要点总结 #
研究背景与问题：企业在新技术合作中面临高度不确定性，中介者（如知识经纪人）在减少技术不确定性方面发挥重要作用。然而，中介者也可能出于竞争动机阻止合作。本研究通过分析癌症治疗行业中的研发合作，探讨了中介者如何影响新兴技术网络的形成。研究发现，中介者在现有技术网络中的位置显著影响新兴技术网络的演化。
方法论与贡献：研究采用纵向数据和社会网络分析方法，结合随机行动者导向模型（SAOM），分析了单工和复式技术闭合对新兴技术网络的影响。结果表明，中介者在现有技术网络中的合作倾向会促进新兴技术网络中的合作，但当涉及不对称的技术专长时，中介者会阻止合作以保持竞争优势。研究提出了“复式技术闭合”概念，揭示了跨技术网络的复杂动态。
关键要点 #
论文重要性 #
研究价值：本研究揭示了中介者在跨技术合作中的双重角色，既促进合作以减少不确定性，又阻止合作以保持竞争优势。这一发现对理解创新网络的演化具有重要意义，尤其是在新兴技术领域。研究还提出了“复式技术闭合”概念，为未来研究跨技术网络的动态提供了新的视角。未来研究方向可以进一步探讨技术突破对网络结构的影响，以及不同技术社区之间的合作与竞争关系。
图表分析 #
单工与多工技术闭合 #
🔼 该图表展示了两种技术闭合模式：单工闭合（Uniplex Closure）和多工闭合（Multiplex Closure）。
A部分：单工闭合
- 定义：在同一技术网络内，开放的传递性三元组在时间 t0 形成，并在时间 t1 闭合。
- 结构：图中显示了一个由三个节点构成的网络：一个“Broker”（经纪人）节点，一个“Client”（客户）节点和一个“R&D firm”（研发公司）节点。在时间 t0，经纪人分别与客户和研发公司建立连接，形成一个开放的三元组。在时间 t1，客户与研发公司之间建立连接，完成三元组的闭合。所有的连接都发生在“Emergent technology”（新兴技术）的网络内。
- 时间轴：图表分为两个时间点 t0 和 t1，显示了网络结构的演变。
B部分：多工闭合
- 定义：在不同技术网络之间，开放的传递性三元组在时间 t0 形成，并在时间 t1 闭合。
- 结构：与 A 部分类似，B 部分也显示了一个由经纪人、客户和研发公司构成的三元组。然而，在时间 t0，经纪人与客户和研发公司的连接发生在“Incumbent technology”（现有技术）的网络内。在时间 t1，客户与研发公司之间在新兴技术网络内建立连接，完成三元组闭合。这形成了一个跨越不同技术网络的三元组。
- 虚线：图中的虚线表示在不同技术网络之间形成的连接，突出了多工闭合的跨技术特性。
总体解读
- 技术网络：图表强调了技术网络的概念，区分了新兴技术和现有技术，并在不同技术网络内展示了网络结构的变化。
- 经纪人角色：经纪人在图表中处于中心地位，是连接不同节点和技术的关键角色。经纪人通过连接不同的参与者，促进了三元组的闭合，从而影响了技术网络的发展。
- 时间维度：图表展示了网络结构在时间上的动态变化，突出了网络演化的过程。
- 对比：通过对比 A 部分和 B 部分，图表清晰地展示了单工闭合和多工闭合的区别。单工闭合发生在同一技术网络内部，而多工闭合则跨越了不同的技术网络。
- 创新网络：该图表阐述了在创新网络中，技术经纪人如何通过不同形式的连接促进或阻止创新合作，强调了技术网络结构在创新过程中的重要性。
总而言之，该图表清晰地阐释了技术网络中的两种闭合模式，突显了经纪人角色以及不同技术网络在创新合作中的作用。这两种模式在不同的技术和时间背景下会产生不同的影响，对理解创新网络的演变至关重要。图表为研究技术创新和网络结构提供了重要的理论框架。
更多图表分析
不对称专业知识的边界跨越式闭合 #
🔼 该图描绘了在技术创新网络中，当一家公司（“Broker”）作为中间人，连接两个在不同技术领域（分别是“Incumbent technology”和“Emergent technology”）的合作伙伴时，如何进行知识和资源的流动。图中，t0时刻展示了中间人与两个合作伙伴的现有关系，而在t1时刻，描绘了在新兴技术领域中，中间人的两个伙伴形成新连接的可能性。图中椭圆形代表参与者，实线箭头表示现有合作关系，虚线箭头表示潜在的新连接。
