人工智能產(chǎn)學(xué)研合作創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)對(duì)創(chuàng)新績(jī)效的影響

蒲珊琳

［摘 要］文章基于社會(huì)網(wǎng)絡(luò)理論，采集江蘇省人工智能產(chǎn)業(yè)2010—2021年產(chǎn)學(xué)研合作專利數(shù)據(jù)，通過(guò)QAP分析方法探索中心度與結(jié)構(gòu)洞兩類指標(biāo)對(duì)產(chǎn)學(xué)研合作創(chuàng)新績(jī)效的影響。實(shí)證結(jié)果表明：①江蘇省人工智能產(chǎn)學(xué)研合作創(chuàng)新網(wǎng)絡(luò)的中介中心度、結(jié)構(gòu)洞對(duì)創(chuàng)新績(jī)效起正向促進(jìn)作用；②接近中心度負(fù)向影響合作創(chuàng)新績(jī)效。文章的研究豐富了對(duì)社會(huì)網(wǎng)絡(luò)理論的理論支撐，同時(shí)對(duì)人工智能產(chǎn)業(yè)產(chǎn)學(xué)研合作主體提升創(chuàng)新績(jī)效具有現(xiàn)實(shí)意義。

［關(guān)鍵詞］合作網(wǎng)絡(luò)；創(chuàng)新績(jī)效；QAP；人工智能

doi：10.3969/j.issn.1673 - 0194.2023.14.060

［中圖分類號(hào)］F124.3［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］1673-0194（2023）14-0183-03

1? ? ?研究假設(shè)

1.1? ?中心度與創(chuàng)新績(jī)效

點(diǎn)度中心度是指與該點(diǎn)直接相連的其他點(diǎn)的個(gè)數(shù)。如果某點(diǎn)具有較高的度數(shù)，則成該點(diǎn)居于網(wǎng)絡(luò)的中心，擁有權(quán)力［1］。在合作創(chuàng)新網(wǎng)絡(luò)中，點(diǎn)度中心度高的主體位于網(wǎng)絡(luò)的中心位置，可拓寬資源和信息獲取的渠道，增強(qiáng)資源收集與整合的能力。

中介中心度是指該節(jié)點(diǎn)擔(dān)任其他點(diǎn)之間的最短路徑的次數(shù)，刻畫(huà)的是該節(jié)點(diǎn)的中介作用大小。該節(jié)點(diǎn)位于其他節(jié)點(diǎn)溝通的必經(jīng)路徑上，在控制資源獲取上具備優(yōu)勢(shì)，在節(jié)點(diǎn)間充當(dāng)了橋梁作用。

接近中心度是指該節(jié)點(diǎn)與其他節(jié)點(diǎn)的距離，衡量的是該節(jié)點(diǎn)不受其他節(jié)點(diǎn)控制的測(cè)度。接近中心度越高的節(jié)點(diǎn)與網(wǎng)絡(luò)內(nèi)其他節(jié)點(diǎn)的距離越遠(yuǎn)，從而導(dǎo)致技術(shù)交流、資源傳遞的途徑長(zhǎng)度增長(zhǎng)。相反，接近中心度較低的節(jié)點(diǎn)能更快速地傳播信息，保證資源傳遞的有效性，穩(wěn)定資源與信息獲取方式，更有利于提高研發(fā)成果的質(zhì)量。

