行业产业协同创新中心知识扩散网络演化特征与影响因素研究*
● 董媛媛，卢斌斌
(哈尔滨理工大学经济与管理学院，黑龙江 哈尔滨 150080)
摘 要： [目的/意义]知识扩散作为知识创新的关键环节，对企业实现科技创新具有重要作用，通过高校、企业及科研机构间知识的有效扩散有助于企业将科技成果转化成产品技术。[方法/过程]以教育部认定的15家行业产业类协同创新中心为实例，利用社会网络分析方法，构建协同创新中心知识扩散模型，揭示知识在协同创新中心网络中的扩散规律。[结果/结论]知识协同度对知识扩散效率具有显著性影响作用，协同度越高，知识扩散的效率越高；协同创新中心知识扩散网络平均路径越短，知识扩散的速度越快；协同创新中心知识扩散网络是一个非均匀网络，节点中心度的大小影响协同创新中心网络的稳定性和知识扩散均匀度。
关键词： 知识协同；协同创新；知识扩散；社会网络分析；影响因素
21世纪是知识经济快速发展的时代，对知识的发现、获取、融合以及创新环节的有效管理是国家创新驱动发展的重要基础。在中共十九大会议报告中提出，我国要实施科技创新驱动，需要鼓励科技协同创新，打破部门、行业间的壁垒。因此，作为知识源的高校在协同创新的地位越来越重要，而高校的创新成果直接影响协同创新的知识产出。为了推动技术创新和知识创新的融合，教育部分两批共认定了38所国家级协同创新中心，其中属于行业产业类协同创新中心为15家。行业产业的协同创新中心成立的宗旨是通过高校与科研院所，特别是与大型骨干企业的联合，加强我国行业产业发展的核心共性技术研发和扩散。协同创新中心的建立促进了高校、科研院所、企业之间的知识的交流，为知识资源共享提供了有效的对接渠道，提高了知识创新的效率、推动了科技成果转化[1]。同时，协同创新中心成立增加了成员间学习的机会，减少了成员学习成本，提高了知识竞争优势。陈劲等(2012)提出协同创新的功能不仅是发挥高校、科研机构、企业、中介的各自优势，更重要的是要实现优势互补，通过知识扩散的功能来填补各个主体的知识缺口，达到知识增值的目的[2]。
Brookings：美国经济活力持续下降。6月13日，美智库布鲁金斯学会（Brookings）发文称，近年来美国市场活力下降，资源分配日趋集中，主要表现在：第一，1979年，美国各产业新兴企业占比约为11%—18%，2014年下降至4%—9%。第二，运营十年及以下企业雇佣的员工总数占劳动力市场的比重较上世纪末大幅降低。第三，受过大学高等教育的企业员工进入高管层的几率大幅下降。同时，美国最大型企业的市场占比大幅提高，盈利能力急剧提升。这使得初创企业更难走上正轨，市场竞争进一步减弱。
目前，学者对协同创新网络知识扩散研究主要以产业集群为主要选择对象，集中对主体特性、网络连接客体属性(崔永华等[3]，2011)、网络强度及密度影响网络绩效(高少冲等[4]，2018)、网络机制(刘丹等[5]，2013)进行研究。尽管现阶段对知识扩散研究内容已经较为丰富，但目前研究中依然有一定的局限性：①对于知识扩散研究对象大多为集群企业等单一主体，较少以协同创新中心作为载体研究知识扩散效应。②选用社会网络分析法分析知识扩散的效率，学者多采用集聚系数、中心度等指标反映扩散效果，往往忽视了知识协同度对于知识扩散的影响。嵌入在网络内部的高校、研究所及企业通过联结多节点的路径，促进了知识的传递，加大了隐性知识的转换，从而放大了组织的协同效应。③对于协同创新网络研究，学者多运用合著论文揭示合作情况，鲜有学者采用合著论文和发明专利相结合测度合作效果。
在住院期间，有次刘德平教授到医院去做《中医药糖尿病调理与治疗推广》学术报告会，杨金忠和张文喜两位糖友也去听了报告。听完刘德平教授的报告之后，杨金忠说：“西药吃了这么多年，也没有治好自己的糖尿病，而且药越吃越多，血糖越来越高，糖尿病越来越重，我不能再等了，不能一条道走到黑！中医博大精深，我一定要试试刘德平教授的桑叶苦瓜糖果压片，万一能调理好呢！”但张文喜却持怀疑的态度说：“我才不信呢，西医都治不好，中医肯定也不好使，我不试！”于是在医院住了两个礼拜后，杨金忠拿着刘德平教授研发的桑叶苦瓜糖果压片回家治疗了，而张文喜则继续打着胰岛素，吃着降糖药。
