《Journal of Engineering and Technology Management》：Who enables whom? Technology versus legitimacy
编辑推荐：
技术涌现是一个复杂的过程，面临多重制度挑战和不确定性，这些挑战和不确定性可能阻碍技术引入和建立的努力。为揭示促成技术成功涌现的因素，学者们将注意力转向制度理论以及技术合法性所发挥的核心作用。大量研究探讨了技术与组织合法性之间的关系，表明技术可以为组织提供合法性
技术涌现是一个复杂的过程，面临多重制度挑战和不确定性，这些挑战和不确定性可能阻碍技术引入和建立的努力。为揭示促成技术成功涌现的因素，学者们将注意力转向制度理论以及技术合法性所发挥的核心作用。大量研究探讨了技术与组织合法性之间的关系，表明技术可以为组织提供合法性，反之，合法化技术对其涌现至关重要。本研究旨在通过开展文献计量定量分析，识别并可视化商业经济学文献中技术与合法性研究的智力结构。研究结果发现了该领域的六条主要研究脉络，这些脉络为这一主题的研究提供了全面且相互关联的视角。这些发现可作为该领域未来研究的起点，因为研究人员追踪了其演化轨迹，以识别衰退和增长的研究领域。此外，研究人员还就尚未探索的新主题提出了研究议程。
**论文解读：技术赋能合法性还是合法性赋能技术？——基于文献计量的领域知识结构图谱分析**
**一、研究背景与问题提出**
技术对于组织降低成本、实现全球化扩张及吸引客户至关重要。然而，技术的复杂性、专业性和快速变革性使得技术管理充满挑战。技术涌现（technology emergence）是一个复杂过程，新生技术面临“新生性缺陷”（liability of newness），即由于其未被充分理解、未经测试、定义模糊或缺乏参照框架，容易遭遇消费者冷漠，并对在位者（incumbents）的商业模式构成颠覆性威胁，从而引发抵制和反制措施。在此背景下，制度理论（institutional theory）成为解释技术成败的关键视角。技术能否成功涌现，很大程度上取决于其是否获得制度环境中的合法性（legitimacy）——即利益相关者对其可接受性的有利判断。合法化对象被认为适当且可取，受到的质疑较少，更能影响人们的行为，从而降低不确定性、增强利益相关者承诺。技术与合法性之间存在双向关系：一方面，合法性是技术涌现的前提；另一方面，组织通过采用或关联前沿技术来获得合法性。尽管已有大量研究，学术界仍缺乏对技术与合法性关系的全面、互联视角，这促使研究人员开展本次文献计量研究，以系统梳理该领域的知识结构、演化脉络和未来研究方向。
**二、研究设计与方法**
本研究采用文献计量学（bibliometrics）方法，遵循系统文献综述的科学程序与原理（SPAR-4-SLR）协议，分为文献汇编、整理和评估三个阶段。数据来源为Web of Science（WoS）核心合集，检索式采用“legitim*”与“technology”组合，限定研究领域为商业经济学、文献类型为文章，检索时间跨度为1900至2022年，共获得894篇文献，经剔除无参考文献的文献后，最终分析样本为863篇。研究人员运用CiteSpace软件进行基于共被引（co-citation）的科学图谱分析，通过共被引网络揭示该领域的智力结构、理论渊源和长期演化。共被引分析能够识别领域内的基础性文献、思想流派和概念关联，相比文献耦合、共词分析等方法，更适合揭示领域的知识基础和历史脉络。网络可靠性通过轮廓系数（Silhouette>0.9）和模块度（Modularity Q=0.9）验证。
**三、研究结果**
**1. 主要研究脉络与知识来源**
共被引聚类分析识别出六个主要研究脉络（聚类），每个聚类代表一条研究路线：
- **聚类#1：合法化机制（Legitimation Mechanisms）**——规模最大（41篇文献），平均出版年份2015年。该脉络聚焦企业合法化新技术的策略和过程，包括身份与关联机制，如叙事、意义赋予、印象管理、类比与论证、框架化、集体行动、象征行动以及组织、高管和个人关联。合法化机制需适应合法性的不同阶段和维度，例如创新和本地验证阶段通过规范网络和理论论述建立合法性，扩散阶段增加价值化和倡导努力，普遍验证阶段采用政治工作、教育、模仿或意象。研究还关注在位者策略（如向政策制定者提供信息和论证、建立技术标准）对技术合法性的影响。
- **聚类#2：合法性透镜（Lenses of Legitimacy）**——包含36篇文献，平均出版年份2012年。该脉络探讨分类（categories）作为实现技术合法性的机制。分类是分类时的既定类别或划分，传递文化规范，构成制度逻辑的参照框架。将技术纳入一个公认的类别是获得社会认可和物质资源的前提。新类别通过类比或翻译将熟悉意义应用于新事物而成为公共知识，例如从CD到数字文件的转变中，新人工制品的继承价值被用于分类新技术。研究还考察了与初始非法类别关联的“背离”效应，以及组织为避免类别限制而主动回避分类的情况。
