西梅尔式中介在超链接网络中的作用：行业-区域因素如何塑造创新潜力

《Electronic Markets》：Simmelian brokerage in hyperlink networks: How sector–regional contingencies shape innovation potential

　　摘要
本研究探讨了采用数字技术如何通过与其他企业建立有价值的联系来帮助企业提高创新潜力。这些益处取决于公司的行业类型和所在地区。我们利用超链接网络作为技术使用的数字痕迹，对芬兰9个行业和19个地区的10,653家企业进行了分析。线性混合效应模型显示，数字技术的采用增强了这些企业的战略网络地位，其中高级高科技工具的效果最为显著，其次是云计算和社交媒体。知识密集型行业（如广播和咨询）和数字化程度较高的地区（如Ahvenanmaa）受益最大，而较为传统的行业（如酒店业）和偏远地区（如Lappi）则面临更大的限制。当行业类型和地区背景相匹配时，积极效应会更加明显。这些发现扩展了网络理论和动态能力概念，表明数字技术的采用通过有利的网络位置创造了创新潜力。通过将数字技术的采用与网络视角联系起来，本研究解释了为什么数字化转型在不同行业和地区会产生不同的创新结果。

引言
技术的采用，尤其是数字技术，已成为企业竞争力和创新的核心驱动力（Apostol & Hernández-Rodríguez, 2025; Montresor & Vezzani, 2023; Sun et al., 2025）。企业越来越依赖高科技服务、云计算和社交媒体来重新配置资源并重组知识。尽管有这些潜力，但不同企业的成果仍存在差异。一些企业实现了显著的创新收益，而另一些企业则面临收益递减甚至能力侵蚀的问题，这引发了关于技术采用如何转化为创新机制的重要疑问（Cirillo et al., 2023; Entezarkheir & Moshiri, 2025; Usai et al., 2021）。关于数字技术采用（DTA）的研究强调了效率、动态能力和组织变革（Heavin & Power, 2018; Vial, 2019），而网络理论则强调了中介位置如何通过连接不同的知识来源来促进创新（Burt, 2004; Granovetter, 1983; He? et al., 2025; Moon et al., 2022）。这一理论视角扩展到了组织间关系，将其视为知识交流和协作创新网络的动态战场，在这些网络中，关系动态和发明者三元组决定了创新结果（Alberti et al., 2021; Brattstr?m & Faems, 2020; Nan et al., 2025）。然而，关于采用如何转化为放大创新潜力的网络优势知之甚少。现有研究也忽略了情境依赖性：在不同知识密集度的行业和数字基础设施不平等的地区，采用的好处可能有很大差异（Gifford et al., 2021; Leigh et al., 2022; Nan et al., 2025; You et al., 2025）。本研究通过Simmelian中介作用来探讨DTA如何塑造企业的创新潜力，这种网络位置通过平衡多样性和凝聚力来发挥作用（Latora et al., 2013）。创新潜力是指企业生成新想法并有效重组来自各种来源的知识的内在能力。这种能力存在于实际创新成果（如专利或新产品）之前（Y. Wang et al., 2025）。Simmelian中介位置使企业成为多个原本不相连的紧密群体之间的唯一共同成员，这种独特位置提供了非冗余的信息以及高水平的信任和协调。多项最新研究表明，Simmelian中介作用显著增强了创新成果和想法的精细化程度（Tasselli et al., 2025; Tortoriello & Krackhardt, 2010）。在本研究中，我们通过企业在超链接网络中的Simmelian中介得分来量化创新潜力，使用外部超链接作为企业与高科技服务、社交媒体平台和云服务提供商联系的数字痕迹（Plekhanov et al., 2023）。尽管意大利和挪威等较小经济体在网络驱动的创新研究中已被研究，但讨论仍主要围绕中国和美国等较大经济体（Alberti et al., 2021; Rypest?l et al., 2022; Shao & Xu, 2025）。本研究转向了北欧的小国芬兰，提供新的视角。通过对10,653家芬兰企业的数据进行分析，我们构建了一个包含129,737个联系的网络，并应用线性混合效应模型来识别特定情境下的效应。结果表明，DTA增强了中介作用，从而提高了创新潜力，其中高科技采用的效果最为显著，其次是云计算和社交媒体。关键的是，这些效应取决于地区、行业及其交叉情况。通过将数字技术的采用与网络理论和情境依赖性联系起来，本研究阐明了采用如何产生异质性结果，并为管理者和政策制定者提供了可操作的见解。