本文选取面向行业产业15所协同创新中心作为研究对象，因为面向行业产业的协同创新中心，以工程技术学科为主体，他们之间的交流合作反应更迅速，能更显著地显示协同创新中心成员之间的知识扩散效果，表征网络知识创新扩散到产学研结合，从而更快速地反映产学研创新技术层的创新成果转化。借助社会网络方法，选用论文合著和发明专利作为测度指标，对行业产业协同创新成员认定前后合作网络演化规律进行分析，运用协同创新中心三个变量知识协同度、知识扩散路径、网络中心度的数量关系，揭示出对协同创新中心知识扩散效应的影响效果，总结出行业产业类协同创新中心网络知识扩散演化特征，以期为协同创新中心知识扩散的研究提供了一个新的思路。
1 文献回顾
1 .1 协同创新中心知识协同
研究产品质量信用的评价体系，首先需要理解产品质量信用相关概念，下面从信用、质量信用、产品质量信用和企业质量信用分别进行介绍说明。
1 .2 协同创新中心知识扩散
知识扩散把科技知识通过跨越时空的传递，使不同个体间实现知识共享。产学研合作的网络化特征实现了显性知识和隐性知识相互转换的过程。目前对于知识扩散研究一般分为两类，一类是对知识扩散的动力学分析，模拟扩散的演化过程进行建模。另一类是运用网络分析方法对知识扩散网络中的中心度、集聚度等指标进行测算，其模型具有代表性的采用无标度[11]、规则网络、随机网络[12]、九宫格网络以及BBV加权网络结构[13]模型。刘璇(2015)等[14]对科研创新网络进行研究，选取中心度、结构洞揭示知识扩散特征，验证了度数中心度高的个体在知识扩散机制中占有重要的作用。Ozel(2012)[15]通过建立科研合作群体知识扩散的概念模型，对高校科研交流网络的结构特征以及知识共享方法进行了研究。黄鲁成等(2017)[16]提出了运用专利应用和文本发掘方法研究了石墨烯行业的知识扩散的特征。可见，目前运用社会网络方法对知识扩散研究是学者运用的主要方法，其中中心度、关联度等都可以从不同角度揭示网络内成员的位置，由于成员间分布不同，其互相间的联系路径长度以及路径数量也不同。
2 研究方法与模型
2 .1 数据来源
为了追溯协同创新中心知识扩散关系的形成过程，本文以论文合著以及发明专利数据为数据依据展开后续研究。论文合著以及发明专利表征了协同创新中心成员之间的合作成果，通过研究他们之间的合作有利于把握知识创新方向，利用论文合著及发明专利的演变过程来分析协同创新中心知识扩散是有计量价值的。在此采用中国知网(CNKI)数据库期刊和国家知识产权局的专利(Patent Search and Analysis)作为数据库检索来源，CNKI检索字段为单位，专利检索字段为申请人及发明人，检索时间跨度为2007年1月—2018年12月。教育部在2013年进行的国家级协同创新中心认定，影响到知识扩散网络效果的政策在2013年发生了较大变化，因此依据国家认定时间作为测算依据，以5年为时间节点。每一时间段的数据累积计算，表1即为时间段划分的情况，由此检索记录结果筛选出协同创新中心知识扩散网络中的最大联通网络。认定前T 1期时间为2007年1月—2012年12月，认定后T 2期时间为2013年1月—2018年12月。
表1 时间跨度与对应编号
2 .2 研究方法
社会网络分析(Social Network Analysis，SNA) 是用来分析网络主体之间构成的关系结构[17]。“社会网络”指社会行动者及其他们之间的关系的集合，是由多个点(社会行动者)和各点之间的连线(代表行动者之间的关系)组成的集合。协同创新中心作为特殊的合作创新网络，其内部实际是由高校、科研院所以及企业共同构成的人员关系网络，基于各个成员知识基础以及文化不同，导致其知识交流关系强度不同，其联结紧密型也有区别，这些特点具有社会化网络特征。因此，本研究基于社会网络分析方法，构建协同创新中心知识扩散网络(网络中“节点”就是各个中心的主体成员，“连接”就是主体之间的协同合作关系),运用协同度、平均路径和网络中心度去测度行业产业类协同创新网络知识扩散效应(知识扩散效率、知识扩散速度和知识扩散均匀度)的变化。
