基于邻近性概念的大学生创新能力培养探究

邵楠

【摘 要】 邻近性概念指的是促进跨组织之间的互动学习以及协同过程，它包含地理邻近性、制度邻近性、组织邻近性等，通過互动学习以及协同过程产生的溢出效应可以极大提升人才以及企业的创新能力。本文在邻近性框架的基础上，提出了大学生创新能力的培养路径。要运用知识共享下的数据挖掘技术，发现各领域之间的技术邻近;搭建多层次、多通道的协同创新平台，提升高校学生的创新能力。

【关键词】 邻近性概念;大学生;创新能力;培养路径

在“大众创业，万众创新”的政策背景下，整个社会对于创新型人才的需求日益迫切。创新型人才需要在其必须吸收的知识或服务的技术范围和组织过程中，具有对知识进行添加、转换、删除、修改、重组或简单重新解释等操作的能力。高校学生通常会基于别人的工作以及经验来获取知识，通过证明或否定前人所做的假设来扩展理论。这些工作只是在自己的知识领域中进行探索，然而，跨领域之间的组合以及合作会带来意想不到的知识成果，各知识领域相互融合会带来更多的创新。

自1999年《剑桥经济学杂志》首次发表了有关邻近性和知识创新主题的论文以来，各国学者对于邻近性在协同创新、集群、产业区经济发展研究等领域做了很多的研究。虽然邻近性概念本身包含的内容更为丰富，但邻近性概念给人的直观感受为空间距离上的邻近，地理邻近性也是邻近性概念研究的重点。[1-3]目前国内已有的从邻近性视角对大学生创新培养进行研究的方案还有所空缺，因此，本文将基于邻近性框架，从技术邻近、制度邻近的角度，对大学生创新能力培养的路径进行探究。

一、邻近性概念

邻近性是指将基础知识与创新过程进行整合迈向整体的概念。邻近性的形式包含有地理邻近性、制度邻近性、社会邻近性、认知与组织之间的协作邻近性。下表1为各邻近性维度的可操作性。邻近协作过程中的相对重要性，取决于所创新的知识类别，协作的强度随着创新开发的研究、发展而有所不同。

Boschma提出了邻近性框架，指的是可促进交互式学习和协作式创新的组织间关系类型。Boschma突出了地理邻近对于提高创新协作的重要作用，认为认知、社会、机构和组织间邻近度是支持组织间进行协作的附加因素。实际上，研究表明，所有形式的邻近性都可提高协作创新水平，并且一个维度上的距离可以通过在另一维度上的邻近度来补偿。Asheim和他的同事提出了一个新的知识库框架，将知识分为区分分析性知识、象征性知识以及综合性知识。随后，Mila Davids基于这一知识库框架，对Boschma提出的邻域框架进行扩展。提出了每个邻近性维度的相对重要性取决于被调动和产生的知识类型，该框架主要适用于以科学为基础的协作创新。

只要认知临近度高，就可以跨距离产生分析性知识;然而综合性知识的产生通常需要团队长期处于同一地点，以此来超越需要整合的学科之间的认知距离。象征性知识的协作创新和使用并不会受到地理邻近本身的影响，更多地受到地域性临近制度的影响。机构邻近性在新产品开发的三个阶段中起着重要作用。

在新产品开发的研究阶段，研发部门与学术界和公共研究机构在知识共享的学术规范下紧密合作;在发展阶段，团队的创新过程将按照用户需求、专利、成本效率对组织进行内部重组。最后，向市场推出产品时，公关部和市场部将按照相关国家与地区的公共权威以及公众的要求，使产品包装、内容以及宣传等符合条件。因此，项目团队创新的关键是组织内部在不同社会制度逻辑下运行和与其他相关主体相互协作的能力。新产品开发的不同阶段、不同部门可以用不同的知识库作为主要的知识基础。也就是说，知识库可以联合使用，并以各种组合方式使用。基于知识库的邻近性框架为新产品开发的不同阶段提供了邻近维度相对重要性的分类依据。[4]此外，这一框架也可用于战略管理，以便对创新网络在创新项目过程中的变化形成更加动态的观点。

二、邻近性概念对于大学生创新的指导作用

1、知识共享下的数据挖掘技术，发现各领域之间的技术邻近

技术邻近是指两个领域主体之间进行知识协作，通过协作可发现两者之间所具有的技术相似度。[5]通过这一方面的了解，可以避免当代大学生在进行科研创新时出现重复研究的问题;此外Ma-Loren提出可通过数据挖掘技术提高学生的创新能力。

