1.4 創新之處

（1）在分析企業知識創新的動態演化性的基礎上，運用自組織理論群中的超循環理論分析了知識創新系統的動態演化機理；應用Logistic方程，構建知識創新系統的數理模型并分析了該演化的穩定性。分析結果是當系統處于演化穩定狀態時，企業創造的知識量大于其在非超循環結構下創造的知識量。系統中知識創新主體在競爭與協同中保持穩定，優化了系統的結構，增加了系統所創造的知識總量。首次提出了超循環理論與三螺旋模型的耦合，結合這兩種理論構建了基于超循環—三螺旋的企業知識創新系統動態模型。構建了由個人知識創新螺旋、團隊知識創新螺旋和組織知識創新螺旋3個層面組成的模型；從縱向螺旋和橫向循環兩個維度闡述了模型的作用機理。最后在理解模型的基礎上分析了該模型的特點。

（2）在分析總結文獻基于企業知識創新能力內涵，界定企業知識創新能力的概念。通過調查問卷進行了數據收集和質量分析，然后根據調研的結果對影響企業知識創新能力的因素進行了聚類，采用的是最大支撐樹法灰色關聯聚類法，共聚為4個構面：人力資本、組織結構特性、創新文化以及創新投入、由于4個構面相關因素繁多，所以本書在聚類分析的基礎上，運用粗糙集地屬性約簡功能，剔除冗余的影響因素，由此構建了知識型企業知識創新能力評價的21級指標體系。分別論述了人力資本、組織結構特性、創新文化以及創新投入4個影響構面對知識創新能力發展的作用機理，然后從理論和實證角度分析這4構面的相互聯系和作用，總結了企業知識創新能力內在機理，繼而構建了知識型企業知識創新能力模型框架。最后運用演化博弈理論分析了知識創新能力模式的動態性。

（3）在研究知識型企業知識創新能力特點的基礎上，選取了可以盡量減小主觀影響的評價方法，構建基于粗糙集—粒子群神經網絡評價模型，使用編程工具將模型編碼化，利用問卷調查得到的樣本進行學習訓練和測試。通過與標準神經網絡評價模型的比較，驗證了該模型的有效性和優越性。在實際應用中，將調查數據直接輸入已編碼的模型中進行仿真就可以得到評價結果。此外，如果改變人工神經網絡學習訓練樣本和有關參數，那么該評價模型對于解決相似問題還具有一定的通用性。