کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7384598 1480589 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Inventing by combining pre-existing technologies: Patent evidence on learning and fishing out
ترجمه فارسی عنوان
اختراع با ترکیب تکنولوژی های موجود: شواهد ثبت اختراع در مورد یادگیری و ماهیگیری
ترجمه چکیده
من یک مدل نوآوری را در این زمینه می سازم که در آن فن آوری های جدید ترکیبی از اجزای فن آوری موجود است. این مدل دو نیرو مخالف را ضبط می کند. بهترین ایده ها مورد استفاده قرار می گیرند (دانش خسته کننده است). با این حال، به عنوان شرکت یاد می گیرند که کدام تکنولوژی ها می توانند ترکیب شوند، ایده های جدید ممکن می شوند (دانش تجمع می یابد). من مدل با بیش از 80 سال داده های ثبت اختراع ایالات متحده را آزمایش می کنم. اجزای فن آوری توسط 13،517 طبقه بندی فن آوری اداری ثبت اختراع می شوند. این ها در 10،000 مجموعه سه جزء متمایز استفاده و بازیافت می شوند. مطابق با یک پویایی یادگیری / ماهیگیری، من نشان می دهد که ثبت اختراع در یک مجموعه از اجزای سازنده با افزایش پس از آن در پتنت های مشابه (به اشتراک گذاری دو از سه جزء)، اما پس از آن کاهش در پتنت های یکسان (به اشتراک گذاشتن تمام سه جزء). از تجدید اطلاعات ثبت اختراع استفاده می کنم تا نشان دهد نتایج من از تغییرات تقاضا برای بسته های مختلف فناوری رانده نشده است. نتایج من نشان می دهد که تاثیر مثبتی یادگیری بر ثبت اختراع بعدی بیشتر از تاثیر منفی ماهیگیری است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
I develop a model of innovation where new technologies are combinations of pre-existing technological components. The model captures two opposing forces. The best ideas are used up (knowledge is exhaustible). However, as firms learn which technologies can be combined, new ideas become feasible (knowledge accumulates). I test the model with more than 80 years of US patent data. Technological components are proxied by 13,517 patent office technology classifications. These are reused and recycled in 10,000 distinct three-component sets. Consistent with a learning/fishing-out dynamic, I show patenting in one set of components is correlated with a subsequent increase in similar patents (sharing two of three components), but a subsequent decrease in identical patents (sharing all three components). I use patent renewal data to show my results are not driven by changes in demand for various technology bundles. My results suggest the positive impact of learning on subsequent patenting is larger than the negative impact of fishing out.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Research Policy - Volume 47, Issue 1, February 2018, Pages 252-265
نویسندگان
,