نوع مقاله : مقاله پژوهشی- فارسی
نویسندگان
1 گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، ایران
2 پژوهشکده فناوری نانو و مواد پیشرفته، تهران، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Purpose: In today's complex and uncertain business environment, large enterprises must shift from traditional, firm-centric approaches to collaborative value creation models. Innovation Ecosystems (IEs) have emerged as essential frameworks for understanding how firms co-evolve and innovate through interaction with multiple stakeholders. However, the dynamic and multi-actor nature of IEs presents major challenges for assessment and strategic management. This study addresses these challenges by developing a systematic methodology to analyze the complex interdependencies within the corporate innovation ecosystem of Mobarakeh Steel Company. The research aims to identify key influencing variables, map their causal relationships, and support strategic decision-making. It moves beyond linear analysis by embracing systemic feedback structures.
Design/methodology/approach: This research employs a mixed-methods approach rooted in systems thinking, using qualitative expert input alongside structural modelling techniques within a single in-depth case study of the Mobarakeh Steel IE. The process began with a comprehensive literature review to identify variables influencing corporate innovation ecosystems. To refine these, the Fuzzy Delphi Method (FDM) was applied, enabling expert-based validation while addressing uncertainty and subjectivity in judgments. The most critical variables were then selected. Next, causal relationships among these variables, including feedback loops, were mapped through further expert consultation and literature support. Finally, a Causal Loop Diagram (CLD) was developed to visually represent the ecosystem's dynamic structure, showing how variables interact over time. This approach provides a qualitative systems model for a better understanding of the complex interdependencies within the innovation ecosystem evaluated in this research.
Findings: The Fuzzy Delphi Method identified and validated 28 essential variables that influence Mobarakeh Steel IE. These factors, critical to the ecosystem’s operation and evolution, were further categorized, using literature and expert input, into four interconnected subsystems:" Communications Subsystem, Capabilities Subsystem, Economics Subsystem, Ecosystem Sustainability Subsystem". Following the variable identification and categorization, the study successfully mapped the intricate web of causal relationships between these 28 variables, spanning connections both within and across the four subsystems. This network of interdependencies was visually rendered in a Causal Loop Diagram (CLD) specific to the innovation ecosystem evaluated in this research. The resulting CLD provides a holistic, systemic representation of the ecosystem's structure, highlighting key feedback loops (both reinforcing and balancing) that drive its behaviour. This diagrammatic representation reveals the complex dynamics at play and potential leverage points for intervention.
Research limitations/implications: Given the study's single-case design centred on Mobarakeh Steel IE, its findings are context-specific and may not be generalizable to innovation ecosystems in other industries, regions, or stages of development. Additionally, although the Fuzzy Delphi Method employs a structured, consensus-building approach, its reliance on expert opinions introduces an element of subjectivity. While the derived CLD captures dynamic feedback loops, it is based on data covering only a few years; without longitudinal data supporting dynamic simulation, it ultimately oversimplifies the complexity of the real ecosystem.
Practical Implications: This study offers practical strategies for managing innovation ecosystems in large companies like Mobarakeh Steel. It identifies 28 critical variables across four subsystems to establish a structured framework for assessing ecosystem health. Using a Causal Loop Diagram (CLD) to illustrate interdependencies and potential outcomes, the research highlights key leverage points for enhancing innovation and sustainability. The combined use of the Fuzzy Delphi Method (FDM) and CLD provides a replicable approach that firms can apply to improve partner collaboration, resource allocation, capability development, and governance, ultimately promoting a more effective orchestration of their innovation ecosystems.
Social Implications: Strengthening corporate innovation ecosystems offers broad societal benefits. Effective corporate IEs can act as engines for regional development by fostering networks of suppliers, startups, and research institutions. By promoting a collaborative approach to innovation, this research indirectly supports the tackling of larger challenges, potentially including environmental sustainability within heavy industry if the ecosystem focuses on related innovations. Overall, improved innovation ecosystems contribute to inclusive economic and technological advancement.
Originality/value: This study uniquely integrates the Fuzzy Delphi Method (FDM) with Causal Loop Diagramming (CLD) to conduct a deep, systemic analysis of a corporate innovation ecosystem within a specific, complex industrial context. Using FDM provides a rigorous approach to variable identification and screening under uncertainty inherent in expert judgments about ecosystems. The resulting CLD offers a more nuanced and dynamic perspective than traditional linear or purely metric-based assessments, capturing the feedback structure that governs ecosystem behaviour. The study moves beyond generic IE descriptions to provide a context-specific, empirically grounded model of variable interactions. Its value extends to both researchers, offering a robust methodology for analyzing IE complexity, and practitioners (managers, strategists, policymakers), providing a practical tool for diagnosis, strategic planning, and fostering more effective and sustainable innovation ecosystems centred around large anchor firms.
کلیدواژهها [English]
مهاجرت ارزش از سازمانها به اکوسیستمها مسئلهای است که در سالهای اخیر، بنگاههای بزرگ دنیا را به چالش کشیده و مدیران این بنگاهها را به ایجاد بستر مناسب برای شکلگیری، جذب و رشد فضاهای آزاد و نوآورانه، سوق داده است؛ بستری که امکان رشد و تکامل مشترک را برای همۀ اعضای خود فراهم کند
(Williamson & Meyer, 2020; Shalender & Sharma, 2024; Shi et al., 2023). در این بستر جدید، عملکرد بنگاه در تعامل فعال با بازیگران پیرامونی، در راستای پیشبرد نوآوری و تحول در مبانی مدیریت، ضامن بقا و تداوم و حرکت بنگاه بزرگ و بازیگران پیرامونی آن در مسیر توسعه است (Feng et al., 2021; Granstrand & Holgersson, 2020; Valkokari, 2015) . مفهوم اکوسیستم نوآوری، یک مفهوم بنیادین به شمار میرود و برای این نگرش جدید، به راهکار نوین مذکور، ادنر[i] آن را برای اولین بار در سال (2006) مطرح کرده است. تنوع عناصر در اکوسیستم و نقشهای آنها در کنار قابلیتها و داراییهای مکمل[ii]، سازوکاری را برای نوآوری و خلق ارزشهای جدید فراهم میآورد (Granstrand & Holgersson, 2020).
رشد و تعالی این بستر در گرو برنامهریزی صحیح و عملکرد مناسب همۀ اعضا، بهخصوص بازیگر یا بازیگران کلیدی اکوسیستم است؛ اما این بازیگران برای اینکه استراتژی مناسبی در مسیر بلوغ اکوسیستم انتخاب کنند، لازم است ابتدا به ارزیابی و درکی صحیح از شرایط و وضعیت اکوسیستم دست یابند؛ بنابراین ارزیابی وضعیت اکوسیستمی که بستر مناسبی برای نوآوری و تکامل مشترک اعضا باشد، نیازمند روشی مناسب است که این ساختار پویا، پیچیده و متنوع را بهخوبی مدلسازی و تحلیل کند Paasi et al., 2023; Meng & Ma, 2018; Yao et al., 2021; Yung et al., 2020; Zhang et al., 2021)(. در موضوع مدیریت بنگاهها، همواره یکی از دغدغههای مدیران، سیاستگذاران و محققان، پاسخ به این سؤال است که چگونه ارزیابیهای لازم ازطریق استقرار یک ساز و کار سنجش و پایش انجام شود؟ این موضوع بهصورت مشابه برای راهبران و بازیگران در اکوسیستم نیز مطرح است. در پیشینۀ مدیریت نوآوری، روشهای مختلفی برای ارزیابی وجود دارد؛ ازجمله رویکردهای عینی و ذهنی برای اندازهگیری خروجیها و فرآیندها (Kuczmarski, 2000; OECD & Eurostat, 2018) که برخی از این رویکردها ازنظر بازیگر اکوسیستم نیز در نظر گرفته به کار برده میشود. با این حال در واقعیت، اندازهگیری عملکرد پدیدههای جمعی چند بازیگر، کار دشواری است؛ زیرا معمولاً تنشها و تناقضات بین اهداف خاص هر بازیگر و سیستم پدیدار میشود و سؤالاتی را دربارۀ عملکرد و آن چیزی ایجاد میکند که دقیقاً باید اندازهگیری شود
(Ritala & Almpanopoulou, 2017; Zhang & Zhou, 2023). از سوی دیگر، اکوسیستمها بهصورت پویا ازطریق تعاملات بین بازیگران در حال تکاملاند و نباید بهصورت خطی تحلیل شوند (Valkokari, 2015; Paasi et al., 2023). از سوی دیگر، به اعتقاد محققان (Paasi et al., 2023)، نوآوری فرآیندی بهندرت خطی و معمولاً چندوجهی است، تا جایی که در برخی از مقالات منتشرشده (Granstrand & Holgersson, 2020)، دشواری تحلیل، یکی از نقاط ضعف اکوسیستم نوآوری مطرح شده است.
