Proceedings of the g 2nd International Conference on ...

Proceedings g of the 2nd International Conference on Innovation and Entrepreneurship The Institute for Knowledge and Innovation Southeast Asia (IKI-SEA) Bangkok University Thailand 6-7 February 2014

Edited by Lugkana Worasinchai & Vincent Ribière Bangkok g University y Thailand

A conference managed by ACI, UK

           

       

    Proceedings of   The 2nd International Conference on Innovation   and Entrepreneurship   ICIE‐2014    Hosted by   The Institute for Knowledge and Innovation Southeast  Asia (IKI‐SEA)  Bangkok University, Thailand    6‐7 February 2014    Edited by   Dr Vincent Ribière and Dr Lugkana Worasinchai  IKI‐SEA  Bangkok University  Thailand                 

            Copyright © The Authors, 2014. All Rights Reserved.  No reproduction, copy or transmission may be made without written permission from the individual authors.  Papers have been double‐blind peer reviewed before final submission to the conference. Initially, paper abstracts were read  and selected by the conference panel for submission as possible papers for the conference.  Many thanks to the reviewers who helped ensure the quality of the full papers.  These Conference Proceedings have been submitted to Thomson ISI for indexing.  Further copies of this book and previous year’s proceedings can be purchased from http://academic‐bookshop.com  Book version ISBN:  978‐1‐909507‐93‐7  Book Version ISSN: 2049‐6834      Published by Academic Conferences and Publishing International Limited  Reading  UK  44‐118‐972‐4148  www.academic‐publishing.org 

Contents  Paper Title 

Author(s) 

Page  No. 

Preface 

 

Iv 

Committee 

 

V 

Biographies  

 

vii 

Factors Influencing Students’ Entrepreneurial Inten‐ tions: The Critical Roles of Personal Attraction and  Perceived Control Over Behavior  

Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie

1 

Re‐Engaging Learners With Strategic Teaching  Approaches to Entrepreneur Learning in Higher  Education 

Bob Barrett  

9 

A Model to Study the Influence of Team  Psychological Safety and Team Learning on Team  Knowledge Creation 

Peter Cauwelier, Vincent Ribière and Alex Bennet 

16 

Describing and Assessing Co‐Design Competences:  Some Preliminary Results 

Valérie Chanal and Jacques Raynauld 

24 

Innovation and Enterprise Development: The Case of  the Ethekwini Municipality 

Anneline Chetty

29 

A Model to Study What Knowledge Based Practices  Successfully Facilitate Innovation in Supply Chains 

Allan Deacon, Alex Bennet and Manasi Shukla 

38 

Understanding the Impact of Co‐Opetition on  Innovation: A Multi‐Level Analysis 

Audrey Depeige and André Nemeh   

44 

Conceptualization of Coopetition Dynamics in  Entrepreneurial Clusters:The CIMEE Model  (Coopetitive Innovation Modeling in an  Entrepreneurial Ecology) 

Audrey Depeige and Stavros Sindakis 

54 

Using Innovation to Stimulate Growth in Owner  Managed SMEs 

Paul Donaldson

62 

Common Culture: A Valuable Prerequisite for  Innovation‐Focused Interactions Between Science  and Economy 

Olaf Gaus, Bernd Neutschel, Matthias Raith and  Sándor Vajna 

70 

Ideas of Potential Users and What They Tell us 

Martin Hewing

80 

Platform‐Based Ecosystems: Leveraging Network‐ Centric Innovation 

Thierry Isckia and Denis Lescop 

89 

University‐Industry Knowledge Dynamics in Northern  Sparsely Populated Areas 

Päivi Iskanius, Eija‐Riitta Niinikoski, Harri Jokela  and Matti Muhos 

96 

Do Incubators Actually Help Entrepreneurs in  Emerging Markets? The Case of Egypt 

Ayman Ismail and Sherif Yehia

106 

The Effect of Knowledge Management Practices on  Employees’ Innovative Performance 

Seyed Mohammadbagher Jafari, Mariyayee Sup‐ piahand Thiaku Ramalingam 

112 

Innovation’s Dependence on Human Capital in the  World’s Most Innovative Countries 

Eva Jurickova

120 

Teaching Methods to Facilitate Learning  Entrepreneurial Competences in Higher Education   

Marja‐Liisa Kakkonen

128 

Analysis of Innovation Strategies in Hospitality  Industry: Developing a Framework for the Evaluation  of new Hotel Services in Thailand 

Fotis Kitsios and Stavros Sindakis 

136 

i 

Paper Title 

Author(s) 

Page  No. 

Entrepreneurial Marketing and Industrial Innovation  as Organizational Learning Processes 

Stefan Lagrosen

Catalysts and Barriers of Open Innovation for SMEs in  Allan Lahi and Tiit Elenurm Transition Economy 

142  149 

Boosting Innovation and Entrepreneurship: An  Ecological Approach in Higher Education 

Tara Mann, Karen Oates and Jerry Schaufeld 

159 

Supporting Innovation in SMEs and MNCs Alliances:  A Case Study 

Maurizio Massaro and Francesca Dal Mas 

165 

Linking Market Orientation and Service Relatedness  to new Service Development: The Case of Italian  Small Accounting Firms  

Maurizio Massaro and Gina Rossi 

173 

Analysis of the Relationship Between the Company's  Internal Resources and the Effectiveness of  Innovative Activity of SMEs in Poland 

Tomasz Norek

181 

Entrepreneurship Model for Sustainable Economic  Development in Developing Countries  

Samuel Oladipo Olutuase

191 

A Model to Assess the Influence of Entrepreneurial  Leadership on Intrapreneurial Motivation 

Sharn Orchard, Stavros Sindakis and Vincent  Ribiere 

201 

Entrepreneurs: Demographic Profile, who has Higher  Chances of Survival? 

Aneta Ptak‐Chmielewska

209 

An in‐Depth Analysis of Professional Tour Guides’  Intercultural Communication in Tourism English 

Renan Saylag

217 

Prepared to Launch? A Study of Thailand’s new  Entrepreneurs’ Creation (NEC) Education Program 

Terrence Sebora, Poompichai Tarndamrong,  Ronda Smith and Ronald Hampton 

224 

An Empirical Investigation of Gender Impact on  Innovativeness Among Thai Entrepreneurs via GEM  Database 

Manasi Shukla, Ulrike Guelich and Aurilla Aurelie  Bechina Arntzen 

232 

The Role of Networks in Development of Small and  Medium Sized Enterprises in Kazakhstan 

Gulzhanat Tayauova and Cetin Bektas 

240 

Exploring Teachers’ Views of Entrepreneurial Peda‐ gogy and Didactics in the Hospitality Management  Degree Program: Case JAMK University of Applied  Sciences 

Minna Tunkkari‐Eskelinen

246 

PHD papers 

 

255 

Theoretical Background of Knowledge Competence  Development in SMEs in Kazakhstan 

Diana Amirbekova

257 

Influential Characteristics of the CEO That Facilitate  an Intrapreneurial Climate 

Bidyut Baruah and Anthony Ward 

264 

Innovation Management Strategy for the IT Industry  in Sri Lanka 

Shyamalie Ekanayake, Dhammika Abeysinghe and  Suren Peter 

273 

Ergonomic Aspects of Product Development and In‐ novation 

Denisa Ferenčíková

283 

Entrepreneurial Motivation and Intentions: The  Antecedent of Cyber Entrepreneurship 

Supreet Juneja Wahee and Broto Bhardwaj 

289 

ii 

Paper Title 

Author(s) 

Page  No. 

 

Is the Organizational Performance of Small  Businesses Influenced by HRM Practices and the  Governmental Support? A Case of Small  Manufacturing Businesses in Malaysia   

Yusra Yaseen Lazim and Noor Azlinna Binti Azizan 

297 

A Resource‐Based View of Entrepreneurial Creativity  and its Implication in Entrepreneurship Education 

Jing Lin and Anja Svetina Nabergoj 

307 

Multiple Intelligence Teaching Strategies: An  Innovation in Improving Students’ Reading  Comprehension 

Renetchie Martinez, Joycelyn Bermudez and John  Mahusay 

314 

Academic Entrepreneurship – new age Dictum 

Prakash Sharma and Kunal Bhattacharya 

323 

Masters paper 

 

333 

Islamic Bank in Kazakhstan – Curious Experiment or  Objective Necessity? 

Adlet Aliyev  

335 

Work in Progress papers 

 

341 

The Contribution of Entrepreneurship and Innovation  Teerawat Charoenrat and Charles Harvie  to Thai SME Manufacturing Performance 

343 

Integrated Transformations of e‐Health Development  Danguole Jankauskiene   ‐ the Perspective of Stakeholder Networks 

346 

Tracking the Influence of Knowledge Sharing on  Innovations in Healthcare: The Case of Development  of e‐Health in Lithuania 

Birute Pitrenaite‐Zileniene, Birute Mikulskiene and  Danguole Jankauskiene 

349 

Indigenous Innovation Options for Latecomer Firms  and Countries: The Chinese Telecommunications  Experience 

Pierre Vialle

353 

 

iii 

Preface     These  proceedings  represent  the  work  of  researchers  participating  in  the  2nd  International  Conference  on  Innovation  and  Entrepreneurship – ICIE 2014, which is being hosted by the The Institute for Knowledge and Innovation Southeast Asia (IKI‐ SEA), Bangkok University, Thailand, on the 6‐7 February 2014.  The conference will be opened with a keynote from Nadim Xavier Salhani, CEO, Mudman Company Limited, Bangkok, Thai‐ land on the topic of “Being an Entrepreneur in Southeast Asia”. The keynote address on the second day is to be delivered by  Prof Cees de Bont, from The Hong Kong Polytechnic University, Hong Kong, China on the topic of “Ignite Innovation: a hu‐ man‐centered model for pre‐incubation in Asia”.  The ICIE Conference constitutes a valuable platform for individuals to present their research findings, display their work in  progress  and discuss  conceptual  advances in  many  different  branches of  innovation and  entrepreneurship  in business  and  management. At the same time, it provides an important opportunity for researchers and managers to come together with  peers, share knowledge and exchange ideas. ICIE builds on the now well established European Conference on Innovation and  Entrepreneurship, and allows universities outside the European Boundaries the opportunity to host an academic conference  on these important topics.   Following an initial submission of 110 abstracts that have undergone a double blind peer review process, 34 research papers,  10 PhD research papers ,5 work‐in‐progress papers and 1 Master’s paper published in the ICMLG 2014 Conference Proceed‐ ings, representing research results from Czech Republic, Egypt, Estonia, Finland, France, Germany, Greece, India, Iran, Italy,  Kazakhstan, Lithuania, Malaysia, Nigeria, Philippines, Poland, Russia, Slovenia, South Africa, South Korea, Sri Lanka, Sweden,  Thailand, Turkey, UK, and USA.  We hope that you have an enjoyable conference.  Dr Vincent Ribière and Dr Lugkana Worasinchai  IKI‐SEA, Bangkok University  Thailand  February 2014         

 

iv 

Conference Executive  Dr Vincent Ribière, IKI‐SEA, Bangkok University, Thailand  Dr Lugkana Worasinchai, IKI‐SEA, Bangkok University, Thailand 

Mini Track Chairs Dr Vincent Ribière, IKI‐SEA, Bangkok University, Thailand  Christian Walter, IKI‐SEA, Bangkok University, Bangkok, Thailand  Dr Tomasz Norek, Faculty of Management and Economics of Services, University of Szczecin, Poland   

