基于共词聚类与可视化的开放式创新国外研究热点与主题分析

孙冰 康敏 毛鸿影

〔摘要〕作为推进经济全球化的重要模式之一，开放式创新正在成为众多学者关注的新领域。对开放式创新国外研究热点与主题进行分析，有助于学者们了解其研究的发展趋势，探寻未来的研究切入点。基于开放式创新领域的可视化图谱，从网络结构特征入手对该领域的国外相关文献进行指标测度与分析，识别出领域内的研究热点，并运用凝聚子群分析法和多维尺度分析法实现对该领域研究热点主题的探究和聚类验证，进而对各热点主题进行分析。

〔关键词〕开放式创新；共词聚类；可视化；社会网络分析；多维尺度分析

DOI：10.3969/j.issn.1008-0821.2018.09.020

〔中图分类号〕F2731；G250252〔文献标识码〕A〔文章编号〕1008-0821（2018）09-0122-10

Hot Spot and Theme Analysis of Open Innovation Abroad

Based on Co-word Cluster and VisualizationSun BingKang MinMao Hongying

（School of Economic & Management，Harbin Engineering University，Harbin 150001，China）

〔Abstract〕Open innovation is one of the important modes to promote economic globalization，it is also becoming a new field of concern by many scholars.Analyzing the research topics and hot topics of open innovation abroad，it is very helpful for scholars to understand the research trend，to explore future research entry points of this field，and to explore the breakthrough point of future research.Drawing the visualization Atlas of high frequency key words，on this basis，the paper measured and analyzed the foreign related literature in the open innovation field starting with the characteristics of network structure，the hot spot of research in this field was identified.The exploration and cluster verification of hot topics in this field were further realized by the method of aggregation subgroup analysis and multidimensional scale analysis.In the end，4 hot topics were introduced and analyzed.

〔Key words〕open innovation；co-word cluster；visualization；social network analysis；multidimensional scale analysis

開放式创新（Open Innovation）是指企业在技术创新过程中通过与外部组织合作，整合内外部创新资源从而提高创新效率及收益的一种创新模式[1]。随着互联网时代的到来，传统的封闭式创新模式已无法适应企业发展，加之全球化有利于企业在更大范围内有效获取所需资源，因此越来越多的企业选择以开放式创新模式获取来源广泛的创新要素。以海尔集团为例，从最初的吃掉“休克鱼”到现在的创客孵化平台的建设，开放式创新一直伴随着企业的成长，使其从一个资不抵债、管理混乱的集体企业发展为一家以生产制造家电产品为主的全球大型家电第一品牌[2]。同样对开放式创新模式青睐有加的世界玩具巨头——乐高公司，也通过建立乐高Mindstorm的交流社群、与MIT Media Lab展开研发合作、推出面向全球的乐高创意平台（LEGO IDEAS）等一系列的开放式创新举措，使自身净利润在过去十年内实现32倍的跨越式增长，并一跃成为2017年全球企业社会责任声誉最佳的10家公司之首。上述典型案例为各国企业的开放式创新活动提供了有利借鉴[3]。

“开放式创新”的概念最先由美国学者Chesbrough H提出，他将一些自身研发能力很强的企业和自身研发能力相对较弱、但有意识地利用外部资源的企业进行了对比研究，指出前者在创新的速度和收益率上均不如后者，其主要原因是前者过度重视内部研发而忽略了外部机会[4]。其后，这一概念迅速引起了学者们的广泛关注和探讨。十几年间，开放式创新的研究重点从早期的内涵、实施背景、功效以及与其他创新模式的对比研究，逐渐转向研发合作和技术交易、与企业绩效的关系、知识治理、用户参与和社区建设等多方面[5-7]。近年来，林素芬[8]、夏恩君等[9]、李淑燕等[10-11]、张敏等[12]、白文倩[13]等学者开始尝试对开放式创新领域进行可视化研究。在这些研究中，大多数学者采用Citespace软件对研究前沿和热点进行识别，而应用Ucinet60这一可视化分析软件进行同类研究的成果则相对较少。其实，较之Citespace软件而言，Ucinet60软件将着眼点放在文献共现关系网络的结构和相关节点的属性特征上，它能够超越传统的定性分析，实现对网络节点间关系的定量分析，进而从本质上把握某一学科发展的内部体系和精髓[14]。有鉴于此，本文以开放式创新领域的国外文献为研究对象，采用Ucinet60软件生成该领域高频关键词的可视化图谱，通过网络结构特征分析识别出该领域的研究热点，并运用凝聚子群分析和多维尺度分析实现对热点主题的探究和聚类验证，以期科学呈现开放式创新领域的研究发展趋势，进而为其系统化研究和纵深化发展提供依据。

2018年9月第38卷第9期现代情报Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期基于共词聚类与可视化的开放式创新国外研究热点与主题分析Sep.，2018Vol38No91开放式创新高频关键词图谱网络的可视化

本文选取了Web of Science数据库作为文献数据来源，检索方式选择了目前广泛使用的主题检索。考虑到开放式创新的提出始于2003年，本文将检索“开放式创新”这一主题词的时间跨度设置为2003-2017年，共得到1 253篇文献作为本文的研究对象。

