ارائه چارچوبی برای تحلیل ظرفیت جذب خوشه های نوآوری با رویکرد SNA (مطالعه موردی: ناحیه نوآوری دانشگاه صنعتی شریف) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
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.A Framework for Analyzing Absorptive Capacity Using Social Network Analysis (Case Study: Sharif University Innovation Ecosystem)
Objective
Due to the importance of innovation ecosystems in the global economic circle, the absorptive capacity concept is important in Iran, too. Sharif University of Technology is important in establishing innovation clusters, because of its scientific status, access to knowledge resources, and being close to various industries and factories. It also provides a platform for the flow of knowledge between academic and business fields.
Methods
Sharif University of Technology is a pioneer in establishing a cluster platform for start-ups and accelerators. The growth of innovation clusters is a current policy focus in many countries. This article examines and analyzes the absorption capacity of the ecosystem. The primary variable is the measurement of knowledge flows within clusters, while the ability of units to utilize these knowledge flows is another crucial factor. Knowledge flow and the capacity to leverage it are vital inputs for fostering innovative approaches within the cluster. Although the analysis of absorptive capacity has traditionally focused on individual companies without considering the geographical context and external knowledge connections, this approach has often overlooked the external role of companies. Consequently, the effectiveness of knowledge within each organization has been neglected.
Results
In this study, In this respect, the role of technology sectors of the Sharif University Innovation Ecosystem regarding knowledge communication and their cognitive position will be explored. The absorption capacity and models of knowledge connection between technology sectors in the innovation cluster are tested by identifying and extracting the role of each sector of the innovation cluster to use the Social Network Analysis (SNA) method. As the absorptive capacity of technological fields is conducive to their innovative performance, detecting and fostering the knowledge flow between such fields ways is essential to develop the innovative platform of innovation clusters, which, in turn, aims at investigating the current situation in terms of the dimensions of absorptive capacity, namely acquisition, adaptation, transfer, and exploitation in the innovation cluster's scope and its external environment. It picks out and exploits the cognitive stance of every field of technology based on the communication of knowledge. Thus, it will be spotting the input to everyone and the output from it, the types of communication, and the types of knowledge interactions with the outside entities. All these interactions result in roles such as technology gatekeepers, stars, and isolates.
Conclusion
The absorption capacity model has been identified by extracting the role of each technology field from within and outside the cluster utilizing the social network analysis method by computing the degree of knowledge input, output, and intermediateness. Through expert opinions and a literature review, the improvement solutions of the knowledge network have been identified and are presented as part of a transition mechanism to enhance the condition.