- **聚类#3：生态系统（Ecosystems）**——最新研究领域，平均出版年份2018年。该脉络分析创新生态系统中的合法性，聚焦颠覆者（disruptors）获得接受、促进合作以及平衡与在位者竞争的策略。颠覆者面临“颠覆者困境”：如何获得被其颠覆的在位者的支持。合作可作为制度间的桥梁，实现互利，例如在人工智能伦理原则发展中，公司先合作建立新技术合法性，随后竞争，形成“合作竞争”（coopetition）。研究还提出“颠覆者开局”（disruptor's gambit）策略，即主动框架化创新和颠覆意图以增强可见性和熟悉度，降低不确定性。但合法性策略的效果因国家监管环境而异（如Uber和Airbnb）。
- **聚类#4：IT时尚（IT Fashion）**——最古老的研究领域，平均出版年份2009年。IT时尚指“一种短暂集体信念，认为某项信息技术是新的、高效的且处于实践前沿”。该脉络研究技术如何影响组织在涌现和成长过程中的合法性。组织及其领导者即使没有显著绩效提升，也可通过追求最新IT趋势来增强合法性。技术投资增加组织合法性，并提高股票回购价值，表明与股东利益一致。然而，偏离组织身份期望的技术（身份挑战技术）可能引发合法性问题。
- **聚类#5：融资（Funding）**——平均出版年份2014年。该脉络研究合法性如何影响融资成功。合法性中介融资成功，通过媒体和众筹经验传递的信号可减轻信息不对称，提高融资概率。项目质量信号（如介绍字数、视频数量）正向影响投资者对技术项目的投资。关联性合法性（基于与其他组织的合作、媒体认可、社交网络分享）比其他类型更有效。叙事策略中，强调帮助他人的机遇比仅作为商业机会更能获得积极回应。但不同资助者的制度逻辑影响企业创新，政府拨款等限制最少的资金可能更易阻碍技术创新。
- **聚类#6：制度逻辑（Institutional Logics）**——平均出版年份2010年，是较早的研究领域。该脉络应用制度理论解释多重制度压力如何影响技术采用。当技术违背现有制度时遭遇更多实施困难，与非制度逻辑一致时则更容易。行动者寻求合法性而非效率来应对多重制度逻辑。制度压力来源包括政府、贸易伙伴、员工、专业协会和认知结构。研究还考察了组织对冲突制度需求的响应，以及合法性变量（身份、机会信心、创业经验、行业经验、早期规划、技术流行度）对技术创业可行性的影响。
**2. 研究领域演化**
共被引网络的时序分析揭示了领域演化轨迹。最初（2000年代末）研究者关注技术对组织合法性的效应（聚类#4），即采用创新技术使企业获得社会认可。随后，学者转向制度逻辑视角（聚类#6），解释技术成败。进而发展出通过分类实现合法性的透镜（聚类#2）以及融资相关研究（聚类#5）。2010年代中期，研究重点转向合法化机制（聚类#1），探索框架化、叙事、信号等具体策略。2015-2020年，生态系统研究（聚类#3）兴起，研究者认识到合法性策略对不同群体效果因对立逻辑而异，通过生态系统管理获得合法性成为新方向。
**四、讨论与结论**
本研究首次提供了技术与合法性研究领域的全面互联视图。结果表明，技术和合法性互为赋能者：企业需要合法性实现技术成功涌现，同时与领先技术的关联使企业获得合法性。研究人员基于对领域结构和演化的理解，提出了五条未来研究方向：（1）有效性-共识的一致性（congruity between validity and consensus）——探讨集体有效性、个体适当性和共识聚合对技术变革的影响；（2）技术合法性阈值——界定合法化技术的边界，识别达到合法性所需的基本要素；（3）生态系统中的外部逻辑与内部逻辑——关注员工在技术合法化中的作用，内部合法性对技术采用的影响；（4）前沿沟通——优化企业传达的信息以增强技术合法性，包括不同技术发展阶段的信息组合和媒体覆盖效应；（5）合法性复杂情况——探讨制度环境中的复杂性因素（如受众多样性、多种独特性、风险容忍度）如何影响合法性评估。研究结论强调，理解合法性机制有助于组织动员资源、提高技术成功概率，实践者应重视将技术有效整合到现有生态系统的逻辑中，并针对不同阶段和受众采取差异化合法化策略。
**五、研究结论翻译（原文结论部分）**
本研究提供了技术与合法性研究领域的首个全面互联视角，增强了对这一关系及其原因和后果的理解。通过文献计量分析，绘制并识别了技术与合法性研究领域的智力结构。研究结果对学者和实践者均具有启示意义。主要研究领域及演化的识别使学者能够更清晰、结构化地了解已有研究，为其研究提供有价值的起点。研究者已探讨以下问题：确保技术建立、维持和增长的合法机制是什么？技术的合法性透镜是什么？创新如何在现有生态系统中获得合法化？技术是否促进组织合法性的获取？如何通过合法性获得融资？制度逻辑如何影响技术涌现？这些结果使学者能够识别研究者数量最多的领域（聚类#1和#2）、新兴领域（聚类#3）和衰退领域（聚类#6）。此外，研究人员还识别了技术与合法性研究的主要知识来源。基于聚类分析，研究人员观察到两个变量相互关联并互为赋能者。公司需要合法性以实现技术成功涌现，反之，与领先技术的关联使公司获得合法性。研究人员在分析这一关系时应保持谨慎，因为一个变量的变化会影响另一个变量，而这一变化又会反馈到第一个变量。基于研究结果和领域组成及演化的理解，研究人员制定了未来研究议程，涵盖五个未来研究方向，包括未解答的研究问题和支撑这些方向的知识来源。该研究议程可作为推进尚未探索的新主题研究的指南。