Committee Members The 2014 conference programme committee consists of key people in the innovation and entrepreneurship community, both  from the Europe and around the world. The following people have confirmed their participation:  Dr. Kamarulzaman Ab. Aziz (Multimedia University, Malaysia); Dr. Ghassan E. Abuyaghi (The Hashemite University, Amman,  Jordan); Prof. Dr. Zafer Acar (Okan University, Istanbul, Turkey); Dr. Bulent Acma (Anadolu University, Turkey); Mo'taz Amin  Al Sa'eed (Al ‐ Balqa' Applied University, Amman, Jordan); Mohammad Aladwan (hashemite university, Jordan); Dr. Husam  Aldeen Al‐Khadash (The Hashemite University, Amman, Jordan);Prof. Refat Al‐Faouri (The Arab Administrative Development  Organization (ARADO), Cairo,, Egypt); Saleh Al‐Jufout (Tafila Technical University, Jordan); Dr. Maher Al‐Mahrouq (The Jorda‐ nian Chamber of Industry (JCI) , Jordan); Ibrahim Al‐oqily (University of Ottawa, Canada); Hussein Al‐Yaseen (Al‐Ahliyya Am‐ man University, Jordan, Jordan); Dr. Khitim Alzughoul (Hashemite University, Jordan); Dr. Talah Arabiat (The German Jordani‐ an University, Jordan); Omid Askarzadeh (Polad Saab Shargh, Tehran, Iran); Prof. Alina Badulescu (University of Oradea, Ro‐ mania); Dr. Daniel Badulescu (University of Oradea, Romania); Dr. Afsaneh Bagheri (University Putra Malaysia, Malaysia); Dr.  Vibha Bhandari (College of Applied Sciences,Ministry of Higher Education,Oman, Oman); Eduardo Castro (National University  de la Plata, Argentina); Shi‐Jay Chen (National United University, Taiwan); Toly Chen (Feng Chia University, Taichung, Taiwan);  Chuang‐Chun Chiou (Dayeh University, Changhua, Taiwan); Costas N. Costa (Cyprus University of Technology, Lemesos, Cy‐ prus);  Dr.  Leonard  Costa  (School  of  Economics  and  Management,  Catholic  University  of  Portugal,  Portugal);  Fengzhi  Dai  (Matsue College of Technology, Japan); Armando Carlos de Pina Filho (Federal University of Rio de Janeiro , Brazil); Dr. Aikyna  Finch (Strayer University, Huntsville, USA); Prof. Dr. Ramaswamy Ganesan (Asia‐Pacific Institute of Management, New Delhi);  Prof. Dr. Adriana Giurgiu (University of Oradea, Faculty of Economic Sciences, Dept. of International Business, Romania); Dr.  Sayed Mahdi Golestan Hashemi (Iranian Research Center for Creatology, TRIZ & Innovation Management, Iran); Ebru Gunlu  (Dokuz  Eylul  University  Faculty  of  Business,  Turkey);  Kaled  Hameide  (Montclair  State  university  in  New  Jersey,  USA);  Dr.  Mahmoud Hassanin (Pharos University,Alexandria, Egypt); Dr. Mahmoud Hassanin (Pharos University at Alexandria, Egypt);  Dr. Lilin Huang (American University of Madaba, Jordan); Dr. Ayman Ismail (American University in Cairo, Egypt); Prof. Zhang  Jianhong (North CHina university of Technology, China); Prof. Konstantinos Kalemis (National Centre of Local Goverment and  Administration,  Greece);  Yusniza  Kamarulzaman  (University  of  Malaya,  Kuala  Lumpur,  Malaysia);  Prof.  Rajkumar  Kannan  (Bishop Heber College Autonomous, India); Dr. Radwan A. Kharabsheh (The Jordanian Chamber of Industry (JCI) , Amman,  Jordan); Prof. Jesuk Ko (Gwangju University, Korea); Dr. Yvonne Lagrosen (University West Trollhättan, Sweden); Brent Lane  (Kenan‐Flager Business School, University of North Carolina, USA); Angeline Low (University of Technology Sydney, Mosman,  Australia);  Dr.  Ihab  K.  Magableh  (The  German  Jordanian  University,  Jordan);  Randa  Mahasneh  (The  Hashemite  University,  Jordan); Prof. Carla Marques (University of Trás‐os‐Montes Alto Douro (UTAD), Portugal); Prof. Maurizio Massaro (Università  degli Studi di Udine, Italy); Mohd Shamsuri Md Saad (Universiti Teknikal Malaysia Melaka (UTeM), Malaysia); Dr. Anne‐Laure  Mention (Centre de recherche public Henri Tudor, Luxembourg); Jens Mueller (Waikato Management School, New Zealand);  Hafizi Muhamad Ali (Yanbu University College, Saudi Arabia); Desai Narasimhalu (Singapore Management University, Singa‐ pore); Dr. Tomasz Norek (University of Szczeciny, Faculty of Management and Economics of Services, Poland); Prof. Hmoud S.  Olimat (The Hashemite University, Amman,, Jordan); Prof. Abdelnaser Omran (Universiti Sains Malaysia, Malaysia); Mohand‐ Said  Oukil  (King  Fahd  University  of  Petroleum  and  Minerals,  Dhahran,,  Saudi  Arabia);  Dr.  Ajit  Patil  (Pillai‐HOC  Institute  of  Management  Studies,  Mumbai  University,  India);  Prof.  Elisabeth  Pereira  (University  of  Aveiro,  portugal);Dr.  Nguyen  Phuc  (Asian  Institute  of  Technology  and  Management,  Vietnam);  Prof.  Dr.  Ige  Pirnar  (Yasar  University,  Turkey);  Dr.  Aneta  Ptak‐ Chmielewska  (Warsaw  School  of  Economics,  Poland);  Prof.  Cristina  Rodrigues  (University  of  Minho,  Portugal);  Jose  Carlos  Rodriguez  (Economic  and  Business  Research  Institute  ‐  Instituto  de  Investigaciones  Economicas  y  Empresariales,  Mexico);  Jonas  Rundquist  (Halmstad  University,  Sweden);Umar  Sabo  (ramat  polytechnic  ,  Nigeria);  Prof.  Chaudhary  Imran  Sarwar  (Mixed Reality University, Pakistan); Dr. Mandy Shi Yuan (South China University of Technology , China); Dr. Carmen Gabriela  Sirbu  (Danubius  University,  Romania);  Prof.  Aelita  Skarzauskiene  (Mykolas  Romeris  university,  Lithuania);  Dr.  Roy  Soh  (Albukhary  International  University,  Malaysia);  Dr.  Shahryar  Sorooshian  (University  Malaysia  Pahang,  Malayisa);Padma  Srinivasan (Manipal university, Bangalore, India); Khalaf Tarawneh (Hashemite university, Jordan); Dr. Perera Tissa Ravinda  (University of Colombo, Sri Lanka); Dr. Hayfaa Tlaiss (University of New Brunswick Saint John, Canada); Prof. Milan Todorovic  (union nikola tesla university, Serbia); Dr. Geoff Turner (University of Nicosia, Cyprus); Dr. Jeff Vanevenhoven (University of  v 

Wisconsin‐Whitewater  ,  USA);  Dr.  Ismail  Wekke(State  College  of  Sorong,  Indonesia); Doan  Winkel  (Illinois  State  University,  USA);  Aziz  Yahya  (Universiti  Teknikal  Malaysia  Melaka, Malaysia);Mohammad  H  Yarmohammadian  (Health Management  &  Economic  Research  Center,  Isfahan  University  of  Medical  Sciences  ,  Iran);  Shaker  Zahra(University  of  Minnesota,  USA);  Dr.  Krzysztof Zieba (Gdansk University of Technology, Poland);  

vi 

Biographies  Conference Chair  Dr.  Vincent  M.  Ribière  After  teaching  for  10  years  in  the  United  States,  first  at  American  University  (Washington, DC) and later on at the New York Institute of Technology (NYIT) in New York and in the  Kingdom  of  Bahrain,  Vincent  joined  Bangkok  University  in  2007  as  the  Managing  Director  and  co‐ founder of the Institute for Knowledge and Innovation – Southeast Asia (IKI‐SEA). Vincent received his  Doctorate of Science in Knowledge Management from the George Washington University, and a Ph.D. in  Management Sciences from the Paul Cézanne University, in Aix en Provence, France. Vincent teaches,  conducts research and consults in the area of information systems, knowledge management and inno‐ vation management. He is a KM columnist for CIO World & Business magazine (Thailand) and he is part of the editorial board  of the International Journal of Knowledge Management (IJKM) and of VINE: The Journal of Information and Knowledge Man‐ agement  Systems.  Vincent  is  member  of  the  research  PROMISING  project  managed  by  the  University  of  Grenoble  (UPMF)  conducting research on Approaches and tools to develop the creative and innovation capabilities of students and practitio‐ ners. 

Programme Chair  Asst.  Prof.  Lugkana  Worasinchai,  Ph.D.  is  the  Director  of  the  Institute  of  Research  Promotion  and  Innovation  Development  (IRID),  Bangkok  University.  In  addition,  Lugkana  Worasinchai  is  the  Co‐ Founder  and  Co‐Managing  Director  of  the  Institute  for  Knowledge  and  Innovation  South‐East  Asia  (IKI‐SEA), Bangkok University. She teaches undergraduate and graduate courses in Business Admini‐ stration,  and  is  actively  involved  in  research  on  the  relationship  between  knowledge  management  and business strategies. Lugkana Worasinchai is a published scholar, her articles appearing in major  academic journals, she gives seminars to firms and public sector organizations, and is regularly invited  as a guest lecturer by reputable international universities. 

Keynote Speakers  Professor Cees de Bont has solid experience and track records in the management and leadership of a  sizable  and  leading  design  schools  in  the  world.    He  took  up  the  deanship  in  the  Faculty  of  Industrial  Design Engineering of the Delft University of Technology in the Netherlands in 2005 and carries respon‐ sibility for the School of Design of The Hong Kong Polytechnic University since February 2012. Professor  de Bont has a good mix of academic and industrial experience.  He started his academic career in 1993  as Assistant Professor of Economic Psychology at the University of Tilburg.  During his appointment in  the University of Tilburg, Professor de Bont also acted as a consultant to the Philips Design in Eindhoven  of the Netherlands.  In 1995, he joined Philips Design to become responsible for the Human Behaviour Research Centre.  He  was subsequently Head of Marketing Research and Strategy at Philips Domestic Appliances and Personal Care from 1997 to  2005 when he was responsible for generating and utilizing market information for the formulation of the strategy, R&D and  marketing plans of the company. Professor de Bont’s research interests are in the areas of early concept testing of consumer  acceptance, consumer behaviour, innovation adoption, and networked innovation. From 2009 till 2012 January, Professor de  Bont chaired the Dutch Innovation Centre for Electric Road Transport which is a nationwide platform for electric mobility in  the Netherlands; meanwhile, he was chairman of the largest research program for the creative industries in the Netherlands  (CRISP).    He  is  a  member  of  various  key  professional  boards  and  bodies  related  to  design,  automotive  research,  industrial  innovation and market research.  Nadim Xavier Salhani Lebanese from birth, French educated, living in Thailand for the last 37 years, and  holding  a  Thai  citizenship,  Nadim  joined  MUDMAN  as  Group  CEO  in  2003.  Under  his  leadership,  the  Group has managed a successful turnaround following the economic crash in 1998, and consistent YOY  organic growth for the past 10 years. Nadim has over 30 years experience in the Food & Beverage indus‐ try,  ranging  from  several  leading  hotels  around  the  globe  with  chains  like  Hyatt,  Sheraton,  Holiday  Inn  and Dusit Thani, to a number of leading international retail brands that includes Starbucks, Auntie Anne’s  Pretzels, Au Bon Pain Bakery Café, and Dunkin Donuts. Prior to joining MUDMAN, Nadim was the start‐up  General  Manager  at  Starbucks  Coffee  Thailand,  establishing  the  brand  and  opening  the  first  40  stores  in  the  Thai  market.  Nadim holds a Hospitality Administration and Management Degree from the School of Hotel Administration at Cornell Uni‐ versity   and a Hospitality Administration and Management Degree from Florida International University. He has significant  experience working in Asia, and is fluent in Thai, English, French and Arabic language. Nadim enjoys sharing his life and work  experience with people and therefore is a part time evening instructor at leading Universities in Thailand where he teaches  Executive MBA courses related to (1) International Business and the Challenges of Globalization, (2) Retail Business Manage‐ ment and (3) Strategic Brand Management.      vii 

Mini Track Chairs  Dr Tomasz Norek holds a Master's degree in economics from the University of Szczecin and a Ph.D. in  economics  with  a  specialization  in  Corporate  Finance  and  Applied  Informatics  from  the  University  of  Szczecin.  Since 1997 he has worked as a lecturer at the University of Szczecin in the Faculty of Econom‐ ics and Management Services.  His research and teaching fields include business innovation with par‐ ticular emphasis on innovative behavior models for the SME sector. He is author of numerous publica‐ tions on issues related to the innovation of enterprises.  From 2009 to 2012 he was a Board Member of  the Academic Business Incubator of the University of Szczecin. From 2009 to 2012 he was a member of  the Senate of the University of Szczecin. He is a member of numerous committees both at home and abroad and he has par‐ ticipated in the realization a number of international research projects. He is subject Editor for the  Economic Problems of  Services Journal, published by the University of Szczecin. He is currently Vice Dean for Student Affairs in the Faculty of Man‐ agement and Economics of Service, University of Szczecin, Poland  Christian Walter is a Researcher and Lecturer at Bangkok University, IKI‐SEA. He holds a Bachelor Degree  in Cultural Science and a Master of Business Administration (MBA). He is teaching Entrepreneurship and  Business Model Innovation. His research interests are in the fields of business model innovation, value  networks and Gamification and Creativity.     

