敗或企業(yè)破產(chǎn)[5]。第三，企業(yè)生產(chǎn)環(huán)境兼容性、工藝流程需要動態(tài)更新與優(yōu)化，但所需信息和知識庫沒有定期更新，導致開發(fā)新產(chǎn)品和新技術的效率下降[19]。據(jù)此，本文提出如下假設：

H1：不確定性對中試有效性具有負向影響。

（2）復雜性對中試有效性的影響。在中試情境下，復雜性反映大量相互交織的活動元素或組件情況，某一組件或元素變化會影響其它項目順利進行[17]。首先，中試包含技術、市場、資金多領域知識，多類型知識元素涌現(xiàn)并相互交織使企業(yè)需要花費大量時間消化關鍵知識，不利于中試運行效率提升[5]；其次，中試運行包含技術開發(fā)、工藝驗證、設備優(yōu)化活動，多類型設備之間的相互作用會加劇工作復雜性、加大信息收集難度，一臺設備變化有可能會影響后續(xù)步驟[9]，新設備引入也有可能造成操作人員職責和工作流程調(diào)整，導致很難明確中試活動優(yōu)先級并提出可行性解決方案[23]；最后，中試環(huán)節(jié)含有大量隱性知識，尤其是特定工藝技術[9]，知識固有粘性導致企業(yè)各部門溝通難度加大，阻礙知識分享、傳遞和吸收，不利于新技術測試與改進、新產(chǎn)品可靠性驗證[19]。據(jù)此，本文提出如下假設：

H2：復雜性對中試有效性具有負向影響。

（3）模糊性對中試有效性的影響。在中試情境下，模糊性表現(xiàn)為行動者由于知識結構和利益訴求不同，經(jīng)常對完成某一任務存在不同看法，導致產(chǎn)生分歧和沖突，阻礙中試有效運行[20]。一方面，企業(yè)不同成員在中試運行早期階段關于用戶需求、項目范圍、技術解決方案的意見不一致，研發(fā)人員注重產(chǎn)品設計新穎性，工藝人員關注設備可操作性和可制造性，管理人員會從企業(yè)戰(zhàn)略和風險角度考慮中試運行可行性，他們對中試項目優(yōu)先排序的理解以及對知識和資源的依賴存在分歧與矛盾，會加劇中試目標沖突與糾紛[10，20]；另一方面，企業(yè)會與跨邊界技術合作伙伴、設備供應商及用戶等外部行動者合作協(xié)同推進中試運行，但由于背景、經(jīng)驗、資源和利益目標存在較大差異[9]，缺乏信任和共同理解會使行動者角色或任務偏離主要目標，導致技術開發(fā)和工藝設計與產(chǎn)品原型存在較大分歧，造成時間延誤和資源浪費，從而對整個中試運行產(chǎn)生阻礙[18]。據(jù)此，本文提出如下假設：

H3：模糊性對中試有效性具有負向影響。

1.4 行動者網(wǎng)絡管理的調(diào)節(jié)作用

中試嵌入多維行動者網(wǎng)絡，不同行動者知識交流、共享與應用存在沖突或分歧，需要采取策略管理行動者網(wǎng)絡[24]。行動者網(wǎng)絡管理有利于行動者充分引入資源，促進知識交流和共享，對于緩解中試運行知識問題具有重要作用[5，13]。行動者網(wǎng)絡管理是指網(wǎng)絡管理者采取新方式、新策略促使不同行動者交流與互動，對行動者利益和偏好進行引導、管理與控制，創(chuàng)造或調(diào)整網(wǎng)絡安排以有效實現(xiàn)網(wǎng)絡目標的過程[13-14]。Klijn[12]提出行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略。其中，行動者激活/解除策略是指通過引入新行動者為企業(yè)帶來更多關鍵知識和資源以使企業(yè)識別并破解中試難題，調(diào)動資源、鼓勵行動者合作以解決技術放大、工藝優(yōu)化等復雜難題，靈活調(diào)整網(wǎng)絡結構，減少行動者沖突和分歧[5，25]。網(wǎng)絡目標實現(xiàn)策略是指通過構建一致性目標促進知識分享，擴大企業(yè)現(xiàn)有知識庫，解決企業(yè)現(xiàn)有知識與完成中試目標所需知識之間的差距；設立明確目標縮小選擇范圍并提出多樣化解決方案，使技術和工藝驗證、市場擴散等中試活動按照優(yōu)先次序有效運行；建立規(guī)章制度鼓勵不同行動者分享看法和觀點，減少行動者因缺乏共同理解而產(chǎn)生的矛盾[5]。因此，引入行動者網(wǎng)絡管理策略，緩解不確定性、復雜性和模糊性知識問題，對于促進中試有效運行具有重要意義。