11高频关键词识别

考虑到文献的关键词是其核心内容的浓缩和提炼，可以直接体现出研究主题[15]，本文将1 253篇开放式创新领域的文献题录数据导入SATI32软件，共获得原始关键词2 444个。

为了更准确地对关键词进行分析，并避免重复统计，本文对关键词进行了预处理。具体步骤如下：1）删除對分析研究热点无帮助的概括性词语，如Study、Research、Hypothesis等；2）合并同义但单复数形式不同的词语，例如SME和SMEs等；3）合并同义但表述不同的词语，例如Enterprise和Company等。4）删除关键词“Open Innovation”，以保证研究的客观性。预处理后，得到关键词2 309个。

高频关键词意味着该关键词在多篇文章中出现，说明其所代表的研究方向被该领域的较多学者所关注。根据“帕累托法则”，这些高频关键词能够在一定水平上反映出该领域研究的热点[16]。为此，本文借鉴王红的研究思路[17]，借助齐普夫第二定律确定开放式创新领域高频关键词的频数临界点。该定律的计算公式为：T=（-1+1+8Ii）。其中，Ii是频次为1的关键词的数目，T是高频关键词的频次临界点。据此，本文得出高频关键词的频次临界点为6，因而将频数大于6的50个高频关键词确定为开放式创新领域的热点研究的分析基础（见表1）。以上高频关键词累计频次达739次，平均词频为1478次，基本覆盖了国外开放式创新研究的重点。

12高频关键词的网络图谱

高频关键词虽然能够在一定程度上代表当前领域的研究热点，但仅以出现频次进行的线性排列无法系统反映各词间的内部关联。要想系统全面地了解该领域的研究热点，还需要在此基础上对高频关键词做共词分析[18]，并借助可视化的网络图谱加以呈现。

共词分析法（Co-term Analysis）是以各关键词在某篇文献中两两共现的频数为研究对象，反映出被研究词组间的联系及其亲疏关系的研究方法。本文借鉴张敏等提出的共词分析法[12]，运用SATI32软件统计出50个高频关键词在文献中两两共现的频次，继而构建出50×50的高频关键词共现矩阵（部分数据见图1）。

可视化是对社会网络中各种关系结构及其属性进行分析的一种理论和方法，能够运用图形直观地揭示各主体间关系的强弱[19]。本文基于高频关键词共现矩阵，利用Ucinet60软件对高频关键词进行可视化分析，生成网络图谱见图2。

从图2可以看出，在网络中共有50个节点，每个节点分别代表开放式创新领域的一个高频关键词，关键词间的关系通过连线来体现，连线的粗细和多少代表各词间的亲疏程度。两个节点之间的连线越粗，代表这两个关键词间的共现次数越多；从某个节点出发的连线越多，表明这个关键词是研究领域中的核心研究内容。在图1中，“Innovation”、“Crowdsourcing”、“Collaboration”、“Co Creation”、“Network”、“Business Model”、“Knowledge Management”等节点位于整个网络的核心位置，周围存在较为密集的连线。这种网络形态表明国外开放式创新领域的研究热点逐渐丰富，说明该领域的研究日趋成熟。表1高频关键词统计表（频次>6）

序号高频词频数序号高频词频数序号高频词频数1Innovation7618Strategies1335Smart Cities92Crowdsourcing4519Network1336Knowledge Governance93Co Creation2820Social Media1237Social Network Analysis94Collaboration2621User Innovation1238Online Community95Knowledge Management2522Motivation1239Pharmaceutical Industry96SMEs2323Ecosystem1240Collaborative Innovation97Absorptive Capacity2224Open1241Sustain88Live Lab2125Social Network1142Entrepreneurship89Intellectual Properties2026Close Innovation1143Commercial Ecosystem810Innovation Perform1927Patent1144Collective Intelligence811Empirical Study1828R&D; Spillover1145Strategic Alliance812Open Source Software1829Value Creation1146Collaborative Design813Innovation Management1730Drug Discoveries1047Business Model Innovation814Business Model1731Design1048Innovation Environment715New Product Develop1632Open Source949Text Mining716Technology Transfer1633Service Innovation950Licensing717Creativity1334Knowledge Transfer9

图1高频关键词的共现矩阵（部分数据）

2基于网络结构特征的开放式创新热点识别

在网络关系结构日益重要的情景下，借助于高频关鍵词节点在网络中作用的识别可以对高频关键词重要性进行更准确的判断，有利于对研究热点的科学分析[20]。本文将运用Ucinet60软件，通过网络密度和中心性这2个结构特征指标对开放式创新的高频关键词图谱网络进行量化研究，完成对开放式创新领域的热点识别。