گروهی از محققان (Oh et al., 2016) استدلال میکنند که اندازهگیری صحیح پیشرفت تکامل مشترک در یک اکوسیستم نوآوری، فراتر از قابلیتهای علمی فعلی است؛ زیرا به نظر میرسد این فرآیند ارزیابی با توجه به وابستگیهای متقابل متعدد بین سازمانها، فناوریها، افراد و مؤسسات بسیار پیچیده است. در پاسخ به این مسئله، ریتالا و آلمپانوپولو[iii] (2017) پاسخ دادند که رویکردهای مختلفی در این زمینه اتخاذ میشود؛ برای مثال، اکوسیستم ازنظر بازیگران بررسی و جمعآوری و تجزیه و تحلیل اطلاعات در سطوح سیستمی یا زیرسیستمی انجام میشود.
با توجه به دیدگاههای موجود در پیشینه، نتیجه گرفته میشود که ویژگی کلیدی اکوسیستمها در زمینههای اقتصادی و تجاری این است که منابع جدید ارزش ایجاد میکنند، منابع موجود را به اشتراک میگذارند تا ارزشهای جدید ایجاد و مدلهای تجاری مختلف را فعال کنند. با نگاه به گستردهبودن ابعاد و تنوع عناصر تشکیلدهندۀ اکوسیستمها، استفاده از تکنیکهای مدلسازی و تحلیل ساختارهای پیچیده، زمینۀ مناسبی را برای بررسی، تحلیل و پایش آنها ایجاد میکند. با این حال در واقعیت، اندازهگیری عملکرد هر پدیدۀ جمعی چند بازیگر دشوار است؛ اما با توجه به توسعۀ ابزارهای تحلیلی با کمک مدلسازی و استفاده از نظریههای مرتبط مثل نظریۀ پیچیدگی، مطالعات اکوسیستم نوآوری از سطوح توصیفی صرف، به مدلسازی اطلاعات کمی تبدیل میشود.
در سالهای اخیر تلاشهایی برای نمایهسازی و ارزیابی صحیح اکوسیستم نوآوری انجام شده است. انتخاب روش ارزیابی یکی از خلأهای موجود در این زمینه است که در حال حاضر محققان به آن توجه کردهاند. در برخی از تحقیقات ارزیابی اکوسیستم، هدف کشف زنجیرههای رفتاری است که بر رشد و زوال اکوسیستم تأثیر میگذارد (Ghazinoory et al., 2020). از دیگر تلاشها و نتایج علمی مربوط به این سازوکار ارزیابی، به مطالعات یانسیتی و ریچارد[iv] (2006)، ریتالا و همکاران[v] (2009) و مرکان و گوکتاس[vi] (2011) اشاره میشود. سیاستگذاری و برنامهریزی در اکوسیستم با هدف حفظ کیفیت سازوکارها و جریانات تبادل اطلاعات و ارزشآفرینی انجام و بر همین اساس، در بعضی منابع نیز برای بررسی شاخصهای عملکرد و برنامهریزی در اکوسیستم، از اصطلاح «سلامت اکوسیستم[vii]» (Iansiti & Richards, 2006) استفاده میشود. سلامت اصطلاحی است که از علم زیستشناسی به عاریت گرفته شده است و وضعیت اکوسیستم را ازنظر وجود ویژگیهایی مانند پویایی و تمایل به رشد در یک اکوسیستم توصیف میکند (Ritala & Almpanopoulou, 2017). در هر صورت، مانند هر مطالعۀ تحلیلی دیگر، باید معیارها و شاخصهای عملکردی کاملاً تعریفشدهای برای پایش و تحلیل معرفی و از ابزارهایی استفاده شود که با سطح تحلیل و سؤال تحقیق مرتبط است.
دیدگاه سنتی مدلسازی فرض میکند که همۀ سیستمها با بررسی دقیق اجزای آنها تشریح شود؛ اما در بسیاری از رویدادها، بهویژه در جوامع بشری، چنین نیست. شرایط بسیاری تجربه شده است که کل سیستم با مجموع اجزا برابر نیست؛ بنابراین در این شرایط نمیتوان نتایج یک موقعیت را با مطالعۀ تکتک اجزا توضیح داد
(Zimmerman & Plsek, 1998). بهطور کلی رویکردهای سنتی برای تبیین فرآیندهای تغییر و تحول سازمانی محدود بوده و در هدایت تلاشهای پژوهشی و شیوههای مدیریت کاربردی رضایتبخش نبوده است؛ بنابراین برای این مهم باید به سراغ ابزارهایی با قابلیتهای پیچیدۀ تحلیل رفت.
تا به امروز پژوهشگران، مواردی از تحلیل اکوسیستم نوآوری را مطرح کردهاند؛ اما این کار برای یک اکوسیستم نوآوری شرکتی با وجود یک بازیگر کلیدی از جنس سرمایهگذاری جسورانه، تاکنون در مطالعات لحاظ نشده بود؛ بنابراین در این پژوهش پس از شناسایی متغیرها، روشهای تحلیل بررسی و سپس ابزارهای مناسب مربوطه برای رسیدن به هدف مهم فوق، معرفی و استفاده شد.
تاکنون دستهبندی استانداردی برای متغیرهای مؤثر بر اکوسیستم نوآوری منتشر نشده است؛ اما با توجه به ماهیت و اشتراک مفهوم اکوسیستم، برخی از شاخصهای سنجش وضعیت از مفاهیم تجربهشدۀ مشابه، ازجمله اکوسیستم کسبوکار وام گرفت؛ بنابراین در این مبحث به تجربیات و شاخصهای مطرحشده در این موارد اشاره خواهد شد.
در بررسیها و تجارب ثبتشدۀ اکوسیستمهای کسبوکار (Graça & Camarinha-Matos, 2017; Halachenko et al., 2020) ، یکی از ابعاد پایش اکوسیستم، رضایت ذینفعان و بازیگران اعم از مشتریان، کارکنان و شرکاست. این مورد با اندازهگیری درصد رضایت و نرخ ترک خدمت کارکنان و بازیگران سنجیده میشود. شاخص درآمد نوآوری[viii] که توانایی خلق ارزش اقتصادی را نشان میدهد نیز، یکی از معیارهای نظارتی و تنوع بازیگران، بازارها و محصولات موجود در اکوسیستم نیز یکی از شاخصهایی است که در این موضوع مدنظر قرار داده میشود (Zhang, 2007). یانسیتی و لوین[ix] (2004) سه مؤلفۀ پایداری، بهرهوری و ظرفیت ایجاد تنوع و قابلیتهای جدید را برای سلامت اکوسیستم کسبوکار، معرفی کردهاند.
در دیدگاه دنهارتیگ و همکاران[x] (2006)، سلامت اکوسیستم شاخص ارتباطات مؤثر بین بازیگران است که بهسادگی از بین نمیروند.
مرکان و گوکتاس[xi] (2011) سه شاخص کلیدی را برای اکوسیستم نوآورانه به تصویر میکشند. به اعتقاد آنها، اولین شاخص ارزیابی اکوسیستم وضعیت توسعۀ آن است. همچنین همکاری بین صنعت و دانشگاه یکی دیگر از اجزای اکوسیستم نوآوری است. انتظار میرود که همکاری تحقیق و توسعۀ بین دانشگاه و صنعت، خروجی نوآوری را افزایش دهد. فرهنگ نوآوری یکی دیگر از اجزای ساختاری است که انتظار میرود فعالیتهای نوآورانه را تقویت کند. نیروی کار ماهر و تحصیلکرده و مهاجرت با مهارت بالا، شاخصی از وضعیت فرهنگ نوآوری است. بین سطح فرهنگ نوآوری و کارایی نوآوری رابطۀ مثبت، اما ناچیز وجود دارد.
در شرایط گستردگی ابعاد و تنوع عناصر تشکیلدهندۀ اکوسیستمها، استفاده از تکنیکهای مدلسازی و تحلیل، زمینۀ مناسبی را برای بررسی و پایش آنها ایجاد میکند.
بهطور کلی در سالهای اخیر، تلاشهایی برای شاخصگذاری و ارزیابی صحیح مفهوم نوآوری انجام شده است؛ اما معرفی یک سیستم ارزیابی مدون برای سنجش و پایش اکوسیستم نوآوری، یکی از خلأهای موجود در این حوزه است که در حال حاضر مجامع علمی به آن توجه کردهاند.