2 .3 知识扩散网络模型
基于规则网络和小世界网络构建的知识扩散模型节点通常以较小跳数可达其他节点，限制了知识的有效扩散，这两种网络一般会假定好网络规模，所以度分布是确定的，不符合协同创新知识扩散网络认定前后的动态变化模式。综合考虑在此本文选择无标度网络作为基础的协同创新知识扩散模型。协同创新中心在国家认定后网络规模不断壮大，网络结构呈现出无标度特性。在此结合Barabasi等[18](1999)的无标度网络演化模型构造协同创新中心知识扩散模型如下：
1)初始状态：从m 0个节点的初始网络开始。
学者Karlenzig等(2002)[6]首次提出知识协同概念，指出在商务协同过程中，社区、客户及供应商可以动态联结系统内外部知识资源。对于知识协同的研究，主要是从知识协同过程，包括影响因素、协同阶段等方面研究。基于知识协同的过程性，学者将知识协同与知识创新结合起来，提出知识协同是以创新为发展目标，集合多主体共同合作互动，整合组织各方资源，提升整体业务绩效的管理手段[7]。通过进一步细化主体，吴悦，顾新(2010)[8]提出产学研知识协同指的是动态整合高校、科研院所以及企业各方的知识，以知识创新为目标，协同融合各方资源进行有效集结，达到知识增值的过程。产学研协同创新的核心就是知识的协同，产、学、研三方由于彼此拥有不同的知识存量，必然存在知识势差，引发了知识需求[9]。这时，在协同中心创新成员间不仅要实现知识的扩散，更重要的是要完成知识更新以及知识创造的过程，而这个系统的转换过程便是知识协同的效应。学者结合网络视角，分析知识协同网络特性、网络关系以及各中介变量(关系嵌入、网络嵌入和社会资本)对于知识协同的影响[10]。本文认为协同创新中心的知识协同是通过协同合作成员，通过网络连接促进产、学、研三方知识基础整合、突破知识的边界以及壁垒，提升知识创新效率的行为。
平均路径长度指的是网络中任意两节点之间连通经过的最短路径的平均值，体现的是两个节点之间联系的便利程度。在协同创新中心知识扩散网络中，主体的个数即网络规模(节点数)为N ，则网络中任意两个主体之间的距离d ij 为连接它们的最短路径上的边数。协同创新中心网络的平均路径长度定义为任意两个主体之间距离的平均值[23]：
根据社会网络社群图论，将协同创新中心知识扩散网络图定义为图G =(N ,I ,K )， 这里N 表示有N 个主体；I 表示知识交流集合，I =1表示主体之间存在知识交流，I =0表示主体之间不存在知识交流；K 表示关系可达性集合[19]。这样就可以根据时间跨度分别构造矩阵。运用社会网络模型的关联度、平均路径长度和节点中心度，来表征协同创新中心合作交流网络的知识协同度，知识扩散速度，知识扩散均匀度。
3 协同创新中心知识扩散网络结构与特征
3 .1 知识扩散网络结构
3)优先连接：假设哪个新节点与已有某个节点j 建立连接的概率
j 取决于节点度k j ，则
如果前m 0个节点都相互连接，t 时间内均有节点加入，即会产生具有m 0+m 1t 个节点，m 0(m 0-1)/2+m 2t 条边的协同创新无标度网络。
这则消息意味着：针对福利彩票系统的反腐工作，依然没有止息，而王素英此次涉案，也并非福利彩票系统的孤例——事实上，她已经是近几年来，第三位落马被查的中国福利彩票发行管理中心原主任，这个职位，已然成为腐败问题的“重灾区”。
