循环经济供应链中的技术转移挑战：基于扩展吸收能力-动态能力视角的见解

《TECHNOLOGY IN SOCIETY》：Technology transfer challenges in circular supply chain: Insights from expanded absorptive capacity- dynamic capability view

　　

摘要
本研究在考虑吸收能力 - 动态能力介入的情况下，识别并构建了电子制造业循环供应链（CSC）中有效的技术转移挑战。现有研究主要集中在归因于知识缺失的循环供应链挑战上；然而，针对有效部署此类知识和技术所必需的资源与运营战略重构，以及适应不断演变的循环经济需求所面临的实质性挑战，相关研究仍显不足。本研究整合了扩展的吸收能力理论 - 动态能力视角，强调技术转移挑战的性质，其中包含了需要解决的知识型能力挑战和资源重构能力挑战，以实现循环供应链中技术转移的有效落实。本研究采用混合方法方法，从数据库中提取信息，并利用混合方法处理属性之间的有效性和相互关系。研究结果强调，需要从潜在吸收能力视角解决循环技术知识获取挑战，并从动态重构视角解决循环技术机会与威胁感知挑战，以实现技术转移。在实践中，组织与制度对循环变革的惯性、运营重组的管理能力与循环技术差距、循环技术知识赤字、内部循环技术能力差距，以及追踪和解读循环法规的能力低下，是必须解决的关键挑战。

引言
技术转移过程复杂，涉及组织之间的知识和技术转移，旨在将科学成果转化为改进的产品或服务，并在构建吸收和应用这些技术所需的能力方面提出了巨大挑战（Battistella 等，2023；Sajid 等，2024；Yang 等，2025）。印度尼西亚的电子制造业也面临着这些挑战。该行业是国家优先部门，对国家的出口贡献显著，但由于电子废物问题和原材料供应压力，需要循环供应链（CSC）（Lee 等，2024；Acosta，2025；Aini & Chen，2025）。此外，在新冠疫情造成的中断之后，线性供应链的脆弱性以及行业对技术的依赖性暴露无遗，这进一步强化了应对循环技术转移相关挑战的必要性，以确保更具韧性和适应性的循环供应链安排（Osei 等，2025；Pandey 等，2025；Silva 等，2026）。在此背景下，循环供应链可以通过减少原材料消耗和废物产生来提高资源效率。当得到有效技术转移的支持时，它们还可以促进更具韧性和适应性的供应链配置。然而，电子行业内部的技术发展和转移仍不均衡，这对实现循环性和韧性构成了重大障碍（Bressanelli 等，2021；Mensah 等，2026；Lu 等，2026）。特别是，技术转移的实现受到获取和理解外部循环技术知识不足的制约，同时缺乏将所获得知识与现有资源和流程进行重构的能力，以应对新兴的循环机会和风险（Li & Tang，2021；Holmén 等，2025；Ismail 等，2026）。因此，理解循环供应链中的技术转移挑战，以及组织对其知识和能力的管理与提升至关重要。

解决组织间的技术转移挑战对于促进循环技术的采用至关重要，从而提高跨行业的资源效率（Battistella 等，2023；Pandey 等，2025；Shi 等，2025）。例如，Piccarozzi 等（2024）和 Sun & Li（2026）认为，组织和知识相关的障碍是技术转移的主要障碍。这些限制限制了熟练人员和技术专长的可用性，导致组织系统不完善，从而阻碍了循环技术的有效采用。研究指出，实体之间的知识差异导致沟通问题、整合复杂性和能力差异，阻碍了循环技术的实施（Simms & Frishammar，2024；Barbosa & Carvalho，2025；Th?;o 等，2026）。Yang 等（2025）指出，由于不愿披露信息、价值观错位以及识别外部知识的能力不足而造成的知识不对称会形成障碍，阻碍技术转移。先前的研究一致认为，供应链中的技术转移挑战主要归因于知识缺失；然而，在实践中，组织同时在发展充分的循环知识、吸收外部技术知识以及重构运营以实施循环实践方面面临困难（Kanyepe，2026；Li & Li，2026；Lu 等，2026）。现有研究尚未提供一个结构化的视角来捕捉这些相互交织的挑战，也没有明确这些挑战中哪些对循环供应链中技术转移的实现构成了最大的障碍。必须系统地解决技术转移挑战，考虑知识资源、吸收机制和必要的组织能力之间的相互作用，以实现循环技术的完整和成功实施。