با توجه به اینکه اکوسیستمها ساختارهای بسیار پویا هستند و از عناصر زنده تشکیل شدهاند، مدلسازی آنها با استفاده از ابزارهای توضیح داده شده در بخش قبل، در سالهای اخیر مورد توجه محققان قرار گرفته است که در ادامه، به مواردی از آن اشاره خواهد شد.
پاسی و همکاران[xii] (2022) در پژوهشی با عنوان «مدلسازی پویایی اکوسیستم نوآوری»، پویایی اکوسیستم نوآوری را با استفاده از روش دینامیک سیستم بررسی و ابتدا عوامل کلیدی ایجاد پویایی در اکوسیستم نوآوری و عناصر مدل را شناسایی کرده است؛ سپس با فرمولبندی و تحلیل مدل نشان داده شده است که چگونه عوامل کلیدی پویایی بر نتایج شکلگیری اکوسیستم تأثیر میگذارند.
در تحقیقی با عنوان «نوآوری فناوری و خلق ارزش در یک اکوسیستم نوآوری شرکتی براساس مدلسازی پویایی سیستم»، ژانگ و همکاران[xiii] (2021) ابتدا متغیرهای مؤثر انتخابشده در اکوسیستم نوآوری یک شرکت، با محوریت نوآوری فناورانه و مسیرهای ارزشآفرینی را شناسایی کردند، سپس خروجی این کار را در قالب نمودار روابط علت و معلولی ترسیم کردند. در این تحقیق، ساختار اصلی اکوسیستم نوآوری مبتنی بر شرکت، دولت، دانشگاهها، مؤسسات تحقیقاتی و مؤسسات توسعۀ فناوری و سپس با تکمیل متغیرهای مؤثر بر عملکرد بازیگران اکوسیستم، مدل تحلیل دینامیکی این اکوسیستم را ترسیم شده است.
یونگ و همکاران[xiv] (2020) نیز در تحقیقی با عنوان «مدلسازی پویای اکوسیستم نوآوری با ارائۀ دو نمونه از تجهیزات صنعت فضایی»، با انتخاب متغیرهایی، اکوسیستم نوآوری را در صنایع پیشرفته تحلیل و نتایجی را در این باره ارائه کردهاند. دباغافروز و همکاران[xv] (2019) نیز، در تحقیقی با عنوان «ایجاد اکوسیستم نوآوری در بخش سلامت با برنامۀ پویایی سیستم»، این موضوع را در بخش سلامت تحلیل کردهاند.
با توجه به مطالب فوق، پژوهشهای محدودی با ابزارهای متنوع در تحلیل اکوسیستم نوآوری انجام گرفته است؛ اما پژوهشهای انجامشده، به مطالعات موردی بر برخی اکوسیستمهای نوآوری محدود شده و متغیرهای محدودی با نظر خبرگان اکوسیستمهای مطالعه شده در این پژوهشها ارزیابی شده است. با توجه به جمعبندی فوق، هنوز تحلیلی جامع با در نظر گرفتن ابعاد مختلف اکوسیستم نوآوری و دستهبندی عوامل مؤثر در هریک از این ابعاد ارائه نشده است. همچنین برای تحلیل در زمینۀ اکوسیستم نوآوری شرکتی در صنعت فولاد، هیچ پژوهشی منتشر نشده و علاوه بر این، نقش عوامل مؤثری ازجمله سرمایهگذاری جسورانه در وضعیت اکوسیستمهای نوآوری تحلیل نشده است.
بنابراین در این پژوهش، ابتدا با جمعبندی مرور پیشینه، روش تحلیل پویاشناسی بهعنوان یک روش تحلیل مناسب برای اکوسیستم شناسایی شده است؛ سپس با توجه به نتایج حاصل از مرور پیشینه، متغیرهای به کار برده شده در این تحلیل شناسایی شدهاند. همچنین این پژوهش در قالب یک گام جدید، متغیرهای فوق را در قالب زیرسیستمهای مشخص با کمک خبرگان اکوسیستم دستهبندی و مدل مفهومی روابط بین متغیرها را در قالب یک نمودار روابط علّی معرفی میکند. با توجه به نیازهای تحلیل و ارزیابی اکوسیستم نوآوری، در این پژوهش سعی بر آن است تا با تعیین عوامل و متغیرهای مؤثر، روابط حاکم بر اکوسیستم نوآوری در قالب یک مطالعۀ موردی در اکوسیستم نوآوری فولاد مبارکه شناسایی شود. تعیین متغیرها و روابط، گام مهمی در نگرش صحیح به ابعاد اکوسیستم است و مهمترین ابزار را در جهت رسیدن به تحلیلی مناسب از اکوسیستم فراهم میآورد.
با مرور پیشینه در این تحقیق، منابعی برای انتخاب شاخصها و متغیرهای تأثیرگذار شناسایی و بررسی شد. درنهایت حاصل بررسیهای انجامشده در قالب جدول 1 جمعآوری و نتیجۀ مرور پیشینۀ شاخصها با ذکر منابع مربوطه ارائه شد.
هرچند تاکنون تلاشهایی برای جمعبندی شاخصهای مذکور انجام شده است، اما به نظر میرسد این موضوع در ابعاد شناسایی شاخصهای جدید در کنار استفاده از مدلهای پیشرفته توسعهیافتنی است.
|
ردیف |
شرح متغیر/ شاخص |
مرجع شناسایی متغیر |
|
1 |
سازوکار هدایت نوآوری ازطریق راهبر اکوسیستم |
یان و همکاران (2021) رابلو نتو و همکاران[xvi] (2024) |
|
2 |
شدت تغییرات میزان ریسک در اکوسیستم |
یونگ و همکاران (2020) جوانمردی[xvii] (2022) |
|
3 |
سطح حمایت دولت |
یونگ و همکاران (2020) جوانمردی (2022) دباغ افروز و همکاران (2019) |
|
4 |
هزینههای مدیریتی هزینهشده در اکوسیستم |
پوپوف و همکاران[xviii] (2021) |
|
5 |
تعداد ذینفعان دولتی فعال در اکوسیستم |
پوپوف و همکاران (2021) |
|
6 |
تنوع عناصر فعال در اکوسیستم نوآوری |
ژانگ و همکاران[xix] (2021) جوانمردی (2022) |
|
7 |
تعداد دانشگاهها و ذینفعان علمی |
ژانگ و همکاران (2021) پوپوف و همکاران (2021) |
|
8 |
تعداد نیروی کار نوآوری فعال در اکوسیستم |
ژانگ و همکاران (2021) |
|
9 |
هزینۀ تحقیق و توسعۀ انجامشده از سوی بازیگران اکوسیستم |
ژانگ و همکاران (2021) یونگ و همکاران (2020) دباغ افروز و همکاران (2019) |
|
10 |
هزینۀ آموزش انجامشده از سوی بازیگران اکوسیستم |
ژانگ و همکاران (2021) |
|
11 |
تعداد تأمینکنندگان محصولات نوآوری |
ژانگ و همکاران (2021) |
|
12 |
هزینههای فناوری انجامشده از سوی بازیگران اکوسیستم |
ژانگ و همکاران (2021) |
|
13 |
میزان سطح دانش داخلی موجود در بستر اکوسیستم |
یونگ و همکاران (2020) رابلو نتو و همکاران (2024) |
|
14 |
میزان سرمایۀ کل محققشده در بستر اکوسیستم |
ژانگ و همکاران (2021) جوانمردی (2022) |
|
15 |
سطح پایداری اکوسیستم |
یانسیتی و لوین (2004) رابلو نتو و همکاران (2024) |
|
16 |
توانمندی نوآوری در بستر اکوسیستم |
یونگ و همکاران (2020) |
|
17 |
توانمندی طراحی و توسعه در بستر اکوسیستم |
یونگ و همکاران (2020) |
|
18 |
توانمندی بازطراحی و ارتقا در بستر اکوسیستم |
یونگ و همکاران (2020) |
|
19 |
میزان جذابیت اکوسیستم برای مخاطبان و ذینفعان |
پاسی و همکاران (2023) |
|
20 |
میزان نوآوری مشترک ایجادشده در بستر اکوسیستم |
یان و همکاران (2021) |
|
21 |
تعداد پتنتهای ثبتشده از سوی بازیگران اکوسیستم |
ژانگ و همکاران (2021) |
|
22 |
سطح همکاری صنعت و دانشگاه در اکوسیستم |
یان و همکاران (2021) جوانمردی (2022) رابلو نتو و همکاران (2024) دباغ افروز و همکاران (2019) |
|
23 |
حجم بازار تکنولوژی در بستر اکوسیستم |
ژانگ و همکاران (2021) جوانمردی (2022) |
|
24 |
درآمد حاصل از نوآوری محققشده در اکوسیستم |
ژانگ و همکاران (2021) پوپوف و همکاران (2021) |
|
25 |
میزان سود اقتصادی به دست آمده در اکوسیستم |
یان و همکاران (2021) |
|
26 |
میزان ارزش مشترک خلقشده در اکوسیستم |
یان و همکاران (2021) رابلو نتو و همکاران (2024) |
|
27 |
سطح توزیع سود تجربهشده بین بازیگران اکوسیستم |
یان و همکاران (2021) |
|
28 |
سطح توسعۀ مشترک[xx] بازیگران اکوسیستم |
پاسی و همکاران (2023) |
موضوع شاخصگذاری و شناسایی معیارهای صحیح در تحلیل اکوسیستم، همچنان در حال پیشرفت و بهروزرسانی است. پیچیدگی بالای روابط در بستر اکوسیستم، سبب شده است که انتخاب این شاخصها دشوارتر شود. در هر صورت لازمۀ نتیجهگیری مناسب از یک فرایند پایش، انتخاب مناسب شاخصهاست و در این زمینه به فعالیتهای علمی و عملیاتی گستردهتری نیاز است.