协同创新中认定前后，成员间合作呈现出不同特征。第一，通过对行业产业类协同创新中心成员间论文合著及发明专利的知识扩散网络分析，发现协同创新中心认定前，大部分创新中心已经具有一定的规模。这表明在此之前，协同创新中心成员间有了良好的合作基础。通过认定后使原本的合作呈现出更加规律化、持续性的特征。第二，协同创新中心认定后，成员之间的合作论著和发明专利数量得到了显著的提升。在论文合著网络中，T 1期有6个“孤点”，各节点之间关联比较单一，连接路径长度比较长，网络相对比较稀疏；T 2期有3个“孤点”，节点之间连接边较多，连接路径长度明显较短，网络节点集中凝聚。在发明专利网络中，T 1期相连接的节点数量较少，且大多数是以一两条边相连，网络稀疏零散；T 2期相连接的节点数量增加，节点之间相连边数大多是在两条以上，网络相对凝聚均匀。第三，部分成员在加入协同创新中心后，仍然与中心成员没有进行有效地互动，缺少了合作成果的产出。未来媒体网络协同创新中心的北京大学联合中央电视台以及AVS产业技术创新战略联盟与其他成员之间既没有论文合作也没有专利合作。
根据数据记录结果，选用Ucinet软件绘制出行业产业类协同创新中心知识网络，描绘论文合著及发明专利的T 1期(见图1、图3)、T 2期(见图2、图4)的协同创新中心协同合作发展的情况。通过前后两阶段对比分析可以发现，协同创新中心认定前，创新中心成员已经有了前期的合作，并且构成了一定的规模。同时，部分创新中心的成员同时属于两个或以上的协同创新中心的合作单位。
3 .2 知识扩散网络演化特征
生态文明改革成果不仅让城里人得惠得利，也延伸到乡下，让村里人可感可触。污水处理设施投入使用以来，全村40多户村民“污水四处流、坑塘水沟臭气熏天”的环境问题得到了解决，有效改善了生态环境，提升了群众的生活质量。
4 协同创新中心知识扩散影响因素
4 .1 知识协同度对知识扩散效率的影响
协同创新中心通过产学研合作形成网络化的知识联盟、团队等形式，各主体之间通过知识扩散产生协同合作，而对于知识主体之间的知识协同合作度[20]即为知识协同度(Synergy Degree)。本文沿用Scott[21]的概念，即社会网络的关联性就是一个集体的各个成员间的社会关系，而关系的密度就是关联度(C)，社会网络图多大程度达到关联反映了图的效率(GE)。运用社会网络法描述协同创新中心的知识扩散网络，则协同创新中心知识主体间的知识协同可看作是知识扩散网络的知识主体间的关联性，知识协同度(S)可看作是知识扩散网络的关联度[22]，知识扩散效率(GE)可以看作是网络图的效率[23]。借鉴Scott公式进行改进如公式(2)所示。
图1T 1期论文合著网络图
图2T 2期论文合著网络图
(1)
(2)
在协同创新中心知识扩散网络中，平均路径长度越小，网络中各主体之间越可以通过相对较少的几个主体相互访问，主体之间的联系越紧密，越有利于知识的共享和扩散[24]。短路径长度加快了知识扩散的速度，同时降低了知识流的损耗及阻力[25]，在一定程度上降低了信息扭曲，使得各主体可以快速完整地获得有效的知识资源。协同创新中心知识扩散网络主体i 在t 时刻的知识水平为KLi (t )，则知识扩散速度V KDS与平均路径长度之间计算公式[23]为：
图3T 1期发明专利网络图
图4T 2期发明专利网络图
运用Ucinet软件对协同创新中心网络的两个时间段的协同度及网络图的效率分别进行计算，结果如表2、表3所示；由协同创新网络认定前后的论文及专利合作情况来看，网络处在动态发展中，随着协同创新中心的认定，各主体间协同合作关系明显增加，网络连接增强，原本的孤点(与其他成员之间没有合作)明显减少，由表2计算结果可以看出协同度由T 1期0.875,0.508上升到T 2期的0.920,0.631，说明协同创新中心国家认定后知识扩散网络各成员之间的知识协同度增强了。由表3计算结果可以看出协同创新论文合著及发明专利网络图的效率由T 1的0.927,0.460升至T 2的0.957,0.684，说明协同创新中心认定后知识扩散网络图的效率提升了，即成员间知识扩散的效率提升了。结合两个图表数据结果发现协同创新知识扩散网络中“孤岛”减少，离散性消减，主体间的知识协同度提高了，知识扩散的效率也提升了。由此可以得出知识协同度对知识扩散效率具有显著的影响作用。
表2 协同创新论文合著及发明专利网络两个阶段协同度计算结果
