高层管理团队认知模式的结构特征与探索性创新

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Structural characteristics of top management team cognitive schema and exploratory innovation

　　姜燕辉|郭富饶|肖婷|尹建香
湖南大学商学院，中国长沙

**摘要**
高层管理团队的认知框架（TMTCS）是一个集体的战略框架，对于识别和利用探索性创新的机会至关重要。然而，现有文献主要关注TMTCS的内容，而对其结构特征却几乎 disregarded。基于能力-动机-机会（Ability-Motivation-Opportunity, AMO）框架，我们研究了TMTCS的复杂性和焦点如何影响探索性创新，并探讨了企业数字化和高管薪酬的调节作用。我们利用2018至2022年中国A股制造业公司的管理层讨论和分析文本，通过基于潜在狄利克雷分配（Latent Dirichlet Allocation, LDA）的文本挖掘技术构建了TMTCS，并确定了其结构特征。研究结果表明，TMTCS的复杂性促进了探索性创新，而其焦点则产生了抑制作用。高程度的企业数字化可以减弱TMTCS复杂性和焦点的影响；相反，较高的高管薪酬则增强了TMTCS复杂性的积极效果，并减轻了TMTCS焦点的负面影响。我们的研究结果阐明了TMTCS结构特征的差异性影响，并强调了管理认知、数字化环境和财务激励在塑造探索性创新中的相互作用。

**引言**
随着生成式人工智能（Genetic Artificial Intelligence, AI）等颠覆性数字技术不断重塑各个行业的范式，探索性创新对于企业的生存和增长比以往任何时候都更为重要（Fernandez-Vidal等人，2022年）。作为一种激进的创新形式，探索性创新通过发现和尝试新知识来提升企业的动态能力和竞争优势（Vedel和Kokshagina，2021年；Saldanha等人，2020年）。然而，一些企业由于抵制探索性创新而走向衰落，例如Blockbuster和Polaroid（Raffaelli等人，2019年；Tripsas和Gavetti，2000年）。调查显示，仅有10-15%的企业创新预算被用于探索性创新（Winsavvy，2023年）。由于高层管理团队（TMTs）是探索性创新的主要推动者和把关者，研究表明，他们的认知局限——尤其是认知框架中的约束（如僵化的信念和相关的知识不足）是导致抵抗探索性创新的主要因素（Furr等人，2012年；Raffaelli等人，2019年；Tripsas和Gavetti，2000年）。

高层管理团队的认知框架（TMTCS）代表了TMTs内部的集体战略框架，包含了关于企业环境、战略和业务范围的基本认知和信念（Becker等人，2025年；Nadkarni和Narayanan，2007年）。管理信息处理理论认为，TMTCS通过规范管理者的认知活动（如注意力、解释、推理和问题解决）来影响他们的信息处理方式（Kiss和Barr，2015年；Marcel等人，2011年；Nadkarni和Narayanan，2007年；Walsh，1995年）。因此，TMTCS对于管理者概念化和评估创新项目至关重要（Furr等人，2012年；Raffaelli等人，2019年）。基于此，我们重点研究了TMTCS对企业探索性创新的影响。这项研究在数字时代尤为重要，因为它不仅为促进探索性创新提供了宝贵的见解，还重新评估了管理认知在战略创新决策中的作用（Becker等人，2025年）。

先前的研究强调了TMTCS内容属性是探索性创新的关键驱动因素，但很大程度上忽视了其结构特征。例如，Smith和Tushman（2005年）认为，具有矛盾认知内容的TMTs更有效地克服了组织惯性，促进了前沿技术的追求。Furr等人（2012年）强调了认知内容新颖性的重要性。他们提出，当TMT成员采用来自外部领域的新认知框架时，企业会进行更实质性的技术变革。Mount等人（2021年）关注认知内容的抽象程度，认为抽象的认知框架对于TMTs理解新颖性和及时调整战略方向至关重要。这一差距很重要，因为与短暂的内容不同，结构特征代表了更持久的认知架构，为企业战略轨迹提供了更强的预测能力（Becker等人，2025年；Benner和Ranganathan，2017年）。

为了解决这一差距，我们研究了两个主要的结构特征——TMTCS的复杂性和焦点——如何影响探索性创新。我们使用基于LDA的文本挖掘技术分析了2018至2022年中国A股制造业公司的管理层讨论和分析文本（MD&A）。我们通过将战略主题作为节点以及它们之间的因果关系作为链接来构建TMTCS。TMTCS的复杂性反映了战略节点的广度及其相互连接的密度，而TMTCS的焦点则体现了对一组核心主题的集中程度（Kiss和Barr，2015年）。从信息处理的角度来看，具有高认知框架复杂性的管理者倾向于关注多样化信息，创造性地解释信息，并生成多种方案，从而表现出更强的认知能力（Kiss和Barr，2015年；Nadkarni和Narayanan，2007年）。相比之下，具有高框架焦点的管理者表现出明显的认知偏见，如在面对新信息时的选择性注意力、虚假因果推理和认知惯性（Nadkarni和Narayanan，2007年）。因此，我们提出TMTCS的复杂性通过促进新兴市场机会的识别和利用来促进探索性创新。相反，我们预计TMTCS的焦点会产生相反的效果，阻碍企业的探索性努力。