با توجه به مدل «پیاز پژوهش»[xxi] مبتنی بر مطالعات ساندرز[xxii] (2009)، لایههای فلسفه، رویکرد، هدف، ابزارها و روشهای اجرای یک پژوهش علمی در قالب توصیف میشود.
براساس الگوی فوق، پژوهش حاضر در دستهبندی اثباتگرایی با رویکرد قیاسی و روش کمی مبتنی بر پیمایش انجام شده است. هدف از انجام این پژوهش، ارزیابی ابعاد و تعیین روابط علّی در اکوسیستم نوآوری است. با توجه به اینکه این پژوهش به گسترش شناخت و کیفیت تصمیمگیری بازیگران مؤثر در اکوسیستم نوآوری فولاد مبارکه کمک میکند؛ بنابراین ازنظر هدف یک تحقیق کاربردی محسوب میشود. از طرفی با توجه به بهرهگیری از روش گردآوری دادهها برای انجام مراحل مطالعات مروری نیز، یک پژوهش توصیفی از نوع پیمایشی است. استراتژی این پژوهش پس از پیمایش اولیه، مطالعۀ موردی بر یک موضوع مشخص در بستری مشخص است.
ابزارهای استفادهشده، مطالعات کتابخانهای در کنار بررسی میدانی از مسیر پرسشنامه و مصاحبه و درنهایت استفاده از ابزارهای نرمافزاری برای ترسیم روابط علّی بین متغیرهای تأثیرگذار است.
میتوان اذعان داشت که مزیت اصلی در مدلسازی، شناسایی فرآیندها و روابط و حلقههای بازخورد است که بیانگر غیرخطیبودن و پویایی اکوسیستم و آثار متغیرها در ابعاد مختلف آن است. برای ایجاد یک مدل با این رویکرد، این فرآیند در دو مرحلۀ زیر انجام میشود:
عناوین مراحل اجرایی پژوهش، در شکل 1 ارائه شده است. در ادامه، این مقاله جزییات مراحل فوق را شرح داده است.
شکل 1- فرآیند اجرایی این پژوهش
Figure 1- Implementation process of this research
پس از طی مراحل مرور پیشینه در این پژوهش، ابتدا متغیرها در قالب مصاحبه با افراد مؤثر و آگاه به بحث گذاشته و فهرست متغیرها با نظر ایشان تکمیل و بهروزرسانی شد؛ سپس برای غربالگری نهایی آنها، از روش دلفی فازی[xxiii] استفاده شد. روش دلفی بهطور کلی، بهعنوان ابزار در طیف گستردهای از فعالیتها ازجمله پیشبینی روندها، برنامهریزی، تدوین استراتژیها، جذب دانش، جمعبندی و برنامهریزی سیاستهای عمومی، تحقیقات بازار، برنامهریزی پروژه در مقیاس بزرگ، توسعۀ محصول جدید و طراحی سیستمها به کار میرود.
در روش دلفی کلاسیک، نظرات خبرگان در قالب اعداد قطعی بیان میشود؛ در حالی که افراد خبره از شایستگیهای ذهنی خود برای بیان نظر استفاده میکنند و این نشاندهندۀ احتمالیبودن عدم قطعیت حاکم بر این شرایط است. احتمالیبودن عدم قطعیت، با مجموعههای فازی سازگاری دارد؛ بنابراین، بهتر است دادهها در قالب زبان طبیعی از خبرگان اخذ و با استفاده از مجموعههای فازی تحلیل شوند. برای این منظور، پیشنهاد ادغام روش دلفی سنتی با تئوری فازی با عنوان «روش دلفی فازی» ارائه شد. در این روش، از توابع عضویت برای نشاندادن نظر خبرگان استفاده میشود. مزیت روش دلفی فازی در توجه به هریک از نظرات و یکپارچهکردن آنها برای دستیابی توافق گروهی است. مراحل اجرایی این روش، ترکیبی از روش دلفی سنتی و تحلیل دادههای هر مرحله با استفاده از تعاریف نظریۀ مجموعههای فازی است. بهمنظور فازیسازی نظرات خبرگان از اعداد فازی استفاده میشود. اعداد فازی، مجموعههای عددیاند که در مواجهه با عدم قطعیت دربارۀ یک پدیده، بههمراه دادههای عددی تعریف میشوند (Lianto, 2023; Hashemi Petrudi et al., 2022)؛ بنابراین دلفی فازی روش ترکیبی از روش دلفی و نظریۀ مجموعههای فازی است که ایشیکاوا و همکاران[xxiv] (1993) آن را ارائه کردند. بهطور کلی از روش دلفی برای دو منظور پیشبینی و یا غربالگری استفاده میشود. اگر هدف پیشبینی باشد، عموماً در چند دور انجام میشود؛ ولی حالت غربالگری، در یک دور نیز انجام میشود (Habibi et al., 2015; Hasan & Jaber, 2024).
درواقع دلفی فازی یک روش مشارکتی برای جمعآوری نظرات افراد خبره در یک حوزۀ خاص است. در این روش، یک گروه از متخصصان در یک حوزۀ خاص، بهعنوان اعضای پانل انتخاب میشوند و نظرات خود را دربارۀ یک مسئلۀ خاص، با استفاده از مفاهیم فازی ارائه میدهند. منطق فازی نیز یک منطق ریاضی است که برای مدلسازی عدم قطعیت و ابهام در دادهها و اطلاعات استفاده میشود. در این نوع از منطق، مقادیر بهصورت فازی تعریف میشوند؛ به این معنی که بهجای مقادیر دقیق، هر مقدار با یک درجۀ عضویت در یک مجموعۀ فازی تعریف میشود. مزیت روش دلفی فازی در توجه به هریک از نظرات و یکپارچهکردن آنها برای دستیابی به توافق گروهی است. مراحل اجرایی این روش ترکیبی از روش دلفی سنتی و تحلیل دادههای هر مرحله، با استفاده از تعاریف نظریۀ مجموعههای فازی است. بهمنظور فازیسازی نظرات خبرگان، از اعداد فازی استفاده میشود که مجموعههای فازیاند که در مواجهه با عدم قطعیت دربارۀ یک پدیده تعریف میشوند.
پس از شناسایی متغیرها، گروه خبرگان مرتبط با موضوع پژوهش تشکیل و پرسشنامهها بهمنظور تعیین میزان اهمیت و مرتبطبودن شاخصهای شناساییشده با موضوع اصلی پژوهش و غربالگری برای آنها ارسال میشود که در آن متغیرهای زبانی، برای بیان اهمیت هر شاخص به کار میروند. درنهایت غربالگری شاخصها در دلفی فازی، ازطریق مقایسۀ مقدار ارزش اکتسابی هر شاخص با مقدار آستانه انجام میشود. مقدار آستانه از چند طریق محاسبه میشود. در مقالات مرجع این تحقیق (Habibi et al., 2015)، مقدار 7/0، مقدار آستانه در نظر گرفته شده است.
