科技进步与对策

作者：朱晓艳1,朱涛1,周文浩1,林春培1,2

单位：（1.华侨大学 工商管理学院；2.华侨大学 商务管理研究中心，福建 泉州 362021）

关键词：数字创新网络;数字创新绩效;特征组合;机器学习;合作强度

基金：国家自然科学基金面上项目（71974059）；教育部人文社会科学研究一般项目（23YJA630124）；福建省社会科学基金重点项目（FJ2024A023）；福建省社会科学基金项目（FJ2023BF029）

构建数字创新网络已成为制造业企业提升数字创新绩效的重要途径，以社会网络理论和结构洞理论为基础，基于1985—2022年国家知识产权局专利数据库中的14631条数字专利信息，采用社区发现算法刻画数字创新网络，运用K-means聚类算法将这些网络划分为不同类型，并利用CART决策树算法挖掘不同类型数字创新网络特征与企业数字创新绩效之间的复杂非对称关系。研究发现：①共有4种不同类型的数字创新网络，即边缘探索型、核心枢纽型、稳健合作型和紧密协作型，不同类型数字创新网络因结构多样化展现出显著的数字创新绩效差异，即核心枢纽型高数字创新绩效占比最高，边缘探索型高数字创新绩效占比最低；②差异化网络特征配置能使企业获得不同水平的数字创新绩效，呈现出“同途异策，成效迥异”特征，但合作强度具有普适性，是影响不同类型数字创新网络形成差异化数字创新绩效的核心因素；③边缘探索型主要由“低合作强度—高中介中心性”特征驱动，核心枢纽型主要以“高合作强度”为核心驱动力，稳健合作型主要由“合作强度适中—高聚集系数”特征驱动，紧密协作型主要由“合作强度适中—度中心性高”特征驱动。研究结论可为我国传统制造业企业根据自身特点优化数字创新网络结构以及达成高数字创新绩效目标提供新路径与实践工具。

来源：2025年第21期

《科技进步与对策》期刊编辑部

查看科技进步与对策杂志2025年第21期