基于上述分析，本文提出假設(shè)：

H1a：點(diǎn)度中心度對(duì)合作網(wǎng)絡(luò)的創(chuàng)新績(jī)效存在正向影響。

H1b：中介中心度對(duì)合作網(wǎng)絡(luò)的創(chuàng)新績(jī)效存在正向影響。

H1c：接近中心度對(duì)合作網(wǎng)絡(luò)的創(chuàng)新績(jī)效存在負(fù)向影響。

1.2? ?結(jié)構(gòu)洞與創(chuàng)新績(jī)效

處于結(jié)構(gòu)洞位置的節(jié)點(diǎn)是兩端節(jié)點(diǎn)交流的唯一樞紐，對(duì)信息傳遞具有絕對(duì)的控制性。結(jié)構(gòu)洞占據(jù)者扮演著中間人角色，成為信息與資源的匯點(diǎn)，可以根據(jù)自身需求對(duì)資源、信息進(jìn)行篩選并控制其流量與流向［2］。占據(jù)結(jié)構(gòu)洞的節(jié)點(diǎn)在獲取這些知識(shí)元素作為自身探索性創(chuàng)新的同時(shí)，也作為中間人的角色在其輻射范圍內(nèi)促進(jìn)異質(zhì)性知識(shí)的溢出，進(jìn)一步打通整體網(wǎng)絡(luò)的合作路徑，提高節(jié)點(diǎn)之間的組合機(jī)會(huì)，將潛在的創(chuàng)新價(jià)值“變現(xiàn)”。

基于上述分析，本文提出假設(shè)：

H2：結(jié)構(gòu)洞對(duì)合作網(wǎng)絡(luò)的創(chuàng)新績(jī)效存在正向

影響。

2? ? ?研究設(shè)計(jì)

2.1? ?數(shù)據(jù)來(lái)源

本文選擇以合享專利數(shù)據(jù)庫(kù)為檢索平臺(tái)，限定專利類型為已授權(quán)發(fā)明專利，限定地域范圍為江蘇省，限定時(shí)間范圍為2010—2021年共12年。本文將技術(shù)領(lǐng)域限定為人工智能產(chǎn)業(yè)領(lǐng)域，參考清華大學(xué)人工智能研究院出版的《人工智能發(fā)展報(bào)告2011—2020》［3］，篩選出24條關(guān)鍵技術(shù)的國(guó)際專利分類（International Patent Classification，IPC）號(hào)前4位；主體類型限定為高校、企業(yè)、研究院所，將關(guān)鍵詞“大學(xué)”“學(xué)院”“企業(yè)”“集團(tuán)”“公司”“研究院”“研究所”“中心”分別按類別進(jìn)行兩兩組合，得到共計(jì)27種組合作為專利權(quán)人關(guān)鍵詞。對(duì)原始數(shù)據(jù)進(jìn)行人工清洗：第一，專利權(quán)人數(shù)量為2以上的，僅保留兩位專利權(quán)人；第二，合并公司及其子公司、分公司的專利權(quán)人，合并高校及其下屬學(xué)院專利權(quán)人，合并研究所及分所專利權(quán)人；第三，由于UCINET中二次指派程序（Quadratic Assignment Procedure，QAP）分析的容量原因，提取創(chuàng)新績(jī)效大于等于3的85對(duì)主體。

2.2? ?變量測(cè)量

2.2.1? ?被解釋變量

創(chuàng)新績(jī)效（Yit）：參考Lahiri N［4］的研究結(jié)果，本文采用發(fā)明專利共授權(quán)數(shù)作為合作主體的創(chuàng)新績(jī)效。Yit表示節(jié)點(diǎn)i在第t年的發(fā)明專利授權(quán)量。

2.2.2? ?解釋變量

點(diǎn)度中心度（CEa）：點(diǎn)度中心度計(jì)算的是網(wǎng)絡(luò)中與該節(jié)點(diǎn)直接相連的其他節(jié)點(diǎn)的數(shù)量。點(diǎn)度中心度反應(yīng)的是該節(jié)點(diǎn)占據(jù)中心位置的程度。本文采用CEa（i）表示與節(jié)點(diǎn)i相連的所有其他節(jié)點(diǎn)j的數(shù)量，Xij為每一個(gè)與節(jié)點(diǎn)i相連的節(jié)點(diǎn)j。具體計(jì)算方法如公式（1）所示。

（1）

中介中心度（CEb）：中介中心度測(cè)算的是該節(jié)點(diǎn)位于其他兩節(jié)點(diǎn)之間的最短路徑上的概率。本文采用CE2（i）表示節(jié)點(diǎn)i有多大程度位于節(jié)點(diǎn)j和節(jié)點(diǎn)k的最短路徑上，表示經(jīng)過(guò)節(jié)點(diǎn)j和節(jié)點(diǎn)k的i的數(shù)量，表示節(jié)點(diǎn)i和節(jié)點(diǎn)j的所有路徑數(shù)量。具體計(jì)算方法見(jiàn)公式（2）。

