英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

成功者，失败者和非参与者:人群创新竞赛中的自我选择以及动机、创造力和技能的作用

Thomas Mack ，Christian Landau

摘要：通过众包的新产品开发依赖于为企业提供创意的个人。因此，研究人员有兴趣了解竞赛参与者和竞赛赢得者的本质。我们的研究通过借鉴创造力的组合模型并在我们的样本中包括参与者和创新竞赛的非参与者来推进这项研究。与非参与者相比，我们发现参与者具有更高水平的领域相关技能、创造力相关过程和内在动机。此外，外在动机和高水平的领域相关技能被发现能区分成功与失败的参与者，而不是高水平的创造性相关的过程和内在动机。

关键词：创新竞赛;新产品;创造力;众包;创造力的成分模型

1引言

将组织外部的资源整合到其创新过程中已成为现代创新管理中的常见做法。因此，创新实践者和学者都对如何将创新投入的外部资源最佳地融入创新过程感兴趣（例Enkel等，2009；West和Bogers，2014），最近的研究侧重于用户和客户的创新潜力（Prahalad and Ramaswamy，2000；Jeppesen和Frederiksen，2006；Fuchs和Schreier，2011）。在对用户创新领域的回顾中，Bogers等（2010）提供中间和最终消费者创新的不同方式的概述，特别是作为“创新相关知识的来源”（Bogers等，2010）。已经发现产品和服务的最重要的领先用户开发和积极分享具有商业吸引力的创新（例Von Hippel，1986，2005）。此外，研究人员还评估了其他类型的用户，如创意用户和普通用户，并发现他们也为创新过程产生了有吸引力的投入（Kristensson等，2004；Berthon等，2007；Magnusson，2009）。因此，一些研究人员呼吁建立一个与客户和用户共同创造的时代（OHern和Rindeisch，2009；Chatterji和Fabrizio，2012）。新的信息，沟通和协作技术有望从根本上改变客户在新产品开发中的角色（Nambisan，2002；Piller和Walcher，2006；Sawhney等，2005）。沿着这些路线，人群创新已经成为企业不仅要整合现有企业的重要手段客户基地纳入创新活动，而且还有大量的非客户（Pisano和Verganti，2008；Poetz和Schreier，2012）。

利用众包进行创新，组织积极寻求个人的专业知识，技能和创造力，以解决预定的创新任务（Adamczyk等，2012）。Prpic等（2015）已经将众包类型学概念化为群众投票，微观任务，想法和解决方案人群，以区分不同形式的人群资本，这些人群资本可以通过众包形成。 群体创新竞赛的参与者形成可以包括特定用户类型（例如，现有创意，主要用户或普通用户）的想法人群，但主要由广泛的发展新想法的个人组成。在Innocentive.com平台上定期举办的创新竞赛代表了人群创新竞赛的主要形式（Sawhney等，2005；Terwiesch和Xu，2008；Jeppesen and Lakhani，2010）。正确执行，大量的质量投入可以通过人群创新竞赛产生（Jeppesen and Lakhani，2010；Poetz和Schreier，2012)。

尽管创新竞赛很受欢迎，但研究人员最近才开始专注于理解人群创新最关键的方面之一：参与者自我选择。众包行动通常通过互联网向公众发布（Howe，2006；Bogers和West，2012）。因此，人群构成取决于潜在参与者参加比赛的意愿和能力（Piller和Walcher，2006； Lakhani等，2007；Poetz和Schreier，2012）。然而，参与者的自我选择过程（即正确类型的人加入某一特定比赛）的经常假定的效率已经受到质疑（Fulerler等，2007；Franke等， 2012）。 为了评估这种效率，需要对两个不同方面的理解：第一，决定参与这种竞赛的个人决定的因素；第二，哪些因素会提高参与者的贡献质量。目前关于人群创新竞赛的文献提供了对这些领域的一些见解，然而一些作者强调了这些研究的不足之处，并呼吁进一步研究 (Nambisan and Baron， 2010；Franke等，2012；Adamczyk等，2012)。