（1）行動者網(wǎng)絡管理不確定性對中試有效性的調(diào)節(jié)作用。企業(yè)有選擇性地激活新行動者，為中試帶來所需技術、市場、生產(chǎn)知識，不斷更新現(xiàn)有知識庫并提高信息可靠性，努力縮小與目標所需知識的差距并進行合理匹配[7]，及時識別并解決中試運行在技術選擇、工藝優(yōu)化、市場擴散等方面遇到的難題，填補當前知識或技術差距[6]。另外，解除那些沒有作出貢獻或參與效率低的行動者，降低知識固有黏性和知識分享惰性，為新知識引入與碰撞開拓空間[12]，確保行動者網(wǎng)絡得以良好運行并獲得中試所需核心技術、市場、生產(chǎn)知識等重要資源，消除知識或信息不充分、不完整弊端，進而提高中試項目成功的可能性[26]。

網(wǎng)絡目標實現(xiàn)策略有助于加強行動者之間的交流與融合，厘清行動者完成目標所需的關鍵知識，降低知識不確定性。一方面，及時收集行動者相關信息并了解行動者的任務和利益訴求，有助于減少不同行動者之間的矛盾并找到利益共同點，使中試關鍵目標達成一致，明確完成中試所需的知識和資源，解決因知識和資源匱乏而導致的決策延誤[27]；另一方面，通過技術交流會、研討會等形式促使行動者分享新思路和新觀點[12]，為中試貢獻更多關鍵性資源，精準識別并解決知識與信息不對稱、不充分帶來的技術瓶頸、生產(chǎn)設備不可靠、制造流程不完善等問題，以緩解因知識和信息缺乏而產(chǎn)生的負面效應[28]。據(jù)此，本文提出如下假設：

H4：行動者激活/解除策略能夠緩解不確定性對中試有效性的負向影響。

H5：網(wǎng)絡目標實現(xiàn)策略能夠緩解不確定性對中試有效性的負向影響。

（2）行動者網(wǎng)絡管理復雜性對中試有效性的調(diào)節(jié)作用。能力強的新行動者進入中試環(huán)節(jié)可將復雜問題分解成更小的單元，通過整合新知識促進中試有效運行[19]。引入并激活新行動者可為企業(yè)帶來更多技術、市場、生產(chǎn)知識，新行動者與現(xiàn)有行動者交流可提高對現(xiàn)有知識的理解，直擊復雜性問題痛點[18]，通過將復雜問題快速拆分為簡單問題，不同行動者根據(jù)已有經(jīng)驗處理自己擅長的問題，能夠有效克服復雜性弊端[5]。此外，解除效率不高或沒有成效的行動者，為企業(yè)帶來能力更強的行動者，通過對復雜知識重新編碼可發(fā)現(xiàn)新知識，并將分散知識由無序狀態(tài)整合為有序化的知識存量，進而提升新產(chǎn)品性能、完善新技術設計（吳松強等，2017）。

網(wǎng)絡目標實現(xiàn)策略通過設定明確目標或?qū)嵤┬Ч鼜姷闹性囘\行計劃，將不太明確的技術或方法排除在外，限制企業(yè)選擇范圍[5]，使目標更加明確、細致，保證中試運行不被繁雜無用的知識和信息干擾，以快速確定中試運行活動的優(yōu)先次序，加速中試進程[26]。此外，定期組織研討會分享不同行動者的看法和觀點，促進行動者之間的思維碰撞和知識交互，可從多角度預見中試環(huán)節(jié)技術改進、流程優(yōu)化、工藝路線等多樣化解決方案[5]，將復雜問題簡化，繼而分模塊、分層次逐一破解，確保獲取中試所需關鍵知識，減少中試運行時間和成本[19]。據(jù)此，本文提出如下假設：

H6：行動者激活/解除策略能夠緩解復雜性對中試有效性的負向影響。

H7：網(wǎng)絡目標實現(xiàn)策略能夠緩解復雜性對中試有效性的負向影響。

（3）行動者網(wǎng)絡管理模糊性對中試有效性的調(diào)節(jié)作用。引入新行動者組建新聯(lián)盟，不同行動者建立聯(lián)系能夠吸引更多人力、技術、資金資源，提高企業(yè)共同解決問題的能力[11]。新行動者與現(xiàn)有行動者通過積極互動、討論和協(xié)商不同問題，將中試核心知識與一般市場知識相結合，使所有行動者熟悉產(chǎn)品參數(shù)與規(guī)格、技術特征、市場推廣流程，能夠達成共同理解，找準并及時解決關鍵問題[5，12]。解除參與效率不高或沒有成效的行動者，減少無效知識和信息干擾，將對項目有巨大貢獻和參與率高的行動者集中在一起，激發(fā)能力更強的行動者鉆研關鍵性知識和多領域知識，有助于調(diào)整不同意見并達成一致決策[12]。