21网络密度分析

网络密度是衡量网络中节点间相互关联程度的指标，用来测度网络的整体紧凑性[21]。在本文中用其考察高频关键词之间的关联程度，有助于结合网络图谱进一步明确开放式创新领域热点的总体概貌及其内部结构。网络密度的取值范围一般在0～1之间，数值越接近1，则表示节点间的关联性越强[22]。其计算公式如下：

d=2Ln（n-1）（1）

式中，d为网络密度；n为网络中的节点数量；L为网络中串联节点的路径数量。本文利用Ucinet60软件得出该网络的密度值为0613，说明网络的整体紧密度处于一个较高水平。在图2中，这一网络密度值使节点之间的联系呈现出较明显的紧凑性特征，反映出网络的连通性较好，各节点间的联系紧密。上述结果表明，开放式创新领域研究内容集中，高频关键词之间的关联性较强，呈现出该领域较清晰的知识脉络。

22网络中心性分析

Lee W H指出，共词网络的点度中心度和中间中心度这两个指标能够有效识别某一研究领域当前的热点问题，并反映其未来的发展趋势[23]。因此，本文基于点度中心度和中间中心度对高频关键词图谱网络的中心性进行测度。

首先，进行点度中心度分析。点度中心度测量的是与某节点存在直接关联的网络节点的数目[21]。点度中心度的计算公式如下：图2开放式创新高频关键词的可视化图谱

Cd（ni）=d（nj）m-1（2）

式中，Cd（ni）为节点的点度中心度；m为网络中总的节点数目；d（nj）为网络中节点i所拥有的联系数量。点度中心度反映的是某一个关键词与其它词同时出现在某一篇文献中的情况[24]。在本文中，某个节点的Cd（ni）的值越大，说明其所代表的关键词与网络中其它关键词的关系越紧密，在网络中的核心程度越高，越处于中心地位。经计算，点度中心度排名前10的开放式创新领域的高频关键词见表2。表2排名前10的高频关键词的点度中心度分析

关键词DegreeNrmDegreeInnovation6000020408Collaboration3900013265Crowdsourcing3100010544Co Creation220007483Business Model190006463Intellectual Properties190006463Knowledge Management190006463Empirical Study170005782Network160005442SMEs160005442

由表2可知，从具体层面分析，节点“Innovation”的点度中心度最高，其数值为60，说明它与该网络中其它60个节点有直接联系。同时，该节点的标准化的相对点度中心度也是最高的，其值為20408，表明该节点在网络中占据核心位置。与之相似，“Collaboration”、“Crowdsourcing”、“Co Creation”、“Business Model”、“Intellectual Properties”、“Knowledge Management”等节点的点度中心度也相对较高，表明这些高频关键词在开放式创新的研究领域中占据着中心地位，并且与其他高频关键词存在较多的直接关联关系。

其次，进行中间中心度分析。中间中心度测量的重点是各节点对信息资源的控制水平[21]。中间中心度的计算公式如下：

CB（ni）=∑i

式中，CB（ni）为中间中心度；gjk为节点j到k的路径条数；gjk（ni）为节点j到k之间存在的经过第三个点i的路径条数。中间中心度表示某一个节点影响和控制该网络其它节点的能力大小。在本文中，某个节点CB（ni）的值越大，说明该关键词在网络中越处于枢纽地位，对其它关键词的控制力度越强。根据计算结果，本文将中间中心度排名前10的高频关键词列示于表3。表3排名前10的高频关键词的中间中心度分析

关键词DegreeNrmDegreeInnovation6000020408Collaboration3900013265Crowdsourcing3100010544Co Creation220007483Business Model190006463Intellectual Properties190006463Knowledge Management190006463Empirical Study170005782Network160005442SMEs160005442

根据表3的中间中心度的分析结果，“Innovation”、“Collaboration”、 “Crowdsourcing”、“Intellectual Properties”、“Business Model”、“Co Creation”、 “Knowledge Management”等节点的中间中心度较高，表明其所代表的高频关键词在开放式创新领域的枢纽位置相对突出，其他高频关键词需借助它们才能建立起相互联系。也就是说，这些高频关键词在网络中占据了“结构洞”位置，可以在一定程度上代表该领域的研究方向。

综上所述，“Innovation”、“Collaboration”、“Crowdsourcing”、“Co Creation”、“Business Model”、“Intellectual Properties”、“Knowledge Management”、 “Empirical Study”、“SMEs”等高频关鍵词的两个中心性指标的排名均靠前，说明它们在开放式创新领域的研究中属于备受关注的内容，是该领域的研究热点。

3开放式创新热点主题探究与验证

为更科学地了解开放式创新热点的分布情况及其相互间的内部关系，需要在热点识别的基础上对开放式创新热点主题进行探究及验证。

31基于凝聚子群分析的开放式创新热点主题探究

网络中某些节点间因关系紧密而结合成的次级团体性结构被称为凝聚子群[25]。凝聚子群分析能够在直观显现各关键词在网络中所处位置的基础上，找出其中呈现出的凝聚子群结构，实现网络中关键词的聚类分析[21]。本文采用K-核计算凝聚子群。K-核是指在一个凝聚子群内部，任意节点与其他节点至少保持K条联系，即所有节点的度数至少为K。基于此概念，本文将开放式创新领域的高频关键词数据导入Ucinet60，得到各类凝聚子群见图3。（图中的红色圆形的K值是6，蓝色倒三角的K值是5，灰色正方形的K值是4，黑色正三角的K值是3，粉色菱形的K值是2，绿色圆形的K值是1）图3高频关键词的凝聚子群分析

