类别：数字治理
导言
人工智能（AI）越来越多地被组织用来创新，这越来越多地反映在学术工作中。为了说明、评估和绘制人工智能和创新交叉领域的研究。最近英国和意大利四位学者Marcello M. Mariani，Isa Machadoa, Vittoria Magrellib, Yogesh K. Dwivedi开展了一项研究，对Clarivate Web of Science (WOS)和Elsevier Scopus数据库中索引的已发表工作进行了系统的文献综述(SLR)(最终样本包括1448篇文章)。采用文献计量分析，根据主导主题及其随时间的演变绘制重点领域图。通过部署关键词共现和书目耦合技术，在人工智能和创新研究的交叉点上生成对文献的见解。他们利用SLR的研究结果来提供重点研究领域现有科学工作的最新概要，并开发一个解释框架，阐明人工智能创新采用的驱动因素和结果。他们确定了愿意创新的企业采用人工智能的经济、技术和社会因素，还发现企业的经济、竞争和组织以及创新因素是人工智能部署的关键结果。论文发表在技术创新类顶级期刊Technovation上面。（文献来源：Mariani, F. Machadoa,I., Magrellib, V., and Dwivedi, Y.(2024). Artificial intelligence in innovation research: A systematic review, conceptual framework, and future research directions. Technovationy, 122(1): 1-25. DOI: https://doi.org/10.1016/j.technovation.2022.102623）.
研究问题
在过去的几十年里，组织中的技术创新发展已经成为越来越多的学者关注的对象，因为企业已经迅速发现如何使用技术来提高他们的创新性和绩效(Beilin et al., 2019；Bai and Li, 2020；Hoffman et al., 1988；Musiolik et al., 2020).更具体地说，组织很快就知道他们可以将创新技术与他们的能力相结合，以增强他们的竞争优势(Porter,1985).在允许企业在数字时代不断创新的数字技术中，人工智能(AI)越来越多地影响企业的创新方式(Kakatkar et al., 2020；Mariani and Fosso Wamba, 2020；Wamba and Mishra, 2017)以及消费者对人工智能创新的反应(Mustak et al., 2021).
学界最近试图弄清楚人工智能对创新的影响(Cockburn et al., 2019)，他们呼吁在行业和组织层面进行更多的研究。到目前为止，研究技术驱动创新的管理学者已经把注意力集中在主要讨论在组织中实施人工智能系统的障碍(Desouza et al., 2020；Haefner et al., 2021)，以及人工智能支持组织流程的方式(Franket al., 2019)，决策(Kakatkar et al., 2020；Verganti et al.,2020)，运营(Belhadi et al., 2021)，商业模式(Di Vaio et al.,2020)和组织目标的实现(Hutchinson,2021).虽然这些研究是最近才开始的，但它显然表现出几个特点:(1)它似乎相当零散；(2)其性质大多是探索性的；(3)创新学者对已研究的内容以及最相关的新研究空白在哪里没有清晰、整体和全面的了解，这些空白可能为重点领域的进一步调查提供富有成效的途径。
更具体地说，尽管人工智能在创新研究中日益重要，但迄今为止，还没有通过系统的文献综述(SLR)对人工智能在创新管理中的作用所产生的知识进行全面和定量的综合和评估。此外，创新管理学者缺少一个结构化的框架，清楚地映射出现存的文献关系到创新领域采用人工智能的驱动因素和结果。为此，研究者们开展了一项SLR来回答以下研究问题:“关于人工智能的创新文献的新兴知识结构是什么？”为了回答这个研究问题，他们进行了一次SLR，以确定人工智能创新领域的研究进展，调查迄今为止产生的科学知识，并描绘与人工智能相关的创新研究的进展。
创新研究中人工智能的近期争论
许多管理领域的学者已经认识到人工智能具有多重影响。这些分歧最近已经由Davenport and Ronanki (2018)和Huang
andRust (2018)。举个例子，Davenport
and Ronanki (2018)区分人工智能的三种类型:流程自动化、认知洞察和认知参与。最近，人工智能被定义为“使用计算机器来模仿人类固有的能力，如做物理或机械任务、思考和感觉”(Huang and Rust, 2021，第31页)。在创新的背景下，人工智能被定义为以“在机器中创造类似人类的行为以进行感知、推理和行动”为目标而开发的系统(Prem,
2019，第2页)。由于计算能力和大量新技术(例如，计算机视觉、机器学习和自然语言处理)的快速发展，人工智能已经获得了强大的力量(Mariani et al., 2022)，以及大量可用数据来训练算法(Bornet et al., 2021).
