资源异质性、知识流动与产学研协同创新——以人工智能产业为例

发布时间：2021-09-28 05:08

　　以人工智能为引领的新一轮产业变革催生了创新网络多系统共享开放、多主体互动互补、多因素震荡交织等特征的凸显,使得产学研协同创新对资源异质性、知识流动的双重需求日益加剧。该研究以人工智能产业为例,分类别、分阶段探讨了资源异质性与知识流动对产学研协同创新的动态交互效应。研究表明:资源异质性对产学研协同创新具有显著的促进作用;但随着产业生命周期的不断推进,知识吸收对此促进作用经历了"负向调节效应较大-负向调节效应缩小-正向调节效应加强"的动态调节过程,而知识扩散则经历了"正向调节效应较小-负向调节效应出现-负向调节效应增大"的动态调节过程,为寻找人工智能产学研协同创新生态治理的突破口提供了参考依据。 

【文章来源】：科学学研究. 2019,37(12)北大核心CSSCICSCD

【文章页数】：11 页

【部分图文】：

研究框架

在此基础上,本文将企业、高校和科研院所作为三种不同类型的创新主体,以跨越主体类型(如企业-高校、企业-科研院所、高校-科研院所、企业-高校-科研院所)的专利联合申请关系为网络连接、以专利权人所涉及的企业、高校、科研院所为网络结点,通过Gephi等可视化软件分别形成各个阶段人工智能产学研协同创新网络图谱,并以条形图展现产学研协同创新网络中企业、高校及科研院所的数量占比,如图3所示。之后,本文通过Ucinet统计各阶段网络主体的结构洞、中心度等变量数据。最后,为明确我国人工智能产学研协同创新的演化趋势和发展程度,本文对中美各个阶段人工智能产学研协同创新网络进行比较,结果如图4所示。图3 人工智能领域产学研协同创新网络演化图谱

人工智能领域产学研协同创新网络演化图谱

【参考文献】：
期刊论文
[1]Evolution Characteristics of Government-Industry-University-Research Cooperative Innovation Network for China’s Agriculture and Influencing Factors: Illustrated According to Agricultural Patent Case[J]. LI Erling,YAO Fei,XI Jiaxin,GUO Chunyang.  Chinese Geographical Science. 2018(01)
[2]协同创新的动态机制与激励政策——基于复杂系统理论视角[J]. 叶伟巍,梅亮,李文,王翠霞,张国平.  管理世界. 2014(06)
[3]基于知识流动的产学研协同创新过程研究[J]. 涂振洲,顾新.  科学学研究. 2013(09)
[4]创新网络中的异质性、匹配度与能力动态仿真研究[J]. 任宗强,吴志岩.  科学学与科学技术管理. 2012(08)



本文编号：3411303