برای اجرای فرآیند غربالگری، ابتدا مقادیر فازی مثلثی نظرهای خبرگان محاسبه میشود، سپس برای محاسبۀ میانگین نظرات نفرات پاسخدهنده، میانگین فازی آنها محاسبه میشود. اعداد فازی مثلثی متغیرهای کلامی مطابق جدول 2 تنظیم میشوند.
|
عدد فازی مثلثی |
متغیرهای کلامی |
|
(1 1 75/0) |
کاملاً بااهمیت |
|
(1 75/0 5/0) |
بااهمیت |
|
(75/0 5/0 25/0) |
متوسط |
|
(5/0 25/0 0) |
کماهمیت |
|
(25/0 0 0) |
بیاهمیت |
در مرحلۀ نظرسنجی، پرسشنامۀ امتیازدهی به متغیرها به اعضای گروه خبره ارسال و میزان موافقت آنها با هرکدام از مؤلفهها اخذ و نظرات جمعبندی ارائه میشود. با توجه به نتایج، میانگین فازی هریک از مؤلفهها با توجه به روابط زیر محاسبه میشود (Habibi et al., 2015):
|
(1) |
Dij= (𝑎𝑖j, bij, c𝑖j), 𝑖 = 12,3, ..., 𝑛 , j = 12,3, ..., 𝑛 |
|
(2) |
Aj= min (𝑎𝑖j, bij, c𝑖j), Bj = , Cj= max (𝑎𝑖j, bij, c𝑖j) |
|
(3) |
Davej=1/3*(Aj+Bj+Cj) |
در این رابطه، D𝑖j بیانگر دیدگاه خبرۀ i ام دربارۀ متغیر j و Davej میانگین حسابی دیدگاههای خبرگان دربارۀ آن متغیر است. متغیرهای زبانی برای بیان اهمیت هر شاخص به کار میروند. مطابق جدول، برای بیان مقادیر در این پژوهش، از اعداد فازی مثلثی استفاده شد. بهطور کلی مراحل طیشده در روند اجرای روش دلفی فازی شامل موارد زیر است (Cuhls, 2023; Hasan & Jaber, 2024):
تأیید و غربالگری شاخصها ازطریق مقایسۀ مقدار ارزش اکتسابی هر شاخص با مقدار آستانه انجام میشود. مقدار آستانه از چند طریق محاسبه میشود که اصولاً مقدار 7/0، مقدار آستانه در نظر گرفته شده است
(Habibi et al., 2015). البته در برخی پژوهشها، مقدار آستانه از میانگین کل اعداد فازی نیز محاسبه میشود. برای این کار ابتدا باید مقادیر فازی مثلثی نظرهای خبرگان محاسبه شود، سپس برای محاسبۀ میانگین نظرات افراد پاسخدهنده، میانگین فازی آنها تعیین شود. درنهایت مقادیر میانگین محاسبهشده برای هر متغیر کمتر از مقدار آستانه، از فهرست متغیرهای بااهمیت حذف میشوند.
بهطور کلی در این پژوهش، ابتدا استخراج متغیرها از مرور پیشینه و مصاحبهها انجام میشود، سپس با استفاده از روش دلفی فازی، نسبتبه غربالگری آنها اقدام و درنهایت با بهرهگیری از رویکرد روابط علّی، مدل مبتنی بر این روابط بین متغیرهای مؤثر بر اکوسیستم نوآوری ترسیم و ارائه میشود. در ادامه، روش تعیین زیرسیستمها تا تدوین نمودار روابط علّی توضیح داده خواهد شد.
در سالهای اخیر تاکنون، موضوع نمایهسازی و شناسایی معیارهای صحیح در تحلیل اکوسیستم، همچنان در حال پیشرفت است. پیچیدگی بالای روابط در اکوسیستم، انتخاب این شاخصها را دشوارتر کرده است. در هر صورت، نتیجهگیری مناسب یک فرآیند نظارتی، مستلزم انتخاب مناسب شاخصهاست و در این زمینه به فعالیتهای علمی و عملیاتی گستردهتری نیاز است.
رویکرد پیچیدگی[xxv]، راه جدیدی برای مفهومسازی بسیاری از پارادوکسهای آشکاری را فراهم میکند که مدلسازی با آن مواجه است. در اواسط قرن بیستم، نظریۀ پیچیدگی و مفاهیم مرتبط با آن، از مفاهیم رشتههای مختلف وام گرفته شد. نظریۀ پیچیدگی، با عنوان مطالعۀ سیستمهای انطباقی پیچیده (Silva et al., 2021) بیان میشود. ریشههای این نظریه، از تحقیقات در علوم طبیعی سرچشمه میگیرد و عدم قطعیتها و رویدادهای غیرخطی را مطرح میکند (Grobman, 2005). نظریۀ پیچیدگی بر تعاملات و حلقههای بازخوردی تأکید دارد که دائماً سیستمها را تغییر میدهند. بهطور کلی، نظریۀ پیچیدگی مجموعهای قدرتمند و انعطافپذیر از استعارهها، مدلهای ذهنی و استراتژیها را در اختیار قرار میدهد که تحقیقات دربارۀ سازمانها را در محیطهای پیچیده مانند تجارت و جامعه هدایت میکند. براساس موارد ذکرشده، ابزارهایی که برای تحلیل سازوکارها و فرآیندهای پیچیده به کار میروند، در تحلیل اکوسیستمها نیز مؤثرند. بر همین اساس، از ابزارهایی مانند نظریۀ گراف[xxvi]، روش مدلسازی مبتنی بر عامل[xxvii] و روش تحلیل پویاشناسی سیستم[xxviii] در تحلیل ساختارهای پیچیده و پویای اکوسیستم استفاده میشود.
مرور منابع مرتبط با موضوع این پژوهش نشان میدهد که شناسایی روابط علّی و ترسیم حلقههای بازخورد، بهویژه زمانی که تغییرات، نقش محوری در فرضیۀ تحقیق دارند، مسیر مناسبی برای شناسایی ابعاد موضوع است. این رویکرد روشها و ابزارهایی را برای مدلسازی و تحلیل سیستمهای دینامیکی فراهم میکند. از نتایج این روند، برای درک بهتر رفتار سیستم استفاده میشود. این روش برای ترسیم ابعاد مسائلی استفاده میشود که در سیستمهای پیچیدۀ اجتماعی، مدیریتی، اقتصادی یا زیستمحیطی به وجود میآیند. همچنین برای سیستمهای اجتماعی، مدیریتی، اقتصادی، زیستمحیطی و فیزیولوژیکی اعمال میشود (Tomoaia et al., 2017).
ترسیم نمودار حلقههای علّی(CLD) روشی برای ثبت ساختار و بازخوردها و نشاندادن چگونگی تأثیر متغیرهای مرتبط بر یکدیگر است. مدل تهیهشده با این روش، شامل متغیرها و روابط آنهاست که نشان از آثار مثبت یا منفی است. رابطۀ مثبت نشان میدهد که عنصر مقصد یک نمودار روابط علّی (CLD) برای نمایش بازخوردها و روابط تهیه میشود که ازطریق حلقههای مثبت (تقویتکننده) و منفی (تعادلکننده) بیان میشود. حلقههای مثبت با رشد تصاعدی همراهاند و حلقههای منفی تمایل به رسیدن به نقطۀ تعادل دارند. این ابزار بر اساس تئوری دینامیک غیرخطی برنامهریزی شده و براساس نظریۀ بازخورد کنترلی در علوم ریاضی و مهندسی توسعه یافته است. با توجه به حوزۀ کاربرد، دانش روانشناسی، علوم اجتماعی، اقتصاد و دیگر شاخههای علم نیز در تحلیل پویایی به کار میرود Shaker et al., 2022) (Sterman, 2001;.
در این پژوهش، ضمن شناسایی و انتخاب روش فوق، بهعنوان یک روش مناسب، برای ترسیم روابط و حلقههای بازخورد متغیرهای شناساییشده، از این روش استفاده شد.
برای طی مراحل پژوهش، ابتدا نسبتبه شناسایی و تحلیل متغیرهای اثرگذار در اکوسیستم، از مسیر مرور پیشینه اقدام شد؛ سپس با بهرهگیری از مصاحبه با خبرگان صنعت (مدیران شرکت توسعه و پشتیبانی فناوری و نوآوری فولاد مبارکه)، دربارۀ متغیرهای مربوطه بحث و بعد ارزیابی شد. در این مرحله، ضمن بررسی متغیرهای شناساییشده در گام مرور پیشینه، تعداد سه متغیر با نظر خبرگان مصاحبهشونده به موارد شناساییشده اضافه شد تا فهرستی از 31 متغیر مؤثر در اکوسیستم نوآوری فولاد مبارکه تشکیل داده شود. این سه متغیر جدید شامل موارد زیر بودند:
- ارتباط ذینفعان خصوصی و دولتی؛
- بلوغ ارتباطات در بستر اکوسیستم؛
- میزان سرمایهگذاری خطرپذیر محققشده در بستر اکوسیستم.