Biographies of Presenting Authors  Adlet Shamil'evich Aliev has worked in the Kazakh banking sector since 1994.  He is currently working in the treasury area  where he is responsible for liquidity management, FX and stock trading, asset management, and developing Islamic banking  in collaboration with Regulator and AFK.  Diana Amirbekova is a full‐time PhD student in Kazakh‐British Technical University, Almaty, Kazakhstan. Her research inter‐ ests  focus  on  knowledge  management,  company  performance,  small  and  medium  sized  enterprises  and  knowledge‐based  development.  Galina V. Astratova is a Dr of Economics, PhD of Techniques, professor, Director of Life Quality Research Institute, Head of  "Quality management" Department of the Ural State Forest Engineering University, Corresponding Member of Management  in Education and Culture Academy, Honorable Worker of the Russian Federation Higher Education, Russia, Yekaterinburg.  Bob Barrett is a professor for the School of Business at the American Public University in Charles Town, West Virginia, USA.  He lectures both nationally and internationally on the topics of Intellectual Capital, Human Capital, Knowledge Management,  and Disability in the Workplace, e‐Portfolios, and e‐Learning.  He has taught online for the past 12 years, and enjoys teaching  students all over the world.    Bidyut Baruah is a PhD student in the Engineering Management Research group in the Department of Electronics, University  of York. Along with his research work, he also assists in teaching in the department. He has a B.Tech degree in Electronics and  an MSc in Engineering Management. His research interests are in organizational innovation and management.  Peter  Cauwelier  is  an  independent  consultant  (www.asioconsulting.com),  helping  teams  to  learn,  grow  and  innovate  to‐ gether, and take ownership of their company’s future. Peter is working towards a doctorate degree in Knowledge and Inno‐ vation. His research interest is in team learning and how this varies between cultures. Peter also has an executive MBA from  Boston University.   Valerie Chanal is professor of management at University Grenoble Alpes in France. Her teaching and research activities are  on innovation management and strategy. She is leading the Promising program, dedicated to pedagogical innovation for in‐ novation training. www.promising.fr  Teerawat  Charoenrat  received  his  PhD  in  Economics  from  the  University  of  Wollongong,  Australia.  He  obtained  the  Royal  Thai Government Scholarship for pursuing a PhD degree. His research interests include enterprise performance, firm produc‐ tivity and technical  efficiency,  Stochastic  Frontier  Analysis  (SFA),  Data  Envelopment  Analysis  (DEA),  and  Small  and  Medium  sized Enterprises (SMEs) in the context of ASEAN.    Anneline Chetty has completed a Masters degree in Town & Regional Planning and more recently a PhD.  Her key passions  are writing, conducting research, innovation and entrepreneurship and is hoping to make a positive contribution to the con‐ ference. She has authored a book Promoting entrepreneurship in South Africa.   viii 

Francesca  Dal Mas has  a  master  degree  in  Business Administration  from  Udine  University and a law degree from Bologna  University, Italy. She runs three small companies as CEO and CFO. She also teaches finance, law, strategy and accounting at  post graduate and undergraduate courses organized by public bodies and private business schools.  Allan Deacon is a senior international procurement professional who has worked for diverse organizations. He is researching  for a PhD in Knowledge and Innovation Management at Bangkok University.  Allan consults and trains in the Middle East and  Asia and has represented the profession at recent AIDF/UN conferences and panel debates.  Audrey Depeige is Knowledge Management and Innovation Coordinator at Essilor. She is responsible for the development  and support of Innovation initiatives and is also in charge of technical expertise growth projects. She is currently pursuing a  dual PhD in Knowledge and Innovation Management, with a research focus on coopetition and innovation.  Paul Donaldson is an experienced Consultant and CEO, with extensive knowledge of Strategy, Training and Development.  He  has expertise in SME development and a specific academic interest in growth in owner‐manager companies.  These interests  are blended through a process of academic research and practical implementation in ongoing consultancy work, on an inter‐ national basis in the University and private consultancy environments.  Shyamalie Ekanayake is a Ph.D. candidate attached to the Department of Industrial Management, University of Kelaniya, Sri  Lanka.  The research study titled “Core Competencies for Competitive Advantage: An Empirical Investigation of Manufactur‐ ing and Service Sector” investigates strategic management concepts for value innovation.  The writer holds 17 years of man‐ agement experience in training, skill and technology development initiatives.  Denisa Ferenčíková has a Master´s degree in Industrial Engineering and is a PhD candidate at Tomas Bata University in Zlín –  Faculty  of  Management  and  Economics.  Her  current  research  involves  advanced  methods  for  production  planning  and  scheduling and their support in business information systems. She also deals with ergonomic aspects of production processes  and product development phase.   Martin  Hewing  is  a  User  Experience  Researcher  at  Telekom  Innovation  Laboratories,  a  joint  R&D department  of  Deutsche  Telekom and Technische Universität Berlin. He received his PhD in economic and social science from Universität Potsdam in  June 2013, focusing on Creative Problem‐Solving with Users in Innovation.   Ayman Ismail is the Assistant Professor of Management and Abdul Latif Jameel Endowed Chair of Entrepreneurship at the  American University in Cairo School of Business, where he leads the School’s Entrepreneurship and Innovation Program (EIP).   Seyed Mohammadbager Jafari has a PhD in Management Information Systems. He is a lecturer in the Faculty of Manage‐ ment and Accounting and also the director of the Center of e‐Learning in the College of Farabi, University of Tehran, Iran. His  current  research  interests  include  information  systems,  knowledge  management,  e‐government  and  e‐governance,  e‐ commerce, e‐business models and business process reengineering.  Danguolė Jankauskienė is a Professor at Mykolas Romeris University in Lithuania and Vice – Dean of Politics and Manage‐ ment  Faculty.  Areas  of  research  interest:  health  policy  and  management,  public  health,  health  technology  assessment,  e  health, quality of life. She is a medical doctor, health care manager and expert in health policy in European Commission and  WHO.   Eva Jurickova is Senior Lecturer at Tomas Bata University in Zlin, Faculty of Management and Economics. She studied Indus‐ trial Engineering and also received her PhD in Doctoral Degree Programme, namely Economics and Management.  Her major  research is on industrial engineering, innovation and patent information. She has published a number of articles and she co‐ operates in several innovation projects.    Marja‐Liisa Kakkonen has two doctor’s degrees (Econ. & Educ.). Her research interests have been related to creativity, en‐ trepreneurship education, entrepreneurship, and family business. She worked as a principal lecturer of entrepreneurship in  2003 ‐ 2011 and has taught various topics of business and entrepreneurship in Finnish and English. Nowadays works as head  of the department.   Fotis Kitsios is a lecturer in Strategic Management and Innovation at the Department of Applied Informatics, University of  Macedonia, Greece. For his PhD received from the Technical University of Crete, he studied the process of new service de‐ velopment in hotel services. His research interests lie in strategic and innovation management, new product development  and customer statisfaction.  Stefan Lagrosen holds a Ph.D. from Stockholm University. He is active as a professor and head of the marketing department  at Linnaeus University, Sweden. His research interests include entrepreneurial marketing, social media marketing and health  and fitness marketing as well as quality management.   ix 

Allan Lahi, a doctoral student of Estonian Business School and an innovation manager of Estonian Innovation Institute, has  been active in the SME‐centred technology innovation since 2007. He has participated in more than 20 open innovation pro‐ jects. The research, initiated by the practical issues of those projects, focuses on SME’s in transition economy.  Yusra Yaseen Lazim had received Bachelor degree from Baghdad University in 2003. She had received Master degree from  Baghdad University in 2007. Presently she is PhD. researcher at University Malaysia Pahang, Pahang, Malaysia. Now she is  working part time as lecturer In University Malaysia Pahang.  Jing Lin got his Master’s Degree of Management Science in China, and is currently a PhD student in the Faculty of Economics,  University of Ljubljana, Slovenia, with main research interests in the topics of creativity, innovation and their connection with  entrepreneurship and entrepreneurship education.  Zaidatol Akmaliah Lope Pihie is a lecturer at the faculty of educational studies, Univerisiti Putra Malaysia. She has many pub‐ lished papers in entrepreneurship, entrepreneurship education, leadership and educational administration. She has also pre‐ sented papers on entrepreneurship education at Malaysian and international conferences. Her research interests are: entre‐ preneurship development among university students, educational leadership, school entrepreneurial leadership and school  improvement.  Renetchie Martinez is a resident of Poblacion, Malungon, Sarangani Province, Philippines. I finished my Master of Arts in Ed‐ ucation major in Reading at Mindanao State University, General Santos City. Presently, a third year part time PhD student of  the said institution and a public school teacher for 14 years.  Maurizio  Massaro  is  aggregate  professor  at  Udine  University.  He  was  visiting  scholar  at  the  Florida  Gulf  Coast  University,  Florida, USA, in 2010. His academic interests are primarily in the field of measurement of business performance, intangible  assets and entrepreneurship. He has written several publications on these topics, and has some more forthcoming.  Andre Nemeh is Doctoral Researcher in Strategic Management at Montpellier Research in Management (MRM) at University  of Montpellier. His thesis is focusing on the relationship between coopetition strategy and innovation in large firms. His re‐ search interests are InterOrganizational Relations (IOR),Strategic R&D collaborations, clusters, Poles of competitiveness.  Bernd  Neutschel  studied  mechanical  engineering  with  a  specialization  in  Integrated  Product  Development  at  Otto‐von‐ Guericke‐University Magdeburg, Germany.  In 2010 he became a research associate at the Faculty of Mechanical Engineering.  Since  2011  he  has  been  coordinating  the  technology‐oriented  start‐up  supporting  project  “Senior  &  Juniorpreneurship”  (Seju), funded by ESF and the Ministry of Science and Economics of Saxony‐Anhalt, Germany.  Karen  Kashmanian  Oates  is a  nationally  recognized  scientist,  science  educator,  and higher  education  leader  and  serves  as  Dean of Arts & Sciences at WPI. Previously Dr Oates served as a deputy director of the Division of Undergraduate Studies at  the National Science Foundation supporting innovative programs to strengthen undergraduate education and help revitalize  American entrepreneurship and competitiveness.  Samuel Oladipo Olutuase is a lecturer in the Department of Business Administration, Faculty of Management Sciences Uni‐ versity of Jos, Jos, Plateau, Nigeria, from 2007 till date. He has taught and researched in the area of Management, Business  competition and Safety Issues. He currently focuses his research on entrepreneurship and innovation.  Sharn Orchard is an Industry Executive with over 25 years’ experience in the Automotive and Oil & Gas sectors.  She holds a  Masters Degree in Managing Change, and is currently studying for her PhD in Knowledge Innovation Management.  Her spe‐ cific field of research interest is Intrapreneurship.  Seema Pissaris is a Professor at Florida International University. She is also an avid entrepreneur having founded numerous  companies, one of which went public on the Toronto Stock Exchange.   She teaches social entrepreneurship, strategy, and  leadership and empowers students to design and launch social, sustainable entrepreneurial ventures.   Aneta Ptak‐Chmielewska is Associate Professor at the Institute of Statistics and Demography at Warsaw School of Economy.  Her main research fields include applied statistics, event history methods and models, multivariate statistics and advanced  statistics application in economy and life sciences. She has been a member of the Network of Excellence RECWOWE project.  She has published in high‐quality national journals.      Gina  Rossi,  Ph.D.  is  currently  Researcher  in  Business  Economics  at  the  University  of  Udine,  Department  of  Economics  and  Statistics. Her research covers different topics, with a special emphasis on governance and accountability in non‐profit organ‐ izations. More specifically, she works in the areas of accounting and governance in bank foundations and accounting in reli‐ gious institutions under an historical perspective.  x 

Renan Saylag is an English language instructor and researcher with a PhD education in the field of EFL at Bahcesehir Universi‐ ty in Istanbul,Turkey. Her aim is to help institutions develop an educational vision in terms of educational pedagogy and new  trend in all aspects of foreign language education.  Terrence Sebora is an Associate Professor of Management at the University of Nebraska, USA. Prior to receiving his doctor‐ ate in strategic management, he was a co‐owner of a supermarket business and a Director of Religion Education. He holds  degrees in Theology, Business Administration, and Classical Languages in addition to strategy. His research interests include  entrepreneurship, corporate governance, and strategic decision‐making.   Prakash Ramesh Sharma has handled multiple startups and mentored entrepreneurs and students to build their career. He is  pursuing his PhD in Marketing from Dr. D Y Patil Vidyapeeth, Pune, India, under the guidance of Dr Kunal Bhattacharya.  He is  presently assisting many academic institutes and corporations to build incubators to promote entrepreneurship.  Dr. Manasi Shukla, obtained her MBA (FMS:from top five B‐schools in India), PhD in  Knowledge management services indus‐ tries (Delhi University) has around seven years each of industry and academic experience. In total, she has around 9 publica‐ tions and 17 conference acceptances. She is currently an Assistant Professor and KM Strategist at IKI‐SEA, Bangkok Universi‐ ty, Thailand.  Omirserik Tayauov is a Masters student at Kazakh‐British Technical University (www.kbtu.kz), Almaty, Kazakhstan.  Gulzhanat Tayauova is an associate professor, director of the Department of doctoral programs at the International Acade‐ my of Management (www.iab.kz), Almaty, Kazakhstan. She has a PhD. in Management from Istanbul University and an MBA  from Bosphorus University, Turkey.  Minna Tunkkari‐Eskelinen (Ph.D. in Econ.) works as a principle lecturer of Tourism and Hospitality degree program at JAMK  University  of Applied  Science,  Finland.  She  was  a  co‐founder  of  the  family  business consulting  firm.  She  teaches  entrepre‐ neurship, research methods and strategic thinking, and facilitates SME’s product development. She conducts research about  tourism customer insights, sustainable tourism and entrepreneurship education.  Pierre Vialle is Professor at Telecom Business School (Institut Mines Télécoms) in France. He holds a PhD in Economics and  accreditation to supervise PhDs in Business Administration. He is specialized in innovation, strategy and marketing in the ICT  Industry. He is also interested in strategies of latecomer firms and countries, in particular in China.       

