以知识驱动创新：整合技术强化学习空间，助力加速项目取得成功

《Journal of Engineering and Technology Management》：Driving innovation through knowledge: Integrating Technology-Enhanced Learning Spaces (TELS) for successful acceleration programs

　　安东尼奥·莱罗|乔瓦尼·斯库马|奇罗·特罗伊塞|达妮埃拉·卡尔卢奇|弗朗切斯科·桑塔西耶罗
DIUSS——巴利卡塔大学人文与社会科学创新部门，地址：意大利波坦察市卢卡诺大学路，邮编85100

摘要
本文提出“技术增强型学习空间”作为实体与虚拟架构，用以支持和提升加速器项目，尤其通过促进持续学习、协作氛围、知识获取，以及培养组织能力与软技能来实现这一目标。研究重点分析这类空间如何帮助加速器更有效地管理知识流动，进而推动初创企业的成长与创新。文中通过多个案例研究展示这类空间在当前加速器项目中的应用效果，对五种不同的技术增强型学习空间进行了深入研究，并通过比较分析得出可借鉴的管理启示。研究明确了能够提升加速器项目成效的此类空间的特征与功能，同时强调在开放创新理念下，既要管理“自内而外”的知识流动，也要关注“自外而内”的知识流动。本研究通过构建系统性框架并提供实证依据，为设计和管理高效的加速器项目提供了新的思路。

引言
在当今不断变化且难以预测的商业环境中，各组织亟需具备韧性、创造力与适应性，才能保持竞争力并跟上市场快速变化的步伐（Schiuma, 2012）。那些希望生存并保持竞争力的企业必须始终致力于持续创新（Chesbrough, 2007；Nonaka和Takeuchi, 2019；Rogers, 2016；Santarsiero等人, 2021；WEF, 2020）。

此外，具有重大经济影响力的新型数字技术的不断发展与广泛应用，不仅改变了创新模式，也影响了商业运作方式，带来了多方面的产业、经济、社会、管理及政策层面的影响（Broekhuizen等人, 2021；Hanelt等人, 2020；Nambisan等人, 2019；Nambisan等人, 2017；Santarsiero等人, 2021；Vial, 2019；Elia等人, 2024）。诸如工业5.0和未来社会5.0之类的新理念应运而生，它们注重以人为核心的解决方案，强调技能、知识以及多方利益相关者共同参与创新的过程（Aslam等人, 2020）。当前的发展重点在于在技术进步的同时兼顾人类需求与价值观，推动可持续发展，实现经济、环境与社会之间的平衡，并通过让不同利益相关者共同参与创新活动，促进包容性创新，从而提升整体福祉水平（Ghobakhloo, 2018；Bai等人, 2020；Beier等人, 2020；de Sousa Jabbour等人, 2018）。

因此，曾经主导创新领域的线性模型已逐渐被更为复杂、多层次的框架所取代，这些框架突出了创新的互动性，强调了各种社会经济主体之间网络关系的重要性（Vlaisavljevic等人, 2020）。在此背景下，面临新挑战的企业需要致力于协作、持续学习，并积极获取知识，同时培养独特的组织能力与创新所需的软技能（Alavi和Leidner, 2001；Carayannis等人, 2017；Cegarra-Navarro等人, 2016；Schiuma, 2011；2012）。已有不少研究探讨了企业如何培育这些能力并在创新生态系统中蓬勃发展（Madrid-Guijarro等人, 2009），同时强调了学习空间、创新实验室、孵化器和加速器等结构化平台的重要性（Bergek和Norrman, 2008；Santarsiero等人, 2023；Cri?an等人, 2021；Pauwels等人, 2016；Hausberg和Korreck, 2020）。

尤其是加速器作为一种特殊的创新中介，近年来受到了众多实践者与学者的广泛关注，无论是在管理实践、政策制定还是学术研究中都是如此（Battistella等人, 2017；Bliemel等人, 2018；Cohen等人, 2019；Cri?an等人, 2021；Pauwels等人, 2016）。众所周知，创新中介有助于知识创造与共享（Feser, 2023），减少信息不对称，构建各种关系网络与工具，支持数字化与可持续发展（Caloffi等人, 2023；Colovic等人, 2024；Howells, 2024），提升企业的吸收能力，以及协调复杂的商业网络（Noviaristanti等人, 2024a）。Noviaristanti等人（2024b）进一步指出，加速器网络中所包含的协调活动对于价值创造至关重要，他们提出了五项关键的协调活动，包括知识流动与创新可持续性、创新的适用性与网络稳定性以形成锁定效应、创新的一致性以及高效利用资源等。

随着研究的深入，管理学界越来越重视为加速器定义其内涵，明确其目标、特征、影响及治理模式，将其视为一种新一代的孵化模式，旨在推动商业模式创新（Carmona Lavado等人, 2024），激发创业意愿（Toh等人, 2025），并通过在短时间内提供以知识创造、教育辅导为重点的专项服务，加速成功企业的诞生（Cohen等人, 2019；Pauwels等人, 2016）。此外，加速器在为初创企业提供种子期前的融资支持方面也发挥着重要作用，有时这种融资是以股权交换的形式实现的（Pauwels等人, 2016）。