（2）

接近中心度（CEc）：接近中心度測(cè)量的是該節(jié)點(diǎn)與網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的最短路徑之和。本文采用CEc（i）表示節(jié)點(diǎn)i與網(wǎng)絡(luò)中n個(gè)節(jié)點(diǎn)的最短路徑之和，為節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的最短距離。具體計(jì)算方法見(jiàn)公式（3）。

（3）

結(jié)構(gòu)洞（SH）：本文選用伯特（Burt）結(jié)構(gòu)洞指數(shù)中的限制度來(lái)測(cè)量結(jié)構(gòu)洞的數(shù)量［5］，Ci表示節(jié)點(diǎn)i在網(wǎng)絡(luò)中受限制指數(shù)大小，Pij表示行動(dòng)者q的全部關(guān)系中，直接投入j與總關(guān)系的占比，表示行動(dòng)者q的全部關(guān)系中，間接投入j與總關(guān)系的占比。同時(shí)借鑒之前的研究，用2減約束系數(shù)Ci表示節(jié)點(diǎn)i的結(jié)構(gòu)洞指標(biāo)大小，具體計(jì)算方法見(jiàn)公式（4）、（5）。

SH=2-Ci（4）

（5）

2.3? ?分析方法

本文對(duì)人工智能合作創(chuàng)新網(wǎng)絡(luò)主體與創(chuàng)新績(jī)效關(guān)系進(jìn)行假設(shè)，并選用QAP分析方法進(jìn)行驗(yàn)證。QAP是一種以重新抽樣為基礎(chǔ)的方法，在社會(huì)網(wǎng)絡(luò)研究中得到了廣泛的應(yīng)用，其研究對(duì)象都是“關(guān)系”數(shù)據(jù)［2］。在常規(guī)的回歸分析中，對(duì)數(shù)據(jù)的前提要求之一是自變量之間必須相互獨(dú)立，否則會(huì)產(chǎn)生共線性問(wèn)題。QAP分析的是矩陣與矩陣之間的關(guān)系，并不要求變量之間相互獨(dú)立，繞開(kāi)了常規(guī)統(tǒng)計(jì)方法需要處理的共線性問(wèn)題。

3? ? ?實(shí)證結(jié)果與分析

3.1? ?QAP相關(guān)分析

本文利用UCIET生成專利授權(quán)量矩陣、點(diǎn)度中心度矩陣、中介中心度矩陣、接近中心度矩陣、結(jié)構(gòu)洞矩陣，將上述矩陣導(dǎo)入U(xiǎn)CINET軟件中進(jìn)行相關(guān)性分析，得到矩陣之間的顯著性水平和相關(guān)系數(shù)，如表1所示。創(chuàng)新績(jī)效與點(diǎn)度中心度、中介中心度、結(jié)構(gòu)洞的相關(guān)關(guān)系在P＜0.05的水平上顯著，相關(guān)系數(shù)分別為0.009 2、0.110 1、0.050 8，說(shuō)明創(chuàng)新績(jī)效與點(diǎn)度中心度、中介中心度、結(jié)構(gòu)洞具有較顯著的正相關(guān)關(guān)系，但相關(guān)程度較弱；創(chuàng)新績(jī)效與接近中心度的相關(guān)關(guān)系在P＜0.01的水平上顯著，相關(guān)系數(shù)為-0.081 4，說(shuō)明創(chuàng)新績(jī)效與接近中心度具有顯著的負(fù)相關(guān)關(guān)系，相關(guān)程度較弱。

