A Discriminating Alignment Theory of Innovation Ecosystem Architectures
Notice bibliographique
Résumé
The architecture of innovation ecosystems—the distribution of productive activities and the structure of exchanges that integrate outputs—varies widely, and it has major implications for how ecosystems create value and which participants capture value. Some ecosystems are built around central platforms or standards, while others are not, and among platform-based ecosystems, the extent to which platform governance is centralized versus decentralized varies extensively. Existing strategy research lacks an account of which ecosystem architectures fit which contextual conditions, tending instead to attribute architecture to firms’ strategies and capabilities. In this paper, I analyze key dimensions of variety in ecosystem architectures to generate a typology of three ideal-type ecosystem architectures: firm-controlled platforms, shared-governance platforms, and symmetric-populations ecosystems. Building on this typology, I propose a discriminating alignment theory that explains why certain architectures fit specific configurations of contextual conditions. The discriminating alignment framework draws on foundations from transaction cost economics, modularity, and the game-theoretic approach to technical coordination. The framework maps the three ecosystem architectures, as well as a vertically integrated baseline architecture, to contextual conditions of value proposition complexity, demand heterogeneity, and environmental dynamism. The paper contributes to strategy research by helping us understand the antecedents of ecosystem architecture and by situating platforms and ecosystems within the markets-and-hierarchies framework of institutional economics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».