人工智能在创新中的相关性越来越大，这可以从一些主题的研究成果中看出，如人工智能支持创新分析(Kakatkar et al., 2020)、支持数字实验和数字创新的人工智能(Mariani and Nambisan, 2021)、人工智能和可持续的商业模式(Di Vaio et al., 2020)、供应链管理中的人工智能(Toorajipour et al., 2021)，人工智能的战略用途(Borges et al.,2021)、业务流程内的人工智能和大数据集成(Wambaand Mishra, 2017)，以及工业市场的人工智能能力(Akter et al.,2021).然而，据我们所知，只有一篇文献综述关注创新中的人工智能:Haefner et al. (2021)使用企业的行为理论重新审视人工智能和创新管理的文献，以确定人工智能系统在创新过程中的应用，并说明组织在创新过程中可能面临的挑战。
研究方法
为了对人工智能和创新交叉领域的现有研究进行更新，并对文献进行定量评估，本文进行了系统的文献综述(SLR)。SLR被认为是系统评估和评价给定文献的合适工具(Tranfield et al., 2003).本文部署SLR方法优于其他文献综述方法，原因如下:首先，SLR比叙述性文献综述更客观(Tranfield et al., 2003);第二，SLR允许从一个实现再现性的详细、透明和有计划的流程(Cubric, 2020；Snyder, 2019；Williams et al., 2020);第三，SLR需要采用一种定量方法，这种方法可以确定哪里有研究，也可以确定哪里有研究差距(Snyder, 2019；Tranfield et al., 2003)，从而有助于产生强大的研究议程来推进该领域的发展(Williams Jr .等人，2020)。到目前为止，SLR方法已经在社会科学(Tranfield et al., 2003)更具体地说，在管理文献中(Cubric, 2020；Williams et al., 2020；Zupic and Cˇater, 2015)，目的是呈现以相关和可访问的方式向学者和决策者提供研究结果(Tranfield et al., 2003；小威廉姆斯等人，2020)。
通过遵循由提出的SLR方法Tranfield et al.(2003)和Williams Jr .等人(2020年)的研究中，数据是通过收集两个关键数据库的文档收集的:Scopus和科学网(WOS)(Christofi et al., 2021).选择这些数据库是因为它们收集了社会科学领域最重要的学术研究和学术文章(Vieira and Gomes, 2009).
这共产生了825个文档。从数据集中排除了所有重复项(即，在两个数据库中都存在的文章在的最终数据库中只包含一次)，总共获得了1448个文档作为最终样本。最后，检索了这1448篇文章的元数据，包括作者姓名、标题、通讯作者/s国家、出版物总数、引用计数(即，总引用数、平均文章引用数和引用文章数，包括和不包括自我引用)、期刊来源、关键词、国家和机构。
数据分析和结果
此分析和调查结果部分由几个小节组成。首先，研究者们提出了描述性分析，其次是文献耦合和共引聚类分析。接下来，阐述了关键共现的分析和中心关键词的时间映射。
Fig. 1. Protocol details of this study.
《人工智能在创新中的交叉点》的理论镜头
总共有730篇文章在abstract中提到了一个理论或模型。从这些文章中，确定了164种不同的理论和模型，根据提及频率总结了5种最常用的理论。
1.技术创新系统理论
技术创新系统(TIS)框架是研究新技术系统产生和发展的一个流行工具。技术创新系统在结构上由行动者和机构组成，以及它们如何相互作用(Markard,2020).技术创新系统理论的目标是提高对创新过程的系统设计理解，并广泛应用于系统构建过程(Musiolik et al., 2012；Musiolik，2020)。
2. 模糊理论
模糊理论有助于解释多重推理过程。模糊集理论是处理困难的、主观的和不精确的评估的最常见的方法，并且它对于测量可用数据的文本属性是有用的。使用模糊集方法，Gub´anet al. (2019)开发了一个基于经验的模型来衡量创新绩效和技术创新潜力的可持续性。
3.技术接受模型(TAM)
技术接受模型(TAM)是最流行的模型之一，用于解释技术接受的前因(Gao
and Bai, 2014).根据TAM的说法，感知易用性和感知有用性是预测用户接受某项技术的重要因素(Davis, 1989).Lancelot Miltgen et al. (2013)结合技术接受模型(TAM)、创新扩散(DOI)和技术接受与使用统一理论(UTAUT)的要素，调查个人对生物特征识别的接受程度。4.动态能力理论
动态能力理论是管理研究中最常用的理论视角之一，用于确定企业在多变环境中的适应策略。动态能力允许企业感知机会和威胁，抓住机会，并通过重新配置企业资产和资源(Teeceet al., 1997a,1997b).