網(wǎng)絡目標實現(xiàn)策略通過處理行動者目標沖突實現(xiàn)行動者之間的相互關聯(lián)[5]，通過減少模糊性形成行動者對問題的共同認知，通過重新安排進程明確行動者共同的信息需求，將共同目標聯(lián)合起來減少行為沖突以促進高效合作[10]。另外，引導行動者網(wǎng)絡目標交織，使行動者充分闡明和澄清各自觀點[28]，減少參與和合作障礙并達成共同理解，緩解因利益沖突、理解有限而導致的模糊性，及時發(fā)現(xiàn)并解決中試運行過程中遇到的難題[29]。據(jù)此，本文提出如下假設：

H8：行動者激活/解除策略能夠緩解模糊性對中試有效性的負向影響。

H9：網(wǎng)絡目標實現(xiàn)策略能夠緩解模糊性對中試有效性的負向影響。

綜上所述，本文構建概念模型，如圖1所示。

2 研究設計

2.1 變量測量

為保證量表信效度，在走訪大量企業(yè)的基礎上，根據(jù)國內(nèi)外成熟量表設計、修訂本文題項內(nèi)容，經(jīng)過與課題組反復研討、對比，進一步修改題項內(nèi)容，確保語言準確、簡潔、易懂。本文除控制變量外，均采用李克特5級量表測量。

（1）中試有效性?；贖ellsmark等[3]對中試概念的界定，借鑒林筠等（2018）編制的量表，設計“提高新產(chǎn)品開發(fā)與量產(chǎn)效率““新產(chǎn)品與生產(chǎn)環(huán)境兼容性很好”“降低生產(chǎn)、制造與管理成本”等5個測量題項。

（2）知識問題。基于Frishmmar等[5]對知識問題的界定以及Park[30]、Rizova等[10]的量表，設計“所用知識不足以表達目的”“可用信息不完整”“提供的知識不能確定是否有用”等4個題項；復雜性參考吳松強等（2017）的研究量表，設計“所需關鍵知識涉及領域多且范圍廣”“關鍵知識需花費大量時間和精力去理解與使用”“需要積累工作經(jīng)驗和技巧以獲取關鍵知識”等4個題項；模糊性參考Eriksson等[20]、Carson等[31]的量表，設計“對可用信息具有不同解釋”“因不同解釋而對知識產(chǎn)生混淆”等4個題項。

（3）行動者網(wǎng)絡管理。行動者激活/解除策略參考Klijn[12]的量表，設計“吸引行動者人力、資金等資源”“解除參與效率不高或沒有成效的行動者”“引導更多新行動者加入”等4個題項；網(wǎng)絡目標實現(xiàn)策略參考Klijn[12]的量表，設計“制定規(guī)章制度減少行動者沖突”“提出多樣化和包容性技術解決方案”“分享并闡述不同成員看法”等4個題項。

（4）控制變量。借鑒以往科技成果轉(zhuǎn)化、中試有效性研究[1，16，32]，將企業(yè)性質(zhì)、企業(yè)規(guī)模、工作部門、企業(yè)生命周期、企業(yè)所處地區(qū)設置為控制變量。

2.2 樣本選取與數(shù)據(jù)收集

鑒于中試活動多存在于制造業(yè)企業(yè)[3]，因此本文將調(diào)研對象定位于制造業(yè)企業(yè)。樣本選取條件包括：①樣本企業(yè)具有正在進行或已完成的中試項目并擁有一定的中試經(jīng)驗；②樣本企業(yè)覆蓋多個行業(yè)類型，涉及機械電子工業(yè)類、資源加工工業(yè)類和輕紡工業(yè)類行業(yè)，每個企業(yè)發(fā)放不超過10份問卷；③被試人員為參與或熟悉企業(yè)中試活動的科研、技術、生產(chǎn)及管理人員。對初始問卷進行小規(guī)模訪談和預調(diào)研，收集被試人員反饋情況，反復推敲、完善、細化問卷結構和內(nèi)容。

（1）預試問卷分析。預試調(diào)研依托課題組與陜煤集團、西北有色金屬研究院等典型制造業(yè)的長期聯(lián)系進行小規(guī)模調(diào)研，采用線上線下兩種形式發(fā)放調(diào)研問卷，共收集到222份問卷，剔除62份無效問卷后，剩余預測問卷160份。運用SPSS23.0統(tǒng)計軟件對問卷進行分析，信度檢驗中因題項刪除后α系數(shù)小于總α系數(shù)，故刪除復雜性第4題和行動者激活/解除策略第3題。探索性因子分析結果顯示，模糊性第4題、網(wǎng)絡目標實現(xiàn)策略第2題正交旋轉(zhuǎn)載荷量均大于0.45，出現(xiàn)跨維度現(xiàn)象，故予以剔除。其余題項均符合信效度檢驗標準，最終形成包含25個題項的正式調(diào)研問卷。