علت اضافهشدن این متغیرها، آثار تجربهشده از سوی مدیران و کارشناسان شرکت توسعه و پشتیبانی فناوری و نوآوری فولاد مبارکه (MSTID)، بهعنوان یک عضو کلیدی از اکوسیستم بود. براساس این تجربیات، کیفیت ارتباطات در کنار ایجاد یک بازوی سرمایهگذاری، که بازیگران نوآور را پشتیبانی کند، تا حدود زیادی امکان توسعۀ نوآوری را در بستر اکوسیستم افزایش میدهد.
همچنین برای امکانپذیری تحلیل بهتر روابط، با کمک خبرگان اکوسیستم، این متغیرها در قالب چهار زیرسیستم دستهبندی با عناوین زیر دستهبندی شدند:
این پژوهش در بستر اکوسیستمی انجام شده است که سرمایهگذاری جسورانه، یک عنصر حیاتی در زمینهسازی است و برای شکلگیری و پایداری آن، نقش داشته است. دیگر پژوهشهای مرتبط نیز این موضوع را تأیید میکند که ساختارهای سرمایهگذاری خطرپذیر، فقط یک منبع سرمایۀ محلی نیستند، بلکه تخصص و حضور آنها در جامعه نیز راه قدرتمندی برای بازکردن درهای لازم برای اصلاح و بازسازی ایدههای نوآورانه است. البته ذکر این نکته ضروری است که بدون چشمانداز فراگیر و بلندمدت از شکلگیری یک زیستبوم نوآوری، حرکت در این مسیر، برای سرمایهگذاران خطرپذیر بسیار دشوار باشد؛ زیرا در این شرایط، آنها به کسبوکارها کمک میکنند تا بهخوبی گامهای اولیه را بردارند؛ اما در صورت شکلنگرفتن یک بستر مناسب و یک زیستبوم نوآوری استوار، دسترسی و ارتباط بین سرمایهگذاران خطرپذیر باتجربه و استارتآپها برای پشتیبانی از مراحل بعدی و تداوم سرمایهگذاریها مشکل میشود. این رخداد، ضمن افزایش خطر سرمایهگذاری، احتمال موفقیت استارتآپها را نیز، کم میکند.
پس از شناسایی متغیرها، گروه تصمیمگیری متشکل از خبرگان مرتبط با موضوع پژوهش تشکیل و پرسشنامهها بهمنظور تعیین مرتبطبودن شاخصهای شناساییشده با موضوع اصلی پژوهش برای آنها ارسال شد. مطابق اصول اجرای روش، در این مرحله متغیرهای زبانی، برای بیان اهمیت هر شاخص به کار میروند (Habibi et al., 2015).
تکنیک دلفی فازی در بسیاری از موارد، که هدف آن غربالگری شاخصهای پژوهش است، بهصورت تکمرحله انجام میشود. هرچند در مواردی که هدف، شناسایی عوامل جدید باشد، معمولاً دلفی فازی بهصورت چند مرحلهای انجام میشود. در این پژوهش از روش دلفی فازی مطابق توضیحات بخش 3 استفاده و غربالگری شاخصها در دلفی فازی ازطریق مقایسۀ مقدار ارزش اکتسابی هر شاخص با مقدار آستانه انجام میشود. مقدار آستانه نیز مطابق نظر مقالات مرجع این تحقیق (Hashemi Petrudi et al., 2022; Habibi et al., 2015)، به مقدار 7/0 در نظر گرفته شده است.
مطابق توضیحات فوق، با توجه به تعدد و تنوع متغیرها، روش دلفی فازی تکمرحلهای برای غربال نهایی متغیرها استفاده و پس از انجام دلفی فازی، نتایج این گام در قالب متغیرهای غربالشده مدل اکوسیستم نوآوری فولاد مبارکه معرفی شد. پس از انجام مراحل دلفی فازی، جدول حاصل از نتایج این گام، در قالب متغیرهای غربالشدۀ مدل اکوسیستم نوآوری فولاد مبارکه معرفی شد که نتیجۀ این کار در جدول 3 مشاهده میشود.
با محاسبات انجامشده بر نتایج پرسشنامههای تکمیلشده، تعداد چهار متغیر از فهرست تهیهشده خارج و دیگر متغیرها تأیید شد. متغیرهای حذفشده عبارتاند از:
همانطور که از مقادیر میانگین دلفی فازی ذکرشده در جدول 3 نیز مشخص است، این چهار متغیر با توجه به نظرات خبرگان اکوسیستم، تأثیر کمتری در ارزیابی وضعیت اکوسیستم نوآوری فولاد مبارکه داشتند و اهمیتشان هم کمتر بود؛ بنابراین با توجه به مقدار آستانۀ در نظر گرفته شده (7/0) برای میانگین دلفی فازی، این متغیرها از فهرست استفادهشده در تهیۀ نمودارهای روابط علی کنار گذاشته شدند.
|
ردیف |
متغیرهای مؤثر و دستهبندی آنها |
نشانۀ متغیر/ شاخص |
مقدار میانگین دلفی فازی |
وضعیت متغیر در نتیجۀ اجرای دلفی فازی |
|
دستۀ اول: متغیرهای بلوغ ارتباطات در اکوسیستم |
||||
|
1 |
تنوع عناصر و بازیگران در اکوسیستم نوآوری فولاد مبارکه |
IE Component Diversity |
83/0 |
تأیید |
|
2 |
تعداد دانشگاههای مرتبط با اکوسیستم |
Number Of IE University and Science Centers |
79/0 |
تأیید |
|
3 |
کیفیت ارتباط بین ذینفعان خصوصی و دولتی |
Government-Nongovernment Communication |
79/0 |
تأیید |
|
4 |
بلوغ ارتباطات اعضای اکوسیستم |
Maturity Of Relationship In IE |
81/0 |
تأیید |
|
5 |
تعداد تأمینکنندگان محصولات نوآوری |
Inno. Product Suppliers |
81/0 |
تأیید |
|
6 |
تعداد ذینفعان دولتی در اکوسیستم |
Government Support |
68/0 |
حذف |
|
7 |
جذابیت اکوسیستم برای مخاطبان داخل و خارج از آن |
IE Attractiveness |
81/0 |
تأیید |
|
8 |
اندازۀ بازار تکنولوژی در اکوسیستم |
Tech Market Size |
91/0 |
تأیید |
|
9 |
تعداد نوآوری مشترک بین بازیگران |
Collaborative Innovation |
71/0 |
تأیید |
|
10 |
بلوغ سازوکارهای راهبری نوآوری |
IE Leadership Mechanism |
81/0 |
تأیید |
|
11 |
میزان هزینههای مدیریتی در اکوسیستم |
Management Expenses |
71/0 |
تأیید |
|
دستۀ دوم: متغیرهای توانمندی اکوسیستم |
||||
|
12 |
تعداد نیروی کار تحقیق و توسعه در اکوسیستم |
R&D Personnel |
69/0 |
حذف |
|
13 |
هزینۀ آموزش انجامشده از سوی بازیگران اکوسیستم |
Education Expenses |
78/0 |
تأیید |
|
14 |
سطح دانش داخلی در اکوسیستم نوآوری فولاد |
Individual Knowledge |
81/0 |
تأیید |
|
15 |
میزان توانمندی طراحی و توسعه در اکوسیستم نوآوری فولاد |
Ability To Design and Development |
81/0 |
تأیید |
|
16 |
میزان توانمندی بازطراحی و ارتقا در اکوسیستم نوآوری فولاد |
Ability To Redesign and Improvement |
83/0 |
تأیید |
|
17 |
تعداد پتنتهای[xxix] ثبتشده توسط بازیگران اکوسیستم |
Number of Patents |
61/0 |
حذف |
|
18 |
سطح همکاری صنعت و دانشگاه در اکوسیستم |
Industry-University Communication |
62/0 |
حذف |
|
19 |
میزان توانمندی نوآوری در اکوسیستم |
Ability To Innovation |
79/0 |
تأیید |
|
دستۀ سوم: متغیرهای اقتصادی اکوسیستم |
||||
|
20 |
کل سرمایۀ موجود در بستر اکوسیستم |
Total Investment |
77/0 |
تأیید |
|
21 |
هزینۀ تحقیق و توسعۀ انجامشده توسط بازیگران اکوسیستم |
R&D Expenditure |
82/0 |
تأیید |
|
22 |
میزان سرمایهگذاری بر فناوری |
Technology Development Funds |
82/0 |
تأیید |
|
23 |
میزان سرمایهگذاری خطرپذیر محققشده در اکوسیستم |