从图3可以看到，本文共计算出6个K-核值，分别为6、5、4、3、2和1，即网络中形成了6类凝聚子群。其中度数最大的凝聚子群（即K=6）中的节点有24个，占全部节点的48%，说明在开放式创新领域存在关系紧密的凝聚子群结构。且该凝聚子群在整个领域研究中占据主导地位[13]，引领着开放式创新的研究主向。其节点是整个高频共词网络中的关键节点。其余26个节点则分散环绕于这些关键节点的周围，与关键节点共同形成多个显著的分布区域。图2中还显示出，该凝聚子群中包括“Innovation”、“Network”、“SMEs” 、“Collaboration”、 “Co Creation”、 “Knowledge Management”、“Intellectual Properties”、“Business Model”等关键节点，完全概括了前文中的高中心度节点，验证了中心性分析所得研究热点的准确性。

在此基础上，根据凝聚子群的分布情况，并结合各高频关键词的K核数，本文将50个高频关键词初步划分为开放式创新领域的4个热点主题：开放式创新理论基础研究（聚集了以Collaboration、Motivation、Empirical Study等为核心的14个高频关键词）、开放式创新网络研究（聚集了以Co Creation、Online Community、Crowdsourcing、Social Network和Network等为核心的14个高频关键词）、开放式创新视域下的知识管理及治理研究（聚集了以Intellectual Properties、Creativity、Knowledge Management等为核心的12个高频关键词）、开放式创新商业模式研究（聚集了Business Model、R&D; Spillover、Innovation Environment等为核心的10个高频关键词）。

32基于多维尺度分析的开放式创新热点主题的聚类验证运用多维尺度分析绘制主题知识图谱是构建学科知识群结构关系的重要方法，并且更具有客观性[26]。为验证上述热点主题划分的合理性，本文进一步采用多维尺度分析（Multi-Dimensional Scaling，MDS）对高频关键词进行聚類研究。

为了进行多维尺度分析，本文将高频关键词共现矩阵转换为相异矩阵。矩阵部分数据见图4。图4高频关键词相异矩阵（部分）

将图4数据导入Ucinet60软件进行多维尺度分析，获得研究热点的多维知识图谱，见图5。图谱中具有高度相似性的关键词簇拥在一起，形成关键词簇群，间隔越近表明关键词之间的关联度越大。根据图3中关键词在二维象限中的分布情况，本文将50个关键词分为4个主题。从图5中各区所包含的高频关键词可以看出，运用Ucinet60软件进行多维分析所得结果与上文研究热点主题探究结果具有较高的一致性，由此验证了前文中对热点主题探究的科学性。

4开放式创新的研究热点主题分析

本文将围绕前文总结出的4个研究热点主题，即：开放式创新理论基础研究、开放式创新网络研究、开放式创新视域下的知识管理及治理研究、开放式创新商业模式研究，分别进行介绍与分析。

41开放式创新理论基础研究

这一领域的研究主要关注于开放式创新的动机和影响因素、组织形式、中小企业实践应用研究3方面。

关于开放式创新的动机，学者们将其归结为降低技术和市场的可变性（Chesbrough，2003）、应对产品生命周期的缩短（Gassmann，2006）、创造技术和知识的新组合（Dodgson，2006）、促进知识的增长和快速流动（Vanhaverbeke，2008）、获得更多收益（Chesbrough，2007）等方面，并强调企业在缺乏技术商业化所需的互补性资源时，对开放式创新的需求会更迫切（Chesbrough，2003；Kranenburg & Hagedoorn，2008）。关于开放式创新的影响因素，Rigby等[27]认为，主要包括对渐进式创新的需要、创新力度、创新的资金源以及市场的不稳定性等因素。在此基础上，学者们还从知识能力（Lichtenthaler，2009）、专利组合质量（Lichtenthaler，2010）、创新伙伴目标与创新资源的异质性（Han，2012）、开放广度和深度（Keupp，2009；Chiang，2010；Gulati，2009；Huang；2009）等方面探究了开放式创新实施效果的影响因素，并指出上述因素均与开放式创新的实施效果呈正相关的线性关系。但是，也有学者认为，这些因素对创新效果的影响呈复杂的曲线关系（Dahlander，2010；Lichtenthaler，2011）。

学者们依据创新资源的流动方向，将开放式创新分为内向型、外向型和混合型3种类型[28-31]，不同的类型需要采用相应的组织形式。其中，内向型开放式创新强调外部知识或技术在企业内部的开发利用，其组织方式主要有创新网络（Dittrich & Duysters，2007）、联合研发（Dodgeson，图5高频关键词的多维尺度分析