從表1同時(shí)可以看出，點(diǎn)度中心度、中介中心度、接近中心度之間呈現(xiàn)顯著的高度正相關(guān)關(guān)系，說(shuō)明這與3個(gè)中心度的定義是吻合的，即位于網(wǎng)絡(luò)中心位置的節(jié)點(diǎn)同時(shí)也更為可能位于其他節(jié)點(diǎn)聯(lián)系的中介位置，與網(wǎng)絡(luò)中的大多數(shù)位置的節(jié)點(diǎn)接近程度更高，位于節(jié)點(diǎn)間中介位置的節(jié)點(diǎn)更有可能與大多數(shù)節(jié)點(diǎn)保持更近的距離。中心度指標(biāo)與結(jié)構(gòu)洞指標(biāo)都呈現(xiàn)顯著的正相關(guān)關(guān)系，可以說(shuō)明占據(jù)結(jié)構(gòu)洞位置越多的主體，更加位于網(wǎng)絡(luò)中心位置，具備更多的“權(quán)力”和資源。在線性回歸中，自變量之間呈現(xiàn)顯著的自相關(guān)性不適合建立回歸模型，但采用QAP仍然可以繼續(xù)進(jìn)行回歸分析，并得到較為準(zhǔn)確的結(jié)果。

3.2? ?MR-QAP回歸分析

將專利授權(quán)量、點(diǎn)度中心度、中介中心度、接近中心度、結(jié)構(gòu)洞指數(shù)導(dǎo)入U(xiǎn)CINET中進(jìn)行回歸分析，結(jié)果如表2所示。P（R2）＜0.05，表明回歸結(jié)果穩(wěn)?。徽{(diào)整后的R2為0.024 5，表明該結(jié)果可以解釋2.45%的變量，雖然該結(jié)果數(shù)值偏低，但處于社會(huì)學(xué)分析可接受范圍。

回歸結(jié)果顯示，中介中心度與創(chuàng)新績(jī)效在P＜0.05的水平上顯著，相關(guān)系數(shù)為0.152 4，說(shuō)明在合作創(chuàng)新網(wǎng)絡(luò)中處于中間位置的節(jié)點(diǎn)起到正向促進(jìn)網(wǎng)絡(luò)信息流通的作用，同時(shí)該位置的節(jié)點(diǎn)也更容易掌控獨(dú)占性資源，促進(jìn)自身創(chuàng)新產(chǎn)出，所以點(diǎn)度中心度對(duì)創(chuàng)新績(jī)效起到正向所用。接近中心度與創(chuàng)新績(jī)效在

P＜0.05的水平上顯著，相關(guān)系數(shù)為-0.116 2，說(shuō)明在合作創(chuàng)新網(wǎng)絡(luò)中與其他大部分節(jié)點(diǎn)距離遠(yuǎn)的節(jié)點(diǎn)創(chuàng)新績(jī)效更低，這類節(jié)點(diǎn)外網(wǎng)絡(luò)結(jié)構(gòu)中往往是孤立節(jié)點(diǎn)或者邊緣網(wǎng)絡(luò)中的節(jié)點(diǎn)，獲取共享資源的能力較低；反之則說(shuō)明某節(jié)點(diǎn)與其他節(jié)點(diǎn)的距離越短，網(wǎng)絡(luò)中的大多數(shù)資源到達(dá)該節(jié)點(diǎn)的速度更快，該節(jié)點(diǎn)的創(chuàng)新效率更高，更容易促使迭代性創(chuàng)新的產(chǎn)出，所以接近中心度對(duì)創(chuàng)新績(jī)效起到負(fù)向作用。結(jié)構(gòu)洞與創(chuàng)新績(jī)效在

P＜0.1的水平上顯著，相關(guān)系數(shù)為0.015 4，說(shuō)明占據(jù)結(jié)構(gòu)洞的主體有獲得周邊節(jié)點(diǎn)的異質(zhì)性信息和實(shí)現(xiàn)資源控制的優(yōu)勢(shì)，從而正向推動(dòng)該主體的創(chuàng)新