Venture Capital Investment |
72/0 |
تأیید |
|
24 |
میزان کل سود اقتصادی حاصل در اکوسیستم |
Economic Benefit |
73/0 |
تأیید |
|
25 |
درآمد حاصل از نوآوری در اکوسیستم |
Innovation Revenue |
73/0 |
تأیید |
|
26 |
میزان خلق ارزش مشترک در بستر اکوسیستم |
Value Cocreation |
80/0 |
تأیید |
|
27 |
میزان توزیع سود در اکوسیستم |
Profit Distribution |
78/0 |
تأیید |
|
دستۀ چهارم: متغیرهای پایداری اکوسیستم |
||||
|
28 |
تغییرات شدت ریسک در اکوسیستم |
Risk Change Rate |
92/0 |
تأیید |
|
29 |
سطح حمایت دولت از اکوسیستم نوآوری فولاد مبارکه |
Government Support |
81/0 |
تأیید |
|
30 |
میزان پایداری اکوسیستم |
IE Resilience Processes |
82/0 |
تأیید |
|
31 |
سطح توسعۀ مشترک[xxx] بازیگران در بستر اکوسیستم |
Co-Development Works |
77/0 |
تأیید |
در ادامۀ این پژوهش، متغیرهای غربالشدۀ فوق در بستر روابط علّی تحلیل شدند. در نظر گرفتن روابط خطی بین متغیرها در فضای پویا و پیچیدۀ اکوسیستم، صحیح به نظر نمیرسد؛ بنابراین استفاده از مدل مبتنی بر حلقههای بازخورد و روابط علّی در این موضوع، منطقی است. نمودارهای علّی حلقوی، ابزارهای مفیدی برای ترسیم ساختار بازخوردی در روابط متغیرها هستند. این نمودارها ارتباط بین متغیرها را بهخوبی نشان میدهند. هدف اصلی این نمودارها، نشاندادن فرضیههای علّی در هنگام مدلسازی است تا از این طریق، ساختار به شکل کامل و به هم پیوسته، بیان شود. این نمودارها به مدلساز کمک میکنند تا بهسرعت با ساختار بازخوردی و پیشفرضهای بنیادی، ارتباط برقرار کند(Abbasnejad et al., 2019; Fargh et al., 2022) .
مدل روابط علّی (CLD) این پژوهش، شامل چندین حلقه است که روابط غیرخطی بین متغیرها را نشان میدهد. با الگوگیری روابط تعریفشده در پیشینۀ پژوهش و استفاده از نظرات خبرگان صنعت، روابط علّی بین متغیرها در قالب چهار زیرسیستم شناسایی و به شرح زیر معرفی شد:
این زیرسیستم شامل متغیرهای مرتبط با مدیریت ریسک و حمایت دولت در راستای افزایش پایداری اکوسیستم نوآوری است. حمایت دولت در کاهش ریسک در بستر اکوسیستم و گامبرداشتن همۀ بازیگران در مسیر توسعۀ مشترک[xxxi] مؤثر است. پایداری اکوسیستم به این ترتیب که در شکل 2 به نمایش گذاشته شده است، تحت تأثیر متغیرهای مذکور است.
شکل 2- مدل روابط علّی در زیرسیستم پایداری اکوسیستم
Fig. 2- Model of causal relationships in ecosystem sustainability subsystem
این زیرسیستم، دستۀ متغیرهای مرتبط با کیفیت ارتباطات و بلوغ روابط را در بستر اکوسیستم به نمایش میگذارد. بلوغ ارتباطات متأثر از نحوۀ تعامل بازیگرمحوری با دیگر اعضای اکوسیستم است که در شکل 3 به دستههای این مخاطبان و تأثیر تعاملات و روابط آنها در این زیرسیستم اشاره دارد.
شکل 3- مدل روابط علّی در زیرسیستم ارتباطات در بستر اکوسیستم
Fig. 3- Model of causal relationships in the communication subsystem in the ecosystem
این زیرسیستم شامل متغیرهای اثرگذار بر توانمندیهای اکوسیستم است که در شکل 4 روابط بین آنها مشاهده میشود:
شکل 4- مدل روابط علّی در زیرسیستم توانمندیهای اکوسیستم
Fig. 4- Model of causal relationships in ecosystem capabilities subsystem
این زیرسیستم متغیرها و شاخصهای اقتصادی اکوسیستم نوآوری را پوشش میدهد. در شکل 5، روابط حاکم در این زیرسیستم مشاهده میشود:
شکل 5- مدل روابط علّی در زیرسیستم متغیرهای اقتصادی اکوسیستم
Fig. 5- Model of causal relationships in the economic variables' subsystem of the ecosystem
پس از شناسایی زیرسیستمهای فوق و دستهبندی متغیرها، روابط بین متغیرهای مختلف، زیرسیستمهای مذکور نیز بررسی و درنهایت نمودار کلی روابط علّی متغیرهای این پژوهش، به شکل 6 با استفاده از نرمافزار ونسیم[xxxii] آمادهسازی و ارائه شد:
شکل 6- نمودار کلی روابط علّی متغیرهای شناساییشده (با الگوگیری از مرور پیشینه و نظرات خبرگان)
Fig. 6- The general diagram of the causal relationship between the identified variables
مطابق مدل فوق، متغیرهای مؤثر در بستر اکوسیستم نوآوری، با روش پیشنهادشده دستهبندی میشود. بهطور کلی تاکنون تحقیقات محدودی دربارۀ دستهبندی و مدلسازی عوامل و متغیرهای حاکم بر اکوسیستم نوآوری انجام شده است. آنچه مشخص است، تمرکز این تحقیقات بر تعداد انگشتشمار از متغیرهاست که شناخت جامعی از اکوسیستم مطالعهشده را در اختیار قرار نمیدهد. البته لازم به توجه است که اکوسیستمهای نوآوری شرکتی برای بنگاههای مختلف، ویژگیها و ابعاد خاصی نیز دارد که این موضوع سبب ایجاد تفاوتهایی میشود و این الزام را ایجاد میکند که هر اکوسیستم بهصورت ویژه، مطالعه و تحلیل شود.
این پژوهش در بستر اکوسیستمی انجام شده و سرمایهگذاری خطرپذیر یک عنصر حیاتی در زمینهسازی برای شکلگیری و پایداری آن ایفای نقش داشته است. دیگر پژوهشهای مرتبط نیز این موضوع را تأیید میکند که ساختارهای سرمایهگذاری خطرپذیر، فقط یک منبع سرمایۀ محلی نیستند، بلکه تخصص و حضور آنها در جامعه نیز راه قدرتمندی برای بازکردن درهای لازم برای اصلاح و بازسازی ایدههای نوآورانه است. البته ذکر این نکته ضروری است که بدون چشمانداز فراگیر و بلندمدت از شکلگیری یک زیستبوم نوآوری، حرکت در این مسیر، برای سرمایهگذاران خطرپذیر بسیار دشوار است؛ زیرا در این شرایط، آنها به کسبوکارها کمک میکنند تا بهخوبی گامهای اولیه را بردارند؛ اما در صورت شکلنگرفتن یک بستر مناسب و یک زیستبوم نوآوری استوار، دسترسی و ارتباط بین سرمایهگذاران خطرپذیر باتجربه و استارتآپها برای پشتیبانی از مراحل بعدی و تداوم سرمایهگذاریها، مشکل میشود. این رخداد، ضمن افزایش خطر سرمایهگذاری، احتمال موفقیت استارتآپها را نیز کم میکند.
با توجه به اینکه اکوسیستم نوآوری، یکی از مهمترین ساز و کار پیشران برای توسعۀ نوآوری مطرح شده است، پیشنهاد میشود به ایجاد زیرساخت مناسب برای تشکیل اکوسیستم نوآوری در دیگر بنگاههای اقتصادی و بهخصوص بنگاههای صنعتی بزرگ توجه شود. همچنین با توجه به گستردگی و پیچیدگی روابط در بستر اکوسیستم نوآوری، پیشنهاد میشود بنگاههای بزرگ و بازیگران کلیدی، با شناسایی ابعاد مختلف بستر اکوسیستمهای نوآوری، تلاش خود را در بهبود این بستر به یک یا چند شاخص متمرکز نکنند و با نگرش جامع به تمامی ابعاد اکوسیستم، نسبتبه بهبود آن در جوانب مختلف همت کنند.