2006；Huston & Sakkab，2006）、众包（Howe，2008）、非股权战略联盟（Bianchi，2011）以及购买技术服务和技术授权（Cavaliere，2011）等；外向型开放式创新则强调企业内部知识或技术的外部开发利用，采用的组织方式主要有知识产权交换（Chesbrough，2006；Lichtenthaler & Ernst，2007）、跨产业创新（Enkel and Gassmann，2010）和衍生企业（Chesbrough，2009）等；而混合型开放式创新所采用的组织模式主要为联盟合作（Chiarmonte，2006）、创新中介（Lakhani，2008）和创新项目开发（Von Hippel & von Krogh，2003）等。

自开放式创新概念提出以来，该领域的研究最初针对的是大型企业，对中小企业的研究则相对缺乏。然而随着市场化进程的加快，中小企业的创新活动越来越重要，以其为主体的开放式创新实践和应用研究也逐渐增多。其研究主要基于3个视角：一是从不同层面检验开放式创新对中小企业绩效的影响（Tim，2005；Kim，2010；Rosenbusch，2011）；二是从能力的视角，包括准备能力、协作能力、吸收能力等来研究中小企业开放式创新实践（Huang，2009；Spithoven，2011）；三是基于中小企业的发展阶段探讨其开展开放式创新的策略和方法（Bianchi，2010；Juan，2010；Rass，2013）。

42开放式创新网络研究

该领域的已有研究主要集中于开放式创新网络对创新绩效的影响、开放式创新网络的量化测度以及用户创新研究。

开放式创新的核心思想是将外部资源和合作者纳入到创新网络中，而网络的有效性和生命力取决于它对创新绩效的改善程度[32]。因此，开放式创新网络对创新绩效的影响自然成了该领域的热点议题。学者们的研究表明，开放式创新网络对创新绩效呈现出正向和负向两种影响[33-36]。其中，正向影响主要表现为：建立创新网络不仅能够帮助企业规避创新风险、降低研发成本（Henkel，2006），也有利于其获取外部创新源泉（Peltokorpi，2006）、增强战略弹性（Dittrich，2007），同时还能加快企业的创新速度，进而提高企业创新绩效（Fichter，2009）。负向影响则表现为：网络多样性即网络成员之间的差异性对创新绩效会产生消极影响（Knudsen，2007）；创新网络的建立容易使产品信息被竞争者获得，从而削弱创新者的先行优势（Ethiraj，2008）；为维护网络关系多付出的协调和竞争成本，技术合作所带来的管理和整合成本的增长会对创新绩效产生负面影响（Dahlander，2010）。

近年来，越来越多的研究将社会网络分析方法应用于创新管理领域[37-41]，伴随着创新网络对开放式创新绩效影响研究的深化，逐步衍生出一个新的热点——基于社会网络视角对创新网络的量化测度研究。学者们将创新网络的关系和结构作为基本维度（Yong，2009），分别从网络规模和网络密度（Phelps，2010）、网络位置（Paruchur，2010）、网络结构（Laursen，2006；Mouri，2012）、网络关系强度（Gulati，2007；Faems，2010；Garriga，2013）等方面对开放式创新网络进行了测度。

随着用户在创新进程中发挥的作用愈发显著[42]，针对用户创新的研究也备受关注。一些学者指出，企业可以从用户处获取市场需求信息、新产品设计灵感及创新意见，以加快新产品开发进程、提高创新效率（Nambisan，2009；Jawecki，2011；Guo，2012；Levine，2014），网络中众多用户的智慧资源也可汇集形成集体智慧，提升企业的创新能力（Von，1986）。但是，也有学者（如Laursen，2011）认为，企业对用户创意的采用强度与其创新绩效呈倒U型关系。还有学者指出，基于互联网的在线网络社区也有效激发了用户参与企业产品研发的欲望，极大地推动了开放式创新网络的构建与发展（Gangi，2009；Faraj，2011；Reed，2012）。

43开放式创新视域下的知识管理及治理研究

这一领域的研究主要聚焦于开放式创新知识管理和知识治理两个方面。

Gassmann O[29]将开放式创新视为企业通过创新过程系统地进行内外部知识的开发、保持和利用的活动。由此，国外学者在开放式创新背景下对知识管理的研究主要聚焦于知识搜索和知识转移两个主题。一些学者（如Dittrich等，2007）将跨边界的知识搜索看作由封闭式创新模式向开放式创新模式转型的重要标志，认为它能够赋予企业一系列可选择优势，有利于企业更好地实现创新发展。在此基础上，学者们进一步研究了知识搜索对于开放式创新的影响机理，强调其作为开放式创新的输入变量，是借由知识吸收能力对创新绩效发挥作用的（Spithoven，2010；Dyer，2013）。关于知识转移的研究则主要侧重于对组织之间知识转移的前因变量，如合作意愿、激励机制和信任机制等加以分析（Gee，2005；Anderson，2008；Roge，2013），同时也涉及组织之间知识转移及其创新绩效之间的关系研究（Vaara，2012）。