（2）正式問卷調(diào)研。正式問卷發(fā)放時間集中在2021年3月6日—7月22日，采取線上線下兩種形式發(fā)放問卷。樣本類型包含機械電子制造業(yè)、資源加工業(yè)和輕紡業(yè)三類制造業(yè)，樣本數(shù)據(jù)覆蓋東部、中部和西部地區(qū)。調(diào)研對象主要為在企業(yè)從事并熟悉中試研究活動的研發(fā)、技術、生產(chǎn)和管理人員，數(shù)據(jù)來源真實可靠。首先，實地發(fā)放問卷主要集中在工業(yè)園區(qū)和高校招聘雙選會，問卷采用現(xiàn)場發(fā)放、現(xiàn)場填寫、現(xiàn)場回收的方式，以保證數(shù)據(jù)回收質(zhì)量。筆者所在團隊曾4次前往工業(yè)園區(qū)，包括瞪羚谷產(chǎn)業(yè)園、環(huán)普科技產(chǎn)業(yè)園、中興產(chǎn)業(yè)園、西咸新區(qū)產(chǎn)業(yè)園，考察企業(yè)是否具有中試環(huán)節(jié)，尋找合適的企業(yè)發(fā)放問卷，如西安力邦制藥有限公司、中國重型機械研究院股份公司、中國航天動力研究所、中國一汽集團等，主要發(fā)放對象為企業(yè)技術研發(fā)和生產(chǎn)部門。在各大理工類學校招聘雙選會上，選擇具有中試環(huán)節(jié)的企業(yè)發(fā)放問卷，符合調(diào)研要求。線下共發(fā)放問卷262份，回收問卷229份，剔除無效問卷后得到有效問卷173份；其次，對在校和已畢業(yè)EMBA、MBA、同學、朋友所在技術研究院、科研部門以及涉及科技成果轉(zhuǎn)化項目的學員發(fā)放電子問卷，尤其是涉及中試工作的學員，利用問卷星以“滾雪球”的方式多輪收集問卷，線上共發(fā)放問卷177份，回收134份，剔除無效問卷后回收有效問卷91份。

最終，共計發(fā)放問卷439份，回收問卷363份，剔除填寫不完整、答案一致、問卷數(shù)據(jù)集中分布的無效問卷，回收有效問卷264份，有效問卷回收率為72.73%。樣本描述性統(tǒng)計結果如表1所示。

3 實證結果分析

3.1 信效度分析

采用SPSS23.0和Amos 19.0對所有變量進行信效度分析，結果如表2所示。從中可見，所有變量的Cronbach′s α系數(shù)和CR值均大于0.7，說明量表具有較高信度。效度檢驗包括聚合效度和區(qū)別效度，結果顯示所有題項標準化因子載荷值介于0.703～0.921之間，所有變量的AVE取值均大于0.5，表明該量表具有較高的聚合效度。

3.2 描述性統(tǒng)計分析與同源偏差檢驗

各變量平均值、標準差和相關系數(shù)結果如表3所示，各變量的AVE開根號值均大于該列相關系數(shù)，說明本文量表具有較高的區(qū)分效度。表3數(shù)據(jù)顯示，中試有效性與不確定性、復雜性、模糊性的相關系數(shù)分別為-0.395、-0.228、-0.454，表明不確定性、復雜性、模糊性對中試有效性具有負向影響，假設H1～H3得到初步驗證。

對變量進行描述性統(tǒng)計分析發(fā)現(xiàn)，不確定性和模糊性均值小于3，復雜性均值大于3。參考李克特5點量表，企業(yè)不確定性和模糊性未達到平均水平，復雜性高于平均水平，說明企業(yè)更重視復雜性對中試運行的影響。但不確定性和模糊性系數(shù)值大于2.5，超過中間水平，說明這兩類知識問題在中試運行中普遍存在，企業(yè)并未忽視這兩類知識問題對中試運行的影響。中試有效性均值大于3，高于平均水平，表明企業(yè)普遍意識到中試的關鍵作用。

采用潛在誤差變量控制法檢驗同源偏差問題，將所有變量載荷到一個未度量的潛在因子上，發(fā)現(xiàn)擬合度變化差異較?。ā鳓?/df=0.018，△GFI=0.006，△NFI=0.011，△IFI=0.007，△TLI=0.001，△CFI=0.001，△RMSEA=0.001），說明本數(shù)據(jù)不存在嚴重的同源偏差問題。