5.创新扩散理论
创新扩散理论解释了新思想、技术或产品开发如何随着时间的推移在目标群体中加速和扩散(Rogers, 2003).扩散创新理论被广泛应用于信息技术领域。
文献计量分析
近年来，越来越多的文献综述文章采用文献计量学分析来测量和绘制(多学科)
研究并确定社会科学和管理领域的知识差距(Zupic and Cˇater, 2015).文献计量分析作为一套分析技术和方法被广泛用于识别主要作者和开创性工作(Donthu et al., 2021)，并识别和绘制新的研究趋势(Mariani and Borghi, 2019).我们列出了用于进行文献计量分析的方法。
共引聚类
对于共引聚类分析，基于参考文献列表中的引用联系来确定语义相似性，以衡量出版物的影响力。一起引用的出版物在内容上是相似的，并且涉及核心主题和概念。这些著名的出版物有助于随着时间的推移人工智能创新研究的发展(Donthu et al., 2021).确定的集群揭示了最有影响力的出版物的知识基础和主题相似性(Donthu et al., 2021)在人工智能领域的创新研究。
群组1(绿色)包括对服务化和工业4.0、智能旅游、物联网和动态能力的研究。群组2(深蓝色)包括关于智能城市和开放式创新的研究。第三组(浅蓝色)包括与技术创新中的创新系统和网络有关的研究。第4组(红色)的研究围绕着技术预测和技术机会。紫色的第五组主要涉及知识管理、开放式创新和技术变革方面的研究。第六组，用安歌的颜色，包括与消费者接受数字技术相关的研究。最后。第7组(黄色)包括绿色创新和供应链的研究。
数字化转型集群。在群组1中，研究主要围绕数字化转型以及工业4.0和服务化的相关现象。一些作者认为，数字化转型使企业能够改善其商业模式，重组其运营，并创造新的商业模式(Warner and Wa¨ger, 2019).在制造业，工业物联网(IIoT)带来了商业模式的改变，减少了对低技能工人的依赖，提高了效率(Arnold et al., 2016).
图4 创新研究中人工智能文献的共引网络
图5 通过书目耦合识别的集群
一个包含人工智能采用的驱动因素和结果的框架
人工智能应用于创新的驱动因素
我们分析了文献，以确定人工智能应用于创新的驱动因素。Table 9分类并举例说明了围绕创新采用人工智能的驱动因素的研究。我们将这些研究分为三个不同的类别:经济驱动因素(成本、生产率、时间、决策)、技术驱动因素(大数据、物联网、数字平台)和社会驱动因素(可持续发展、废物管理)。
图10 包含人工智能应用于创新的驱动因素和结果的框架
讨论与贡献
这项研究做出了几项研究和理论贡献，以推进人工智能和创新的交叉研究领域，以及更普遍的技术创新管理文献。首先，通过对现有文献和该领域正在进行的辩论进行最新和深入的概述，定量评估了人工智能和创新交叉领域的快速发展研究。这解决了最近对人工智能在创新环境中的作用进行更多研究的呼吁(例如，Cockburn et al., 2019)并将围绕人工智能在创新中的作用的新兴且不断扩大的研究体系系统化(例如，Haefner et al., 2021；Kakatkar et al., 2020；Mariani andNambisan, 2021).此外，鉴于数字技术(特别是人工智能)和相关创新管理实践的快速发展，本SLR旨在帮助创新学者和实践者跟踪超出其主要专业领域并代表创新研究前沿的新研究成果。第二，研究结果表明，有七个既定的热门领域，在研究领域的发展信息人工智能和创新的交集。有趣的是，几项研究涵盖了一个以上的主题和/或不同的学科领域(Dwivedi et al., 2021；Loebbecke and Picot, 2015；Mariani et al., 2022；Scuotto et al., 2016).一方面，这反映了创新文献涵盖了广泛的学科领域，包括企业家精神、市场营销、战略管理、金融和组织行为，实际上我们的文献综述是多学科的。另一方面，这似乎表明学者们已经在进行跨主题领域的研究，这可能意味着他们试图获得对他们正在分析的现象的更全面的看法。