在将知识作为创新来源、充分进行知识的交互式价值创造的同时，也需要对其进行有效治理[43]。学者们在开放式创新的背景下对知识治理的研究主要关注于知识治理的影响因素和知识治理机制两个主题。关于知识治理的影响因素，一些学者基于知识的嵌入性特征将其归纳为外部创新源的知识特征、知识活动主体要素、知识的外生情境和知识的内生情境（Mahnke，2004；Chesb，2007；Foss，2008；Chen，2010）等。进而指出，上述因素间的相互作用会对知识治理产生显著影响（Kannabiran，2010；Andreas，2012）。在知识治理機制方面，Nicolai Foss等[44]根据知识的特殊性对知识治理机制的选择做了初步探究。基于此，学者们指出，开放式创新知识治理机制主要包括：市场机制，涉及企业获取知识资源的方式、渠道、交易以及契约精神等内容（Alexy，2013）；社会机制，主要涉及合作意愿、沟通、承诺、信任、创新关系等内容（Dahlander，2010；Gooderham，2011）；层级机制，主要涉及创新成员间的管理形式、企业高层管理者意识等内容（Laursen，2006）。此外，部分学者也指出，开放式创新背景下知识边界的复杂性增加了机会主义行为发生的可能性，降低了知识转移与知识创造的效率，因此对知识产权的管理也是知识治理的重要途径[45-48]。

44开放式创新商业模式研究

该领域的研究主要包括商业模式对开放式创新的影响、商业模式的选择困境、商业模式的组织和策略研究。

企业获取的内外部资源只有凭借合理的商业模式进行利用、开发，并构建相应的创新获利机制，才能够真正获取所创造的新价值[49]。鉴于此，学者们运用案例研究和实证研究等方法验证了在线销售、公私合营、风险投资等新商业模式符合开放式创新环境要求，对于开放式创新顺利实施可以发挥关键性作用[50-53]。

学者们指出，当前开放式创新模式下的商业模式选择面临诸多困境，主要包括：企业受内外因素的限制难以了解自身的主导商业模式（Lindgardt，2009；Zott，2011）；复杂市场环境下的商业模式混乱、交错、不易识别（James，1996；Wassmer，2010），对现有商业模式的过度依赖或固守阻碍了商业模式的选择等（Johnson，2008；Tsvetkova，2012；Casadesus，2013）。

近年来，商业模式的组织和策略的相关研究备受关注。一些学者提出，面对开放式市场环境的动荡不定，可以构建基于企业联盟的商业模式，以此整合企业的内外部资源（Jiang，2010；Zhou，2010；Lahiri，2011；Bianchi，2013）。尤其是像制药行业这类创新过程漫长、充满不确定性的行业，更需要不同企业间结成战略联盟，共同完成创新研发[54]。同时，随着经济全球化及社会网络化进程的推进，创新战略联盟中主体间的关系更类似于生物学中的“共生”，企业商业模式竞争将主要表现为商业生态系统的竞争[55-57]。学者们由此认为，构建商业生态系统能够达到协调不同市场开展互补性创新的目的，有利于开放式创新的实施（Pousttchi，2009；Giada，2012；Galateanu，2014）。此外，学者们还提出了改变顾客的价值主张、重构商业网络和价值链、建立不同企业间共同发展关系等商业模式创新的具体策略（Aspara Aspara，2011；Gerasymenko，2015）。

5结论

本文基于文献计量和可视化图谱的研究思想，利用网络特征分析对2003-2017年开放式创新领域的国外文献进行可视化计量分析，识别出该领域的研究热点，并进一步运用凝聚子群分析和多维尺度分析划分并验证开放式创新的热点主题。主要研究结论如下：

1）本文借助齐普夫第二定律将词频大于6的50个高频关键词确定为开放式创新领域的热点研究的基础。上述高频关键词的共现网络表明，国外学者在开放式创新领域的研究热点逐渐丰富，说明该领域的研究日趋成熟。

2）开放式创新高频关键词图谱网络的密度值处于较高水平，网络的连通性较好，说明国外开放式创新领域的研究内容相对集中，研究热点总体上呈现出较清晰的脉络。同时，基于网络中各节点的度数中心度和中间中心度的总体排名情况，得出创新、合作、众包、共同创造、商业模式、知识产权、知识管理及中小型企业这些高频关键词在开放式创新领域中处于枢纽位置，该领域的研究多围绕这些热点进行。

3）本文通过凝聚子群分析，将开放式创新领域的50个高频关键词初步划分为4个热点主题，即：开放式创新理论基础研究、开放式创新网络研究、开放式创新视域下的知识管理及治理研究、开放式创新商业模式研究。并基于多维尺度分析法对热点主题进行验证，其结果与凝聚子群初探的结果具有较高的一致性，验证了基于凝聚子群分析所得的热点主题的准确性。

4）当前该领域研究的4个热点主题涉及的研究内容如下：开放式创新理论基础研究主要包括开放式创新的动机和影响因素、组织形式、中小企业实践应用研究；开放式创新网络研究主要集中于开放式创新网络对创新绩效的影响、开放式创新网络的量化测度以及用户创新研究；开放式创新背景下的知识研究主要涉及知识管理研究和知识治理研究；而开放式创新商业模式这一领域的研究则聚焦于商业模式对开放式创新的影响、商业模式的选择困境、商业模式的组织和策略研究。

上述国外开放式创新研究领域的热点及主题分析，有助于学者们清晰梳理开放式创新的研究脉络，了解国外研究的发展趋势，从而为其探寻未来的研究切入点提供参考。同时，本文基于社会网络分析识别与区分研究热点主题的思路与方法，对于学者们了解某学术领域的研究現状也具有一定的可资借鉴之处。

参考文献

[1]Chesbrough H，Vanhaverbreke W，West J.开放创新的新范式[M].陈劲，等译.北京：科学出版社，2010.