xi 

Factors Influencing Students’ Entrepreneurial Intentions: The  Critical Roles of Personal Attraction and Perceived Control Over  Behavior   Afsaneh Bagheri1 and Zaidatol Akmaliah Lope Pihie2  1 Faculty of Entrepreneurship, Tehran University, Iran  2 Faculty of Educational Studies, University Putra Malaysia, Selangor, Malaysia  [email protected]  [email protected]    Abstract: Many researchers and educators across the world have recently attempted to explore the factors that motivate  and  enable  some  individuals  and  not  others  to  pursue  an  entrepreneurial  career  path.  The  growing  attentions  given  to  entrepreneurial intention is partially due the fundamental roles that entrepreneurs and entrepreneurial activities play in  fostering  economic  and  social  development  of  developed  and  developing  countries,  including  Malaysia.  Research  has  highlighted  the  influence  of  both  personal  and  environmental  factors  on  one’s  selection  into  entrepreneurship.  More  recent studies emphasized on the impact of a combination of the factors that affect entrepreneurial intention. However,  our knowledge about interactions among the factors that construct entrepreneurial intention is limited particularly among  university students. This study attempts to narrow the gap in the literature by measuring the factors that affect Malaysian  university  students’  entrepreneurial  intentions  using  the  theory  of  planned  behavior.  More  specifically,  it  examines  the  relationships  between  personal  attraction,  perceived  control  over  behavior,  entrepreneurial  skills,  subjective  norms,  valuation  of  entrepreneurship  in  the  social  and  close  environment  and  students’  entrepreneurial  intentions.  The  sample  consisted  of  722  students  from  public  and  private  universities.  Structural  Equation  Modeling  was  employed  to  test  the  hypothesized  relationships  between  the  variables.  The  results  emphasized  the  critical  roles  that  personal  attraction  and  perceived control over behavior play in shaping students’ intentions to become an entrepreneur. A system of valuation and  support  of  entrepreneurship  consisting  of  subjective  norms  and  valuation  of  entrepreneurship  in  the  social  and  close  environment  emerged  which  highly  influences  students’  personal  attraction  toward  entrepreneurship.  Specifically,  subjective  norms  affect  students’  entrepreneurial  intentions  through  its  impact  on  their  perceived  control  over  the  performance  of  entrepreneurial  tasks  and  personal  attraction  toward  entrepreneurship.  Furthermore,  entrepreneurial  skills  have  a  low  contribution  to  subjective  norms  and  perceived  behavioral  control.  Implications  of  these  findings  for  entrepreneurship research and education are discussed.     Keywords: entrepreneurial intention, entrepreneurial skills, personal attraction, control over behavior 

1. Introduction   Many researchers and educators across the world have recently attempted to answer the critical question why  some individuals select to enter the challenging process of establishing a new venture but others do not (e.g.,  DeClercq  et  al.  2012,  in  Canada;  Guerrero  et  al.  2008,  Spain;  Wu  and  Wu  2008,  China;  Fayolle  et  al.  2006,  France; Souitaris et al. 2007, the UK; Mastura and Abdul 2008, Malaysia; Gürol and Atsan 2006, Turkey). The  increasing interest in exploring the factors that build one’s entrepreneurial intention is due to the critical role  that entrepreneurs and entrepreneurial activities play in fostering economic and social growth of developed  and  developing  countries,  including  Malaysia  (Matlay  2006).  Some  researchers  attributed  the  intention  to  become  an  entrepreneur  to  personal  characteristics  (e.g.,  locus  of  control,  need  for  achievement  and  tolerance for ambiguity) and cognitive abilities (Hansemark 1998; McClelland 1961). While, others related the  challenging decision to environmental factors such as education and training that inspire and prepare students  for establishing a new venture (Krueger et al. 2000; Chen et al. 1998).     More recent studies adopted an integrated approach that examines both personal and environmental factors  that  influence  students’  decision  to  establish  their  own  ventures  (Wu  and  Wu  2008;  Souitaris  et  al.  2007;  Fayolle  at  al. 2006)  and  how  interactions  among  these factors  affect the  decision  (Fitzsimmons  and  Douglas  2011; Liñán 2008). However, despite the tremendous amount of research conducted in this area, there exists  many  unaddressed  questions  on  the  factors  that  shape  students’  entrepreneurial  intentions  (Chen  and  He  2011; Liñán 2008; Man and Yu 2007; Fayolle et al. 2006; Kuratko 2005). This study attempts to narrow the gap  in the literature by examining the factors that affect Malaysian university students’ entrepreneurial intentions  using the theory of planned behavior (Ajzen 1991). The findings provide a better understanding of the factors  that  construct  and  the  path  in  which  these  factors  influence  students’  entrepreneurial  intentions.  The  remaining  of  this  paper  is  organized  in  four  sections.  We  first  describe  the  theoretical  framework  and  the 

1

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  model to be tested in this study. Next, we explain the methodological design applied for the empirical analysis  and testing the hypothesized relationships between the constructs. Consequently, we present the results and  finally we discuss the findings in light of implications for entrepreneurship research and education. 

2. Theoretical background and models of entrepreneurial intention  In less than half a century, various theories and models have been developed to explain the complex decision  to establish a new venture (Trevelyan 2011). The theory of planned behaviour (Ajzen 1991) has been one of  the most applied theoretical frameworks to describe students’ entrepreneurial intentions (Fayolle at al. 2006).  Scholars  argue  the  theory  is  appropriate  to  explain  entrepreneurial  intention  as  a  conscious  and  deliberate  behaviour  that  can  be  enhanced  by  education  and  training  (Guerrero  et  al.  2008;  Krueger  et  al.  2000).  According  to  the  theory,  intention  to  become  an  entrepreneur  is  a  result  of  dynamic  interactions  between  attitude  toward  entrepreneurship  (awareness  of  the  importance  and  positive  or  negative  value  of  a  new  venture  creation  and  its  consequences),  control  over  entrepreneurial  behaviour  (perceived  competencies  to  perform the tasks and roles of an entrepreneur and persistence in the face of problems) and subjective and  social norms (the value of entrepreneurship for significant people and the extent to which individuals comply  with the values). Entrepreneurial intention, therefore, takes shape through a cognitive process of evaluating  personal values and abilities as well as social support and resources that guides one’s motivation, emotions,  thoughts  and  behaviour  throughout  the  process  of  entrepreneurship  and  performing  entrepreneurial  tasks  (Liñán 2008; Ajzen 1991).     Unlike personal characteristics of entrepreneurs, entrepreneurial intention can be influenced and directed by  various  personal  and  environmental  factors  such  as  knowledge,  skills,  experiences  and  socioeconomic  assistants  and  barriers  (Souitaris  et  al.  2007).  Scholars  argue  that  students  require  a  great  sense  of  determination  and  persistence  to  decide  on  pursuing  an  entrepreneurial  career  (Fayolle  et  al.  2006).  Liñán  (2008) has recently developed and tested a model for university students’ entrepreneurial intentions in Spain.  The  model  highlights  personal  attraction  (attitude  toward  entrepreneurship)  and  perceived  control  over  entrepreneurial  tasks  as  the  most  significant  factors  influencing  university  students’  entrepreneurial  intentions.  The  model  also  indicates  the  influential  impact  of  entrepreneurial  skills  on  entrepreneurial  intention  through  their  effect  on  personal  attraction,  subjective  norms  and  perceived  behavioural  control.  Furthermore,  the  model  measures  valuation  and  support  of  students’  decision  to  become  entrepreneurs  by  both their close (family, friends and colleagues) and social (people in the community) environments. However,  the  researchers  failed  to  find  a  significant  relationship  between  social  valuation  of  entrepreneurship  and  students’  entrepreneurial  intentions  and  called  for  further  investigations  on  how  social  values  influence  students’ selection into entrepreneurship. Chen and He (2011) recently examined how valuation and support  of  the  family  and  friends  affect  Chinese  university  students’  entrepreneurial  intentions.  Although  value  and  support  of  entrepreneurship  by  the  close  environment  (family  and  friends)  significantly  affected  entrepreneurial  intention  through  its  impact  on  students’  perceptions  toward  their  abilities  to  perform  entrepreneurial tasks (entrepreneurial self‐efficacy), there was no direct relationship between the value and  support  of  entrepreneurship  in  the  social  environment  and  students’  entrepreneurial  intentions.  The  researchers  also  emphasized  the  urgent  need  for  further  investigations  on  how  these  factors  affect  entrepreneurial intentions of students. In response, this study adopted the students’ entrepreneurial intention  model  proposed  by  Liñán  (2008)  to  measure  the  factors  that  influence  Malaysian  university  students’  entrepreneurial intentions. 

3. Research hypotheses  The main purpose of this study was to examine the impact of four personal (personal attraction, control over  entrepreneurial  tasks,  entrepreneurial  skills  and  subjective  norms)  and  two  environmental  (valuation  of  entrepreneurship  by  the  close  environment  and  social  valuation  of  entrepreneurship)  factors  on  students’  entrepreneurial intentions. Personal attraction, control over behaviour and subjective norms play critical roles  in  shaping  students’  entrepreneurial  intentions  since  they  both  directly  and  indirectly  affect  their  entrepreneurial intentions. However, entrepreneurial skills and close and social valuation of entrepreneurship  have  indirect  relationships  with  entrepreneurial  intentions  through  their  impact  on  other  factors.  These  relationships are proposed in the following hypotheses:        Hypothesis 1a: Personal attraction will positively affect entrepreneurial intentions.     Hypothesis 1b: Personal attraction will positively affect control over behaviour.  

2

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  Hypothesis  2a:  Control  over  behaviour  will  have  a  positive  influence  on  entrepreneurial  intentions.  Hypothesis 2b: Control over behaviour will positively affect personal attraction.  Hypothesis 3a: Subjective norms will positively affect entrepreneurial intentions.  Hypothesis 3b: Subjective norms will positively affect control over behaviour.  Hypothesis 3c: Subjective norms will positively affect personal attraction.  Hypothesis 4a: Entrepreneurial skills will positively affect personal attraction.  Hypothesis 4b: Entrepreneurial skills will positively affect control over behaviour.  Hypothesis 4c: Entrepreneurial skills will positively affect subjective norms.  Hypothesis 5a: Close valuation of entrepreneurship will positively affect personal attraction.  Hypothesis 5b: Close valuation of entrepreneurship will positively affect control over behaviour.  Hypothesis 5c: Close valuation of entrepreneurship will positively affect subjective norms.  Hypothesis 6a: Social valuation of entrepreneurship will positively affect personal attraction.  Hypothesis 6b: Social valuation of entrepreneurship will positively affect control over behaviour.  Hypothesis 6c: Social valuation of entrepreneurship will positively affect subjective norms. 

4. Method  The  participants  were  722  Malaysian  students  enrolled  in  two  private  (n=  391,  54.2%)  and  three  public  (n=  331, 45.8%) universities during the 2011 to 2012 academic year. The majority of the students aged between 16  and  25  years  (76.9%).  Of  the  students,  377  (52.2%)  were  male  and  342  (47.4%)  were  female.  Most  of  the  students  were  pursuing  their  Bachelor  degrees  (n=  541,  74.9%).  The  students  had  different  educational  backgrounds:  agricultural  science  (n=  104,  14.4%),  information  technology  (n=  82,  11.4%),  accounting  and  finance (n= 41, 5.7%), and others (n= 495, 68.5%). Majority of the participants had no business experiences (n=  491, 68%) and had never taken an entrepreneurship course (n= 363, 50.3%).     We  utilized  the  Entrepreneurial  Intention  Questionnaire  (Liñán  2008)  to  measure  students’  entrepreneurial  intentions. The questionnaire contains 34 items measuring four dimensions of the theory of planed behaviour  (Ajzen 1991), including entrepreneurial intention (six items), personal attraction (five items), perceived control  over entrepreneurship (six items), and subjective norms (three items). Three items in the questionnaire also  measure the valuation and support of students’ entrepreneurial intentions by their close environment (family,  friends  and  colleagues)  and  five  items  measures  social  valuation  and  support  of  entrepreneurship  (by  the  people and the whole country). The questionnaire also measures specific skills required for managing a new  venture (opportunity recognition, creativity, problem solving, leadership and communication, innovation and  networking) by six items. Liñán (2008) reported high reliability and validity values for all of the constructs in  the  questionnaire  to  measure  entrepreneurial  intention  and  its  antecedents  among  university  students  in  Spain (all of the constructs scored a Cronbach's Alpha higher than 0.80). Students’ responses were scored on a  five‐point Likert type scale, with response options ranging from 1 (strongly disagree) to 5 (strongly agreed).     We conducted a confirmatory factor analysis (CFA) to test factor loadings of the individual items, convergent  and discriminate validity of the constructs and validity and reliability of the overall measurement model using  Structural  Equation  Modelling  (SEM).  SEM  has  been  applied  in  previous  studies  to  examine  students’  entrepreneurial intentions (Liñán and Chen 2009; Liñán 2008; Guerrero et al. 2008). Table 1 shows reliability  and validity statistics for the constructs of the questionnaire in this study. Of the six items measuring students’  entrepreneurial intentions, three were deleted (IN8, IN16, IN18) because their loadings were less than the 0.50  threshold  (Hair  et  al.  2010).  Three  items  from  personal  attraction  and  two  items  from  social  valuation  of  entrepreneurship  were  also  eliminated  due  to  their  low  loadings  to  the  factors.  Convergent  validity  of  each  factor  was  assessed  by  average  variance  extracted  (AVE).  All  of  the  constructs  scored  greater  than  the  0.50  threshold (Table 1). This indicates the items were valid to measure the factors. Analysis of the measurement  model  developed  with  the  remaining  items  implied  that  the  model  fits  the  data  well  because  all  of  the  2 goodness  of  fit  indices  were  higher  than  0.90  and  RMSEA  was  less  than  the  0.05  threshold  [x =479.197;  DF=188;  p=000;  GFI=.941;  AGFI=.921;  CFI=.957;  NFI=.931;  TLI=.947;  and  RMSEA=.046].  Analysis  of  the 

 

3

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  consistent  validity  of  the  factors  also  indicated  that  all  of  the  constructs  of  the  questionnaire  scored  an  acceptable level of Cronbach's Alpha (>0.50).    Table 1: Validity and reliability statistics for entrepreneurial intention scale  Constructs  Personal attraction  Control over behavior 

Subjective norms 

Closer valuation 

Social valuation 

Entrepreneurial skills 

Entrepreneurial intention 

Items  IN14  IN17  IN1  IN6  IN19  IN3  IN7  IN10  IN21  IN24  IN27  IN25  IN26  IN28  OP29  CR30  PS31  LC32  NP33  NC34  IN4  IN5  IN12 