在此背景下，基于知识的观点（KBV）认为知识是组织的主要战略资源，而这种知识的处理，正如吸收能力理论（ACT）所阐述的那样，直接影响创新效率和技术转移（Latif 等，2025；Figueiredo 等，2026；Teng 等，2026）。吸收能力使组织能够通过潜在吸收能力获取和同化新的外部技术知识，从而提高其实施技术的准备就绪状态（Dabi? 等，2019；Vla?i? 等，2019）。它还提高了其实现吸收能力，以在本地系统中转化和利用所获得的知识与技术，从而实现价值创造和创新（Cohen & Levinthal，1990；Daspit 等，2019；Siachou 等，2021）。然而，解决处理和内化外部知识与技术相关挑战的努力仍然不足，因为循环供应链中有效的技术转移还取决于资源和运营的战略重构，以部署所获得的知识与技术，并适应不断演变的循环经济需求（Rodríguez-González 等，2023；Mensah 等，2026；Wang & Zhang，2026）。Li & Tang（2021）和 Nuryakin & Qamari（2026）认为，动态重构能力挑战阻碍了在波动环境中感知和抓住机会与威胁的能力，从而限制了运营重构，导致新知识与技术和现有系统之间不匹配，阻碍了技术转移的实现。循环供应链中的技术转移受到知识处理、技术应用和重构能力等相互交织的挑战的制约，这些挑战共同决定了组织能否将外部知识和技术转化为与循环性相符、可扩展且准备就绪的运营实践（Simms & Frishammar，2024；Lu 等，2026；Mensah 等，2026）。开发一个由动态能力视角（DCV）补充的扩展 ACT，对于为评估循环供应链中的技术转移挑战提供彻底的结构是必要的。

在基于知识的观点（KBV）的总体视角下，本研究引入了一个扩展的 ACT-DCV，涵盖了与技术知识的吸收和转化机制相关的技术转移挑战，以及将吸收的知识和技术转化为有效且合适的循环技术应用所必需的战略重构挑战。然而，能够涵盖来自知识和能力管理不同领域的众多技术转移挑战的扩展 ACT-DCV，导致了复杂性和可管理性问题增加。大量的挑战，从知识获取、同化、转化和利用，到组织感知、抓住和重构的能力，多样性很大，造成了难以理清、分类和优先排序的深度相互依赖关系（Li & Li，2026；Lu 等，2026；Teng 等，2026）。为了解决这些问题，需要通过广泛、整合且可靠的数据输入分析来识别循环供应链中日益复杂的技术转移挑战。人工智能（AI）文本挖掘驱动的方法通过其整合和分析大量数据的能力，为解决循环供应链中相关的技术转移挑战提供了可行的解决方案（Wang 等，2025；Lange 等，2026）。因此，采用 AI 文本挖掘驱动的方法来解决循环供应链中的技术转移挑战。