表3 协同创新论文合著及发明专利网络两个阶段的效率计算结果
4 .2 知识扩散路径对知识扩散速度的影响
2)成长：在t 时间内，每次新加入m 1个节点，与已有节点建立连接围成m 2(m 2≤m 0)条边。
三是综合全案证据，对认定事实已经排除合理怀疑。如果说前两个条件是纯粹的从客观的事实和证据层面解释证明标准，那么这一条件便是从主观方便对法官心证的要求。三个条件综合起来，就是为了校正之前绝对客观主义的缺陷。
(3)
式中，V 是该网络中无连接的点对数目；N 是网络的规模(节点数)；max(V )是最大可能无连接线条数；N i 是网络的关联成分，由于协同创新网络中知识主体节点间既不是完全孤立的也不是全局耦合的，故0≤S ≤1。
(4)
对T 1、T 2期协同创新中心论文合著及发明专利网络图的距离计算结果如表4所示。由表4可知，协同创新中心论文合著知识扩散网络的平均路径长度由T 1期的1.848减少到T 2期的1.814；协同创新中心发明专利知识扩散网络的平均路径由T 1期的2.407减少到T 2期的2.209，不论是综合论文合著还是发明专利网络发现协同创新成员之间的合作距离大多数都为2，距离是前三的都占总数的90%以上，这说明协同创新中心知识扩散网络具有较小的路径长度，有利于协同创新成员之间的知识交流，从而加快知识扩散速度。由此可以得出协同创新中心网络的平均路径长度与知识扩散速度呈负向关系。
表4 协同创新论文合著及发明专利网络的距离计算结果
4 .3 网络节点中心度对知识扩散均匀度的影响
网络节点中心度(Centrality)体现了主体相对于其他网络主体的网络权威，描述了主体在网络中的战略位置[26]。因此,有学者将中心位置描述为权力位置，认为占据中心的位置的节点主体将更容易到达网络中的其他节点[27]，进而使得知识更容易扩散到其他节点。在此本文借鉴罗传文的生态采伐格局检验模型中提出的均匀度以及黄玮强在协同创新网络的产业集群知识扩散研究中提出的知识水平均匀性定义协同创新中心知识扩散模型中的知识扩散均匀度(KDU)[28]，并对协同创新中心成员论文合著及发明专利网络图的中间中心度(Betweenness Centrality)进行测量来反映网络节点中心度对知识扩散均匀度的影响，结果如表5所示，协同创新中心认定后论文合著及专利发明网络图的中间中心度提高了，促进了知识扩散网络的成员凝聚性，使得扩散更加均匀。
由协同创新中心成员论文合著及发明专利网络图可知，协同创新中心网络是不均匀的，存在稀疏和密集区域，其中有些成员的节点度较大，如论文合著网络中的上海交通大学、华中科技大学、清华大学、西安交通大学、西北工业大学和哈尔滨工业大学等主体成员，发明专利网络中的清华大学、上海交通大学、中国人民解放军、华为、西安交通大学和华中科技大学等主体成员，通过研究发现论文合著和发明专利网络的不同时期排名前5的节点有所不同，但是清华大学、上海交通大学、西安交通大学在两个网络不同时期中都是排名前5，说明以高校为牵头的协同创新成员在协同创新知识扩散网络中发挥至关重要的作用。由Ucinet软件计算出的结果成员节点度数不同时期排名前5的知识主体名单如表6、表7所示。说明这几个主体成员处于协同创新中心知识扩散的核心位置，知识创新能力很强，与其他中心成员的联系紧密，能够提高知识扩散网络的均匀度[29]。
表5 协同创新中心成员论文合著及专利发明
网络图的中间中心度计算结果
表6 论文合著排名前5的核心主体节点度数计算结果
表7 发明专利排名前5的核心主体节点度数计算结果
5 研究结论与建议
综上，基于社会网络的协同创新中心知识扩散网络模型，研究协同创新中心网络知识扩散网络演化特征，并以第一、二批行业产业类的15所协同创新中心的产学研合作主体成员为样本进行实证检验得出结论。