3.3 多元回歸分析與調(diào)節(jié)效應檢驗

為檢驗本文所提假設，采用多元線性回歸法檢驗知識問題、中試有效性和行動者網(wǎng)絡管理之間的關系，回歸結果如表4所示。為避免多重共線性問題，在回歸分析時加入共線性檢驗，結果顯示各模型VIF最大值小于臨界值5，說明變量間相互關系不會對回歸結果產(chǎn)生重要影響。

模型2回歸結果顯示，不確定性與模糊性對中試有效性具有顯著負向影響（β=-0.169，plt;0.05；β=-0.333，plt;0.01），假設H1、H3得到驗證。與此同時，利用Z檢驗證實模糊性比不確定性對中試有效性的負向作用更大。復雜性對中試有效性的影響不顯著（β=0.082，pgt;0.05），假設H2未得到驗證。模型4結果顯示，行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略對不確定性與中試有效性關系的調(diào)節(jié)作用顯著（β=0.302，plt;0.001；β=0.155，plt;0.05），假設H4、H5得到驗證；模型4結果表明，行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略對復雜性與中試有效性關系未發(fā)揮調(diào)節(jié)作用，假設H6、H7未得到驗證。模型4結果顯示，行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略在模糊性與中試有效性之間的調(diào)節(jié)作用顯著（β=0.334，plt;0.001；β=0.197，plt;0.05），假設H8、H9得到驗證。

4 結論與啟示

4.1 研究結論

本研究探究不確定性、復雜性、模糊性3類知識問題對中試有效性的影響以及行動者激活/解除策略、網(wǎng)絡目標實現(xiàn)策略的調(diào)節(jié)作用，通過對存在中試環(huán)節(jié)的企業(yè)進行實證檢驗，得出以下結論：

（1）知識問題對中試有效性具有負向影響，且不同知識問題對中試有效性的影響存在差異。首先，不確定性對中試有效性具有負向影響。企業(yè)沒有足夠的可用知識滿足中試需求，不能及時識別和解決中試運行難題，會造成中試環(huán)節(jié)資源浪費、時間延遲。模糊性對中試有效性具有負向影響。行動者之間的知識基礎、解決方案、利益訴求不同容易造成中試各方不信任和缺乏共同理解，導致企業(yè)識別新機會和新領域的方向不明朗，缺乏共享目標，從而阻礙中試的有效運行。其次，相比于不確定性，模糊性對中試的負向影響更顯著。通過信息收集和分析雖然可顯著減少中試運行中的不確定性，但也會加劇行動者對信息理解的分歧、矛盾與混淆。而中試運行又迫切需要完整的知識、信息和資源，因此需要不同行動者達成共識，因此模糊性對中試的負向作用更顯著。最后，復雜性對中試有效性的影響不顯著。原因可能在于：復雜性問題大多是定義明確和可預測的問題[5，9，17-18]，在中試運行過程中涉及大量知識元素、組件的交互作用，這是技術和知識密集性的體現(xiàn)。中試項目生產(chǎn)線和工藝流程細化、部門結構改善主要是為應對復雜性，使企業(yè)可以盡早預見并同時考慮不同元素之間的關系，并合理安排專門行動者處理這些復雜情況。不同行動者利用已有知識存量對可分解的復雜問題進行拆分，聯(lián)合解決不可分解的復雜問題，因此中試情境下復雜性知識問題對中試有效性的影響作用不顯著。

（2）行動者網(wǎng)絡管理策略正向調(diào)節(jié)不確定性、模糊性對中試有效性的負向影響。首先，行動者激活/解除策略鼓勵新行動者加入，可為企業(yè)吸引和聚集更多知識、信息和資源，有效緩解因缺乏知識、信息和資源而產(chǎn)生的不確定性，更好地識別和解決復雜問題；另外，還能促使不同行動者形成相互信任的緊密關系，增強分享知識的意愿，緩解行動者目標、背景、知識結構差異帶來的沖突與分歧；其次，網(wǎng)絡目標實現(xiàn)策略通過激勵行動者合作、促使行動者貢獻更多信息緩解不確定性，通過鼓勵行動者進行頭腦風暴和思維碰撞促使利益與目標達成一致，進而緩解中試情境下因缺乏共同理解而產(chǎn)生的模糊性問題。

4.2 理論貢獻

（1）明晰中試運行過程中面臨的知識問題與破解機制，豐富了中試運行管理研究?，F(xiàn)有文獻多探討影響中試有效性的學習、能力、資源等關鍵因素[3，26]，鮮有文獻對識別和緩解中試運行情境下的知識問題進行深入探究。本文以中試運行面臨的不確定性、復雜性、模糊性3類知識問題為切入點，研究3類知識問題對中試有效性的影響。在Frishammar等[7]、Hellsmark等[3]對中試流派、類型、作用、功能進行研究的基礎上，從知識理論視角出發(fā)為挖掘中試影響因素與運行管理提供了新窗口，為完善中試運行實現(xiàn)機制提供了理論證據(jù)。