產(chǎn)出。

回歸系數(shù)表明點(diǎn)度中心度（P＞0.1）的回歸結(jié)果不顯著，無(wú)法證實(shí)點(diǎn)度中心度和結(jié)構(gòu)洞與創(chuàng)新績(jī)效具備顯著的相關(guān)關(guān)系。猜測(cè)有可能是選取的網(wǎng)絡(luò)數(shù)據(jù)為合作頻次大于等于3的節(jié)點(diǎn)，此時(shí)的網(wǎng)絡(luò)結(jié)構(gòu)較為密集，對(duì)高中心度的節(jié)點(diǎn)創(chuàng)新績(jī)效反而起到限制作用。也有可能是QAP本身所研究的矩陣之間往往存在著實(shí)質(zhì)性同構(gòu)，所以趨向于給出非顯著性的結(jié)果［1］。

從上述QAP和MR-QAP分析中能夠得知，中介中心度、結(jié)構(gòu)洞對(duì)創(chuàng)新績(jī)效具備顯著的正向作用，接近中心度對(duì)創(chuàng)新績(jī)效具備顯著的負(fù)向作用，點(diǎn)度中心度不能成為創(chuàng)新績(jī)效的主要影響因素。

4? ? ?管理啟示

綜上所述，本文對(duì)產(chǎn)學(xué)研合作創(chuàng)新主體提出如下管理啟示。

充分發(fā)揮企業(yè)的橋梁作用，加大高校與企業(yè)的合作力度。要想提高創(chuàng)新績(jī)效，應(yīng)當(dāng)擴(kuò)大核心網(wǎng)絡(luò)的規(guī)模，增加高校與企業(yè)的合作深度與廣度，以便高校的科研成果得到實(shí)際應(yīng)用。企業(yè)也應(yīng)當(dāng)利用中介優(yōu)勢(shì)，連接起更多高校和企業(yè)、科研機(jī)構(gòu)之間的合作關(guān)系；位于邊緣的高校以企業(yè)或者省會(huì)高校為媒介，建立起與中心網(wǎng)絡(luò)的連接，提高整體網(wǎng)絡(luò)的連通性。

發(fā)揮企業(yè)的結(jié)構(gòu)洞優(yōu)勢(shì)，吸納更多產(chǎn)學(xué)研機(jī)構(gòu)加入合作網(wǎng)絡(luò)。通過(guò)實(shí)證分析發(fā)現(xiàn)，結(jié)構(gòu)洞正向影響創(chuàng)新績(jī)效，意味著結(jié)構(gòu)洞指數(shù)高的主體可以快速識(shí)別和篩選需要的信息，提高自身的科技創(chuàng)新水平，并且能夠直接控制結(jié)構(gòu)洞周圍的資源流向，促成與周邊節(jié)點(diǎn)的互利共贏。企業(yè)可以發(fā)揮中介優(yōu)勢(shì)，吸納更多產(chǎn)學(xué)研機(jī)構(gòu)加入合作網(wǎng)絡(luò)，增加網(wǎng)絡(luò)內(nèi)部的連通數(shù)量，增加產(chǎn)學(xué)研主體的合作機(jī)會(huì)，有助于合作創(chuàng)新績(jī)效的進(jìn)一步提升。

主要參考文獻(xiàn)

［1］劉軍.整體網(wǎng)絡(luò)分析 UCINET軟件實(shí)用指南［M］.上海：人民出版社，2019：55.

［2］郭穎，段煒鈺，孟婧，等.中國(guó)科學(xué)院產(chǎn)學(xué)研合作網(wǎng)絡(luò)特征對(duì)其科技成果轉(zhuǎn)化績(jī)效的影響［J］.中國(guó)科技論壇，2022（5）：81-89.

［3］清華-中國(guó)工程院智能聯(lián)合研究中心.人工智能發(fā)展報(bào)告2011-2020［R］.2021.

［4］NANDINI， LAHIRI. Geographic distribution of R&D activity： hou does it affect innovation quality？［J］.Academy of Management Joural，2010（5）：1194-1209.

［5］BURT R S . Structural holes： the social structure of competition［J］. The Economic Journal， 1994（2）：18，55.

［收稿日期］2023-01-08