1)通过协同创新中心认定前后对比发现，不同时期成员间合作特征呈现不同规律。协同创新认定后，协同创新中心合作网络节点中心度更加集中，网络连接路径显著增加，网络连接较均匀，孤点数量显著减少。但是，通过网络T 1，T 2期比较发现，也存在部分成员在协同创新中心认定前后其成果无增长，在网络中仍然处于孤点位置。说明，政府对协同创新中心的认定对知识扩散网络扩散效应起到了明显的促进性作用，同时由于协同创新中心合作伙伴之间缺乏有效的知识沟通，导致不是所有成员都能享受到知识扩散福利。因此，在组建协同创新中心的时候不应该只注重表面上的“强大”，应该围绕国家需求，选择合适的优势互补的协同单位，避免“大拼盘”效应，这样不可能实现“多元合作”，反而会加深“低消分散”的问题。其次，协同创新中心在选择成员时，应坚持以高校牵头，明确任务选择合作伙伴，建立一定的准入机制，选择具有知识互补的成员，共同实现“科研、人才、科技成果转化”三位一体的知识创新目标。最后，协同创新中心应营造知识扩散环境，建立新型管理机构模式，提升全链条管理方法，加大成员间知识扩散频率和强度，构建以创新贡献为基础的新型绩效考评体系，以考评成果促进推动合作创新行为。
试验时，光学测试与紧凑断裂拉伸试验同步进行，使用两个1600万像素的CCD相机采集图像，图像采集帧率为4fps。图6(a)为上相机(图3(b)所示的两个相机，一上一下)拍摄的试样4表面散斑图像，在裂尖附近的局部放大散斑图像见图6(b)所示，图像放大率为26pixel/mm。
2)知识协同度与知识扩散效率具有显著的影响关系，协同度越高，知识扩散的效率越高。行业类协同创新中心网络的不确定性较高，在这种情况下要想加强协同创新中心主体之间的紧密连接，同时拓展协同创新主体之间的合作渠道，提高知识协同度。可以通过高校和科研机构为企业输出“创新成果”，借助高校作为中心组建主体，多方联系对企业的技术创新需求添加“空气”，激励高校、科研院所与企业共享知识的动力，对企业的需求快速敏锐地做出反应，将信息、知识创新成果方便快捷地扩散到企业。企业也应该加强与高校及科研院所组织间的合作沟通，提高协同合作紧密度，通过鼓励人才联合培养，投资建立大学创新创业基地、科技园区、科技孵化器等联合办公区域，来满足企业所获得创新知识的渴望。通过加强协同创新中心成员间的项目探讨合作，人才的交流合作，营造集体学习氛围，降低知识吸收和潜伏的时间，提高主体之间的知识协同，从而提高整个协同创新中心的知识水平[29]。
3)协同创新中心知识扩散网络平均路径越短，越有利于知识的扩散输出。距离临近优势更易发展稳定且紧密联系的协同创新网络，协同创新中心成员的知识结构越相似，成员之间共享的知识存量和扩散的知识越多，知识扩散过程中经历的中间环节越少，知识扩散的速度越快，准确性越高。因此，一是政府应进一步依据地理边界特征，增加创新资源集聚度，划分不同区域协同创新中心。以中心城市知识基础为核心，加大对周边城市的知识溢出，扩大知识输送区域范围，在保持中心城市创新潜力优势的同时,加强科技创新中心城市的技术溢出,扩大技术知识辐射范围。二是增加通过构建良好的信息传递平台加快信息扩散，互联网时代可以提供很多信息交流的方式，如网络视频会议等，加强节点主体之间的知识交流频率，更好地实现知识的高效扩散。三是增加对接中介机构数量。从中介服务主体的作用来看，“距离”的长短取决于中介服务主体的多少，它们作为知识扩散的中介，可以有效地协调企业与高校、科研院所之间的知识交流行为，促进知识的传播。通过扩大中介机构规模，可以缩短协同创新中心成员之间的“距离”，提高知识交流的频率，降低时间成本，提高知识扩散速度。
4)协同创新中心知识扩散网络是一个非均匀网络，节点中心度的大小影响协同创新中心网络的稳定性和知识扩散均匀度。伴随不同时期的协同创新中心的协作程度的不断增加，各节点主体成员的中间中心度不断变大，知识扩散越来越均匀。因此，协同创新中心合作网络中应加大对节点中心度的重视，通过提升主体中心的影响力，提高知识扩散网络合作的稳定性。在行业协同创新中心的成员应该突破固有的创新屏障，建立开放式多方合作体系。具有竞争力的中心企业应明确协同创新中心自身网络中心性的身份，通过设计有效的激励机制来鼓励网络成员间互动及知识传递，充当协同创新的示范性标杆，带动引领成员知识扩散。同时，发挥节点中心企业合作网络的辐射作用，依托高校以及科研机构的设备、人才和资源知识优势，进行专利知识的开放授权来激发非核心企业的创新能动性。高校在行业协同创新中心网络作为创新成果输出节点中心，应扩大合作领域及范围，加大和企业、研究所的配合，不断输出知识成果。同时，中心度较小的合作成员之间也应该加强彼此之间的联系，增强协同创新中心的稳定性和可持续发展，保证知识扩散的均匀度，从而更好地服务于科技创新。