近年来，人们试图将加速器的内容、商业模式、项目设计、关键决定因素以及效能评估标准整合到统一的框架之中（Bagnoli等人, 2020；Docaj, 2025；Hesmati等人, 2024；Moroz等人, 2024；Tekic等人, 2024；Veit等人, 2024）。然而，尽管已有大量关于加速器的研究成果，但其中很少有体系化的方法来指导企业如何管理内部与外部知识，即便是在从资源基础视角进行分析时也是如此（Uhm等人, 2018）。这一缺陷凸显出有必要进一步研究加速器独特的价值创造机制（Drover等人, 2017；Roundy, 2017），尤其是要了解加速器如何更好地管理知识流动，从而助力初创企业的成长与创新（Cohen等人, 2019）。本文旨在弥补这些不足，强调加速器除了提供财务支持外，还需通过系统化管理内部与外部知识流动，进一步为初创企业的发展提供有力支撑。本文试图回答以下研究问题：

研究问题1：加速器如何通过优化知识流动管理，来促进初创企业的成长与创新？

为此，本文提出“技术增强型学习空间”作为实体与虚拟相结合的架构，用于支持和提升加速器项目，其作用体现在促进持续学习、推动协作、助力知识获取，以及培养组织能力与软技能等方面。研究重点分析这类空间如何帮助加速器更有效地管理知识流动，进而为初创企业的创新发展做出更大贡献。本文的结构如下：下一节将介绍有关加速器的背景知识，重点阐述其基本特征、发展历程及现有形态。随后会介绍“技术增强型学习空间”这一框架，说明其如何帮助加速器改进项目设计。接下来的部分将逐一分析五种技术增强型学习空间，最后对研究结果进行讨论。文章的最后部分还将探讨研究意义、局限性以及未来的研究方向。

理论背景
初创企业加速器是一种相对较新的现象，其在21世纪00年代末至10年代初开始受到广泛关注。最早的加速器是2005年在马萨诸塞州剑桥市成立的Y Combinator，以及2007年创办的Techstars，这两家机构共扶持了2000多家初创企业的发展（Cohen等人, 2019）。Y Combinator被视为全球加速器行业发展的推动者。自那时起，这类加速器机构不断发展壮大，不断推动创新成果的产生。

技术增强型学习空间的理论基础
技术增强型学习空间其理论渊源可追溯到“学习空间”这一概念。历史上，“学习空间”被用作一个总称，涵盖各种旨在提升学习过程与知识管理效率的空间设计。例如，Alessi（2000）将这类空间称为“互动式学习环境”，强调其中所体现的主动学习机制。Illeris（2004）以及Lee和Tan（2024）则将“工作场所学习空间”视为在特定研究背景下发展起来的另一种形式。

研究设计
根据研究问题，本文采用了多案例研究方法（Yin, 2009），通过该方法从提出的理论框架中获取实证依据。总体而言，定性管理研究能够捕捉那些为学术研究带来巨大价值的无形因素。案例研究因其能够解答“为什么”和“如何”这样的问题，而被广泛认为是加强实证研究的重要手段，尤其是当研究者的分析超越单纯背景描述时。

研究结果
基于所提出的概念框架，本文从技术增强型学习空间的不同维度对研究结果进行了详细分析。具体而言，通过对各个案例的研究，重点分析了那些可能支撑成功加速器项目的资产与活动及其管理方式。

讨论与启示
本研究在以往研究的基础上，进一步明确了技术增强型学习空间作为加速器项目有效支撑工具的角色，揭示了其独特的特征与管理维度。虽然现有的关于加速器与孵化器的研究已经提出了多种加速器模式的目标与特征，形成了多种分类体系，但目前仍缺乏对人类能力与网络关系重要性的充分论证，未能充分重视和谐发展的重要性。

结论
加速器项目在激发创业精神方面发挥着重要作用。然而，尽管已有大量关于加速器的研究成果，但其中很少有体系化的方法来指导企业如何管理内部与外部知识。本文提出了“技术增强型学习空间”这一概念，认为其作为一种实体与虚拟相结合的架构，可以通过促进持续学习、推动协作、助力知识获取等方式，有效支持和提升加速器项目的发展。

作者贡献说明
安东尼奥·莱罗：撰写——审稿与编辑，撰写——初稿，正式分析，概念构建。
奇罗·特罗伊塞：撰写——审稿与编辑，方法论设计。
乔瓦尼·斯库马：撰写——审稿与编辑，正式分析，概念构建。
弗朗切斯科·桑塔西耶罗：数据收集，数据整理。
达妮埃拉·卡尔卢奇：正式分析，数据整理。

关于写作过程中生成式人工智能与人工智能辅助技术的声明
在撰写本文时未使用任何人工智能工具。

资金支持
本研究未获得公共、商业或非营利领域任何资助机构的资金支持。

利益冲突声明
无。