共查询到19条相似文献，搜索用时 57 毫秒
1.
不同网络嵌入方式对企业创新绩效的影响是存在显著差异的。构建了网络嵌入、学习能力和技术创新绩效之间的理论模型,通过运用结构方程模型对广东省高新技术与民营科技型企业为样本的问卷调查数据进行实证分析。研究结果表明:(1)网络结构嵌入对技术创新绩效没有直接的显著影响,也无法通过学习能力的中介对其产生间接的影响作用;(2)网络关系嵌入对技术创新绩效不仅有直接显著的正向影响,而且还能通过学习能力的部分中介作用对技术创新绩效起到显著的正向影响;(3)在小规模企业中,网络密度对于技术创新绩效的作用并不显著。研究结论进一步深化了技术创新理论,对企业技术创新的提升有一定指导意义。 相似文献
2.
针对中小企业技术创新难题,从技术联盟网络嵌入性的视角出发,构建不同网络关系嵌入主体对中小企业技术创新绩效影响的概念模型,探讨了不同关系嵌入主体、组织间学习能力和技术创新绩效的内在关系和影响机理,并利用239份中小企业有效样本数据进行实证分析。结果表明:商业网络关系嵌入、技术网络关系嵌入和政府网络关系嵌入均对技术创新绩效产生了显著的正向影响;组织间学习能力在商业网络关系嵌入、政府网络关系嵌入与技术创新绩效间起到完全中介的作用,而在技术网络关系嵌入与技术创新绩效间起到部分中介的作用。 相似文献
3.
关系嵌入性对技术创新绩效作用机制案例研究 总被引：1，自引：0，他引：1
为了探究关系嵌入性对企业技术创新绩效的作用规律,促进中国本土制造企业整合利用网络资源,提升学习能力与创新水平,文章围绕“关系嵌入性如何影响技术创新绩效”这一基本问题进行了实证研究。在理论预设基础上,通过对 5个中国制造企业的案例内分析与案例间分析,探讨和考察了关系嵌入性如何通过影响企业的探索型学习进而影响其技术创新绩效,并由此提出了10个命题,构建了关系嵌入性影响企业技术创新绩效的理论框架。研究发现,全球制造网络中的企业间信任、信息共享与共同解决问题能通过促进企业的新知识获取和新知识利用,进而提升企业的技术创新绩效。 相似文献
4.
5.
在创业领域,新创企业成长与网络之间的关系是学术界和企业界关注的热点问题。结合网络理论和资源观,本文构建了网络嵌入、创业导向与新创企业绩效的概念模型,通过问卷调查和结构方程模型分析,结果发现网络的关系性嵌入、结构性嵌入和认知性嵌入都有利于改进新创企业绩效,但其作用程度依次降低;创业导向与创业绩效正相关,并在结构性、关系性网络嵌入与绩效之间起着中介作用,而没有中介认知性网络嵌入对创业绩效的促进作用。 相似文献
6.
制药企业技术创新战略网络中的关系性嵌入 总被引：5，自引：2，他引：5
战略网络对企业的行为和绩效有重要的影响,企业在战略网络中的关系主要由嵌入关系构成。学术界对于企业间究竟应形成何种强度的联系并未达成共识,且对特定产业中的企业间关系性嵌入鲜有研究。本文对我国制药企业技术创新战略网络中的不同合作形式进行了关系性嵌入分析。提出企业选择合作形式的方向是与网络成员形成较强的关系性嵌入,制药企业应从深化已有联系和逐步结成较强联系两方面提升关系性嵌入程度。 相似文献
7.
基于企业网络和知识资源的理论,以创业企业为研究对象,对长三角267个创业企业进行实证研究,深入探讨网络嵌入、知识整合与创新绩效的相互影响,认为创业企业的网络嵌入性有利于知识整合与创新绩效的提升,同时,知识管理的创新也将极大地优化企业的创新策略。 相似文献
8.
9.
对网络嵌入作用的主流研究中,具有越来越注重情境化的趋势.以原生型集群企业为研究对象,考察了其嵌入的两种重要网络类型:商业网络和技术网络,并将企业规模的差异作为重要的情境变量,纳入到分析网络关系强度对企业创新能力作用的研究中.通过实证分析发现,集群内外的商业网络和技术网络的关系强度,对集群内大企业和中小企业的探索性和利用性创新的作用具有显著差异,在作用方向和程度上亦有明显区别. 相似文献
10.
基于对相关理论的梳理,构建关系嵌入、知识获取和技术创新绩效之间的理论研究框架,以189家企业为样本,运用结构方程模型探讨关系嵌入、知识获取和技术创新绩效之间的关系。结果显示,关系嵌入对知识获取有显著的正向影响;关系强度对技术创新绩效有显著的影响,但关系质量对技术创新绩效没有明显的作用;知识获取在关系嵌入和技术创新绩效之间有完全中介作用;知识获取对技术创新绩效有显著的正向影响。 相似文献
11.
嵌入式创新是科技型创业企业和平台企业实现双方优势互补的新型合作范式。大量的实践表明:嵌入式创新有助于科技型创业企业将科技转化为生产力,同时平台企业也可以借助科技型创业企业的创新能力占据优势,进而达成双方共赢的互利互惠发展模式。本研究在阐述嵌入式创新范式的产生背景和路径的基础上,结合具体的案例,着重从知识嵌入、资源嵌入、跨组织嵌入、技术嵌入四个不同视域探索嵌入式创新范式的基本内涵与实践路径。基于此,进一步从价值的统一性、资源的归属性以及主从关系的确定性等解析嵌入式创新在实施过程中面临的现实挑战。最后,指出嵌入式创新范式未来研究的变革趋势。 相似文献
12.
13.