理论背景和假设发展
数字技术的采用是指将信息、计算、通信和连接技术战略性地整合起来，以转变组织流程和能力（Vial, 2019）。这种整合提高了运营效率，同时使企业能够通过创新更有效地应对动态市场条件。基于“数字经济与社会指数”中的“数字技术整合”维度（欧洲委员会，2022），本研究重点关注三种核心数字技术：社交媒体、云计算和先进的信息技术研发（以下简称高科技）。这些技术被广泛认为是跨行业创新和竞争优势的关键驱动力（Molinillo & Japutra, 2017; Skare et al., 2023）。数字技术的采用通过改善资源协调和促进新知识创造来促进创新，从而增强了与探索（例如研发活动）和利用（例如专利申请）相关的动态能力（Heavin & Power, 2018; Jafari-Sadeghi et al., 2021）。实证证据表明，在多种情境下都取得了积极的创新成果，包括中国制造业企业的绿色创新（Shao et al., 2024）、西班牙企业的商业模式创新和绩效（Merín-Rodrigá?ez et al., 2024），以及基于区块链的数据管理系统支持的医疗保健创新（Massaro, 2023）。同样，工业4.0技术的采用促进了开放创新，并增强了产品和流程开发，特别是在有协作研发安排的支持下（Kim & Park, 2024）。然而，数字化带来的创新收益既不是自动的，也不是均匀的。实施复杂性、组织惯性和资源限制可能限制企业将技术投资转化为财务或创新回报的能力（Fitzgerald et al., 2013; Zhai et al., 2022）。这种采用的有效性还受到吸收能力和互补ICT投资的制约，这些因素决定了企业内部化和利用数字化知识的有效性（Jafari-Sadeghi et al., 2021; X. Wang et al., 2024）。技术-组织-环境（TOE）框架和创新扩散理论提供了互补的解释，强调了技术兼容性、组织准备度和外部压力（如竞争）作为采用结果的关键决定因素（Faiz et al., 2024; Molinillo & Japutra, 2017）。来自意大利企业的证据突显了这些动态，显示出与劳动力教育水平和人力资本禀赋密切相关的工业4.0采用模式（Cirillo et al., 2023; Montresor & Vezzani, 2023）。

除了企业层面的结果外，数字技术还通过促进跨行业合作和数据整合来支持跨行业创新，从而应对复杂的社会和技术挑战（Kerstens & Langley, 2025）。中介机构在这一过程中发挥着核心作用，通过增强吸收能力和促进组织间知识交流。然而，过度依赖数字互动可能会削弱关系资本，并在取代基于信任的关系时削弱长期创新（Usai et al., 2021）。此外，延迟采用可能会因消费者负面看法或负面口碑而加剧，减缓数字创新的扩散（Jahanmir & Cavadas, 2018）。

网络视角下的创新
网络理论强调组织间关系提供了获取非冗余知识的机会，从而通过结构洞和中介等机制促进突破性创新（Burt, 2004; Granovetter, 1983）。例如，通过共同作者关系或协作研发形成的知识网络中的中介位置使企业能够访问多样化的信息来源，并与更高的创新产出相关联，包括更多的专利申请。然而，知识多样性的好处受到吸收能力的限制，导致一种倒U形关系，其中过度的异质性可能会压垮企业的整合能力（He? et al., 2025）。网络配置的有效性在很大程度上取决于情境条件。在三元联盟中，强联系促进了信任并降低了关系风险，而弱联系引入了新知识，吸收能力调节了它们的综合效应（Kerstens & Langley, 2025; Moon et al., 2022; Nan et al., 2025）。在产业集群中，结构洞促进了信息套利和多样性，但在信任不足时可能会阻碍整合，反映了社会和政治嵌入的影响（Alberti et al., 2021; You et al., 2025）。同样，自我网络研究表明，适度的网络稳定性优化了个体创新，而在高技术复杂性下，过度稳定性会限制创造力（Lin et al., 2022）。中介作用在基于网络的创新解释中占据中心位置，通常通过Burt的约束指数或介数中心性来衡量（Choi et al., 2022; He? et al., 2025; Moon et al., 2022; Nan et al., 2025）。数字技术通过促进知识流动和降低组织边界间的协调成本来增强这些中介位置的有效性（Garrido-Moreno et al., 2024; Plekhanov et al., 2023）。实证证据在诸如城市轨道交通的专利合作网络等情境中说明了这一点，其中模块化和聚类反映了数字化驱动的组织转型（Y. Wang et al., 2025），以及在美国和英国的研究和技术组织中，它们作为中介协调数字制造网络中的创新（Anzolin & O’Sullivan, 2025）。

最新研究进一步强调了DTA在网络驱动创新中的作用。跨行业中介机构通过使企业能够整合异构数据来源来增强吸收能力，而平台生态系统则在行业层面促进了利益相关者的合作和知识交流（Kerstens & Langley, 2025）。数字便利性，包括协作和流程管理工具，也通过平衡探索和利用来支持双向创新，从而增强了组织的韧性（Sun et al., 2025）。在中国的高速铁路行业中，数字化支持的知识管理系统促进了内部重组和外部知识获取，管理专长调节了这些效应（Jiang et al., 2025）。