在t0时刻，中间人（Broker）与两个合作伙伴（Client 和 R&D firm）分别在成熟技术（Incumbent technology）领域建立了合作关系。其中，“Client”被标记为“Novice”（新手），而“R&D firm”被标记为“Expert”（专家），表示两者在新兴技术（Emergent technology）领域的专业知识存在不对称。这种不对称是该图的核心。
在t1时刻，中间人的两个合作伙伴转向新兴技术领域（Emergent technology）。图示中，Client（Novice）和R&D firm（Expert）之间建立了一条实线连接，表明他们在这一领域达成了直接合作。然而，从t0到t1的转变并非没有中间人的影响。图中虚线箭头表示，中间人并非总是促成这种合作，特别是在一个合作伙伴是新兴技术专家（Expert）的情况下。这反映了中间人可能存在的“守门人”角色，即在某些情况下，中间人可能为了维护自身在知识获取方面的优势，而阻止两个合作伙伴直接合作。如果中间人同时也是成熟技术的专家，并且在新兴技术方面仅仅处于新手状态，中间人会更倾向于帮助两个伙伴连接，从而促进新兴技术的发展。
总体而言，此图展示了中间人在技术创新网络中的复杂角色。他们既可以促进合作，加速知识流动，又可能出于自身利益考虑而限制信息的自由传递。这种动态变化揭示了在技术发展过程中，不同参与者在知识获取、竞争和合作之间的微妙平衡。图中的“不对称专业知识的边界跨越式闭合”概念强调了，当合作伙伴的专业知识水平存在显著差异时，中间人的角色和行为会如何变化，特别是在新兴技术领域。
SAOM模型结果 #
🔼 该表格展示了使用随机行动者导向模型（SAOM）分析得出的结果，用于研究在癌症治疗领域，企业在单克隆抗体（mAbs）和小分子技术这两种技术网络中形成的合作关系。表格分为三个模型，每个模型都列出了各种变量的系数（β）、标准误差（SE）和收敛比（T-ratio），这些变量旨在解释网络中企业之间合作关系演变的原因。模型一包含了一系列基础控制变量，如节点中心性、地理距离、技术相似性、专利数量、知识质量、发明者数量、FDA批准药物、临床试验联盟等，这些变量有助于理解企业在技术网络中的吸引力。模型二引入了“网络内单向闭合”（Within-network uniplex closure）变量，检验在mAbs技术网络中，如果两个公司与同一第三方有合作关系，是否更倾向于形成新的合作。模型三进一步增加了“跨网络多重闭合”（Cross-network multiplex closure）和“mAbs专业知识边界跨越闭合”（mAbs expertise boundary-spanning closure）变量，从而考察在小分子和mAbs技术网络之间，当企业具有不同的专业知识时，第三方中介会如何影响企业之间的合作。模型的关键发现包括：首先，模型一表明，在mAbs和sm网络中，企业倾向于与拥有更多专利、更高质量知识、更多发明者以及更多FDA批准药物的合作伙伴建立联系。其次，模型二证实了假设一，即在mAbs网络中，拥有共同第三方合作者的公司更倾向于形成新的合作关系，这表明网络内的关系在促进合作方面发挥着作用。第三，模型三支持了假设二和假设三，即在小分子网络中共享合作者的公司也更有可能在mAbs网络中建立合作关系，然而，如果其中一个公司在mAbs技术方面具有明显优势，第三方往往会阻止这种合作，这显示了竞争性考量在网络中的影响。此外，表格还包含了总体模型收敛比，所有模型的收敛比均低于0.25，表明模型的拟合度良好，分析结果可靠。整体而言，这些结果支持了文章的核心论点，即企业在不同技术网络中的合作行为会受到技术专业知识和竞争考虑的影响。
SAOM拟合优度图 #