基于创造力成分模型（CMC）（Amabile，1983），我们的研究集中在个人参与决策和卓越贡献质量内，在由费迪南德保时捷股份公司举办的234名潜在参与者的人群创新比赛中。 根据61名参与者和173名未响应此次活动公开征集的个人的数据，我们分析了区分非参与者（否认者），不成功参与者（输家）和成功参与者（获奖者）的人群特征创新竞赛。 我们发现，与参与者相比，参与者表现出明显更高水平的领域相关技能，创造性相关过程和内在动机。 然而，区分获奖者与输家与非参赛者的外在动机和领域相关技能。 相反，与创造力相关的过程和内在动机并不决定创造性成果的质量。 与此同时，这两个因素都会将失败者与非参与者区分开来。 在我们观察到具有这些特征的个体中的高参与率时，我们的结果对公开呼叫后参与者自我选择的效率提出质疑。

我们的研究提供了对个人参与决策和个人贡献质量的实证分析。 与之前与此主题相关的研究（主要关注内在和外在动机）相反，本研究还考虑了非动机方面，如创造性能力，知识和技能。 基于我们对包括参与者和非参与者的样本的分析增强了文献当前的有效范围，因为大多数先前研究仅基于参与者的样本，因此受试者需要对因变量和潜在选择偏倚进行抽样（Berk，1983； Short等，2002； Forgues，2012）。 在CMC的调查基础上，本文提供了一个确定参与者自主选择创新竞赛效率的个人层面因素的指导框架。

本文的其余部分安排如下。首先，提出研究的理论框架和假设。然后，我们讨论了CMC和当前关于个体创造力和群体创新的实证结果。在论文的第二部分中，我们描述了我们的研究方法，包括对其经验设置的描述、样本特征和应用度量。然后我们测试我们的假设，并在论文的第三部分展示我们的分析结果。第四部分总结了本文的研究结果，以及研究的局限性，对管理的启示，以及对未来研究的建议。

2理论和假设的发展

受到人群创新竞赛日益增加的相关性的鼓舞，一些研究人员在不同层次的分析中对影响因素进行了调查。Adamczyk等人（2012）在经济、管理、教育、创新和可持续发展方面对这项工作进行全面审查。特别是研究人员关注个人层面的问题。例如， Poetz和Schreier（2012） 表明，在创新方面用户提供的解决方案可以胜过公司专家开发的解决方案。Hutter等人 （2011）表明人群创新竞赛的参与者可以根据他们对合作或竞争的定位以及他们在特定人群中的社会地位进行分类。

目前的文献还提供了有关个人参与行为和创造性贡献质量的决定因素的见解。例如，Bullinger等人（2010）发现非常高和非常低的合作导向水平导致了卓越的个人创新能力。相比之下，以前创造性任务的成功被发现会导致较差的个人创意表现（Bayus，2013）。然而，（Yang等，2011）找到过去的经验成为未来获胜概率的预测指标。 此外，Chen和Liu（2012） 揭示了过去在人群竞赛中获胜的经验，以预测未来在人群竞赛中的成功，同样，过去在专家级比赛中获胜的经验预测未来在专家级比赛中的成功。

然而，总体而言，目前关于参与决策和优质贡献决定因素的文献提供了不足，并且缺乏理论。特别是，个人创造力的理论在文学中被广泛忽视（Fulerler等，2012）。因此，本研究旨在通过整合有关该主题的先前研究与CMC的见解来弥补这两方面的差距（Amabile，1983，1996）为人群创新竞赛中的个人参与和贡献质量建立一个框架。

Amabile的CMC被广泛研究了超过25年，并且经常被认为是创造力研究中最有影响力的理论之一（Zhou和Shalley，2003；Rickards and Moger，2006；Amabile和Pillemer，2012）。 管理委员会基于产品对创造力的定义，因为创造性思想或结果的产生既是新颖又适合于既定目标的Amabile，2013）。因此，它适用于众包的新产品开发环境。管理委员会是个人层面的创造力理论，将社会和心理因素整合在一起，这些成分必须融合在一起才能产生创造性的结果。图1 提供了理论元素及其关系的概述。根据Amabile的说法，与创造性任务有关的参与决策和个人的创造性输出水平都是创造力三个组成部分的功能：领域相关技能，创造力相关过程和任务动机。 这些内部组件中的每一个都必须参与创造性的发生（Amabile，1983，1996）。