第三，本研究通过利用SLR的发现开发一个解释框架，对创新文献做出了贡献，该框架阐明了创新(经济、技术和社会)采用人工智能的驱动因素以及创新(经济、竞争和组织以及创新)采用人工智能的结果，为超越现有知识的创新研究提供了理论贡献(例如，Haefneret al., 2021).因此，通过本解释框架，综合了观察到的零碎和分散的结果，并为创新研究人员和实践者提供了对重点领域的更全面的理解。第四，挑选了在焦点研究流中采用的最广泛的理论透镜，并确定了最常用的:技术创新系统(TIS)理论；模糊理论(即模糊集合理论、模糊逻辑)；技术接受模型(TAM)；动态能力；创新理论的传播。通过确定最广泛使用的理论和方法，还为创新学者提供了新的思路和方向，以在技术创新管理领域开展新的研究，而不是重复和循环利用现有的研究。最后，通过确定新的研究空白，并为进一步调查提供丰富的研究议程，为未来的学术发展方向和指导方针做出了贡献(在下面的研究议程部分报告)。这将为未来十年(技术)创新管理研究的未来发展提供信息，并有助于推进创新研究的前沿，使下一代创新学者能够应对新的科学挑战。
结论
结合广泛的文献计量技术，包括共引分析、书目耦合、共词分析，这项工作有助于揭示、展示和描绘新兴的知识结构(Donthu et al., 2021)关于人工智能的创新文献。这样做，它有助于描绘和说明正在创新领域进行的关于人工智能的科学辩论。此外，这项研究在人工智能创新研究的交叉领域做出了多项研究和理论贡献.最后，通过制定丰富的研究议程，希望并相信这项研究已经确定了新的研究空白和研究问题，有利于进一步富有成效的调查。这将为未来十年(技术)创新管理研究的未来发展提供信息，并有助于推进创新研究的前沿，使下一代创新学者能够应对新的科学挑战。更具体地说，拟议的研究议程将帮助对数字技术(特别是人工智能)感兴趣的创新学者确定和解决关键的研究问题，这些问题将把创新领域中正在进行的关于数字技术的科学辩论推向下一个层次。拟议的研究议程也可能成为重点领域多学科和跨学科合作研究的有用跳板。
附参考文献文献附参考文献
参考文献：
【治理与反思】人工智能在公共部门的战略应用：国家人工智能战略的公共价值分析
【治理与反思】谁来守护AI驱动的机器人守卫？在遵循AI机器人建议后警察暴力的伦理性和认知中和
【治理与反思】德国如何在政府中采用敏捷：一项比较案例研究
【治理与反思】人工智能在公共部门的战略应用：国家人工智能战略的公共价值分析
【治理与反思】美国联邦政府如何推广AI:来自政策过程框架的解释
原文链接（阅读原文 点击左下角）：
https://linkinghub.elsevier.com/retrieve/pii/S0166497222001705
此处也可以下载全文：
https://www.sciencedirect.com/science/article/pii/S0166497222001705?via%3Dihub
凤凰网一点资讯：
https://www.researchgate.net/publication/339954958_Shaping_Identity_Older_Adults'_Perceived_Community_Volunteering_Experiences_in_Shanghai
欢迎您提出与本文内容、主题或翻译有关的各种问题与建议！
欢迎关注、订阅微信公众号【治理学术】。本公众号是由公共管理与政治学学科的老师和学生志愿者开发的学术和交流平台，重点是治理理论与实践领域的热点问题，我们每日整理、翻译并推荐一篇最新权威英文文献。核心内容分为三大板块：1、治理理论 文献与探索，2、管理实践 治理与反思，3、公共治理 教学与交流。
欢迎推荐或自荐研究成果，来稿请致邮箱：usstgggl@163.com
PS：如何加入微信公众号：
您可以扫描下面的二维码，或者搜索公众号：“治理学术”，或者加原始ID:
gh_dd2c06e61722 然后点击加入即可。
PS：如何查看以前推送的精彩文章：
您只要点标题下方的“治理学术”，并选择“查看历史消息”即可，精彩就会尽现。谢谢！