[2]王水莲，杜莹莹.海尔、联想、小米开放式创新模式比较研究[J].科技和产业，2017，17（8）：94-98.

[3]何璜.年营收10年增长4倍乐高要跟你讲一个联盟管理故事[J].公关世界，2017，（9）：78-81.

[4]Chesbrough H.Open Innovation，the New Imperative for Creating and Profiting from Technology[M].Boston：Harvard Business School Press，2003.

[5]Van De Vrande V，De Jong J，Vanhaverbeke W，De Rochemont M.Open Innovation in SMEs：Trends，Motives and Management Challenges[J].Technovation，2009，29（6/7）：423-437.

[6]Schroll A，Mild A.Open Innovation Modes and the Role of Internal R&D;[J].European Journal of Innovation Management，2011，14（4）：475-495.

[7]Cui T R，Ye H，Teo H，et al.Information Technology and Open Innovation：A Strategic Alignment Perspective[J].Information & Management，2015，52（3）：348-358.

[8]林素芬.基于Citespace的開放式创新研究[J].电子科技大学学报：社科版，2014，16（6）：63-67，77.

[9]夏恩君，宋剑锋.开放式创新研究的演化路径和热点领域分析——基于科学知识图谱视角[J].科研管理，2015，36（7）：28-37.

[10]李淑燕，孙锐.基于共词网络的国内开放式创新研究热点与主题探析[J].科技与经济，2015，28（5）：26-30.

[11]李淑燕，孙锐.国外开放式创新研究学术群探析——基于作者共被引分析[J].科研管理，2016，37（5）：10-18.

[12]张敏，吴淑娟.开放式创新理论研究的知识体系与未来发展——基于SSCI（2003-2014）的科学计量分析[J].科学学与科学技术管理，2016，37（6）：3-12.

[13]白文倩.基于引文分析方法的教育技术学科知识图谱构建[D].武汉：华中师范大学，2012.

[14]徐迎迎，魏瑞斌.基于研究主题的文献计量三大定律的实证分析——以“开放存取”为例[J].情报科学，2015，33（11）：85-89.

[15]沙勇忠，李文娟.公共危机信息管理EPMFS分析框架[J].图书与情报，2012，（6）81-90.

[16]段现蓉，赵捧未.基于共引与共词分析的国内移动商务核心知识与热点识别[J].情报科学，2016，34（12）：64-69.

[17]王红.基于共词分析法对近十年我国图情学研究热点的分析[J].情报杂志，2011，30（3）：59-64.

[18]曹玲，杨静，夏严.国内竞争情报领域研究论文的共词聚类分析[J].情报科学，2010，28（6）：923-925，930.

[19]Xu Y，Zhu Q H.Demonstration Study of Social Network Analysis Method in Citation Analysis[J].Information Studies：Theory & Application，2008，（2）：184-188.

[20]杨秀秀.管理科学与工程学科共词网络整体特性、生长性及热点研究[D].杭州：浙江大学，2014.

[21]刘军.整体网分析讲义：UCINET软件实用指南[M].上海：上海人民出版社，2009.

[22]邱均平，党永杰.我国图书情报领域机构合作网络分析[J].情报科学，2013，（1）：56-60.

[23]Lee W H.How to Identify Emerging Research Fields Using Scientometrics：An Example in the Field of Information Security[J].Scientometrics，2008，57（3）：359-377.

[24]叶平浩.信息资源管理研究热点与前沿的可视化分析[J].现代情报，2012，32（7）：36-42.

[25]Ma H W，Zeng A P.The Connectivity Structure，Giant Strong Component and Centrality of Metabolic Networks[J].Bioinformatics，2003，19（11）：1423-1430.

[26]付瑶，杨畔.基于共词分析的我国关联数据研究进展探析[J].图书馆学研究，2013，（4）：18-24.

[27]Rigby，Darrell and Zook，Chris.Open-market Innovation，Harvard Business Reviews[N].2002，（10）：80-85.

[28]Chesbrough H，Schwartz K.Innovating Business Models with Co-development Partnerships[J].Research Technology Management，2007，50（1）：55-59.

[29]Gassmann O，Enkel E.Towards A Theory of Open Innovation：Three Core Process Archetypes.In：R&D; Management Conference，2006.

[30]Bianchi M，Cavaliere A，Chiaroni D.Organizational Modes for Open Innovation in the Biopharmaceutical Industry：An Exploratory Analysis[J].Technovation，2011，31（1）：22-33.

[31]En kell E，Gassman n O，Chesbrough H W.Open R&D; and Open Innovation：Exploring the Phenomenon[J].R&D; Management，2009，39（4）：311-316.