CMC建立在可重复的ve-step过程之上，允许解释创意行为中的参与决策（Amabile，1996）。如图1所示，个人可以在五个步骤中的每一个步骤中，在第一个、第二个或任何一个连续的循环中，决定不参与和退出创作过程。

问题识别的第一步和参与解决方案生成过程的基本意愿，取决于个人的任务动机。第二步涉及通过建立或重新激活相关信息和解决与特定竞赛任务相关的算法来准备响应生成。 如果领域相关技能很高，这一步可以立即执行，或者如果需要学习过程，则可能需要更长的时间。如果与领域相关的技能低，并且认为学习努力与过去的动机相比过于苛刻，则个人可以选择退出流程并决定不参加相应的比赛。CMC的第三步涉及解决方案的新颖程度。在几次运行中，一个人探索他或她的记忆和直接的环境，以产生对任务的适当响应。与创造力相关的过程会影响个体对此过程的灵活性和期望，而动机方面则决定个体的强度，对风险的开放性以及愿意打破常见的解决方案生成方法。 如果其中一个或所有这些因素都是不充分的，那么这个过程可能会被个人抛弃。CMC的第四步涉及验证前一阶段产生的响应。领域相关技能是测试某些解决方案的先决条件。因此，如果这个因素没有足够的可用性，就不会提交解决方案，相应的过程将结束。否则，验证会导致代表CMC的第三阶段的以下三个结果中的任何一个。首先，在目标已经取得一些进展但尚未找到足够的解决方案的情况下，如果动机足够高（步骤1的第二次迭代），则该过程将被重复。其次，如果个人认为目标标准已经达到并且将提交给开放式创新比赛的解决方案，则该过程将被终止。第三，如果没有看到适合的解决方案的进展，这个过程就会结束，个人也不会参加比赛。总而言之，不参与开放式创新竞赛的个人决定可能来自创作过程中的任何步骤（Amabile，1996； Amabile和Pillemer，2012）。

任务动机，与创造力相关的过程以及与领域相关的技能不仅决定创造性解决方案的种类和质量，还会影响个人决策参与创造性任务，因此参与或不参与开放式创新竞赛。这与我们的研究特别相关。 CMC允许桥接参与者的两个方面自我选择（即参与决策和卓越贡献质量）。 下面我们发展我们关于三个CTC组件的假设。

与领域相关的技能指的是个人找到解决某个特定任务所需的现场技能技能，这个技能说明了对某个领域的熟悉和事实认hellip;[包括]技术技能hellip;和特殊领域相关技能“（Amabile，1996）。这些技能取决于一个人的正式和非正式教育在特定的中等水平上运作（Amabile，1983，1996）。先前在创造力和创新研究领域的研究发现，领域相关技能和创造力之间存在正相关关系。 例如，Taggar（2002）分析了94组学生对13种不同开放式创造性任务的表现，并发现与领域相关的技能是作为创造力的先行者来运作的。Jeppesen and Lakhani（2010）表明，随着科学技术专业知识与问题焦点领域之间的距离越来越大，在解决科学问题的竞赛中高度复杂和专业化的任务中创造出超强的创造力。 分析永久创新平台上举办的十场人群创新竞赛，Frey等人（2011）发现知识多样性对创造性贡献的实质性产生积极影响。一种由离线思想创作的准实验研究 Kristensson和Magnusson（2010）对技术准备和创造力的倒U形关系提供了见解。

Sternberg等（1997）提出高水平的专业知识，或者像Amabile所说的那样，“太多的算法”（Amabile，1996），实际上可以抑制创造力，导致积极关系下降。除了不同类型的知识外，还发现共创体验可以决定设计相关人群创新竞赛中的创意解决方案的质量（