创新的条件
通过DTA在组织间网络中产生的创新潜力受到情境条件的强烈影响，特别是行业和地区差异，这些差异决定了网络密度、嵌入性和资源获取（Bertello et al., 2024; Brenner et al., 2013; You et al., 2025）。这些条件影响了数字化转化为有意义创新成果的程度，强调了制定情境敏感策略的必要性。知识密集型行业，如高科技服务和医疗保健，更有利于利用中介角色和多样化的知识联系，从而增强吸收能力和支持复杂的知识重组（Li et al., 2025; Moon et al., 2022）。例如，在医疗保健领域，针对当地需求的数字解决方案减少了印度的农村差异，展示了特定行业的创新路径（Devi et al., 2025）。在制造业中，工业4.0的采用促进了耦合的开放创新，特别是在研发密集型活动中，合作加速了产品和流程开发（Kim & Park, 2024）。相比之下，知识密集度较低的行业往往依赖于更密集和同质化的网络，由于知识多样性有限，面临更高的整合成本和较弱的创新效果（Lin et al., 2022）。地区条件进一步塑造了这些动态。拥有发达数字和网络基础设施的地区促进了高效的知识流动并放大了创新潜力。例如芬兰的Espoo等城市地区作为协作创新平台，利用用户参与支持数字化和本地化生态系统的发展（Gifford et al., 2021; Tukiainen et al., 2015）。同样，在意大利马尔凯大区的数字创新中心，微型、小型和中型企业能够获得技术专长和网络资源，从而降低采用障碍（Marinelli等人，2024年）。相比之下，边缘或欠发达地区由于基础设施限制和有限的网络连接性，面临更高的采用成本和降低的创新回报（Trinugroho等人，2022年）。行业条件和地区条件之间的相互作用可以产生增强效应。位于资源丰富的城市地区的知识密集型活动受益于密集的网络和多样的知识库，这体现在医疗保健区块链应用（Massaro，2023年）和中国城市轨道交通行业的专利合作网络中（Y. Wang等人，2025年）。来自亚太地区的更广泛证据表明，由于基础设施和全球化的差异，数字化驱动的增长在城市和农村地区之间存在差异（Elfaki & Ahmed，2024年）。在印度尼西亚和意大利进行的企业层面的研究进一步展示了年龄、规模和行业知识密集度如何与地区基础设施相互作用，从而影响采用模式和创新结果（Cirillo等人，2023年；Trinugroho等人，2022年）。中介机构可以通过促进跨行业合作和提供多样化的知识网络来部分抵消这些限制。

基于前述讨论，我们提出了假设，以研究数字技术采纳（DTA）如何影响组织间网络内的创新潜力，其效果取决于行业条件和地区条件及其相互作用。与关注实际的创新结果不同，本研究将创新潜力概念化为通过西梅尔式中介作用（Simmelian brokerage）捕捉的潜在能力。西梅尔式中介作用反映了在保持外部联系的同时连接紧密群体的能力，促进新知识的流入而不损害信任（Latora等人，2013年；Valeri & Baggio，2022年）。与强调通过结构洞（structural holes）获取多样化信息的传统中介作用不同（Burt，2004年；Kim & Park，2024年），这种中介作用平衡了凝聚力和多样性，这在数字中介网络中尤为重要（Tasselli等人，2025年）。以芬兰企业为例，超链接网络被用来评估包括高科技、社交媒体和云计算在内的数字技术如何塑造结合凝聚力和多样性的网络位置。通过增强动态能力和组织间联系，这些技术使企业能够连接紧密的集群并获取非冗余的知识。假设1：数字技术的采用通过西梅尔式中介作用积极影响创新潜力。假设2：数字技术采用对创新潜力的影响因行业而异，在知识密集型行业中效果更显著。假设3：数字技术采用对创新潜力的影响因地区而异，在芬兰的城市地区效果更显著。假设4：行业-地区相互作用调节数字技术采用对创新潜力的影响，在资源丰富的城市地区的知识密集型行业中效果更显著。

我们收集了企业从其官方网站上的外部超链接数据，以构建组织间网络。本研究使用超链接作为技术采用的数字痕迹，而不是依赖调查工具。超链接捕捉了企业实际连接到高科技服务、云服务提供商和社交媒体平台的行为决策。相比之下，调查方法可以提供关于内部采用深度、实施过程、员工技能和管理层看法的宝贵信息，而这些是公共超链接无法揭示的。然而，调查受到低响应率、回忆偏差、社会期望偏差和不准确的网络报告的影响，这可能会在大规模研究中严重扭曲中介作用测量（Salganik，2018年）。对于当前的研究问题，即可观察到的数字采用如何塑造跨行业和地区的客观网络位置和创新潜力，超链接数据提供了一种更客观和全面的方法（Abbasiharofteh等人，2023年）。我们只收集公开可用的公司级信息：公司的网站、位置和行业部门。没有收集或发布任何敏感数据，如员工详细信息或财务信息。研究完全依赖于外部超链接，分析单位是公司而不是个人。因此，没有收集、存储或分析任何个人可识别信息，这最小化了隐私风险，并确保符合相关的数据保护标准。此外，自动化的网络抓取过程被设计为最小程度的侵入性。数据收集仅限于面向公众的内容，并限制在定义的领域深度内，以尊重目标组织的数字基础设施。

作为全球数字领域的领先者，芬兰是一个领先市场的案例研究。尽管其高度数字化可能限制了对其它新兴经济体的直接普遍性，但它提供了一个理想的实验室，以确定当数字技术采用成熟时可能达到的上限，为基础设施发展中的国家提供了一个基准。分析针对以客户为导向的行业，这与关于服务密集型行业的研究一致（Jafari-Sadeghi等人，2021年；Moon等人，2022年）。

主要数据来自Orbis Europe，该数据库提供了关于欧洲公司的详细公司级信息，包括行业分类、地区位置和网站URL。从这个数据库中，我们最初提取了85,845家芬兰公司的记录，这些公司分布在九个以客户为导向的行业中：建筑与设计、艺术与文化、广播与出版、咨询与营销、活动与支持、游戏与体育、酒店与食品服务、音乐与电影以及客运运输。这些行业代表了芬兰一些最具活力的文化、创意和服务导向的行业。例如，建筑与设计以其极简主义美学和功能创新而国际知名，而艺术与文化涵盖了芬兰在视觉艺术、表演艺术和遗产方面的强大制度和草根传统。广播与出版仍然是芬兰媒体景观的核心，反映了该国的历史报纸文化和数字化转型。同时，咨询与营销捕捉了芬兰在设计思维、品牌建设和基于IT的咨询方面的日益增长的专业知识，而活动与支持服务部门则支持文化节庆、展览和专业聚会的组织，这些活动维持了创意生态系统。游戏与体育行业特别活跃，Rovio和Supercell等全球成功的企业使芬兰成为世界顶级游戏中心之一，而酒店与食品服务则突显了旅游业、酒店业和地区经济之间的紧密联系。音乐与电影是另一个全球可见的行业，得到了国家机构的支持，并具有强烈的出口导向，而客运运输在实现芬兰广阔地理范围内的可访问性和流动性方面发挥着基础性作用。

