On the heels of giants: Internal network structure and the race to build on prior innovation
Notice bibliographique
Résumé
Abstract Research Summary Strategy research has long been concerned with how firms build on the technological knowledge they create, and has focused on legal enforcement, complementary assets, and location decisions. Less attention has been paid to how internal firm structures support the appropriation of future cumulative innovations: what has been termed “generative appropriability.” Drawing on innovation and social network research, we propose that more integrated intrafirm inventor networks, and those with nearly decomposable structures, facilitate generative appropriability by accelerating within‐firm generation of follow‐on innovations, thus outpacing rivals. We find evidence for these effects in patent data from 1,417 large corporations over 26 years. The acceleration effect is strongest in the critical first few years after an initial invention. Managerial Summary Innovation is a cumulative and competitive process, so if firms fail to build on their own innovations quickly, rivals will capture value by doing so. We study how the degree to which a firm's inventors are connected to each other through co‐patenting relationships is related to its ability to build on its prior innovations faster than rivals. We find that firms whose researchers are connected to more of its other researchers are better able to quickly develop follow‐on innovations, but this advantage decays over time. We also find that the pattern of connectedness most associated with this outcome is one in which tight clusters of researchers in the core of the network are linked to each other by “bridging ties.”
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».