数据挖掘技术是一种软件程序，可以使数据处理更容易，并以报告和可视化等格式呈现，供用户解读;它是应用算法来提取有意义的数据关联，可以帮助检索相关性和趋势。这一创新技术使企业以及高校学生能够分析内部和外部数据（例如网站，专利），[6-7]目的是找出竞争对手正在做的事情，潜在的新技术，客户和合作者，以及最近在现有领域和新领域出现的联系。为了产生激进的创新，有必要用一种意想不到的方式结合已有的知识。然而，随着高校学生接受已知的解决方案的训练，要尝试找到不同的元素进行组合，尤其是识别解决部分问题的元素（如果他们来自不同的领域）并不容易，交互式数据探索可以通过提供新的数据来提供帮助。

从数据中发现知识是一个交互式的迭代过程，其中用户就目标，数据源，处理和解释做出许多决定。计算机辅助创造领域的创造者提出了几个软件应用程序和算法，可以用来帮助寻找解决方案的提示。Siau提出了支持组织创造性的知识发现，描述过程和各种技术，同时在每个阶段提出挑战，例如设定目标，访问正确的数据，为目标选择正确的处理方法。Trappey和Wu强调了在新的产品开发工作中拥有专利数据库的重要性，可以更好的分享团队内的知识，并更有效地分析现有的知识。

为了观察使用数据挖掘工具是否可促进知识数据的利用，从而影响创新团队的信息收集和创意生成过程，本研究依托东华大学创新研究团队，挑选了几组学生一起进行创新设计课程，并且在一个月内解决技术挑战。东华大学创新研究小组的一名成员向创新小组作了关于创造性数据使用的讲座，并介绍了一个具有与所提出的挑战相关的预加载数据的特定软件。该工具将允许团队通过确定已发表专利中的主要趋势和要素，交互式探索当前解决方案的知识。该工具的使用是可选的，这意味着它对他们的评价没有影响。规定时间后，由专业人员对几个团队进行定量评价（表2）。

通过比较讲座前后使用数据挖掘和大数据作为创造力的工具提出的概念，指出在活动期刊中使用数据挖掘工具的小组显示提出的方案概念的复杂性有所提高（下图1）;他们能够找到他们之前没有考虑的解决方案的组件，为潜在的用户和客户提供更完整的解决方案。因此，当代大学生在进行创新的过程中，可以使用数据挖掘工具探索更好的解决方案，这源于学生或者团队成员更加积极地搜索使用所有可用于改进他们的想法和生成他们的迭代概念的资源。通过这种方式，他们不仅可以比其他团队更多地使用数据挖掘工具，还可以在无监督的工作时间内使用额外的创造性技巧和方法，如果创新过程中不使用数据挖掘技术，这些成员也会使用一些创新方法，例如头脑风暴、问卷调查等方法。这类方法也可以获取一定的数据，但是与数据挖掘所产生的知识量仍有很大差距，数据量不足以被视为大数据，而创新主体可以从更大的数据中受益。[8]尽管如此，大数据集的数据挖掘技术的一个重要特征是学生在进行创新活动时能够快速的对知识进行收集与分析。

高校师生在产生创新性想法时，数据挖掘技术邻近对于想法的产生可以起到积极的促进作用。它提供了基准解决方案的优势，并提高了拟议概念的复杂性。在提出一个新的概念期间，学生将从数据挖掘工具中受益，从而在创新过程中快速获得该领域的概述和当前的技术和解决方案。数据挖掘工具可以与其他工具和技术一起协同使用，从而在搜索潜在技术，材料，协作者甚至用户的效率方面提供额外的优势。

2、建立高校实践社区（COP）平台，促进多维度邻近协作创新

高校需要推动创新，提高大学生创新能力，获得竞争优势，这就要求高校吸收和整合各种知识和技能，因此需要搭建一个全面的知识平台。简单地说，这种知识平台在高校可以以基于邻近原则的实践社区的方式实现，可以理解为专业的非正式合作和交流网络。[9]Orr首先提到了这种组织现象。他发现施乐客户服务代表在早餐或午餐时的交流可以显著提高他们的专业工作能力和表现。实践共同体传播个人隐性知识并将其转化为组织知识。各高校实践成员往往有类似的背景，共同分享专业经验、技能、信息、知识和意见。

在实践社区平台中，成员共享经验、技能和理解等，所有这些都是学习和创新的先决条件，传统高校的教育并不总是涵盖这类知识。[10]当今高校对于创新型人才的需求以及需要不断创新或创造新知识时，这种组织邻近性可以弥补传统高校学习的缺陷。

高校实践社区的功能主要集中在两个方面：一是高校实践社区促进知识共享。它有助于知识数据库、规范、信任和评估制度的建立。二是高校实践社区有助于改善高校学生及团队的表现。通过减少学习曲线，避免重复投入研究精力与资源。

