بررسی روابط علّی متغیرهای مؤثر در اکوسیستم نوآوری شرکتی مورد مطالعه، فولاد مبارکه

a.               1- مقدمه

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.

b.               2- مرور پیشینۀ پژوهش

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.

c.                2-1- سابقۀ پژوهش

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.

d.               2-2- تحلیل شکاف نظری پژوهش

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.

e.                2-3- متغیرهای شناسایی‎‍شده براساس مرور پیشینه برای ارزیابی اکوسیستم نوآوری

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.

                                                                              i.            جدول1- متغیرهای مؤثر بر اکوسیستم نوآوری

1. Table 1- Variables affecting the innovation ecosystem

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.

f.                3- روش‌شناسی پژوهش

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:

1. شناسایی متغیرهای مؤثر و غربالگری آنها که در این پژوهش با کمک دلفی فازی انجام می‌شود؛
2. تعیین زیرسیستم‌ها و ترسیم روابط بین متغیرها که با ترسیم نمودار روابط علّی 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

g.               3-1- غربالگری متغیرهای مؤثر با روش دلفی فازی

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.

                                                                                                                       i.             

                                                                        ii.            جدول 2- اعداد فازی مثلثی (Ishikawa et al., 1993)

1. Table 2- Triangular fuzzy numbers of verbal variables

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):

در این رابطه، D𝑖j بیانگر دیدگاه خبرۀ i ام دربارۀ متغیر j و D_avej 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):

• شناسایی خبرگان و تشکیل پنل دلفی؛
• شناسایی طیف مناسب برای فازی‌سازی عبارات کلامی؛
• تجمیع فازی مقادیر فازی‎‍شده؛
• فازی‌زدایی مقادیر؛
• انتخاب شدت آستانه و غربال معیارها؛
• جمع‎‍بندی و تأیید همگرایی نتایج.

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.

h.               3-2- تعیین زیرسیستم‌ها و ترسیم نمودار روابط علّی

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.

i.                 4- مطالعۀ کاربردی و یافته‌های پژوهش

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:

• دستۀ اول: متغیرهای بلوغ ارتباطات در اکوسیستم؛
• دستۀ دوم: متغیرهای توانمندی اکوسیستم؛
• دستۀ سوم: متغیرهای اقتصادی اکوسیستم؛
• دستۀ چهارم: متغیرهای پایداری اکوسیستم.

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:

• تعداد ذی‌نفعان دولتی در اکوسیستم؛
• تعداد نیروی کار تحقیق و توسعه در اکوسیستم؛
• تعداد پتنت‌های ثبت‎‍شده از سوی بازیگران اکوسیستم؛
• سطح همکاری صنعت و دانشگاه در اکوسیستم.

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.

                                                    i.            جدول 3- متغیرهای انتخاب‎‍شده یا حذف‎‍شده در اجرای تکنیک دلفی فازی

1. Table 3- Variables selected or excluded in the implementation of the fuzzy Delphi technique

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) .

j.                 5- بحث

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:

• زیرسیستم پایداری اکوسیستم

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

• زیرسیستم ارتباطات در بستر اکوسیستم

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

• زیرسیستم توانمندی‌های اکوسیستم

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

• زیرسیستم متغیرهای اقتصادی اکوسیستم

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.

k.               6- جمع‌بندی و نتیجه‎‍گیری

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.

l.                 6-1- دستاوردهای پژوهش

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.

m.              6-2- محدودیت‌های پژوهش

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.

n.               7- تشکر و قدردانی

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

[iii] Ritala & Almpanopoulou

[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.

[xvi] Rabelo Neto 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