（2）厘清不確定性、復雜性、模糊性3類知識問題對中試有效性的差異化影響，識別阻礙中試有效運行的關鍵因素，深入了解中試情境下知識問題的作用方式?，F(xiàn)有文獻較少研究中試面臨的阻礙和挑戰(zhàn)，本文分析中試情境下不同知識問題的表現(xiàn)方式，發(fā)現(xiàn)不確定性和模糊性對中試有效性具有負向影響且模糊性的影響作用更顯著，復雜性對中試有效性影響的不顯著，呼應了Frishammar等[5]對中試運行情境下知識問題差異化的討論，為制定知識問題緩解策略提供了理論基礎。

（3）從行動者網(wǎng)絡管理角度提出中試運行關鍵策略，豐富了行動者網(wǎng)絡管理作為調(diào)節(jié)變量的實證研究。一方面，現(xiàn)有文獻僅關注知識問題的內(nèi)涵和作用形式，對于如何緩解知識問題的研究較少，本文采用行動者激活/解除策略和網(wǎng)絡目標實現(xiàn)策略緩解中試運行知識問題，拓展了Simms等[19]對知識管理問題的研究，為有效管理中試運行提供了新思路；另一方面，以往研究多關注行動者網(wǎng)絡管理前因及后果[3，25]，本文將行動者網(wǎng)絡管理作為調(diào)節(jié)變量，豐富了Klijn[12]關于行動者網(wǎng)絡管理的研究。

4.3 實踐啟示

根據(jù)上述研究結論，本文提出如下實踐啟示：

（1）企業(yè)應明確中試運行情境下的知識問題差異，系統(tǒng)了解中試有效運行面臨的挑戰(zhàn)。當前，多數(shù)企業(yè)將中試運行不確定性等同于復雜性、模糊性，導致企業(yè)不能精準識別中試運行中的知識問題，盲目選擇解決方案，效果適得其反。因此，企業(yè)應定期復盤并分析中試運行情境下各類知識問題的具體表現(xiàn)特征，明確不確定性、復雜性和模糊性對中試運行的作用方式及影響差異，在此基礎上制定并選擇與之相匹配的解決策略。

（2）重視行動者網(wǎng)絡管理，破解中試運行情境下的知識問題。中試運行不僅包含企業(yè)內(nèi)部成員，還包括跨企業(yè)邊界與供應商、用戶和技術合作伙伴等外部行動者。受到不同類型資源的影響，企業(yè)應從行動者網(wǎng)絡管理角度出發(fā)考慮破解中試運行知識問題的策略。當面對不確定性時，企業(yè)應積極引入新行動者，通過建立聯(lián)盟、研討、技術對接交流會、學術會議等方式獲取中試運行所需的關鍵知識、信息和資源，降低知識信息偏差。當面對模糊性問題時，企業(yè)應通過合約、會談等方式掌握行動者信息，找到利益共同點以保證目標一致性，促進合作伙伴不斷溝通，使行動者之間獲得信任、合作與支持。

4.4 不足與展望

本文存在如下不足：首先，本研究僅關注知識問題對中試運行的差異化影響，未來應研究不同類型知識問題來源，探究如何從源頭上破解這些知識問題；同時，本文僅考慮企業(yè)規(guī)模、性質(zhì)、生命周期等常規(guī)控制變量，未來應加入其它控制變量，以使研究結論更嚴謹；其次，未來應關注影響中試有效性的其它前因因素，如知識整合能力、知識溢出效應以及不同類型學習的影響作用，引導企業(yè)正確利用知識創(chuàng)造尖端創(chuàng)新成果；最后，未來應采用多輪數(shù)據(jù)收集等方式完善橫截面數(shù)據(jù)，深入分析知識問題動態(tài)和分布，研究企業(yè)如何緩解知識問題從而驅(qū)動中試有效運行。

參考文獻

參考文獻：

[1] 張茹鑫， 林筠， 李隨成，等. 工業(yè)規(guī)模試制有效性： 行動者網(wǎng)絡管理與組織學習的作用[J]. 運籌與管理， 2023， 32（2）： 233-239.

[2] BACKSTROM K. What are the innovation effects of pilot and demonstration plants？ the case of advanced biofuels in the transport sector[C]. European Biomass Conference and Exhibition， 2015： 1433-1447.

[3] HELLSMARK H，F(xiàn)RISHAMMAR J，SODERHOLM P， et al. The role of pilot and demonstration plants in technology development and innovation policy[J]. Research Policy， 2016， 45（9）： 1743-1761.

[4] 邱超凡. 基于中試資源共享的科技成果轉(zhuǎn)化戰(zhàn)略[J]. 中國發(fā)展觀察， 2015，11（9）： 54-55.