高校实践社区包含3个邻近性维度。其一，技术邻近性维度，实践社区改善了同样兴趣的人员的社交网络。实践社区为个人提供了发展具有相似兴趣的个人网络的机会。它有助于识别具有相关知识的人员，并帮助社区内的人员相互联系;其二，地理邻近性维度，实践社区通过一个共有的交流平台，将处于不同空间的人以及知识进行集群，从而带来新的创新产出;其三，认知邻近性维度，实践社区有助于塑造成员所使用的术语，规范和价值观，使其在日常交谈中能够发展社区记忆。

各高校建立这一开放交流系统可从以下几方面促进高校学生的创新能力：第一，各高校组织的社区实践大会。这一过程通常受制于高校的人才制度和教育。它可以受到高校正式程序的影响和监督。社区实践一般分为两类：一个是来自同一地区的高校学生之间的社区，通过自发的非正式的讨论;另一个是不同领域成员之间的互动。例如，来自不同高校的学生参与一个项目，建立认知联系以完成项目，并倾向于通过日常互动将知识带回到自己的高校社区。通过社区平台，逐渐丰富了社区成员的知识，缩小了不同专业背景学生之间的差距，增加了学生创新能力和创造潜力;

第二，积极参加高校以外的社区实践平台，如参加企业COP、其他组织COP等。外部COP会议成员经常与其他平台的成员进行交流。他们可以做出大胆的假设，讨论思想的合理性，逐步总结COP的经验并记录下来。这个过程不受组织正式程序监督的影响，不一定符合高校学生的创新目标;但是，正由于其不受限制的特性，这个过程可能会产生好的创意;

第三，不同高校社区组织之间的相互作用将导致“跨界”或“产业整合”的创新。这样，社区实践成员将与社会中其他领域的专家、客户，甚至与相关领域的竞争对手进行交流，创造新的想法，从而促进高校的创新。

三、总结

本文从邻近性概念的视域对当代大学生创新能力的提升进行了系统性的分析，以邻近性概念的技术邻近、组织邻近以及多维邻近为切入点，在高校学生创新培养计划中引入高校社区实践平台策略，促进各高校之间的知识共享以及交流协作，丰富学生的专业知识能力，缩小各专业领域之间的差距。通过数据挖掘技术发现各领域之间的技术邻近，相较于传统的数据收集方法，数据挖掘可快速精准的帮助高校学生收集、分析、评估以及呈现所需的知识。这些措施对其他组织的创新培养项目同样具有借鉴意义。

本文提出的有关大学生创新能力培养的方案，還需在实践探索中进一步进行研究。其中在高校内部以及各高校组织间建立高校实践社区平台，需要各高校积极的协作配合，其具体的运作机制、模块化过程以及适应的专业类别还需对其进行进一步的研究，从而更好的对高校学生的创新培养进行指导。

【参考文献】

[1] 夏丽娟，谢富纪，王海花.制度邻近、技术邻近与产学协同创新绩效——基于产学联合专利数据的研究[J].科学学研究，2017.35（5）782-791.

[2] 李萍萍，李兴森.互联网环境下大学生协同创新能力培养的路径研究[J].高等工程教育研究，2017（2）199-202.

[3] 饶扬德，李福刚.地理邻近性与创新：区域知识流动与集体学习视角[J].中国科技论坛，2006（6）20-24.

[4] Davids M，Frenken K.Proximity，knowledge base and the innovation process：towards an integrated framework[J].Regional Studies，2018.52（3）1-12.

[5] Appio F P，Martini A，Petruzzelli A M，et al.Search mechanisms and innovation：An analysis across multiple perspectives[J].Technological Forecasting&Social Change，2017.120.103-116.

[6] 李德仁，王樹良，史文中等.论空间数据挖掘和知识发现[J].武汉大学学报：信息科学版，2001.26（6）491-499.

[7] 党兴华，弓志刚.多维邻近性对跨区域技术创新合作的影响——基于中国共同专利数据的实证分析[J].科学学研究，2013.31（10）1590-1600.

[8] Ma-Lorena Escandón-Quintanilla，Micka?l Gardoni，Patrick Cohendet.Improving concept development with data exploration in the context of an innovation and technological design course[J].International Journal on Interactive Design＼&＼manufacturing：ijidem，2017（1）1-12.

[9] Ji H，Sui Y，Suo L，et al.Understanding innovation mechanism through the lens of communities of practice（COP）[J].Technological Forecasting&Social Change，2017.

[10] 侯先荣，田添.实践社区——知识管理的新趋势[J].科技管理研究，2005.25（3）91-93.

【作者简介】

邵 楠（1983.1—）女，汉族，温州人，研究生，讲师，东华大学团委副书记，研究方向：大学生思政、创新创业教育与管理.