Mean  3.97  3.64  3.62  3.44  3.60  3.73  3.69  3.71  3.36  3.40  3.46  3.33  3.46  3.39  3.60  3.65  3.70  3.67  3.54  3.54  3.75  3.44  3.49 

SD  0.77  0.87  0.76  0.82  0.67  0.73  0.79  0.75  0.75  0.73  0.67  0.72  0.75  0.78  0.98  0.94  0.90  0.96  0.94  0.97  0.73  0.82  0.90 

Factor loadings  0.73  0.66  0.69  0.91  0.60  0.74  0.83  0.74  0.68  0.71  0.62  0.67  0.86  0.66  0.75  0.75  0.78  0.72  0.68  0.64  0.83  0.90  0.58 

α  0.520 

AVE  0.70 

0.595 

0.56 

0.692 

0.77 

0.659 

0.67 

0.611 

0.73 

0.863 

0.72 

0.711 

0.77 

5. Results  To test the hypothesized relationships among the constructs and the extent to which each factor influences  entrepreneurial  intentions,  we  first  examined  the  direct  effects  of  the  six  constructs  on  entrepreneurial  intentions.  Personal  attraction  and  control  over  behaviour  positively  affected  students’  entrepreneurial  intentions  (β=.71,  C.R=  5.23,  p=.000;  β=.82,  C.R=  5.97,  p=.000  respectively).  Therefore,  H1a  and  H2a  that  hypothesized  positive  impact  of  personal  attraction  and  behavioural  control  on  entrepreneurial  intentions  were supported by the data (Table 2). The hypothesis about positive impact of personal attraction on control  over behaviour (H1b) was not supported by the data (β=.16, C.R= 1.25, p=.21). Control over behaviour also had  no  significant  influence  on  personal  attraction  (H2b)  because  (β  =.99,  C.R=  1.23,  p=.21).  Students’  perceived  behavioural  control  carried  the  weight  of  subjective  norms  to  entrepreneurial  intention  since  there  was  no  significant relationship between subjective norms and entrepreneurial intention (β= ‐.001, C.R= ‐.006, p=.995)  but the direct relationship between subjective norms and control over behaviour was significant and positive  (β=.64, C.R= 12.07, p=.000). Therefore, Ha3 was not confirmed but H3b was supported by the data. There was  also a positive and significant relationship between subjective norms and personal attractions as proposed by  H3c  (β=.70,  C.R=  11.59,  p=.000).  Entrepreneurial  skills  did  not  have  a  significant  direct  effect  on  entrepreneurial  intentions (β=‐.108, C.R= ‐2.95,  p=.008).  Furthermore, the  skills  had a  low  significant  impact  only on behavioural control (β=.181, C.R= 6.404, p=.000) and subjective norms (β=.246, C.R= 6.701, p=.000).  But the relationship between entrepreneurial skills and personal attraction was not significant (β=.075, C.R=  2.003,  p=.45).  Therefore,  H4a  that  hypothesized  a  positive  impact  of  entrepreneurial  skills  on  personal  attraction was not confirmed but H4b and H4c that proposed positive relationships between entrepreneurial  skills  and  control  over  behaviour  and  subjective  norms  were  supported  by  the  data.  The  direct  relationship  between close valuation of entrepreneurship and entrepreneurial intentions was not significant (β=‐.262, C.R=  ‐2.92,  p=.003).  Furthermore,  the  positive  contribution  of  close  valuation  of  entrepreneurship  to  personal  attraction  as  hypothesised  by  H5a  was  not  significant  (β=.135,  C.R=  2.85,  p=.004).  Close  valuation  of  entrepreneurship  had  also  no  significant  direct  impact  on  control  over  behaviour  (β=.081,  C.R=.37,  p=.71).  Therefore, H5b was not also supported. Tests of mediation effect between these variables was conducted and  the results indicated that close valuation of entrepreneurship fully mediated the relationship between social  valuation and subjective norms because the direct relationship between the constructs was not insignificant  (β=.179, C.R= 2.407, p=.016) but social valuation significantly influenced close valuation (β=.676, C.R= 11.192,  p=.000)  and  subjective  norms  (β=.392,  C.R=  4.995,  p=.000).  Therefore,  the  data  supported  H5c  but  did  not 

4

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  support  H6c  that  proposed  a  positive  effect  of  social  norms  on  subjective  norms.  H6a  and  H6b  that  hypothesized  positive  contributions  of  social  valuation  of  entrepreneurship  to  personal  attraction  and  behavioural control were not also confirmed (β=.032, C.R=.72, p=.46; β=.021, C.R=.47, p=.63 respectively).  Table 2: Summary of hypotheses test results  Hypothesis  H1a: Personal attraction will positively affect entrepreneurial intentions.  H1b: Personal attraction will positively affect control over behaviour.  H2a: Control over behaviour will have a positive influence on entrepreneurial  intentions.  H2b: Control over behaviour will positively affect personal attraction.  H3a: Subjective norms will positively affect entrepreneurial intentions.  H3b: Subjective norms will positively affect control over behaviour.  H3c: Subjective norms will positively affect personal attraction.  H4a: Entrepreneurial skills will positively affect personal attraction.  H4b: Entrepreneurial skills will positively affect control over behaviour.  H4c: Entrepreneurial skills will positively affect subjective norms.  H5a: Close valuation of entrepreneurship will positively affect personal  attraction.  H5b: Close valuation of entrepreneurship will positively affect control over  behaviour.  H5c: Close valuation of entrepreneurship will positively affect subjective norms.  H6a: Social valuation of entrepreneurship will positively affect personal  attraction.  H6b: Social valuation of entrepreneurship will positively affect control over  behaviour.  H6c: Social valuation of entrepreneurship will positively affect subjective norms. 

β  .71  .16  .82 

p  .000  .210  .000 

Accept/Reject  Accept  Reject  Accept 

.99  .‐00  .64  .70  .07  .18  .24  .13 

.210  .995  .000  .000  .450  .000  .000  .004 

Reject  Reject  Accept  Accept  Reject  Accept  Accept  Reject 

.08 

.710 

Reject 

.44  .03 

.000  .460 

Accept  Reject 

.02 

.630 

Reject 

.17 

.016 

Reject 

2

Figure  1  shows  the  structural  model  that  best  fitted  the  data  [x =467.354;  DF=200;  p=000;  GFI=.943;  AGFI=.928;  CFI=.961;  NFI=.933;  TLI=.954;  and  RMSEA=.043].  As  the  figure  shows,  personal  attraction  and  perceived  control  over  behaviour  contribute  76%  of  the  variance  in  students’  entrepreneurial  intentions  (personal  attraction  54%  and  control  over  behaviour  49%,  p=000).  Subjective  norms  and  its  antecedents  explain 58% of variance in control over behaviour. Social valuation has a substantial impact on close valuation  of  entrepreneurship  (68%,  p=000).  In  turn,  close  valuation  of  entrepreneurship  explains  a  substantial  proportion  of  the  variance  in  subjective  norms  (44%,  p=000).  This  indicates  that  social  valuation  of  entrepreneurship indirectly affects subjective norms through close valuation of entrepreneurship and thereby  influences students’ entrepreneurial intentions. Subjective norms also contributed 64% variance of students’  personal  attraction  toward  entrepreneurship.  The  specific  entrepreneurial  skills  measured  in  this  study  accounted  for  a  low  extent  of  subjective  norms  and  students’  perceived  behavioural  control  (28%  and  25%  respectively).  These  results  partially  confirmed  the  structural  model  for  students’  entrepreneurial  intention  proposed by Liñán (2008). These findings are discussed in the next section. 

6. Discussion  This  study  aimed  to  examine  the  factors  that  influence  Malaysian  university  students’  entrepreneurial  intentions.  Of  the  16  hypothesized  relationships  among  students’  entrepreneurial  intention  and  its  antecedents,  seven  were  accepted.  More  specifically,  personal  attraction  and  control  over  the  process  of  entrepreneurship  had  direct  and  positive  impact  on  entrepreneurial  intentions  and  entrepreneurial  skills,  subjective norms, close and social valuation of entrepreneurship had significant indirect contributions to the  formation  of  students’  entrepreneurial  intentions.  Our  results  emphasized  the  critical  role  that  personal  attraction  (attitude  toward  entrepreneurship)  and  control  over  entrepreneurship  play  in  shaping  students’  entrepreneurial  intentions  (Liñán  2008).  Therefore,  students’  decision  to  become  an  entrepreneur  is  more  affected  by  their  perceptions  toward  the  value  of  entrepreneurship  and  their  perceived  abilities  to  perform  entrepreneurial tasks. The higher effect of personal attraction on entrepreneurial intentions also confirms that  students’ decision to pursue an entrepreneurial career is highly determined by their desire and interest to do  so (Guerrero et al. 2008).        

 

5

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie 

Figure  1:  Structural  equation  model  with  standardized  regression  weights  for  students’  entrepreneurial  intentions  According  to  Liñán’s  (2008)  model  for  students’  entrepreneurial  intentions,  close  valuation  of  entrepreneurship has both direct and indirect relationships with entrepreneurial intention and social valuation  of entrepreneurship has an indirect impact on entrepreneurial intention through entrepreneurial skills. While,  our  findings  indicated  that  subjective  norms  and  valuation  of  entrepreneurship  in  the  social  and  close  environments create a system of valuation and support for students’ entrepreneurial intentions which highly  influences  their  attitude  toward  entrepreneurship  and  consequently  enhances  their  intentions  to  become  entrepreneurs.  This  supports  Shapero  and  Sokol’s  (1982:  83)  assertion  that  “social  and  cultural  factors  that  enter  into  the  formation  of  entrepreneurial  events  are  most  felt  through  the  formation  of  individual  value  systems”. The indirect relationship between subjective norms and entrepreneurial intentions through personal  attraction  highlights  the  key  role  that  individuals  play  in  evaluating  and  weighting  the  values  of  entrepreneurship in their social and close environments and their tendency to complying with them.     Subjective  norms  had  a  great  contribution  to  students’  perceived  control  over  behavior  (Liñán  2008).  Subjective  norms  also  highly  influenced  the  extent  to  which  students  considered  establishing  their  own  business  as  valuable  and  thereby  enhanced  their  entrepreneurial  intentions  (Liñán  2008;  Liñán  and  Santos  2007).  Additionally,  subjective  norms  were  affected  by  valuation  of  entrepreneurship  by  students’  family,  friends  and  colleagues.  In  other  word,  the  higher  these  significant  people  encouraged  and  supported  the  students  to  become  an  entrepreneur,  the  greater  they  valued  entrepreneurship  as  a  career  choice  and  perceived  themselves  as  capable  of  performing  entrepreneurial  tasks.  This  finding  supports  the  significant  impact  of  close  environment  on  students’  entrepreneurial  intentions  (Che  and  He  2011)  but  through  its  contribution  to  subjective  norms  and  perceived  control  over  behaviour.  Interestingly,  social  valuation  of  entrepreneurship  had  a  high  impact  on  constructing  the  valuation  of  entrepreneurship  in  students’  close  environment  and  thereby  the  extent  of  support  they  received  from  their  family,  friends  and  colleagues  to  realize  their  intention  to  establish  their  own  venture.  Our  findings  support  the  indirect  impact  of  social  valuation  of  entrepreneurship  on  students’  entrepreneurial  intention  (Liñán  2008),  however,  through  its  contribution  to  shape  the  valuation  and  support  of  entrepreneurship  in  the  close  environment.  It  also  emphasises  the  difference  in  the  path  through  which  social  valuation  of  entrepreneurship  affect  students’  entrepreneurial  intentions  across  cultures  (Che  and  He  2011;  Liñán  2008).  To  improve  students’  personal  attraction  towards  and  their  interest  in  entrepreneurship,  therefore,  there  should  be  a  strong  culture  of  entrepreneurship in the country, family and community which highly valuates and supports entrepreneurship.  Furthermore, there should be great reinforcing linkages between the values and support of entrepreneurship  in  the  family  and  the  social  environment  in  order  to  highly  encourage  students  to  establish  their  own  businesses.  

6

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  In  contrast  to  previous  research  findings  that  entrepreneurial  skills  have  a  high  significant  relationship  with  students’ entrepreneurial intentions through personal attraction, subjective norms and perceived behavioural  control  (Liñán  2008;  Chen  et  al.  1998),  we  found  a  negative  relationship  between  entrepreneurial  skills  and  students’ entrepreneurial intentions and a low significant impact of entrepreneurial skills on subjective norms  and  control  over  behaviour.  In  better  words,  the  more  Malaysian  students  learn  specific  entrepreneurship  skills,  the  less  they  intend  to  become  an  entrepreneur.  This  negative  relationship  can  be  a  reflection  of  students’ awareness of the complexities and challenges of performing entrepreneurial tasks as they learn the  skills.  It  can  also  indicate  that  entrepreneurship  education  was  not  effective  in  developing  such  skills  in  students (Ramayah and Zainon 2005). The negative and low relationships between the variables may also be  because  of  our  sample  which  includes  students  who  had  not  taken  entrepreneurship  courses  and  had  no  knowledge and experiences on specific entrepreneurial skills. They can also be due to inappropriateness of the  set of entrepreneurial skills measured in this study for university students. McGee et al. (2009) argue that an  instrument that measures the required skills for the process of establishing a new venture can better assess  students’ capability to perform entrepreneurial tasks. Therefore, a more reliable scale should be developed to  measure students’ entrepreneurial skills.                 