我们数据集中的公司分布在芬兰的所有19个地区（详见附录中的表1）。虽然像乌西马（Uusimaa）、皮尔卡马（Pirkanmaa）和瓦尔西奈-苏奥米（Varsinais-Suomi）这样的城市地区由于拥有大都市中心（赫尔辛基、坦佩雷、图尔库）而集中了大量公司，但像拉皮（Lappi）、凯努（Kainuu）、埃泰拉-萨沃（Etel?-Savo）和阿赫维南马（Ahvenanmaa）等更偏远的地区也在旅游、活动和客运运输等领域做出了重要贡献。这种地区分布确保了分析既涵盖了大都市创新集群，也涵盖了边缘创意经济，反映了芬兰的双重城市-农村产业结构。为了构建超链接网络，我们专注于拥有活跃网站的公司，排除了没有URL的公司，并去除了重复项，最终得到10,653家公司的样本。这一步预处理确保了数据的质量和与数字采用的关联性，因为网站是数字存在和相互连接的代理（Apostol & Hernández-Rodríguez，2025年；Plekhanov等人，2023年）。我们使用每家公司的主页作为种子节点来构建超链接网络。采用域限制的广度优先搜索抓取（Bundy & Wallen，1984年）方法，探索每个网站直到第四层，收集外部超链接，同时排除域内链接。

抓取过程从预定义的种子网站开始，例如Santa’s Hotels（santashotels.fi），作为自动化导航的起始节点。接下来，自动化抓取器访问主页并递归地跟随嵌入的超链接，最多深入四个点击级别，例如到达子页面https://santashotels.fi/en/hotels/rovaniemi-hotel-santa-claus/rooms。在此过程中，应用了严格的过滤规则来排除域内链接，即忽略同一网站内的链接（例如https://bookings.santashotels.fi/search-rates）。只有指向外部域的超链接被记录下来，例如https://pyha.fi。因此，抓取器识别出Santa’s Hotels与外部参与者（如芬兰北部的滑雪胜地Pyh?）和社交媒体平台（如LinkedIn）建立了数字连接。这些出站超链接被概念化为“边”，代表了更广泛的旅游相关网络中的组织间数字关系。最终，整个超链接网络包含10,653个节点和129,737条边，捕捉了企业间的数字连接。

因变量是西梅尔式中介作用，这是一种衡量创新潜力的网络指标，量化了节点在连接多个紧密群体中的位置。西梅尔式中介作用指标定义为：$$B_i=k_i-\left(k_i\;-1\right)E_{loc,i}$$ $$E_{loc,i}=\frac1N\sum_{i\in G}E(G_i)$$ 其中B?是节点i的西梅尔式中介作用得分，k?是节点i的度数，Eloc,i是节点i的局部效率，\(G_{i}\)是节点i的邻居子图。局部（节点）效率Eloc定义为节点i与其直接邻居之间的最小路径长度dij的调和平均值的倒数。这一指标捕捉了多样性和凝聚力的平衡，扩展了传统的中介作用，如介数中心性（betweenness centrality），强调了在知识重组中的群体桥接，如在发明者三元组和竞争网络中所见。例如（见图1），“North-Consult”嵌入在一个由五家赫尔辛基公司组成的紧密连接的群体中，这建立了信任，但也产生了冗余信息。然而，它还拥有一个独特的外部超链接，指向另一个地方的人工智能研究实验室，使得能够获取新知识，同时仍然锚定在一个紧密的群体中。这种中介作用位置通过\({B}_{i}={k}_{i}-({k}_{i}-1){E}_{loc,i}\)来衡量，其中高值表示强大的连接性（\({k}_{i}\）与低邻居互连性（\({E}_{loc,i}\）相结合，反映了稳定性和创新访问的最佳平衡。

图1 这张图片的替代文本可能是使用AI生成的。

西梅尔式中介作用与介数中心性：North-Consult示例 这种中介作用位置由西梅尔式中介作用捕捉，其中较高的值反映了强大的局部连接性与邻居间的弱互连性。重要的是，介数中心性无法捕捉到这种模式。群体中的公司A、B和C的介数值为零，因为它们不在最短路径上，但它们在西梅尔式中介作用下仍然显示出1的中介值。尽管它们的中介能力远小于North-Consult，但该指标识别出了介数（值为0.00）未能检测到的基于群体的桥接。