参考文献
[1] 陈柏强,詹依宁,刘增猛.国有资产管理视角下关于高校专利维护与运营的思考和建议[J].研究与发展管理,2018,30(6):151-156.
[2] 陈劲,阳银娟.协同创新的理论基础与内涵[J].科学学研究,2012,30(2)：161-163.
[3] 崔永华,王冬杰.区域民生科技创新系统的构建——基于协同创新网络的视角[J].科学学与科学技术管理,2011,32(7):86-92.
[4] 高少冲,丁荣贵.首席专家项目匹配度、组织网络特征与协同创新绩效[J].科学学研究,2018,36(9):1615-1622.
[5] 刘丹,闫长乐.协同创新网络结构与机理研究[J].管理世界，2013(12):1-4.
[6] KARLENZIG W，PATRICK J.Tap into the power of knowledge collaboration[J].Customer Interaction Solutions，2002，20(11):22-24.
[7] 樊治平,冯博,俞竹超.知识协同的发展及研究展望[J].科学学与科学技术管理,2007(11):85-91.
[8] 吴悦,顾新.产学研协同创新的知识协同过程研究[J].中国科技论坛,2012(10):17-23.
[9] 蒋兴华.高校协同创新绩效影响因素研究[J].研究与发展管理,2018,30(6):138-143.
[10] 何郁冰,张迎春.网络嵌入性对产学研知识协同绩效的影响[J].科学学研究,2017,35(9):1396-1408.
[11] 党永杰,邱均平,郑世钰.基于改进BA模型的作者合作加权网络动态演化研究[J].情报学报,2017，36(1):28-38.
[12] 张江甫,顾新.基于双阶段扩散的知识网络知识流动模型及仿真[J].情报理论与实践，2016,39(5):74-78.
[13] 魏莹,李峰.知识分享型网络的网络演化及知识扩散模型研究[J].情报科学,2018,36(4):123-129.
[14] 刘璇,李嘉,陈智高等.科研创新网络中知识扩散演化机制研究[J].科研管理,2015,36(7):19-27.
[15] OZEL B.Collaboration structure and knowledge in turkish management academia[J].Scientometrics,2012,93(1):183-206.
[16] 黄鲁成,等.基于专利全引用信息的技术知识扩散特征研究——以石墨烯技术为例[J].科学学与科学技术管理,2017,38(4):149-152.
[17] HOHBERGER J，ALMEIDA P，PARADA P.The direction of firm innovation:The contrasting roles of strategic alliances and individual scientific collaborations[J].Research Policy，2015，44(8):1473-1487.
[18] BARABSI A L，ALERT R.Emergence of scaling in random networks[J].Science,1999,286 (5439):509.
[19] 戚湧,王静.基于社会网络分析的产学研协同创新网络研究[J].中国科技论坛,2015(11):11-17.