[32]Christensen J F，Olesen M H，Kjaer.The Industrial Dynamics of Open Innovation—Evidence from the Transformation of Consumer Electronics[J].Research Policy，2005，34（10）：1533-1549.

[33]Laursen K，Salter A.Open for Innovation：The Role of Openness in Explaining Innovation Performance Among UK Manufacturing Firms[J].Strategic Management Journal，2006，27（2）：131-150.

[34]Chesbrough H，Crowther A K.Beyond High Tech：Early Adopters of Open Innovation in Other Industries[J].R&D; Management，2006，36（3）：229-236.

[35]Almirall E，Casadesus-MasanellR.Open Versus Closed Innovation：A Model of Discovery and Divergence[J].Academy of Management Review，2010，35（1）：27-47.

[36]Ebersberger B，Bloch C，Herstad S J，et al.Open Innovation Practices and Their Effect on Innovation Performance[J].International Journal of Innovation and Technology Management，2012，9（6）：1-22.

[37]Scherngell T，Hu Y.Collaborative Knowledge Production in China：Regional Evidence from a Gravity Model Approach[J].Regional Studies，2011，45（6）：755-772

[38]Eisingerich A B，Bell S J，Tracey P.How Can Clusters Sustain Performance？The Role of Net-work Strength，Network Openness，and Environmental Uncertainty[J].Research Policy，2010，39（2）：239-253.

[39]Inkpen A C，Tsang E W K.Social Capital，Networks，and Knowledge Transfer[J].Academy of Management Review，2005，30（1）：146-165.

[40]Brown S A，Dennis AR，Burley D，et al.Knowledge Sharing and Knowledge Management System Avoidance：The Role of Knowledge Type and the Social Network in Bypassing an Organizational Knowledge Management System[J].Journal of the American Society for Information Science and Technology，2013，64：2013-2023.

[41]Turkina E，Thai M T T.Social Capital，Networks，Trust and Immigrant Entrepreneurship：A Cross-country Analysis[J].Journal of Enterprising Communities：People and Places in the Global Economy，2013，7（2）：108-124.

[42]Faems D，de Visser M，Andries P，et al.Technology Alliance Portfolios and Financial Performance-value-enhancing and Cost-increasing Effects of Open Innovation[J].Journal of Innovation Management，2010，27：785-796.

[43]Pemsel S，Muller R，Soderlund J.Knowledge Governance Strategies in Project-based Organizations[J].Long Range Planning，2016，49（6）：648-660.

[44]Nicolai Foss，Kenneth Husted.Governing Knowledge Processes Theoretical Foundations and Research Opporhxnities.CKG Working Paper[R].Septanber 2003，（1）：15-19.

[45]Huston L.and Sakkab，N.Implementing Open Innovation[J].Research Technology Management，2007，50（2）：21-25.

[46]Chesbrough H.The Logic of Open Innovation：Managing Intellectual Property[J].California Management Review，2003，45（3）：33-58.

[47]Alexy O，Criscuolo P，Salter A.Does IP Strategy Have to Cripple Open Innovation？[J].MIT Sloan Management Re-view，2009，51（1）：71-77.

[48]Lichtenthaler U.Intellectual Property and Open Innovation：An Empirical Analysis[J].International Journal of Technology Management，2010，52（3）：372-391.

[49]Morris M，Schindehutte M，and Allen J.The Entrepreneurs Business Model：Toward a Unified Perspective[J].Journal of Business Research，2005，58（6）.

[50]Lichtenthaler U，Lichtenthaler E.A Capability Based Framework for Open Innovation：Complementing Absorptive Capacity[J].Journal of Management Studies，2009，46（8）：1315-1338.

[51]Huizingh K R E.Open Innovation：State of the Art and Future Perspectives[J].Technovation，2011，（1）：2-9.

[52]Amit R，Zott C.Creating Value Through Business Model Innovation[J].MIT Sloan Management Review，2012，53（3）：41-49.

[53]Garriga H，Von Krogh G，Spaeth S.How Constraints and Knowledge Impact Open Innovation[J].Strategic Management Journal，2013，34（9）：1134-1144.

[54]T，Baum J，Silverman B.Canadian Biotechnology Start-ups，1991-1997：The Role of in Cumbents Patents and Strategic Alliances in Controlling Competition[J].Social Science Research，2007，29（4）：503-534.

[55]Adner R，Kapoor R.Value Creation in Innovation Ecosystems：How the Structure of Technological Interdependence Affects Firm Performance in New Technology Generations[J].Strategic Management Journal，2010，31（3）：306-333.

[56]Guan X L，Gao B.Study on Interspecific Coordination Effect within the Entrepreneurship Ecosystem[J].Applied Mechanics and Materials，2014，675：1032-1035.

[57]Rong K，Hu G，Lin Y，et al.Understanding Business Ecosystem Using a 6C Framework in Internet-of-Things-based Sectors[J].International Journal of Production Economics，2015，159：41-55.

（責任编辑：陈媛）2018年9月第38卷第9期现代情报Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期我国自媒体信息服务立法进程与内容分析评价Sep.，2018Vol38No9

收稿日期：2018-06-20