自变量是高科技、社交媒体和云计算的采用率，这些数据来自超链接计数。尽管社交媒体和云计算依赖于先进的ICT基础，但在这项研究中分别对它们进行建模，以捕捉不同的企业级采用模式及其对基于超链接的中介作用的独特贡献。这种方法也与数字采用研究中的实证分类一致，例如欧洲委员会（European Commission，2022年；Skare等人，2023年）的DESI分类。它通过三个维度进行衡量：1. 高科技采用（HTA）：通过与电子制造、电信、IT服务和科学研发（例如，诺基亚在电信领域，Tietoevry在IT服务领域，VTT技术研究中心在研发领域）的公司的链接来捕捉。2. 云计算采用：反映使用在线基础设施、存储和内容交付网络，提供可扩展和灵活的数字服务（例如，Amazon Web Services、Google Cloud、Microsoft Azure或Cloudflare）。3. 社交媒体采用：表明公司在支持沟通、客户参与和数字可见性的互动平台上的存在（例如，Facebook、Instagram、LinkedIn、Twitter/X或以客户为中心的社交媒体平台，如Tripadvisor）（Koski等人，2019年）。分组变量包括行业（9个类别）和地区（19个类别），作为随机效应来解释层次聚类。为了确保较大的公司不会仅仅因为拥有更多链接而自然获得更高的分数，我们控制了度中心性（相同的连接只计算一次）。这确保了西梅尔式中介作用得分反映了公司网络位置的战略质量，而不是其数字足迹的原始规模。

鉴于数据的层次结构（公司嵌套在行业和地区内），我们采用了线性混合效应模型（LMM），它通过结合固定效应和随机效应扩展了普通最小二乘（OLS）回归（Harrison等人，2018年）。LMM适用于分析聚集数据，捕捉总体水平效应（例如，技术采用）和群体特定变化（例如，行业异质性）。一般的LMM模型是：$$y=\;X\beta\;+\;Zu\;+\;\in$$ 其中：y是因变量（中介作用）的向量。X是固定效应的设计矩阵。β是固定效应系数的向量（对于技术、社交、云计算）。Z是随机效应的设计矩阵。u是随机效应系数的向量（对于地区或行业）。?是残差（误差）的向量。我们估计了三个模型（见图2）：（1）按行业划分的随机效应，（2）按地区划分的随机效应，以及（3）按行业-地区交互划分的随机效应。在估计之前，我们使用相关矩阵和方差膨胀因子（VIF）评估了固定效应之间的多重共线性，确认没有问题（所有VIF < 5）。残差诊断包括核密度估计（KDE）、Q-Q图和偏度测试，以验证正态性假设。分析是在Python中使用statsmodels和networkx等库进行的，确保在REPL环境中可重复性。

图2
此图像的替代文本可能是使用AI生成的。

全尺寸图像

模型评估 KDE和Q-Q图

为了确保结果的可靠性，我们进行了几项稳健性测试。首先，替代规格包括对因变量进行对数转换，以解决潜在的偏度问题，得到一致的固定效应（例如，技术β ≈ 2.7，p < 0.001）。其次，敏感性分析排除了异常值（经纪评分的前/后1%），系数变化很小，这与基于专利的研究中的公司层面稳健性一致（He?等人，2025年；Lin等人，2022年）。

第三，与基线OLS模型的验证显示LMM的拟合度更高（AIC/BIC更低），并且类内相关系数（ICC）验证了随机效应。这些检查证实了模型的稳健性，与网络创新研究的方法论严谨性一致（Moon等人，2022年；Nan等人，2025年）。

结果与讨论

本节介绍了线性混合效应模型（LMMs）的结果，这些模型研究了数字采纳（高科技、社交媒体和云计算）与Simmelian经纪作为创新潜力衡量指标之间的关系。估计了三个LMM（表1）来评估假设：模型1考虑了按行业的随机效应，模型2考虑了按地区的随机效应，模型3考虑了行业-地区交互作用。表1 线性混合效应模型摘要

全尺寸表格

固定效应结果与讨论

所有模型的固定效应都支持假设1，表明DTA通过Simmelian经纪积极影响创新潜力。高科技采纳表现出稳健的系数（β ≈ 2.7，p < 0.001），通过经纪位置实现了多样化的知识获取。这种关系之所以发生，是因为先进的数字工具充当了“感知和捕获”机制（Li等人，2025年），使公司能够识别和捕获非冗余知识，同时保持内部信任所需的紧密团体。这表明DTA不仅通过资源管理促进创新（Heavin & Power，2018年），还通过重新配置公司的数字轨迹，作为不连接的社会群体之间的可信桥梁。虽然Fitzgerald等人（2013年）指出了诸如缺乏愿景和资金等“实施陷阱”，但我们的结果表明，当公司成功整合这些技术时，它们通过建立平衡凝聚力和多样性的数字基础设施克服了组织惯性。虽然Usai等人（2021年）发现数字技术只产生“轻微影响”，并通过标准化知识和减少交叉融合来削弱长期能力，但我们的发现显示了对创新潜力的稳健线性效应。这种差异可能是样本相关和方法论上的；Usai等人（2021年）关注的是欧洲公司的激进“世界首创”创新成果，而我们的研究将创新潜力概念化为一种潜在的网络属性（Simmelian经纪）。这表明，虽然DTA可能编码了显性知识，但它同时也扩展了公司感知和抓住新网络机会的能力，这与数字动态能力框架相一致（Jafari-Sadeghi等人，2021年）。