[20] 徐少同.科技体制改革背景下的科研管理知识协同框架研究[J].情报科学,2015,33(1):25-29.
[21] SCOTT J.Trend report，social network analysis[J].Sociology，2007，22(1):109-127.
[22] DIEBOID F X，Kamil Y.On the network topology of variance ecompositions:measuring the connectedness of financial firms[J].PIER Working Paper，2011,10(4):11-45.
[23] UZZI B，SPIRO J.Collaboration and creativity:The small world problem [J].American Journal of Sociology，2005，111(2):447-504.
[24] COWAN R，JNNARD N.Network structure and the diffusion of knowledge[J].Journal of Economic Dynamics and Control，2004(28):1557-1575.
[25] WATTS D.Networks，dynamics，and the small-world phenomenon[J].American Journal of Sociology，1999,105(2):493-528.
[26] GNYAWALI D R，MADHAVAN R.Cooperative networks and competitive dynamics:A structural embeddedness perspective[J].Academy of Management Review，2001，26(3):431-445.
[27] NERKAR A，PARUCHURI S.Evolution of R&D capabilities:The role of knowledge networks within affirm[J].Management Science，2005，51(5):771-785.
[28] 罗传文,黄楠.一个新的格局检验模型及在天然次生林生态采伐中的应用[J].林业科学,2005(5):101-105.
[29] 王珊珊,邓守萍,SARAH Y C,等.华为公司专利产学研合作:特征、网络演化及其启示[J].科学学研究,2018,36(4):701-713.
Research on Evolution Characteristics and Influencing Factors of Knowledge Diffusion Network in Industry -industry Collaborative Innovation Center
Abstract :[Purpose/significance] As a key link of knowledge innovation，knowledge diffusion plays an important role in the realization of scientific and technological innovation.The effective diffusion of knowledge among universities，enterprises and scientific research institutions can help enterprises transform scientific and technological achievements into product technologies.[Method/process] Taking 15 industry-industry collaborative innovation centers identified by the Ministry of Education as an example，the social network analysis method is used to construct a knowledge diffusion model of collaborative innovation centers，revealing the diffusion law of knowledge in the network of collaborative innovation centers.[Result/conclusion] The degree of knowledge synergy has a significant effect on the efficiency of knowledge diffusion.The higher the degree of synergy，the more efficient the knowledge diffusion.The shorter the average path of the knowledge diffusion network in the collaborative innovation center，the faster the knowledge spreads.The knowledge diffusion network of the collaborative innovation center is a non-uniform network.The size of the node center degree affects the stability of the collaborative innovation center network and the knowledge diffusion uniformity.
Keywords : knowledge collaboration;collaborative innovation;knowledge diffusion;social network analysis;influencing factor
DOI: 10.16353/j.cnki.1000-7490.2019.11.013
* 本文为国家社会科学基金青年项目“我国专利密集型企业知识产权能力系统研究”(项目编号：16CGL010)，黑龙江省哲学社会科学研究规划一般项目“黑龙江省科技人才集聚双螺旋耦合创新模式与对策研究”(项目编号：19GLB083)，教育部人文社会科学青年基金项目“基于开放式创新R&D联盟知识创新能力构建与治理机制研究”(项目编号：14YJC630025)，国家自然科学青年基金项目“不同战略导向下制造企业网络可持续发展构形与路径设计”(项目编号：71403070)和黑龙江省博士后科研启动金项目“共生视角下产业技术创新联盟知识共享及知识治理机制研究”(项目编号：LBH-Q15066)的成果。
作者简介： 董媛媛 (ORCID:0000-0001-9525-1299)，女，1982年生，博士，副教授，硕士生导师。研究方向：知识管理与创新管理。卢斌斌 (ORCID:0000-0003-1245-9903)，女，1992年生，硕士生。研究方向：知识管理与物流管理。
作者贡献声明： 董媛媛 ，设计论文总体框架与修改定稿。卢斌斌 ，数据处理及论文撰写。
录用日期： 2019-07-08
标签：知识协同论文; 协同创新论文; 知识扩散论文; 社会网络分析论文; 影响因素论文; 哈尔滨理工大学经济与管理学院论文;