[5] FRISHAMMAR J， SODERHOLM P， HELLSMARK H， et al. A knowledge-based perspective on system weaknesses in technological innovation systems[J]. Science and Public Policy， 2019， 46（1）： 55-70.

[6] SJODIN D R， FRISHAMMAR J， ERIKSSON P E. Managing uncertainty and equivocality in joint process development projects[J]. Journal of Engineering and Technology Management， 2016， 39（5）： 13-25.

[7] FRISHAMMAR J， SODERHOLM P， BACKSTROM K， et al. The role of pilot and demonstration plants in technological development： synthesis and directions for future research[J]. Technology Analysis amp; Strategic Management， 2015， 27（1）： 1-18.

[8] NORDQVIST S， FRISHAMMAR J. Knowledge types to progress the development of sustainable technologies： a case study of Swedish demonstration plants[J]. International Entrepreneurship and Management Journal，2019， 15（1）： 75-95.

[9] SJODIN D R. Knowledge processing and ecosystem co-creation for process innovation： managing joint knowledge processing in process innovation projects[J]. International Entrepreneurship and Management Journal， 2019， 15（1）： 135-162.

[10] RIZOVA P S， GUPTA S， MALTZ E N， et al. Overcoming equivocality on projects in the fuzzy front end：bringing social networks back in[J]. Technovation， 2018， 78（10）： 40-55.

[11] CHEN P C， HUNG S W. An actor-network perspective on evaluating the Ramp;D linking efficiency of innovation ecosystems[J]. Technological Forecasting and Social Change， 2016， 112（11）： 303-312.

[12] KLIJN E H. Managing commercialised media attention in complex governance networks： positive and negative effects on network performance[J]. Policy amp; Politics， 2016， 44（1）： 115-133.

[13] MOSSBERG J， FRISHAMMAR J， SODERHOLM P， et al. Managerial and organizational challenges encountered in the development of sustainable technology： analysis of Swedish biorefinery pilot and demonstration plants[J]. Journal of Cleaner Production， 2020， 276（35）： 124150.

[14] KLIJN E H， STEIJN B， EDELENBOS J. The impact of network management on outcomes in governance networks[J]. Public Administration， 2010， 88（4）： 1063-1082.

[15] 吳鵬飛， 林筠. 實驗室驗證對技術轉(zhuǎn)移影響研究： 雙元學習視角[J]. 科研管理， 2022， 43（3）： 164-172.

[16] TOWNSEND M， HUNT A， MCMULLEN S， et al. Uncertainty， knowledge problems， and entrepreneurial action[J]. Academy of Management Annals， 2018， 12（2）： 659-687.

[17] STEVENS E. Fuzzy front-end learning strategies： exploration of a high-tech company[J]. Technovation， 2014， 34（8）： 431-440.

[18] GAMA F， SJODIN D， PARIDA V， et al. Exploratory and exploitative capability paths for innovation： a contingency framework for harnessing fuzziness in the front end[J]. Technovation， 2022， 113（5）： 102416.

[19] SIMMS C， FRISHAMMAR J， FORD N. The front end in radical process innovation projects： sources of knowledge problems and coping mechanisms[J]. Technovation， 2021， 105（7）： 102214.

[20] ERIKSSON E， PATEL C， SJODIN D， et al. Managing interorganizational innovation projects：mitigating the negative effects of equivocality through knowledge search strategies[J]. Long Range Planning， 2016， 49（6）： 691-705.

[21] FLORES-GARCIAE， BRUCH J， WIKTORSSON M， et al. What guides information consensus？ approaching the reduction of equivocality in process innovations[J]. International Journal of Manufacturing Research， 2020， 15（1）： 73-89.

[22] ZACK M H. If managing knowledge is the solution， then what's the problem[M].Knowledge Management and Business Model Innovation， IGI Global， 2001.

[23] SNIHUR Y，TARZIJAN J.Managing complexity in a multi-business-model organization[J].Long Range Planning， 2018， 51（1）： 50-63.

[24] LEENDERS R， DOLFSMA W. Social networks for innovation and new product development[J]. Journal of Product Innovation Management， 2016， 33（2）： 123-131.

[25] NEWELLl D， SANDSTROM A， SODERHOLM P. Network management and renewable energy development： an analytical framework with empirical illustrations[J]. Energy Research amp; Social Science， 2017， 23（1）： 199-210.

[26] SODERHOLM P， HELLSMARK H， FRISHAMMAR J， et al. Technological development for sustainability： the role of network management in the innovation policy mix[J]. Technological Forecasting and Social Change， 2019， 138（1）： 309-323.

[27] SPIETH P， JOACHIM V. Reducing front end uncertainties： how organisational characteristics influence the intensity of front end analysis[J]. Technological Forecasting and Social Change， 2017， 123（10）： 108-119.