云计算采纳（β ≈ 1.35，p < 0.001）支持可扩展的知识整合基础设施（Jafari-Sadeghi等人，2021年），这与它在制造业促进绿色创新（Shao等人，2024年）和通过区块链促进医疗保健创新（Massaro，2023年）的结果一致。然而，这种稳健的积极效应代表了不均匀采纳模式的理论延伸。Cirillo等人（2023年）认为，公司规模和技能缺乏等结构特征是采纳的重大障碍，特别是对于微型企业。社交媒体采纳（β ≈ 0.88，p < 0.001）促进了信息多样性的弱联系，这与它推动竞争优势（Molinillo & Japutra，2017年）和工业4.0中的协作研发（Kim & Park，2024年）一致。与Jahanmir和Cavadas（2018年）的观点相比，这一积极发现面临一个情境边界条件，他们认为“怀疑和抵抗”是晚期采纳者扩散缓慢的决定因素。从理论上讲，这意味着虽然社交媒体采纳提供了经纪的潜力，但公司网络中存在的“关系风险”和负面态度可能会限制知识实际重组为突破性创新（Moon等人，2022年）。

这些效应突显了DTA的偶然性，它受到技术兼容性和组织准备度的TOE框架的影响，并受到行业和地区因素的调节。尽管如此，因果关系是模糊的，因为自我选择进入DTA可能会夸大效应（Zhai等人，2022年）。这一发现通过显示数字化增强了Simmelian经纪的凝聚力与多样性（Latora等人，2013年；Tasselli等人，2025年），强调了跨行业合作，扩展了网络理论。管理者应优先考虑综合数字策略，以提高吸收能力，解决资源限制等障碍以维持创新。

按行业的随机效应和讨论

线性混合效应模型的行业随机效应支持假设2，该假设认为DTA在不同行业对Simmelian经纪的影响不同（图3），在知识密集型行业中效果更强。

图3
此图像的替代文本可能是使用AI生成的。

全尺寸图像

行业随机效应

广播和出版业表现出最强的正偏差，表明DTA显著增强了这一知识密集型行业的Simmelian经纪。这种积极的线性效应扩展了Burt（2004年）关于信息优势的工作，但与He?等人（2025年）的倒U形发现存在方法论上的分歧。He?等人（2025年）认为，超过某个阈值后，整合成本呈指数级上升，导致收益递减。这种分歧可以通过知识整合成本动态来解释。虽然He?等人（2025年）关注化学行业的密集、技术标准设定网络，其中“技术距离”造成了高认知摩擦，但芬兰的创意行业在稀疏但聚集的网络中使用DTA，其中信息更加模块化，重组成本更低。这些发现通过表明特定行业的架构知识决定了公司是否能够将经纪作为资产利用，或者由于复杂性而成为创新的净拖累，从而推进了我们的理解。

咨询和市场营销表现出显著的正面偏差，反映了高吸收能力，这通过组织因素（如高层管理支持）支持的数字化促进了知识重组（Faiz等人，2024年）。游戏和体育显示出适度的正面偏差，利用了数字经纪；这与网络理论强调的弱联系对创新的推动一致。建筑和设计以及事件和支持显示出边际的正面偏差，表明经纪收益有限。酒店和食品服务显示出最大的负面偏差，反映了密集的、本地化的网络限制了DTA驱动的多样性。然而，这与Li等人（2025年）的研究不完全一致，他们关注的是中国公司和CEO，其中“家族文化”提供了独特的制度信任机制，而我们只关注非人类超链接网络。音乐和电影以及艺术和文化也显示出负面偏差，表明DTA在这些创意行业中的影响有限。客运面临类似的限制，因为物理基础设施限制了数字联系的扩展（Y. Wang等人，2025年）。

这些发现证实了假设2，表明DTA在知识密集型行业（如广播、咨询和游戏）中对Simmelian经纪的影响更强，其中更高的吸收能力和联系多样性促进了创新（Lin等人，2022年；Moon等人，2022年）。DTA在知识密集型行业中未能提升经纪效果的原因在于“结构动荡”，即在传统行业中（Lin等人，2022年），网络稳定性往往被过度追求，导致数字工具难以打破路径依赖。相比之下，知识密集型行业使用DTA来维持最佳网络稳定性，允许新想法的进入，同时保持合作所需的Simmelian信任。知识密集型行业的管理者应优先考虑在云平台和社交媒体上的数字投资，以增强吸收能力。

按地区的随机效应和讨论

线性混合效应模型的地区随机效应部分支持假设3，该假设认为DTA在芬兰的19个地区对创新潜力的影响不同（图4），在城市地区效果更强，因为那里有强大的数字基础设施。Ahvenanmaa表现出最强的正面偏差，表明尽管处于农村地位，但仍显著增强了Simmelian经纪。这一发现扩展了Elfaki和Ahmed（2024年）提出的“全球化-创新”联系，他们认为全球化是数字技术采纳的渠道，将经济转变为可持续的数字化系统。我们的结果表明，地区“基础设施准备度”是H3的关键边界条件。在Ahvenanmaa，成功的政策整合类似于Gifford等人（2021年）确定的瑞典“智能专业化”海运集群的努力，似乎创造了一个“创新生态系统”，其中自上而下的数字激励与自下而上的创业活动相结合，维持了战略经纪。Kanta-H?me和Etel?-Savo也显示出正面偏差，支持了本地干预可以通过促进创业发现和利基路径发展来克服地理限制的观点（Devi等人，2025年）。