企业对创新资源的关注点已从内生转向外生,从外部环境获取创新资源成为提高创新绩效的重要途径。基于嵌入理论与新制度理论,采用验证性因子分析与多元层级回归等方法对网络嵌入与创新绩效的关系进行理论探讨与实证检验,并试图揭示组织合法性的调节作用。研究发现,结构嵌入比关系嵌入更能促进企业创新绩效;市场合法性正向调节关系嵌入与创新绩效的关系,政治合法性正向调节结构嵌入与创新绩效的关系。本文在为企业获取创新资源,提高创新绩效探明新的途径的同时,还进一步完善嵌入理论与新制度理论,为后续研究提供参考依据。 相似文献
14.
网络和媒体两类社交媒体应用对提升众包个体知识贡献意愿发挥着不同功能,本文基于嵌入理论和卷入理论,探讨众包个体嵌入、卷入与其知识贡献意愿之间的关系。通过结构方程模型和最优尺度回归方法对389份来自我国众包虚拟社区的有效数据进行分析,结果表明:众包个体的网络嵌入和媒体嵌入都对其知识贡献意愿有正向影响,网络嵌入通过个体卷入(企业卷入和社群卷入)对知识贡献意愿产生正向影响,而媒体嵌入对知识贡献意愿的影响存在直接效应和间接效应,既可以直接影响,也可以通过个体卷入间接发挥效应。 相似文献
15.
运用统计软件UC INET6.0和SPSS16.0,探索了新员工的关系网嵌入属性对组织适应的影响。研究发现:信息网嵌入的密度和强度与组织知识的习得负相关,对任务掌握和角色澄清却有显著的正向影响,就组织知识的习得而言,同时也被发现与信息网嵌入的规模和网络距存有正向关联;高密度、强联结的友谊网嵌入显著预测了新员工的社会性整合,该网络嵌入的范围和位势也被证实与新员工的组织承诺存有正向联系。 相似文献
16.
提出一种面向决策树目标路径编码的相空间嵌入维计算优化算法。构建云平台环境下的数据交互节点拓扑模型,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能,然后采用决策树目标路径编码方案,在给定带宽约束和量化阈值的情况下,对决策树目标路径编码的相空间嵌入维数据进行自适应的量化分解,以实现对决策树目标路径编码的相空间嵌入维的准确估计,降低误码率。仿真结果表明,该算法能准确估计相空间嵌入维,提高估计精度,能有效降低误码率,提高数据动态交互通信的准确性,信号保真度较高。展示了其优越性和较好的应用价值。 相似文献
17.
《Information processing & management》2023,60(5):103456
To achieve personalized recommendations, the recommender system selects the items that users may like by learning the collected user–item interaction data. However, the acquisition and use of data usually form a feedback loop, which leads to recommender systems suffering from popularity bias. To solve this problem, we propose a novel dual disentanglement of user–item interaction for recommendation with causal embedding (DDCE). Different from the existing work, our innovation is we take into account double-end popularity bias from the user-side and the item-side. Firstly, we perform a causal analysis of the reasons for user–item interaction and obtain the causal embedding representation of each part according to the analysis results. Secondly, on the item-side, we consider the influence of item attributes on popularity to improve the reliability of the item popularity. Then, on the user-side, we consider the effect of the time series when obtaining users’ interest. We model the contrastive learning task to disentangle users’ long–short-term interests, which avoids the bias of long–short-term interests overlapping, and use the attention mechanism to realize the dynamic integration of users’ long–short-term interests. Finally, we realize the disentanglement of user–item interaction reasons by decoupling user interest and item popularity. We experiment on two real-world datasets (Douban Movie and KuaiRec) to verify the significance of DDCE, the average improvement of DDCE in three evaluation metrics (NDCG, HR, and Recall) compared to the state-of-the-art model are 5.1106% and 4.1277% (MF as the backbone), 3.8256% and 3.2790% (LightGCN as the backbone), respectively. 相似文献
18.
互联网嵌入对创业团队资源获取行为的影响研究——创业学习的中介作用 总被引：1，自引：0，他引：1
随着互联网的快速发展与广泛运用,越来越多的创业者通过互联网展开创业活动。本文借鉴俞函斐提出的互联网嵌入的概念,旨在研究互联网嵌入对创业团队资源获取的影响,并验证创业学习是否在互联网嵌入与创业学习间存在中介作用。互联网嵌入用于考察个体与互联网之间的关系,个体应用互联网的频率越多越是有更多机会接收创业相关情报信息,并通过创业学习进一步促进创业团队对资源的获取,本研究证实了互联网嵌入、创业学习与资源获取三者之间的这种关系。 相似文献
19.
《Information processing & management》2022,59(5):103044
Dictionary-based classifiers are an essential group of approaches in the field of time series classification. Their distinctive characteristic is that they transform time series into segments made of symbols (words) and then classify time series using these words. Dictionary-based approaches are suitable for datasets containing time series of unequal length. The prevalence of dictionary-based methods inspired the research in this paper. We propose a new dictionary-based classifier called SAFE. The new approach transforms the raw numeric data into a symbolic representation using the Simple Symbolic Aggregate approXimation (SAX) method. We then partition the symbolic time series into a sequence of words. Then we employ the word embedding neural model known in Natural Language Processing to train the classifying mechanism. The proposed scheme was applied to classify 30 benchmark datasets and compared with a range of state-of-the-art time series classifiers. The name SAFE comes from our observation that this method is safe to use. Empirical experiments have shown that SAFE gives excellent results: it is always in the top 5%–10% when we rank the classification accuracy of state-of-the-art algorithms for various datasets. Our method ranks third in the list of state-of-the-art dictionary-based approaches (after the WEASEL and BOSS methods). 相似文献