我们还探讨了企业数字化程度和高管薪酬激励如何调节这些关系。能力-动机-机会（AMO）框架认为，个人技能（A）、内在驱动力（M）和外部客观条件（O）相互作用影响认知活动（Bos-Nehles等人，2023年；Hughes，2007年；MacInnis和Jaworski，1989年）。此外，当前研究表明，数字技术代表了数字时代管理信息处理客观条件的关键影响因素（Ghasemaghaei等人，2018年；Karhade和Dong，2021年）。同样，薪酬激励是将管理者的认知活动与企业战略目标对齐的主要动力因素（Greiner等人，2025年；Jensen和Meckling，1976年）。因此，研究企业数字化和高管薪酬激励的调节作用有助于阐明TMTCS结构特征在塑造探索性创新时的关键边界条件。具体来说，我们认为，企业数字化程度通过重新配置管理者的信息环境，可能减弱TMTCS复杂性和焦点对探索性创新的影响（Ghasemaghaei等人，2018年；Karhade和Dong，2021年）。我们还提出，高管薪酬激励通过增强管理者对认知能力的信心并激发更大的认知努力，放大了TMTCS复杂性的积极影响，同时减轻了TMTCS焦点的负面影响（Zyung和Shi，2022年；Greiner等人，2025年）。图1说明了这一概念模型。

这项研究基于可靠的实证证据，在三个方面为探索性创新和管理认知的文献做出了贡献。首先，通过研究TMTCS的复杂性和焦点的影响，本研究将企业创新研究的焦点从管理认知框架的内容（“管理者思考什么”）转向结构（“他们如何思考”）。这是一个对探索性创新具有更强预测能力的认知维度。其次，它从理论和方法论的角度丰富了关于管理认知框架的文献。理论上，通过揭示TMTCS的复杂性和焦点对探索性创新的差异性影响，本研究将研究重点从战略灵活性和有效性转移到企业创新战略（Huang，2009年；Kiss和Barr，2015年；Liang，2024年；Nadkarni和Barr，2008年；Nadkarni和Narayanan，2007年）。因此，它提供了一个更全面的理论框架。方法论上，该研究使用基于LDA的文本挖掘技术推进了TMTCS的操作化。第三，通过将AMO框架与管理信息处理理论相结合，本研究为管理认知框架和企业创新的研究提供了框架，有助于揭示管理认知、信息处理环境和动机因素之间的复杂相互作用。

本文的其余部分安排如下：第2节回顾了关于TMTCS结构特征、探索性创新和AMO框架的现有研究；第3节讨论了理论假设的制定；第4节描述了研究设计，包括数据收集、TMTCS的操作化、变量定义和模型规格；第5节展示了实证结果；最后，第6节总结了理论和实践意义、局限性和未来研究的方向。

**数据收集和来源**
初始样本包括2018至2022年间所有在中国A股上市的制造业公司。选择中国制造业公司作为研究背景是因为作为世界上最大的制造业部门，它们经历了重大的数字化转型，为本研究提供了合适的背景（Zhao等人，2022年）。此外，选择这一时间窗口基于两个主要考虑因素：首先，2017年11月，国务院发布了相关指导方针。

**描述性统计和相关性分析**
表2报告了主要变量的描述性统计和相关矩阵。描述性统计表明，探索性创新的平均得分为0.166，表明样本公司中的探索性活动水平较低，这与Custódio等人（2019年）的研究结果一致。TMTCS的复杂性和焦点的平均水平分别为0.633和0.370，标准差分别为0.231和0.125。关于相关性分析，探索性创新与其他变量之间的相关性较弱。

**讨论**
TMTCS是执行决策的认知基础，在战略管理决策中起着关键作用。与主要关注TMTCS内容的现有文献不同，本研究重点关注两个不同的结构特征：复杂性和焦点。我们使用基于LDA的文本挖掘技术为2018至2022年中国A股制造业公司构建了TMTCS，并实证研究了TMTCS的复杂性和焦点对探索性创新的影响。

**作者贡献声明**
姜燕辉：资金筹集、概念化；郭富饶：撰写——初稿、可视化、软件、资源、方法论；肖婷：撰写——审校与编辑、监督、资金筹集；尹建香：方法论、撰写——审校与编辑。

**资助**
本研究得到了中国国家自然科学基金[项目编号72074071、72562014、2025ZLYJ0101]、中华人民共和国教育部人文社会科学基金会[项目编号24XJC630016]以及海南省自然科学基金[项目编号723QN215、726MS0110]的支持。

**利益冲突声明**
作者声明没有需要披露的利益冲突。

姜燕辉是湖南大学商学院的会计信息管理教授兼副院长，她的研究方向是风险投资、信息系统和企业创新。她的研究成果发表在《Journal of Accounting, Auditing & Finance》、《European Journal of Innovation Management》和《Electronic Commerce Research and Applications》等期刊上。