图4
此图像的替代文本可能是使用AI生成的。

全尺寸图像

地区随机效应

Uusimaa显示出适度的正面偏差，表明与线性采纳收益的假设相反，高基线数字化的收益递减（Jafari-Sadeghi等人，2021年）。Pirkanmaa和Varsinais-Suomi显示出负面或接近中性的偏差，揭示了与“经纪视角”创新的情境分歧。虽然标准理论（Burt，2004年）认为战略位置总是带来优势，但我们的发现表明，在饱和的城市网络中，经纪人可能会遇到“行动问题”或信息过载，实际上将潜在的经纪变成了负担（You等人，2025年）。Lappi显示出最大的负面偏差，因为地理隔离限制了DTA的潜力（Trinugroho等人，2022年）。这一结果与偏远地区的基础设施限制一致。Satakunta和Pohjanmaa显示出负面偏差，可能强调了在本地网络中的信任。

像Etel?-Pohjanmaa、Keski-Pohjanmaa和Pohjois-Karjala这样的农村地区显示出正面偏差，表明有针对性的举措增强了经纪。这一结果是因为这些集群中的“本地信息密度”创造了强烈的合作规范；DTA降低了满足这些本地期望所需的数字连接的建立成本。相反，Kainuu和Keski-Suomi的负面偏差反映了网络饱和或隔离陷阱。在基础设施落后的地方（Elfaki & Ahmed，2024年），DTA无法提供必要的带宽来连接外部集群，使公司陷入近视的本地网络。Kymenlaakso、P?ij?t-H?me和Pohjois-Savo的接近中性偏差表明在混合行业中的效果有限（Bertello等人，2024年；Brenner等人，2013年）。

这些发现证实了假设3，表明DTA对Simmelian经纪的影响因地区而异，受到基础设施、距离和行业特征的调节。城市和地理中心地区利用生态系统进行知识重组（Moon等人，2022年），而饱和或隔离则突出了非线性效应（Lin等人，2022年）。结果通过说明Simmelian经纪在缓解限制中的作用扩展了网络理论。Ahvenanmaa等地区的管理者应投资于云计算和社交媒体，以增强经纪。在负面偏差的行业中，结合数字和传统联系的混合网络可以缓解限制。政策制定者应通过DTA培训来支持知识密集型较少的行业，以提高吸收能力。

行业-地区交互作用和讨论

行业-地区交互作用的分析支持假设4，这是本文的主要实证贡献。这里发挥作用的动态是双重嵌入性；当知识密集型公司在资源丰富的地区运营时，DTA通过提供所需的安全和信任协议来解决经纪的行动问题，从而在不违反本地合作规范的情况下建立桥梁。结果显示了跨行业和地区的差异，随机效应从-1到+1.8不等（图5）。大约一半显示出正面偏差，增强了经纪和创新潜力，而其余的显示出负面偏差，强调了资源不对齐或网络饱和等障碍。这些负面交互代表了情境上的不匹配。在高度协调的集群中，政治联系重要性高时，经纪人可能会放弃位置优势，以维持战略守门人地位，实际上将DTA变成了负担（You等人，2025年）。这一发现显著推进了概念理解，表明Simmelian经纪是一把双刃剑，其价值由行业知识强度和地区规范压力的交集决定。

图5
此图像的替代文本可能是使用AI生成的。

全尺寸图像

行业-地区随机效应

知识密集型行业在城市地区显示出最强的正面互动。Uusimaa的广播和出版业通过采用数字技术增强了团体桥梁位置。这一发现与经纪和创新产出之间的倒U形关系存在情境分歧。He?等人（2025年）认为，当达到某个阈值后，“整合成本”会因组合效应而呈指数级增长，尤其是在密集的工业网络中。在Pohjois-Pohjanmaa地区，咨询和市场营销通过技术生态系统提升了企业的吸收能力，但这与知识密集度较低的企业所面临的挑战不同（Jafari-Sadeghi等人，2021年；Lin等人，2022年）。在Etel?-Savo地区，尽管存在地理限制，但游戏和体育产业仍增强了中介作用（Devi等人，2025年）。这些结果证实了定制化的数字干预措施能够克服农村地区的障碍，但与偏远地区更高的整合成本形成对比（Trinugroho等人，2022年）。相反，知识密集度较低或基础设施有限的行业或地区则表现出负面的互动效应。在Uusimaa和Pohjois-Pohjanmaa，酒店和食品服务行业由于市场饱和或本地化网络的存在，减少了中介带来的好处。然而，这与集群中中介作用促进多元流动的观点并不一致（Alberti等人，2021年）。这些行业的物理依赖性限制了它们的多元化联系，反映了服务行业中的整合挑战，但与基于家族的网络中放大的效益不同（Kerstens & Langley，2025年）。在Lappi地区，客运行业的效果较弱，因为基础设施限制了数字化扩展（Wang等人，2025年）；不过，这与城市中心高效的知识流动情况并不矛盾（Gifford等人，2021年）。

这些发现支持了假设4，表明在资源丰富的地区，行业-区域协同效应能够放大数字技术（DTA）对知识密集型行业中的Simmelian中介作用（Moon等人，2022年），而在饱和或偏远环境中则反映了封闭性。这些结果通过强调Simmelian中介作用在平衡凝聚力和多样性方面的作用，扩展了网络理论（Tasselli等人，2025年），并通过说明情境对结果的影响，细化了动态能力（Bertello等人，2024年；Brenner等人，2013年）。最终，这些互动表明，数字化转型并非万能的解决方案，而是一种结构性催化剂，其创新潜力只有在行业类型和区域基础设施相匹配、能够支持可信的桥梁架构时才能被释放。在Uusimaa这样的协同环境中，管理者应投资于分析工具以增强中介作用；在Etel?-Savo这样的农村集群中，虚拟现实（VR）等数字工具可以克服障碍；在Uusimaa的酒店业等协同性较低的环境中，结合数字和传统联系的混合网络可以缓解限制。政策制定者应支持数字创新中心和跨区域合作，借鉴Marche（Marinelli等人，2024年）和Espoo（Tukiainen等人，2015年）的模式，以提升各领域的创新潜力。

