ارائه چارچوبی برای تحلیل ظرفیت جذب خوشه های نوآوری با رویکرد SNA (مطالعه موردی: ناحیه نوآوری دانشگاه صنعتی شریف)

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 24

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IMJT-16-1_004

تاریخ نمایه سازی: 12 تیر 1403

Abstract:

هدف: ارزیابی جایگاه دانشی و مدل ظرفیت جذب شرکت ها در خوشه های نوآورانه، جریان دانشی را برای دستیابی به عملکرد نوآورانه شفاف و تسهیل می کند. در همین راستا، اهمیت خوشه های نوآوری در چرخه اقتصاد جهانی در صنایع مختلف، در ایران حائز اهمیت است. دانشگاه صنعتی شریف، به واسطه جایگاه علمی و دسترسی به منابع دانشی، در زمینه استقرار خوشه های نوآوری بستر مناسبی دارد؛ زیرا نزدیکی به صنایع مختلف و کارخانجات آن ها از یک سو و جذب و پرورش خبرگان کشوری از سوی دیگر، جایگاه ویژه ای به آن می دهد، همچنین بستر را برای جریان دانش بین حوزه های دانشی و حوزه های کسب وکاری فراهم می کند. روش: بر اساس آنچه بیان شد، دانشگاه صنعتی شریف جزء پیشگامان ایجاد بستر خوشه برای استارتاپ ها و شتاب دهنده هاست. همچنین با توجه به مطالعات روز این حوزه، رشد خوشه های نوآوری، جزء سیاست های جاری در کشورهای مختلف است. در این مقاله متغیر اصلی، سنجش ظرفیت جریان دانش و توان بهره مندی واحدها از دانش های موجود و سرریز شده در سطح خوشه هاست که با توجه به رویکرد نوآورانه محورشان، لاجرم دانش برای آن ها اصلی ترین ورودی است. با توجه به همین موارد، بررسی همه حوزه های دانشی و کسب وکاری فعال در خوشه، به ارزیابی نیاز دارد؛ از این رو روش تحقیق در این پژوهش، تحلیل شبکه اجتماعی است که گراف روابط با رویکردهای مختلف را برای ارزیابی جریان دانشی ارائه می دهد. هرچند تاکنون تحلیل ظرفیت جذب بیشتر، بر حوزه شرکت ها متمرکز بوده است و صرف نظر از بستر جغرافیایی و ارتباطات دانشی خارج از سازمانی که شرکت داشته، تحلیل و بررسی شده است که در این نگاه، نقش بیرونی شرکت چندان در کانون توجه قرار نمی گرفت و همین موضوع، به نادیده گرفته شدن اثرگذاری و اثرپذیری دانشی هر سازمان نیز منجر می شد. یافته ها: در این مقاله به بررسی جایگاه شناختی و نقش حوزه های فناوری ناحیه نوآوری دانشگاه صنعتی شریف، در حوزه ارتباطات دانشی می پردازیم و با شناسایی و استخراج نقش هر حوزه در خوشه نوآوری، از روش تحلیل شبکه اجتماعی (SNA)، ظرفیت جذب و مدل های ارتباطات دانشی بین حوزه های فناوری در داخل خوشه را مدنظر و بررسی می کنیم. از آنجایی که بهبود ظرفیت جذب حوزه های فناوری، به ارتقای سطح عملکرد نوآورانه آن ها منجر می شود، شناسایی و بهبود جریان دانشی در بین حوزه های فناوری امری مهم در بهبود بستر نوآورانه خوشه های نوآوری است. در این پژوهش به بررسی وضع موجود ابعاد ظرفیت جذب (اکتساب، تطبیق، انتقال و بهره برداری) در درون خوشه نوآوری و وضعیت این ابعاد در سطح بیرونی آن پرداخته شده است. این بررسی از طریق شناسایی و استخراج جایگاه شناختی هر حوزه فناوری در داخل خوشه که براساس ارتباطات دانشی ورودی به خروجی از هر حوزه شناسایی می شود و نوع ارتباطات و تعاملات دانشی با خارج از خوشه که به شکل گیری نقش های دروازه بان فناوری، ستاره ها و ایزوله ها منجر می شود، انجام شده است. نتیجه گیری: از طریق روش تحلیل شبکه اجتماعی و محاسبه درجه ورودی و خروجی دانش و درجه بینابینی، با استخراج نقش هر حوزه فناوری در داخل و خارج از خوشه، مدل ظرفیت جذب آن شناسایی شد و با بهره مندی از نظر خبرگان و مستندات مندرج در ادبیات موضوع، راه کارهای ارتقای شبکه دانشی شناسایی و طی سازوکار گذار برای بهبود شرایط ارائه می شود.

Authors

مهدی محمدی

دانشیار، گروه مدیریت فناوری و نوآوری، دانشکدگان مدیریت، دانشگاه تهران ، تهران، ایران.

مهدی الیاسی

دانشیار، گروه مدیریت فناوری و نوآوری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

آزاده ساوه شمشکی

دانشجوی دکتری، گروه مدیریت فناوری و نوآوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • حسینی، سیده مطهره و اقدسی، محمد (۱۴۰۲). مقایسه ساختار رسمی ...
  • معطوفی، علی؛ تاجدینی، کیهان؛ آقاجانی، حسنعلی و تاجدینی، کیوان (۱۳۸۹). ...
  • Axelrod, R. (۱۹۹۷). The Complexity of Cooperation: Agent-Based Models of ...
  • Capello, R. & Faggian, A. (۲۰۰۵). Collective learning and relational ...
  • Dantas, E. & Bell, M. (۲۰۰۹). Latecomer firms and the ...
  • Dawid, H., & Fagiolo, G. (۲۰۰۸). Agent-based models for economic ...
  • Gilbert, N., Ahrweiler, P. & Pyka, A. (۲۰۰۷). Learning in ...
  • Gilbert, N., Ahrweiler, P. & Pyka, A. (Eds.). (۲۰۱۴). Simulating knowledge ...
  • Giuliani, E. & Bell, M. (۲۰۰۵). The micro-determinants of meso-level ...
  • Giuliani, E. (۲۰۰۳). Cluster Absorptive Capacity: a comparative study between ...
  • Giuliani, E. (۲۰۰۳, January). Knowledge in the Air and its ...
  • Giuliani, E. (۲۰۰۷). The selective nature of knowledge networks in ...
  • Hosseini, S. M. & Aghdasi, M. (۲۰۲۳). Comparison of Formal ...
  • Jaffe, A. B. (۱۹۸۹). Real effects of academic research. The American ...
  • Jaffe, A. B., Trajtenberg, M. & Henderson, R. (۱۹۹۳). Geographic ...
  • Keeble, D., & Wilkinson, F. (۱۹۹۹). Collective learning and knowledge ...
  • Korber, M. & Paier, M. (۲۰۱۱). Exploring the effects of ...
  • Lichtenthaler, U. & Lichtenthaler, E. (۲۰۰۹). A capability-based framework for ...
  • Matofi, A., Tajdini, K., Aghajani, H.A. & Tajdini, K. (۲۰۱۱). ...
  • (in Persian ...
  • Zahra, S. A. & George, G. (۲۰۰۲). Absorptive capacity: A ...
  • نمایش کامل مراجع