اکوسیستمها ساختارهایی با درجۀ پویایی بالا هستند که برای تحلیل آنها لازم است متغیرهای مؤثر بر ابعاد مختلف، در کنار شاخصهای عملیاتی مربوطه شناسایی و پس از دستهبندی و غربالگری مناسب، با استفاده از تکنیکهای مؤثر تحلیل شوند. مدلسازی این ساختارهای بهشدت پویا، به روشهای مبتنی بر تغییرات در طول زمان نیاز دارد. این مدلسازی با شناسایی متغیرهای مؤثر بر جوانب اکوسیستم آغاز میشود و با ارائۀ مدلی انجام میپذیرد که رفتارها و تغییرات اکوسیستم را در طول زمان توجیه کند و شرایط پیش رو را تخمین بزند. این پژوهش موضوع فوق را برای یک اکوسیستم نوآوری شرکتی در پیش میگیرد و با کمک خبرگان صنعت در قالب مصاحبه و پرسشنامه، ابتدا متغیرهای تأثیرگذار از مرور پیشینه شناسایی و با نظرات خبرگان و پیشینۀ پژوهش، مجموعۀ متغیرهای مهم در قالب تکنیک دلفی فازی غربال شدند. پس از نهاییسازی متغیرها و دستهبندی آنها با کمک خبرگان، نمودار روابط علّی حاکم در بین متغیرها شناسایی و ترسیم شد.
درنتیجه فرآیند انجامشده در این پژوهش، مجموع 27 متغیر تأثیرگذار بر شرایط اکوسیستم نوآوری فولاد مبارکه در قالب چهار زیرسیستم ارتباطات، توانمندیها، اقتصاد و پایداری اکوسیستم دستهبندی و در قالب زیرسیستمهای مذکور مشخص شد. درنهایت با الگوگیری از پیشینۀ پژوهش و تحقیقات مشابه، در کنار همفکری خبرگان صنعت، روابط علّی این متغیرها شناسایی و ترسیم شد.
در این پژوهش، در ابتدا پس از انجام مرور پیشینه و مصاحبه، روش دلفی فازی برای اطمینان از غربالگری و انتخاب مناسب متغیرهای مدل به کار گرفته شد تا اطمینان از انتخاب متغیرهای مناسب به پشتوانۀ یک روش کمی افزایش یابد. در گام دوم در کنار ترسیم نمودار روابط علّی، دستهبندی متغیرها با کمک خبرگان در کنار مشاهدۀ روابط بین متغیرها انجام شد که به این موضوع در مطالعات قبلی نیز توجه نشده بود. مزیت اجرای این دستهبندی، امکان سادهسازی مدل و گامبرداشتن بهسوی طراحی یک مدل مدولار است که استفاده از مدل را تا حدود زیادی سادهتر میکند.
از سوی دیگر، در اکوسیستم نوآوری شرکتی، نگاه تحلیلی به اکوسیستم مطالعهشده مبتنی بر شناسایی بازیگران کلیدی و ایفای نقش آنها و با توجه به متغیرهای اصلی شکل میگیرد. اجرای این فرآیند برای تحلیل اکوسیستم نوآوری در صنعت فولاد، برای اولین بار در این پروژه به اجرا درآمد. همچنین حضور مؤثر یک ساختار سرمایهگذاری جسورانۀ شرکتی بهعنوان بازیگر مؤثر و کلیدی در این عرصه، تاکنون در بستر یک اکوسیستم نوآوری تحلیل نشده بود؛ بنابراین تحلیل اثرگذاری سرمایهگذاری جسورانه بر ابعاد اکوسیستم نوآوری، بهعنوان یک عامل کلیدی، فعالیت جدیدی در عرصۀ مطالعات اکوسیستم نوآوری است.
بنابراین بهطور کلی، نگرش جامع به ابعاد مختلف عوامل بقا و توسعۀ اکوسیستم و ارائۀ پیشنهاد برای مسیر توسعۀ آن، مبتنی بر این نگاه جامع، شرایط ویژهای را در مقایسه با دیگر پژوهشهای مشابه به وجود آورد و اجرای روش عملیاتی مبتنی بر ترکیب روش دلفی فازی با روش پویاشناسی، همچنین توجه به تأثیرات متغیرهای جدید از دستاوردهای ویژۀ این پژوهش است.
از دیدگاه مدیریتی نیز، اتخاذ سیاست مناسب در مسیر توسعه، دغدغۀ مهم مدیران و سیاستگذاران بنگاههای اقتصادی است. تحلیل محیط حاکم بر بنگاه در کنار ارائۀ برآورد آثار اتخاذ هر سیاست، ابزار ارزشمندی برای این مدیران خواهد بود. اکوسیستم نوآوری فولاد مبارکه نیز، از این قاعده مستثنا نبوده است، به سیاستگذاری و برنامهریزی صحیح برای توسعۀ اکوسیستم نوآوری و پایش آن در این مجموعه نیاز شده و اقدامات لازم را برای افزایش اطلاعات خود در این راستا انجام داده است.
افزایش پیچیدگی فضای حاکم، اتخاذ سیاست و تخمین آثار آن را دشوار میکند؛ بنابراین در فضای بسیار پویا و پیچیدۀ اکوسیستم نوآوری، وجود ابزاری که دیدگاه جامع و دستهبندی مناسب از عوامل تأثیرگذار را ارائه دهد، برای همۀ بازیگران اکوسیستم، بهخصوص راهبران بسیار ارزشمند است. در این پژوهش تلاش شد تا این ابزار با دقت مناسبی تدوین شود و در دسترس استفادهکنندگان قرار گیرد.
با توجه به ابعاد گستردۀ اکوسیستم نوآوری، یکی از محدودیتهای انجام پژوهشهایی از این دست، دسترسی به افراد کلیدی و بازیگران متعدد از همۀ ابعاد اکوسیستم است که با توجه به محدودیت زمانی، امکان جمعآوری نظرات همۀ این افراد ممکن نبود و در این تحقیق به افراد کلیدی هدفگذاریشده بسنده شد.
پیشنهاد میشود در گامهای تکمیلی این پژوهش، نسبتبه تعیین روابط کمی متغیرهای شناساییشده و مدلسازی اکوسیستم با روابط کمی، برای محاسبۀ شاخصهای ارزیابی اکوسیستم نوآوری اقدام شود.
همچنین با توجه به نتایج پژوهش، به نظر میرسد بررسی نقش بازیگران مختلف در جایگاههای گوناگون اکوسیستم نوآوری و تأثیرات عملکرد آنها بر شاخصهای اکوسیستم، نتایج عملی درخور توجهی را برای راهبران و بازیگران اکوسیستم در پی دارد. همچنین توسعۀ روشهایی برای شناسایی متغیرهای فوق در هر اکوسیستم و سفارشیسازی این مدل ارزیابی برای آنها، راهکار مناسبی برای ارزیابی و ارتقای اکوسیستمهای نوآوری شرکتی است.
این پژوهش با حمایت شرکت فولاد مبارکه و همکاری و پشتیبانی شرکت پشتیبانی و توسعۀ فناوری و نوآوری فولاد مبارکه (MSTID) انجام شد. نویسندگان بر خود لازم میدانند مراتب تشکر خود را از تلاشها و همکاری مدیران و کارشناسان شرکت توسعه و پشتیبانی فناوری و نوآوری فولاد مبارکه، بهخصوص جناب مهندس حسنزاده بهسبب همکاری صمیمانۀ ایشان در انجام و ارتقای کیفی این پژوهش اعلام کنند.
[i] Adner
[ii] Complementary Asset
[iv] Iansiti & Richards
[v] RITALA et al.
[vi] Merkan & Goktas
[vii] Ecosystem health
[viii] Innovation Revenue
[ix] Iansiti & Levien
[x] Den Hartigh
[xi] Mercan & Goktas
[xii] Paasi et al.
[xiii] Zhang et al.
[xiv] Yung et al.
[xv] Dabbagh Afrooz et al.
[xvii] Javanmardi
[xviii] Popov et al.
[xix] Zhang et al.
[xx] Co-development
[xxi] Research Onion
[xxii] Saunders
[xxiii] Fuzzy Delphi
[xxiv] Ishikava
[xxv] Complexity Approach
[xxvi] GT
[xxvii] ABM
[xxviii] SDM
[xxix] Patent
[xxx] Co-development
[xxxi] Co-development
[xxxii] VENSIM
)