[28] PELLIZZONI E， TRABUCCHI D， FRATTINI F， et al. Leveraging stakeholders′ knowledge in new service development： a dynamic approach[J]. Journal of Knowledge Management， 2020， 24（2）： 415-438.

[29] PENA HAUFLER B， GLOBOCNIK D， LANDAETA SALDIAS P， et al. Rapid validity testing at the front end of innovation[J]. Journal of Product Innovation Management， 2021， 38（4）： 447-472.

[30] PARK Y. Uncertainty， equivocality and integrative practices in a product development context[D].Toledo：University of Toledo， 2011.

[31] CARSON J， WU T， MOORE L. Managing the trade off between ambiguity and volatility in new product development[J]. Journal of Product Innovation Management， 2012， 29（6）： 1061-1081.

[32] 林筠， 劉冰蕊， 蔡穎， 等. 不同類型知識整合對中試有效性的影響[J]. 科技進步與對策，2023，40（24）：123-132.

責任編輯

（責任編輯：王敬敏）

Mitigation of Knowledge Problems in Pilot and Demonstration Plants： The Role of Actor Network Management

Lin Jun，Wu Ting， Zhang Ruxin， Cai Ying

（School of Economic and Management， Xi′an University of Technology， Xi′an 710054， China）

Abstract：A large number of lab-developed technologies fail to make it to market smoothly because of a lack of funds and paying customers. The pilot and demonstration plants serve as an important driving force for the transformation of scientific and technological achievements by acting as a key link for the industrialization of laboratory research and development results. After experiencing process verification， structural inspection， small-quantity trial production and marketing， the conversion rate of scientific and technological achievements can reach 80% ， so the pilot and demonstration plants are a crucial factor affecting the speed and range of scientific and technological transformation， and their key role cannot be ignored. However， the effective operation of the pilot and demonstration plants has to tackle three kinds of knowledge problems： high uncertainty， complexity and fuzziness. These problems are embedded in the whole process of the pilot and demonstration plants， which is what hinders their effective operation. Uncertainty makes it difficult for enterprises to identify and solve the problems in pilot and demonstration plants ; complexity makes it confusing for enterprises to master a variety of key knowledge and clarify the priority of tasks in a short period of time; and fuzziness makes it challenging to balance and coordinate the interests of actors. Therefore， the knowledge problem has a serious negative impact on the effective operation of the pilot and demonstration plants，but the existing literature lacks in-depth discussion on how to manage the knowledge problem to improve the effectiveness of the pilot and demonstration plants.

The pilot and demonstration plants are usually embedded in multi-actor networks with interwoven relationships based on the theory of network management. Therefore， the management of the actor network is an essential element in opening the \"black box\" that hinders the effective operation of the pilot and demonstration plants. Actor network management refers to the control or guidance of network processes， the promotion of interaction among actors， the creation and adjustment of network arrangements to coordinate cooperation， exchange and communication， and the achievement of good goals in complex interaction and decision-making processes. Hence，key knowledge and resources could be introduced to the pilot and demonstration plants， and the network structure could be optimized to stimulate more capable actors to respond to the pilot and demonstration plants emergencies， encourage adequate communication among actors to strengthen the sense of cooperation and knowledge sharing， improve the effectiveness of the pilot and demonstration plants，and realize the transformation of scientific and technological achievements.

Therefore， this paper sorts out and excavates the connotation and characteristics of the three types of knowledge problems in the operation of the pilot and demonstration plants， studies and clarifies the differential impacts of different knowledge problems on the operation of the pilot and demonstration plants， and uses actor activation/disactivation strategies and network goal realization strategies to mitigate the knowledge problems in the pilot and demonstration plants. The questionnaire is designed based on the mature scales at home and abroad， and a pre-survey is conducted to ensure the reliability and validity of the scale. Then a total of 264 enterprise survey data is collected by questionnaires distributed online and offline. SPSS21.0 and Amos 21.0 are used to carry out data analysis， and nine hypotheses are tested by the empirical analyses.

The results show that （1） uncertainty and fuzziness have negative effects on the effectiveness of the pilot and demonstration plants， and the negative effect of fuzziness is stronger， and complexity has no significant effect on the effectiveness of the pilot and demonstration plants; （2） both the actor activation/disactivation strategies and the network goal realization strategy can effectively mitigate the negative impact of uncertainty and fuzziness on the pilot and demonstration plants. The study not only makes up for the deficiency of the study on the operation management of pilot and demonstration plants， but also provides practical insights for better coping and solving knowledge problems ， which is helpful to further clarify the effective operation of the pilot and demonstration plants.

Key Words：Pilot and Demonstration Plants; Knowledge Problem; Actor Network Management