本研究采用 AI 文本挖掘驱动的方法，整合从可信的 Scopus 数据库中挖掘的数据，旨在通过应用双向 Transformer 编码器表示（BERT）模型提取循环供应链中相关的技术转移挑战（Wang 等，2025；Lange 等，2026）。然而，提取出的技术转移挑战需要专家验证，并且相互错综复杂，使得在不确定条件下的评估变得复杂（Simms & Frishammar，2024；Sajid 等，2024）。在本研究中，AI 文本挖掘驱动的方法与一种混合方法相结合，以开发循环供应链中考虑属性间相互关系的技术转移挑战层级结构。关于混合方法，进行了模糊德尔菲法（FDM）分析以验证得出的技术转移挑战，并剔除被认为不太重要的挑战（Tseng 等，2021；Kumar & Shukla，2025；Nalluri 等，2025）。为了评估挑战之间的相关性，将它们聚类成不同的方面和视角，并测试结构化有效方面和视角的可靠性，进行了探索性因子分析（EFA）和信度测试（RT）（Hair 等，2019；Abou-Foul 等，2023；Yuan 等，2025）。此外，利用模糊决策试验与评价实验室法（FDEMATEL）来澄清不确定性并辨别属性之间的因果相互关系，这些属性包括已识别的标准、方面和视角（Kurrahman 等，2025b；Nalluri 等，2025）。通过分析这些相互关系，识别出循环供应链中与技术转移挑战相关的关键属性。本研究的目的是：
• 利用 AI 文本挖掘驱动模型验证循环供应链中的技术转移挑战
• 构建循环供应链中技术转移挑战的层级结构并揭示属性间的相互关系
• 为行业提供解决循环供应链中技术转移挑战的实际指导

本研究在三个领域做出了重要贡献：(1) 使用 AI 文本挖掘驱动的方法验证循环供应链中与技术转移相关的挑战；(2) 为这些挑战开发层级结构并阐明属性之间的因果相互关系；(3) 为电子制造业部门解决循环供应链中的技术转移挑战提供可操作的建议。本文组织如下。第 2 节深入探讨文献综述，指出现有研究的差距。第 3 节详细解释了为实现目标而提出的 AI 文本挖掘驱动方法和混合方法。第 4 节展示了分析结果。第 5 节讨论了理论和管理的启示。第 6 节总结了局限性并为未来研究提供了建议。

章节片段
文献综述
本节对相关理论框架和循环供应链中的技术转移挑战进行了全面的文献回顾。

方法
本节介绍了电子制造业的背景，并全面解释了数据收集过程。随后，对提出的 AI 文本挖掘驱动模型中的分析程序进行了彻底概述，包括基于 BERT 的标准提取文本挖掘、FDM、EFA、RT 和 FDEMATEL。

结果
本节总结了基于 BERT 的标准提取文本挖掘的结果，以及 FDM、EFA、RT 和 FDEMATEL 的结果。
(1) 基于 BERT 的标准提取文本挖掘
使用特定关键词对 Scopus 数据库进行了全面搜索，共获得 884 篇出版物。对收集的数据进行了文本预处理，以确保在使用基于 BERT 的方法进行后续标准提取过程中获得更好的结果。这些处理后的数据随后被用于……

讨论
本节讨论了理论启示，并就解决循环供应链中的技术转移挑战提供了实际建议，从而突出了管理启示。

结论
本研究针对现有研究差距，特别是关于为应对不断演变的循环经济需求而有效部署知识和技术所必需的知识型能力与资源重构能力整合不足的问题，解决了检查循环供应链中与技术转移挑战相关的有效属性的需求。通过 AI 文本挖掘驱动的……循环供应链中技术转移挑战的有效关键属性得以界定。

CRediT 作者贡献声明
Kanchana Sethanan：写作 – 审阅与编辑，写作 – 原稿撰写，构思。
Ming K. Lim：写作 – 审阅与编辑，写作 – 原稿撰写，构思。
Taufik Kurrahman：写作 – 审阅与编辑，写作 – 原稿撰写，形式分析，构思。
Feng Ming Tsai：写作 – 审阅与编辑，写作 – 原稿撰写，构思。

曾明朗（Ming-Lang Tseng）：写作 – 审稿与编辑，写作 – 初稿撰写，概念构思

未引用参考文献

Mandi? 等人（2024）；Pandey 等人（2024）；Sajid 等人（2023）；Silva 等人（2025）；Th?o 等人（2026）；Vla?i? 等人（2018）。

利益冲突声明

? 作者声明，他们不存在可能被认为会影响本文所报告工作的已知竞争经济利益或个人关系。

蔡明峰（Feng Ming Tsai）| Taufik Kurrahman | 林明康（Ming K. Lim）| Kanchana Sethanan | 曾明朗（Ming-Lang Tseng）
台湾海洋大学航运与运输管理学院，台湾