7. Conclusion   Based on the findings of this study, it can be concluded that intention to become an entrepreneur is a complex  and  personal  decision  that  is  highly  shaped  by  students’  attitudes  (attraction)  toward  entrepreneurship  and  perceived  behavioural  control.  However,  the  paths  in  which  students’ entrepreneurial  intentions  take  shape  may vary in different contexts. Social and close valuation of entrepreneurship create a mechanism of valuation  and support for Malaysian university students’ intentions to become entrepreneurs which highly affects their  attitudes toward entrepreneurship and their perceived ability to successfully perform the challenging tasks in  the process of entrepreneurship. Despite their great desire, perceived ability and intention to establish their  own  businesses,  university  students  in  Malaysia  do  not  perceive  themselves  as  capable  of  performing  the  specific  skills  of  managing  a  new  business.  Our  findings  have  several  implications  for  entrepreneurship  research  and  education.  First,  entrepreneurship  research  which  has  been  criticized  for  lacking  robust  theoretical  foundations  for  research  (Man  and  Yu  2007;  Fayolle  et  al.  2006)  can  use  the  theory  of  planned  behaviour as a theoretical framework. Second, students’ entrepreneurial intention questionnaire (Liñán 2008)  can be applied to measure students’ entrepreneurial intentions and its antecedents. However, there is still a  need  for  revising  some  of  the  items  of  the  questionnaire  due  to  their  low  loadings  to  the  constructs  and  developing  a  standardized  instrument  to  measure  students’  entrepreneurial  intentions.  Third,  the  entrepreneurial intention model emerging from this study can be applied to measure students’ intentions to  become  an  entrepreneur  in  other  contexts.  Furthermore,  the  high  contribution  of  social  valuation  of  entrepreneurship to the support students receive for their decision to become an entrepreneur in their close  environment  provides  a  better  understanding  of  how  values  and  supports  provided  for  entrepreneurs  and  entrepreneurial activities can enhance their intentions to establish new ventures. This may also assist policy  makers and educators to develop a strong culture and support system for entrepreneurship through offering  public  courses  and  training  and  removing  the  impediments  in  the  process  of  establishing  new  ventures  specifically by university students (Liñán 2008; Fuchs et al. 2008).     This  study  found  a  negative  relationship  between  entrepreneurial  skills  and  students’  entrepreneurial  intentions and limited impact of the skills on control over behaviour and subjective norms. This highlights the  necessity  and  importance  of  identifying  the  entrepreneurial  skills  that  improve  students’  entrepreneurial  intentions.  It  also  emphasises  the  urgent  need  for  providing  Malaysia  university  students  with  appropriate  learning opportunities such as experiential entrepreneurship learning activities in order to improve their skills  in  specific  tasks  of  entrepreneurs  (Cheng  et  al.  2009).  To  do  so,  educators  may  need  to  involve  students  in  business  plan  writing,  case  studies  and  running  a  small  new  business  (Fayolle  et  al.  2006;  Chen  et  al.  1998)  rather than stressing only on entrepreneurship theories and traditional methods of teaching entrepreneurship  (e.g., Trevelyan 2011; Pittaway and Cope 2007). Further qualitative research should be done to investigate why  acquiring  more  knowledge  and  skills  on  specific  tasks  of  entrepreneurs  negatively  affect  students’  entrepreneurial  intentions.  Furthermore,  future  research  can  be  conducted  with  a  sample  of  students  who  have  entrepreneurship  education  and  experiences  and  nascent  entrepreneurs  to  examine  if  education  and  experience  affect  entrepreneurial  intentions.  The  relationships  between  social  and  close  valuation  of  entrepreneurship, subjective norms and perceived control over behaviour have also great potential for further  investigations  in  other  contexts  than  Malaysia.  Finally,  the  differences  in  the  mechanisms  through  which 

 

7

  Afsaneh Bagheri and Zaidatol Akmaliah Lope Pihie  students’ entrepreneurial intention take shape across countries should be examined by researchers to explore  the impact of environmental and personal factors on the decision to become an entrepreneur.              

References   Ajzen, I. (1991) “The theory of planned behaviour”. Organizational Behaviour and Human Decision Processes, Vol 50, No. 2,  pp 179‐211.   Chen, Y. and He, Y. (2011) “The impact of strong ties on entrepreneurial intention: An empirical study based on the  mediating role of self‐efficacy”. Journal of Chinese Entrepreneurship, Vol 3, No. 2, pp 147 – 158.  Chen, C., Greene, P. and Crick, A. (1998) “Does entrepreneurial self‐efficacy distinguish entrepreneurs from managers?”  Journal of Business Venturing, Vol 13, pp 295‐316.  Cheng, M.Y., Chan, W.S., and Mahmood, A. (2009) “The effectiveness of entrepreneurship education in Malaysia”.  Education + Training, Vol 51, No. 7, pp 555‐566.   DeClercq, D., Benson, H., and Martin, B. (2012) “The roles of learning orientation and passion for work in the formation of  entrepreneurial intention”. International Small Business Journal, Vol 0, No. 0, pp 1–25.  Fayolle, A., Gailly, B. and Lassas‐Clerc, N. (2006) “Assessing the impact of entrepreneurship education programmes: a new  methodology”. Journal of European Industrial Training, Vol 30, No. 9, pp 701‐720.  Fitzsimmons, J.R. and Douglas, E.J. (2011) “Interaction between feasibility and desirability in the formation of  entrepreneurial intentions”. Journal of Business Venturing, Vol 26, No. 4, pp 431–440.  Fuchs, K., Werner, A. and Wallau, F. (2008)” Entrepreneurship education in Germany and Sweden: What role do different  school systems play?” Journal of Small Business and Enterprise Development, Vol 15, No. 2, pp 365‐381.  Guerrero, M., Rialp, J. and Urbano, D. (2008) “The impact of desirability and feasibility on entrepreneurialintentions: A  structural equation model”. International Entrepreneurship and Management Journal, Vol 4, pp 35–50.  Gu¨rol, Y. and Atsan, N. (2006) “Entrepreneurial characteristics amongst university students: Some insights for  entrepreneurship education and training in Turkey”. Education + Training, Vol 48, No. 1, pp 25‐38.  Hair, J.F., Black, W.C., Babin, B.J. and Anderson, R.E. (2010) Multivariate Data Analysis. 7th Edn., Pearson Prentice Hall,  United States of America.  Hansemark, O.C. (1998) “The effects of an entrepreneurship program on need for achievement and locus of control of  reinforcement”.  International Journal of Entrepreneurial Behaviour and Research, Vol 14, No. 1, pp 28‐50.  Krueger, N.F., Reilly, M.D. and Carsrud, A.L. (2000) “Competing models of entrepreneurial intentions”. Journal of Business  Venturing, Vol 15, pp 411–432.  Kuratko, D.F. (2005) “The emergence of entrepreneurship education: Development, trends, and challenges”.  Entrepreneurship Theory and Practice, Vol 29, No. 5, pp 577‐597.   Liñán, F., and Chen, Y.W. (2009) “Development and cross‐cultural application of a specific instrument to measure  entrepreneurial intentions”. Entrepreneurship Theory and Practice, Vol 33, No. 3, pp 593‐617.  Liñán, F. and Santos, F.J. (2007) “Does social capital affect entrepreneurial intentions?” International Advances in Economic  Research, Vol 13, No. 4, pp 443‐453.  Liñán, F. (2008) “Skill and value perceptions: how do they affect entrepreneurial intentions?” International  Entrepreneurship Management Journal, Vol 4, pp 257‐272.   Man, T.W.Y. and Yu, C.W.M. (2007) “Social interaction and adolescent’s learning in enterprise education: An empirical  study”. Education + Training, Vol 49, No. 8/9, pp 620‐633.  Mastura, J. and Abdul, R.A.A. (2008) “Entrepreneurship education in developing country, Exploration on its necessity in the  construction program”. Journal of Engineering, Design and Technology, Vol 6, No. 2, pp 178‐189.   Matlay, H. (2006) “Researching entrepreneurship and education Part 2: What is entrepreneurship education and does it  matter?” Education + Training, Vol 48, No. 8/9, pp 704‐718.  McClelland, D.C. (1961) The Achieving Society. NJ, Van Nostrand, Princeton.  McGee, J.E., Peterson, M., Mueller, S. and Sequeira, J. (2009) “Entrepreneurial self‐efficacy: Refining the measure”.  Entrepreneurship: Theory & Practice, Vol 33, No. 4, pp 965‐988.  Ramayah, T. and Zainon, H. (2005) “Entrepreneurial intention among the students of Universiti Sains Malaysia (USM)”.  International Journal of Management and Entrepreneurship, Vol 1, No. 1, pp 8‐20.  Pittaway, L. and Cope, J. (2007) “Entrepreneurship education: A systematic review of the evidence”. International Small  Business Journal, Vol 25, No. 5, pp 479–510.  Shapero, A. and Sokol, L. (1982) Social dimensions of entrepreneurship. In C. A. Kent, D. L. Sexton, &K. H. Vesper (Eds.)  Encyclopedia of entrepreneurship. Englewood Cliffs (NJ), Prentice Hall.  Souitaris, V., Zerbinati, S. and Al‐Laham, A. (2007) “Do entrepreneurship programmes raise entrepreneurial intention of  science and engineering students? The effect of learning, inspiration and resources”. Journal of Business Venturing,  Vol 22, pp 566–591.   Trevelyan, R. (2011) “Self‐regulation and effort in entrepreneurial tasks”. International Journal of Entrepreneurial  Behaviour & Research, Vol 17, No. 1, pp 39 – 63.   Wu, S. and Wu, L. (2008) “The impact of higher education on entrepreneurial intentions of university students in China”.  Journal of Small Business and Enterprise Development, Vol 15, No. 4, pp 752‐774.  Zhao, H., Seibert, S.E. and Hills, G.E. (2005) “The mediating role of self‐efficacy in the development of entrepreneurial  intentions”. Journal of Applied Psychology, Vol 90, No. 6, pp 1265–1272. 

8

Re‐Engaging Learners With Strategic Teaching Approaches to  Entrepreneur Learning in Higher Education  Bob Barrett  American Public University, Charles Town, USA  [email protected]    Abstract: Traditionally, universities have approached the areas of entrepreneurship as a part of their course offerings, but  with little emphasis on its value as a component of its various business programs However, during the past decade, there  has been a resurgence of emphasis on the areas of entrepreneurship, as well as the innovation that may be connected to  new  business  engagements  by individuals.  As a  result,  more  higher  education  institutions  are  seeing a  need  for  growing  this  component  of  their  business  program,  as  well  as  re‐engaging  their  learners  to  become  more  interested  in  the  possibility of becoming their own boss and creating an entity that will have not only value to themselves, but also to the  free market. A common theme that we are starting to see in today’s workplace is the search for meaning in the context of  work  in  terms  of  finding  meaning  in  what  one  does  with  their  skills,  knowledge,  and  abilities  in  the  pursuit  of  gaining  a  salary, but enjoying what one does. On the other side of the spectrum, some universities have been offering alternatives to  their  credit‐awarding  courses  through  the  use  of  incubator  programs.  While  some  members  of  higher  education  institutions have offered some form of incubator programs for entrepreneurship, such as the Virtual Incubation Network.  This network is a grant‐funded initiative that is under the leadership of the American Association of Community Colleges  and  11  community  colleges.  This  network’s  aim  is  to  try  new  mechanisms  to  support  businesses  and  technological  processes.  With  this  approach  consider,  this  leads  to  question  whether  or  not  online  learning  programs,  on  the  higher  education level, can offer some type of technological support for instructors to “re‐think” and “re‐imagine” their teaching  strategies and approaches with entrepreneur learning? In particular, this paper will focus on how technological changes in  the learning process can help instructors to “re‐imagine” how changes in their teaching strategies can help re‐engage the  learner and perhaps start a new “renaissance” for the business field’s impact on entrepreneur learning.    Keywords: Entrepreneurship, innovation, incubator programs, online learning, virtual business 

1. Introduction  According  to  Sobel  (2008),  “entrepreneur  is  someone  who  organizes,  manages,  and  assumes  the  risks  of  a  business or enterprise. An entrepreneur is an agent of change. Entrepreneurship is the process of discovering  new ways of combining resources. When the market value generated by this new combination of resources is  greater  than  the  market  value  these  resources  can  generate  elsewhere  individually  or  in  some  other  combination, the entrepreneur makes a profit.” (para. 1). While many people immigrated to America in search  of their dreams and hopes of a good life for themselves and their families, they also wanted to started their  own  business  and  become  their  own  boss.  Prior  to  this  growing  exodus  of  people  sailing  to  a  new  country,  many families were sold into or talked into of apprenticeships, servant roles, and/or working for others and  not  acquainted  with  the  mechanics  of  becoming  their  own  boss.  Again,  the  hopes  of  a  new  way  of  doing  business and making a living were given some additional opportunities, but still limited in scope. While there  was a growing interest in becoming one’s own boss, many could not afford such a change in their livelihoods  or even contemplating breaking away from their own mundane and “constricted” lives. However, while many  were  craftsmen  and  only  the  rich  were  educated,  there  was  a  growing  need  for  equalization  of  the  wealth  among  the  various  members  of  society;  whereas,  the  rich  wanted  to  enjoy  their  given  status  and  prevent  others from entering into their way of life.     As Adam Smith (1776), noted in his Wealth of Nations, "[Thus,] every individual necessarily labours to render  the  annual  revenue  of  the  society  as  great  as  he  can.  He  generally,  indeed,  neither  intends  to  promote  the  public  interest,  nor  knows  how  much  he  is  promoting  it.  …  By  pursuing  his  own  interest  he  frequently  promotes that of the society more effectually than when he really intends to promote it.” (Blatt, 2003). Thus,  Smith’s focus was that the person may be focused more on what a person could offer to society, in terms of  entrepreneurship rather than just the profit. For the purposes of this paper, we will focus on entrepreneurship  as being, “One’s ability to create something that has meaning for the creator, other members of society, and  business  in  general.  Further,  such  business  endeavors  is  unique  and  self‐serving  for  one’s  search  for  meaningful work and achievement of one’s goals, as well as contributing to the needs of the current market  and society.” (Blatt, 2003). Moving forward in this paper with this definition in mind, this paper will explore  how academia can work with the business world to offer meaningful and stimulating educational experiences  in  meeting  the  needs  of  current  and  future  entrepreneurs.  While  not  all  courses  can  be  the  one‐size‐fits‐all 

9

  Bob Barrett  category, there is a growing need for academia to wake up and listen to the current needs of the marketplace,  as  well  as  the  needs  of  today’s  adult  learner.  In  particular,  this  can  further  examined  in  the  context  of  how  adult learners are perceived today’s educational offerings in terms of whether they meet their current needs  and  capture  their  current  needs  to  learn  and  grow.  In  the  next  sections,  the  paper  will  look  at  the  current  approaches  by  Higher  Education  in  terms  of  entrepreneur  courses  and  what  are  the  current  needs  and  expectations by the marketplace in terms of entrepreneurs and their future. 