**结论**

本研究探讨了数字技术采用如何通过企业在组织间知识网络中的位置来塑造其创新潜力。通过将超链接概念化为采用的数字痕迹，我们捕捉了企业与高科技服务、社交媒体平台和云计算提供商的互动，并将其与Simmelian中介作用联系起来。我们的发现表明，DTA显著增强了中介作用，使企业能够连接紧密的群体并整合多样化的知识，同时保持关系的凝聚力（Latora等人，2013年；Tasselli等人，2025年）。这加深了我们对技术如何不仅通过内部能力（Heavin & Power，2018年；Vial，2019年），而且通过促进重组和信任的网络结构（Alberti等人，2021年）来促进创新的理解。然而，DTA的好处分布并不均匀。本研究通过证明采用的数字红利并非普遍适用，而是严格受到行业知识密集度和区域基础设施准备程度的限制，扩展了现有文献。行业分析显示，广播和咨询等知识密集型行业获得了不成比例的收益，这与吸收能力和弱联系创新的理论一致（Shao等人，2024年）。相反，酒店和食品服务等行业则表现出较弱或负面的效果，这与过度依赖数字工具会耗尽关系资本并阻碍长期创新的发现相呼应（Usai等人，2021年）。区域分析突出了地理和基础设施的作用，拥有强大生态系统（通常是城市地区）的地区获得了更大的好处，而偏远或资源匮乏的地区则面临限制，这与不同地区间数字扩散的不均衡性相符（Trinugroho等人，2022年）。这些结果突显了DTA的附带影响，这种影响受到情境因素的调节，决定了它是否能够催化创新或增加协调成本。

从理论上讲，这项研究将数字技术采用与网络理论相结合。虽然之前的研究主要关注企业内部的采用结果（Molinillo & Japutra，2017年；Shao等人，2024年），但我们展示了创新潜力源自知识网络中的关系位置。我们通过证明DTA支持平衡凝聚力和多样性的混合配置，扩展了关于网络开放性与封闭性的讨论。这丰富了权变理论，强调了外部条件通过网络视角对创新的影响（Bertello等人，2024年；Gifford等人，2021年）。最终，这些结果挑战了技术扩散的线性假设，证明了在饱和或孤立的环境中，区域和行业因素可能会将潜在的中介作用转变为潜在的负担。方法上，超链接网络为采用和企业间的数字联系提供了一个新颖且可扩展的代理指标，便于分析大量企业。这种方法并不取代传统的调查方法，也不一定优于它们，但它更适合当前的研究问题。Abbasiharofteh等人（2023年）指出，缺乏大规模的关系数据限制了研究，而超链接网络为传统实证研究中的这一问题提供了解决方案。实际上，管理者不能假设技术采用会带来统一的回报。在知识密集型行业中，投资于云平台、先进的信息通信技术和社交媒体可以增强中介作用和创新机会；在知识密集度较低或基础设施匮乏的环境中，将DTA与传统的关系策略相结合可以避免协调负担过重。政策制定者应通过数字基础设施和培训投资来解决区域差异，借鉴意大利Marche地区（Marinelli等人，2024年）和Espoo地区（Tukiainen等人，2015年）的数字创新中心经验。

尽管有这些贡献，仍需认识到，通过技术采用实现创新是一个极其复杂和多方面的过程（Kruger & Steyn，2024年）。鉴于这种复杂性，也应承认几个局限性。虽然Simmelian中介作用识别了知识重组的结构机会，但实际的创新仍然是复杂创造力、持续的研发努力和人类互动的结果，这些是数字工具无法单独替代的（Usai等人，2021年）。首先，依赖芬兰企业的静态超链接网络只能捕捉到关系结构，而忽略了动态的DTA和中介作用的演变。未来的纵向研究可以考察转型过程中的变化（Brattstr?m & Faems，2020年），并结合定性方法揭示形成超链接和技术选择的机制。其次，芬兰作为欧盟DESI指数中排名靠前的数字化先进国家，其情境使DTA的关系效应被孤立，限制了其在不太成熟经济体的普遍性。需要进行跨国比较，以测试在不同数字发展水平下的行业-区域差异（Elfaki & Ahmed，2024年；Skare & Riberio Soriano，2021年）。第三，超链接网络排除了没有活跃网站或超链接的企业，导致样本偏向于数字化程度较高的组织，可能高估了大型企业的中介作用。尽管我们控制了企业规模并进行了稳健性检验，但未来的研究可以整合基于调查的或离线的网络数据以获得更广泛的覆盖范围。最后，该研究忽略了人力资本因素，如员工技能或培训，这些因素影响着数字采用的整合（Cirillo等人，2023年）。总之，这项研究表明，采用数字技术通过在企业知识网络中的中介作用来增强创新潜力，这一效果受到行业和区域背景的影响。通过结合DTA和网络理论，它提供了关于异质创新结果的概念性、实证和方法论见解，为追求创新驱动增长的管理者和政策制定者提供了可操作的启示。