🔼 该图为SAOM（随机行动者导向模型）拟合优度图，用于评估模型对实际网络数据的拟合程度。该图包含四个子图，分别展示了入度分布、出度分布以及三元组普查的拟合情况。入度分布图显示了网络中节点的入度（指向该节点的连接数）分布情况。横轴表示入度值，纵轴表示具有该入度值的节点数量。图中的小提琴图表示模型模拟结果的分布，实线表示实际数据中的入度分布，从图中可以看出，模型的模拟结果分布与实际数据较为一致，p值为0.147，表明模型在入度分布方面的拟合度良好。出度分布图则展示了网络中节点的出度（从该节点发出的连接数）分布。同样，小提琴图表示模拟分布，实线表示实际分布，p值为0.086，表明模型在出度分布方面也具有较好的拟合度。三元组普查图展示了不同类型的三元组（三个节点之间的连接模式）在网络中出现的次数。该图显示了各类三元组的统计数据，p值为0.158，说明模型在三元组的拟合方面表现良好。此外，还有一个详细视图图表，展示了特定类型三元组的拟合情况，其中021U 和 021C的拟合度较好，而021D的拟合度较差。这些图表一起，综合评估了SAOM模型在多个网络结构指标上的表现，以确保模型能够充分捕获数据中的主要模式。总体而言，该图表明该模型较好地拟合了实际的癌症治疗研发合作网络数据，为后续的统计推断提供了可靠的基础。对三元组普查的详细视图表明，尽管对于某些三元组类型（如 021D）的拟合度较差，但该模型仍然能够充分地捕捉网络结构特征，因此整体上是有效的。
深度解读 #
技术网络演化 #
本论文探讨了现有技术网络与新兴技术网络之间的相互作用，特别是在技术创新中的合作与竞争关系。研究表明，知识中介（brokers）在促进或阻止跨技术网络的合作中扮演了关键角色。现有技术网络中的合作关系会显著影响新兴技术网络中的合作形成。具体而言，当企业通过现有技术网络中的共同第三方建立联系时，它们更有可能在新兴技术网络中形成合作关系（即tertius iungens，第三方促成合作）。然而，当中介在新兴技术中拥有独特的专业知识时，它们倾向于阻止这种跨网络的合作（即tertius gaudens，第三方阻止合作），以保持其竞争优势。这种动态关系揭示了技术不确定性和竞争激励之间的张力，尤其是在新兴技术的早期发展阶段。
多重技术闭合 #
论文提出了多重技术闭合（multiplex technology closure）的概念，即企业通过现有技术和新兴技术之间的合作关系形成三元结构。研究发现，现有技术网络中的合作关系会促进新兴技术网络中的合作形成，尤其是在企业通过共同的中介建立联系时。然而，当企业在新兴技术中的专业知识不对称时，中介更倾向于阻止这种跨网络的合作，以保持其对新兴技术的控制权。这种机制揭示了技术网络演化中的复杂动态，尤其是在多个技术共存的情况下。多重技术闭合不仅影响了新兴技术网络的结构，还揭示了中介在跨技术合作中的双重角色：既可以是合作的推动者，也可以是竞争的维护者。
中介的竞争激励 #
论文深入分析了知识中介在技术创新网络中的竞争激励。中介在跨技术合作中面临合作与竞争的双重张力。一方面，中介可以通过促成合作来减少技术不确定性（tertius iungens）；另一方面，中介也可能通过阻止合作来保持其竞争优势（tertius gaudens）。研究发现，当中介在新兴技术中拥有独特的专业知识时，它们更倾向于阻止跨网络的合作，以防止其他企业获取这些知识。这种竞争激励在癌症治疗行业中尤为明显，尤其是在单克隆抗体（mAbs）等新兴技术的开发过程中。中介的这种行为不仅影响了新兴技术网络的结构，还揭示了技术创新中的权力动态。
技术不确定性 #
论文强调了技术不确定性在跨技术合作中的核心作用。新兴技术的开发通常伴随着高度的技术不确定性，这使得企业在合作中更加依赖知识中介来减少风险。研究发现，中介在减少技术不确定性方面发挥了重要作用，尤其是在新兴技术的早期阶段。然而，随着技术的成熟，中介的竞争激励逐渐增强，尤其是在它们拥有独特的新兴技术知识时。这种动态关系揭示了技术不确定性与竞争激励之间的复杂平衡，尤其是在多个技术共存的情况下。未来的研究可以进一步探讨技术不确定性如何影响不同技术网络之间的合作与竞争。
未来研究方向 #
论文提出了多个未来研究方向，特别是在技术网络共演化和中介角色方面。首先，未来的研究可以进一步探讨现有技术网络与新兴技术网络之间的双向影响，尤其是在技术突破（如CRISPR-Cas基因编辑技术）成为新标准的情况下。其次，研究可以深入分析技术社区中的多重技术闭合机制，尤其是在不同技术社区之间的合作与竞争中。此外，未来的研究还可以探讨技术不确定性如何影响中介的行为，尤其是在新兴技术的早期发展阶段。这些研究方向将有助于更好地理解技术创新网络中的复杂动态，并为企业的合作策略提供新的理论支持。
完整论文 #