2. Current entrepreneur approaches in higher education  Traditionally, universities have approached the areas of entrepreneurship as a part of their course offerings,  but with little emphasis on its value as a component of its various business programs However, during the past  decade, there has been a resurgence of emphasis on the areas of entrepreneurship, as well as the innovation  that  may  be  connected  to  new  business  engagements  by  individuals.  As  a  result,  more  higher  education  institutions  are  seeing  a need  for  growing this  component  of  their  business  program,  as  well  as  re‐engaging  their learners to become more interested in the possibility of becoming their own boss and creating an entity  that will have not only value to themselves, but also to the free market. Thus, the question of how does Higher  Education know what does the business world need or want from their students and future graduates in terms  of business knowledge, skills, and experiences?    One way that Higher Education is starting to rethink their entrepreneur courses and programs is to revamp, or  rather  rethink,  their  courses  in  this  area.  Below  are  10  of  the  top  best  entrepreneurship  courses  ranked  in  2011 by Buchanan, editor‐at‐large for Inc. magazine.  ƒ

Best Courses 2011: Founders' Dilemmas at Harvard Business School 

ƒ

Best Courses 2011: Technology Venturing at Ohio State 

ƒ

Best Courses 2011: Foundations of Managing and Entrepreneurship at Babson College 

ƒ

Best Courses 2011: Mayfield Fellows at Stanford University 

ƒ

Best Courses 2011: Entrepreneurial Selling at the University of Chicago 

ƒ

Best Courses 2011: The Launch Pad at the University of Miami 

ƒ

Best  Courses  2011:  Sustainable  Product  and  Market  Development  for  Subsistence  Marketplaces  at  the  University of Illinois 

ƒ

Best Courses 2011: New Ventures at Willamette University 

ƒ

Best Courses 2011: NUvention at Northwestern University 

ƒ

Best Courses 2011: Entrepreneurship Bootcamp for Veterans with Disabilities (Buchanan, 2011). 

While the above “best courses” are only samples of the plethora of courses appearing across multiple plains of  the Internet, this has caused many educational institutions to rethink their role and function to not only their  immediate  stakeholders,  but  they  are  reaching  out  to  other  external  stakeholders.  Thus,  another  way  that  Higher Education continues to connect with the business world is through the use of research. This research is  comprised of survey instruments and human interaction. For example, colleges and universities may engage  members of the business community through the use of various research survey instruments to collect data on  their  perceived  business  needs  and  wants.  Thus,  many  business  departments  in  Higher  Education  engage  members  of  the  business  community  by  inviting  them  to  serve  on  Industry  Advisory  Councils  (IACs)  or  Curriculum  Advisory  Committees  (CACs)  (APUS,  2013).  These  types  of  engagements  helps  to  connect  both  business and academia, as well as providing a vehicle for better communication of needs, as well as opening  up the possibilities for future practicums, internship, and potential job opportunities. Now, let us demonstrate  how both of these types of networking and consensus‐building committees/councils can help to re‐engage the  learner. Both of these membership activities can help to strengthen the bonds between higher education and  business, but yet they can also invite some current and past students to become part of their mission to learn  more  about  each  other  and  plan  for  the  future.  Initially,  many  of  these  committees  may  want  to  achieve  a  healthy balance between business professionals, academics, as well as students to demonstrate the need for  each other’s participation and engage them into this necessary, but yet constructive way to view the current  approaches  to  learning  and  future  educational  challenges  and  adaptations/modifications  to  the  given  curriculum.  While  there  may  not  be  a  full  consensus  in  all  points  of  the  mission  for  these  two  groups,  it  becomes evident during the process that there is a perceived need for their participation and communication 

10

  Bob Barrett  of their thoughts on perceived needs and wants. In the next section, we will examine what entrepreneurship  means in today’s marketplace and what business and higher education may expect and need to continue the  entrepreneur spirit in today’s market.  

3. Entrepreneurship in the marketplace  The marketplace of today is much different from that of the times described by Adam Smith. Conceptually, has  the  spirit  and  drive  of  entrepreneurs  really  changed  over  the  past  several  centuries  or  not?  Do  we  see  a  continuation of new businesses, products, and services continue to be market across the United States, as well  as the world? Of course, the answer to this question is yes. In fact, there is a stronger need today to go global  than ever before, due to the explosion of newer technology – especially with the use of the Internet. However,  what  happens  when  business  creators  and  owners  are  limited  in  their  knowledge  of  newer  technology,  business principles, and best practices? Simply, this means that their likelihood of success may be limited, as  well  as  their  ability  to  sustain  business  during  the  first  year.  According  to  the  Small  Business  Administration  (SBA),  most  first‐year  businesses  have  troubles  and  may  have  high  turnover  rates  (SBA,  2011).  Further,  the  Census Bureau of the U.S. Department of Commerce estimated that “552,600 new employer firms opened for  business in 2009, and 660,900 firms closed. This amounts to an annual turnover of about 10 percent.” (SBA,  2011,  para.  6).  This  leads  to  the  bigger  questions  in  terms  of  the  survival  rate  for  new  business,  firms,  and  entrepreneurial attempts. According the Census Bureau (2011) “seven out of ten new employer firms survive  at least 2 years, half at least 5 years, a third at least 10 years, and a quarter stay in business 1 years of more.”  (para. 7).  

4. Higher education and entrepreneurship in the marketplace  As a result of the research projects conducted by the Federal Government and Higher Education, one of the  key  projects  stemming  from  their  various  relationships  and  network  is  the  of  incubation  projects,  or  rather  incubation networks. While higher education may not be needs of all adult learners, this type of project helps  to  bridge  a  gap  between  those  learners,  business,  and  academia.  As  a  result,  some  universities  have  been  offering  alternatives  to  their  credit‐awarding  courses  through  the  use  of  incubator  programs.  While  some  members  of  higher  education  institutions  have  offered  some  form  of  incubator  programs  for  entrepreneurship,  such  as  the  Virtual  Incubation  Network.  This  network  is  a  grant‐funded  initiative  that  is  under  the  leadership  of  the  American  Association  of  Community  Colleges  and  11  community  colleges.  Their  aim  is  to  help  "test‐drive”  new  delivery  mechanisms  that  include  support  provided  at  the  business  site  and  hybrid  in‐person  and  technology  processes.”  (NACCE,  2013).  With  this  approach  consider,  this  leads  to  question  whether  or  not  online  learning  programs,  on  the  higher  education  level,  can  offer  some  type  of  technological support for instructors to “re‐think” and “re‐imagine” their teaching strategies and approaches  with entrepreneur learning? Whereas, not all incubation projects may be possible due to many factors, such as  limited  funding,  personnel,  networking  opportunities  and/or  community  needs,  there  are  other  approaches  that  colleges  and  universities  may  focus  on  to  gain  some  portion  of  this  type  of  learning  activity,  but  on  a  smaller scale and yet achievable by students enrolled in academic courses.     A key approach to any business or organization today is the practices in which they follow or incorporate from  others.  These  practices  may  depend  upon  a  variety  of  circumstances,  and  they  may  be  impacted  by  certain  data controllers or keepers of the gate. These practices are viewed as the end product of complex reasoning  processes.  When  organizations  plan  and  strategize  for  goals  and  values,  they  consider  those  contextual  conditions  involved  in  the  decision‐making  process.  In  terms  of  these  contextual  conditions,  they  should  be  considered as one examines and explores the given problem(s) that may be affecting an organization calls for a  change  to  be  made.  The  researcher  should  look  at  the  problem’s  structure  and  its  constraints  in  order  to  determine  the  difference  between  espoused  constraints  and  theory‐in‐use  constraints  (Argyris,  Putnam,  &  McLain,  1985).  Thus,  the  reasons  given  by  organizational  members  as  explanations  of  their  own  or  others’  practices  and  policies  are  espoused  constraints.  What  practitioners  actually  are  involved  in  and  used  are  theory‐in‐use constraints. If practices are self‐reported, it may be hard to understand for some people in terms  of the differences between reported (espoused) and actual (theory‐in‐use) constraints, which requires further  investigation and analysis to determine the differences between the two (Robinson, 1997).     Therefore,  the  use  of  a  case  study  to  describe  best  practices  would  help  the  reader  to  understand  the  differences  and  perhaps  provide  an  account  of  the  congruency  of  these  two  types  of  constraints.  Further,  there is a need to understand what an organization considers “meeting needs” as opposed to their concept of 

11

  Bob Barrett  “needs”  in  the  context  of  development  of  best  practices.  As  a  result,  many  people  tend  to  stick  with  the  current practices in industry, whereas, others are risk takers and may want to venture into different areas of  discovery.  This  could  be  said  to  be  true  of  the  online  learning  environments,  whereas,  some  colleges  and  universities  finally  say  the  meaningful  change  in  some  students  who  could  focus  on  their  education,  rather  than worry about how they could rearrange their family and work lives to attend a class in a physical learning  environment  sense.  Also,  the  online  learning  model  for  many  academic  institutions  tends  to  follow  the  previously discussed “learner‐centered” approach, because they, too, believe in the guiding principles set forth  by Knowles adults are self‐directed in their learning and have previous learning experiences.  

5. Re‐think, re‐imagine, re‐engage and re‐evaluation of entrepreneur needs and wants in  business and education  When students enroll in various types of entrepreneurship courses, they expect to gain both academic credit,  as well as meaningful knowledge to apply to their current or future endeavors. However, some adult learners  know that they must put a certain level of participation in a course in order to gain the best possible learning  experience.  As  such,  certain  types  of  learning  experiences  not  only  measure  an  adult  learner’s  content  knowledge and ability to apply one’s knowledge, but it also can be used as an early predictor to see if one has  the drive or interest in entrepreneur endeavors. Thus, this leads the paper’s focus into yet another avenue of  discovery to determine why we need to “re‐think, re‐image, and re‐evaluate” entrepreneur needs and wants  in  both  the  areas  of  business  and  education.  The  following  sections  will  provide  an  overview  of  how  these  three components are important for one to understand both the business and education’ business side, as well  as  understanding  why  more  needs  to  be  done  to  actively  engage  today’s  adult  learner.  Barrett  (2013)  proposed that educators need to: 1) Re‐think; 2) Re‐imagine; and 3) Re‐evaluate when they look at learning  process in terms of adult learning. During this process of learning at how we education, construct the learning  process, and consider the purpose of why adults learners seek additional education, Barrett (2013) noted that  there  is  a  growing  area  of  interest  in  today’s  employee/adult  learner  trying  to  find  meaning  in  one’s  work.  Thus,  this  leads  us  to  the  next  segment  of discovery  in  the  field  of  today’s  entrepreneur  in  terms  of  finding  meaning in one’s work and then finding future satisfaction. 

6. Finding meaning in one’s work and yet growing more  What seems to be a growing factor for many people in considering the entrepreneur approach may be due to  the rising question of several leading writers in the business literature in the context of the meaning of work  (Chalofsky, 2010) and finding meaning in what one does with their skills, knowledge, and abilities in the pursuit  of gaining a salary, but enjoying what one does. The key question asked by many people who have been laid  off,  terminated,  or  reaching a  mid‐life  crisis  point  is  “what  is  the  meaning  of  work?” Further,  educators  and  members of higher‐education have to consider several questions that might be facing our current and future  workforces. These questions might be:  ƒ

What importance does the meaning of work have with today’s post‐Baby Boomers?  

ƒ

Why does this new generation of workers want and expect more than their predecessors? 

ƒ

Can one achieve a different way of earning a living, but yet achieve a healthy meaning of work? 

ƒ

Finally,  can  creating  new  entrepreneur  endeavors  actually  turn  around  the  economy  and  provide  an  answer to certain populations who have faced barriers in the workplace previously, such as persons with  disabilities?  

With above questions considered, educators are starting to see a need in changes in the way we educate and  create the learning environment. Therefore learning has to change in order to meet the challenges of the adult  learning,  especially  potential  new  entrepreneurs  seeking  more  education  before  they  start  their  entrepreneurial  endeavors.  The  following  section  will  outline  a  new  approach  that  address  a  change  in  the  learning model for adult learners.  

7. Introduction of virtual change learning model (VCLM)  During  the  past  several  centuries,  the  learning  process  was  slow  in  changing.  Most  academic  institutions  followed the Socratic approach to teaching.    However, the approach to adult learning has changed as a result for a need to move away from the traditional  way of teaching and to focus more on the learner. Since we might have to look outside of the real of Kuhn’s 

12

  Bob Barrett  proposition of a paradigm shift, but in essence, we need to rethink our approach to education in terms of the  learning  process  (Kuhn,  1970).  Thus,  some  educators  may  not  be  willing  to  attempt  a  paradigm  shift  at  this  time.  Nonetheless,  it  may  only  necessitate a  potential  testing  of  a new model  to  test and  evaluate whether  there is a need for some change at this given time and place in education.  

(Barrett, 2013)  Figure 1: Virtual change learning model (VLCM)  Let us explore the above three elements of the VCLM in more detail to better understand them and why the  need for additional change in educational instruction.    Relevance    Today’s  learning  courses  may  only  focus  on  the  learning  objectives  set  forth  in  the  course  syllabus  and  program curriculum. This “given” structure may tend to overlook if the material can show value as to why the  student  needs  to  take  the  course.  Also,  the  given  prescribed  learning  activities  might  function  well  in  the  traditional classroom setting, but it may lack in the learner’s ability to tie together different areas of learning in  terms of their current learning needs, as well as the learning perceived as part of the overall program intention  and/or goals.    Proposed  Solution:  Higher  education  instructors  may  want  to  look  beyond  the  textbooks  and  seek  current  events (global and domestic) that might help them to rethink and re‐evaluate how they present material. For  example, what would the educator do if they were a student again and was learning the material? Thus, would  they consider the current teaching tools useful or not? Another solution would be to team up with one of their  peers  to  have  each  other  peer‐reviewed  (evaluate)  the  specific  course  in  terms  of  the  learning  objectives,  learning activities, and types of learning strategies and methods used in presenting the material.     Reality    Some  courses  may  tend  to  be  more  useful  in  the  real  world,  and  students  might  be  more  attentive  and  participatory in the classroom’s discussions and activities. Nonetheless when students take courses that do not  show or involve any linkages to the real world and the career intentions of the students, this can be another  factor that prevents “real learning” and cause a drop in student participation, interest, and course grades.    Proposed Solution: In today’s troublesome economic times, some instructors are losing their full‐time teaching  jobs.  Thus,  they  are  facing  a  new  world  and  perhaps  trying  new  things  to  supplement  their  income.  Now,  consider  this  possibility.  What  if  they  found  a  job  teaching  online  the  same  course  material,  but  they  are 

13

  Bob Barrett  required  to  offer  it  in  a  different  approach?  Could  their  course  compete  with  other  online  schools  or  organization? Basically, do they offer a dynamic course that would not only attract an initial set of learners, but  one  that  might  cause  the  current  students  to  highly  recommend  it  to  other  potential  students?  Some  “tenured” professors have been so set in their own way of teaching that they still use the same coffee‐stained,  20‐year notes that they have been using over and over. Is this really true teaching? Can learning really occur if  the notes and methods are 20 years old? The simple answer is no.     Re‐Use    In this final segment of the VCLM, we have to question whether the content knowledge could be presented in  such a way so that the student can re‐use it in current or future settings? If not, the rate of retention and use  of  such  information  may  be  meaningful  or  of  no  value  to  the  student.  Basically,  does  the  course  offer  applicable projects that made the student apply the content knowledge in a meaningful learning activity that  might  ensure  the  accomplishment  of  the  learning  objective,  as  well  as  show  value  to  the  student  for  the  learning of such content knowledge and the utility of the learning activity?    Proposed  Solution:  The  proof  is  whether  the  learner  can  see  the  meaning  or  value  of  learning  the  course  material and how it can help them now and in the future. Not all courses will have this intended effect – but  not all instructors strive for this effect. Thus, this leads to the next question for discovery – why change any  type of learning and offer a new model. After the previous discussion of the failure rates of new businesses, it  is  apparent  that  educators  need  to  be  more  proactive  and  offer  courses/programs  that  enable  these  new  entrepreneurs with better tools, skills, and strategies.  

8. VCLM and entrepreneur educational approaches  During  our  discussion  of  the  new  learning  model,  namely,  VCLM,  we  need  to  consider  if  it  can  be  useful  in  terms  of  entrepreneurial  education  and  help  instructors  to  replace  traditional  teaching  methods  and  “re‐ engage”  today’s  adult  learner.  In  particular  the  key  disadvantage  of  these  previous  instructional  methods,  strategies, and approaches to learning has been the loss of student engagement. In fact, some students have  been “turned off” with these traditional educational tools. One needs to consider the following question. What  then happens is the loss of revenue when a workforce is not fully participatory and/or cannot obtain work due  to the lack of proper education and training? Second, we have to think about what is the employer looking for  in today’s workforce?     In ZOOM (2002), it noted that Barbara Smith (2000), chief learning officer for Burson‐Marsteller, stated that “If  we don’t have the best people creating the best product, we can’t compete. What I’m after is creating the best  people  in  the  industry.  E‐learning  is  an  option  that  provides  us  with  real  competitive  edge  –  it  helps  us  maximize our intellectual capital” (Zoom, 2002). However, not all employees see this as a positive move, nor  do  adult  learners  when  their  educational  institutions  make  a  similar  move.  However,  Smith  (2000)  further  noted that "All employees see it and are aware of the company's mission and goals. There are also different  skills assessment tests online, which let them see where they are in their development." (Zoom, 2002). As a  result, employers are looking for more in today’s workforce, but the current and future workforces may not be  fully prepared for such employment requirements. While it may be idealistic for academics to keep updated  with employer’s needs and requirements, this does not always happen in the world of academic. In any event,  perhaps  if  higher  education  would  take  a  different  approach  and  utilize  the  new  “perspectives  and  focus”  offered  with  VCLM,  they  might  be  able  to  offer  a  different  approach  to  adult  learning  and  gain  even  more  attention,  participation,  and  buy  in  from  more  learners.  When  learners  see  actual  changes  done  by  the  educational community in terms of focusing more on the “learner” and less on “tradition”, they can see more  value and concern for them. Thus, this also triggers another event, more learners will spread the word of what  they see as a good change and value for them as learners and their investment. Thus, we need to look at the  final part of the puzzle, how can we evaluate such a model? 

9. Entrepreneur projects and innovation  Instead of typical term and research papers, many university curriculums are moving from a teacher‐centered  approach  of  teaching  and  learning  to  a  more  modern  approach,  known  as  student‐centered  approach.  Consequently, there are several different learning approaches to teaching business courses in which to engage  the  learner  in  either  the  Face‐to‐Face  (F2F)  or  virtual  (online)  learning  environments.  Some  of  these 

14

  Bob Barrett  approaches  are  simulations,  comprehensive  projects/electronic  portfolios,  practicums,  and/or  internships.  Here is a quick overview of  these various learning activities to measure the learner’s content knowledge, as  well as their ability to apply their learning and skills as such. These learning activities may range from one to  several  semesters,  but  in  general,  they  are  normal  expected  to  be  completed  within  one’s  enrolled  (single)  term. However, in some educational institutions, they may require multiple uses of these learning activities to  prepare the student for future entrepreneur endeavors and/or provide an opportunity for them to gain first‐ hand  experience  in  the  process  in  a  real  world  setting.  Some  of  the  practical  applications  are  simulations,  comprehensive projects, electronic portfolios (e‐Portfolios), and practicums.  

10. Conclusion  While  not  all  entrepreneur  endeavors,  like  all  new  business  ventures,  will  endure  the  first  year  of  their  existence, those entrepreneurs who seek additional training, education, and/or professional help may obtain a  higher likelihood of achievement as a result of their drive for success. On the other hand, both business and  higher educational professionals can play a major role in the success of these new entrepreneurs by helping  them  to  re‐engage  in  terms  of  learning  and  become  lifelong  learners  throughout  the  course  of  their  entrepreneur pursuits. As a general overview of this paper’s findings in the workplace and research, here are  some suggestions for new entrepreneurs.  ƒ

 Research  and  determine  if  your  intended  entrepreneur  pursuit  has  meaning  for  both  you,  as  well  as  fulfilling a need for others in order to sustain such a new business venture. 

ƒ

Network  with  others  who  have  similar  business  interests  and/or  have  had  success  in  your  field  and  pursued their own dream to become their own boss. 

ƒ

Do  not  limit  your  possibilities  and  opportunities  to  one  concentration  or  overall  focus,  but  be  open  to  expand into other areas and industries as a chance to challenge oneself and become a forward thinker. 

ƒ

Strive for meaning and enjoyment in one’s work pursuits, but yet keep in mind that successful businesses  survive  the  first  year  of  operation  if  they  focus  on  the  overall  business,  operations, and  future  planning  and forecasting. 

Whether  one  intends  to  open  a  business  or  join  another  in  an  entrepreneur  venture,  the  key  to  success  is  constant learning and interaction with others.  

References  American Public University System (APUS) (2013). Industry Advisory Comittees (IAC). Charles Town, WV.  Argyris, C., Putnam, R., & McLain Smith, D. (1985). Action Science. San Francisco: Jossey‐Bass.  Barrett, B. (2013). Reconfiguring E‐Learning: Phasing Out Rote for Reality. EduLearn 2013 Conference, Valencia, Spain.  Blatt, D. (July 1, 2003). The Wealth of Nations and Adam Smith. FUTURECASTS, online magazine. Vol. 5(7). Retrieved  http://www.futurecasts.com/Smith,%20Wealth%20of%20Nations%20(I).htm.   Buchanan, L., (April, 2011). Inc. The 10 Best Entrepreneurship Courses of 2011.  Chalofsky, N. (2010). Meaningful Workplaces: Reframing How and Where we Work. San Francisco. CA: Jossey‐Bass.  Kuhn, T. (1970). The structure of scientific revolutions (ed.).   National Association for Community College Entrepreneurship (NACCE), (2013). The Virtual Incubation Network Toolkit.  Retrieved from http://www.nacce.com/?VINFAQ.   Robinson, V.M.J. (1997). Methodology and the Research‐Practice Gap. Educational Researcher, 27(1), 17‐26.  Small Business Administration (SBA) (January 2011). Frequently asked questions: Advocacy: the voice of small business in  government. Retrieved from http://www.sba.gov/sites/default/files/sbfaq.pdf.   Sobel, R.S. (2008). “Entrepreneurship.” The Concise Encyclopedia of Economics. Library of Economics and Liberty. Liberty  Fund, Inc.   ZOOM Information, Inc. (April 11, 2002). Online learning: The competitive edge. Retrieved Nov. 11, 2012 from  http://www.zoominfo.com/CachedPage/?archive_id=0&page_id=277419546&page  _url=//www.collegedegreeguide.com/articles/compedge.htm&page_last_updated=2002‐04‐ 11T09:51:18&firstName=Barbara&lastName=Smith. 

15

A Model to Study the Influence of Team Psychological Safety and  Team Learning on Team Knowledge Creation  Peter Cauwelier1, Vincent Ribière2 and Alex Bennet2  1 Bangkok University, Bangkok, Thailand  2 IKI‐SEA, School of Business, Bangkok, Thailand  [email protected]  [email protected]  [email protected]    Abstract: Studies have shown that team psychological safety has a positive impact on team learning behaviors (Edmondson,  1999). Team learning behaviors are identified as asking questions, giving feedback or looking for help, and the extent to  which team members engage in these behaviors depends on the psychological safety they perceive in the team. Although  the  statement  “learning  leads  to  knowledge  creation”  could  be  considered  as  universally  accepted,  very  little  research  operationalizes  the  link  between  learning  and  knowledge  creation  in  a  team  setting.  This  research  postulates  that  the  learning behaviors allow team members to reflect on their understanding of the task, develop their mental models (task–  and team–related), and increase the similarity in their mental models, therefore strengthening the shared mental model.  Team  mental  models  represent  team  knowledge,  and  knowledge  created  from  a  shared  experience  allows  a  team  to  address  a  future  challenge  more  effectively.  This  paper  presents  a  literature  review  about  the  factors  influencing  team  knowledge creation and team learning, and, as a result, proposes a model that links team psychological safety and team  learning with team knowledge creation.     Keywords: team knowledge creation, team learning, team psychological safety, team mental models 

1. Introduction  Knowledge has become the key asset in organizations’, institutions’ and nations’ competitive advantage (OECD,  1996). The knowledge economy is driven by knowledge intangibles rather than physical resources, and since  Peter Drucker coined the term “knowledge worker” in 1964, know‐how, company culture and reputation have  become value creators for organizations (Kim, 2002). Knowledge‐based assets are social in nature (Kim, 2002),  difficult to copy, and therefore offer a better potential for long‐term competitive advantage.     Learning  in  an  organizational  context  has  been  developed  by  several  researchers,  and  Peter  Senge  (1994)  popularized the Learning Organization concept. For an organization to deal with tomorrow’s issues, it has to  increase its capability to learn. The organization learns from its experiences, and uses this knowledge to adapt  to  the  changes  in  its  environment.  Peter  Senge  describes  team  learning  as  one  of  the  five  elements  of  the  learning  organization.  Team  learning  is  a  resource  for  the  organization  in  maintaining  high  levels  of  competitiveness in its complex and changing environment (Breso et al., 2008).     Learning is creating the human capacity to take effective action in varied and uncertain situations, and leads to  the creation of knowledge (Bennet, 2012). If an organization can develop effective approaches to learning, it  will create the knowledge that allows it to deal with tomorrow’s challenges: learning is therefore an important  cornerstone of organizational performance improvement (Bennet, 2012).    Learning is as much a social as a cognitive process: individuals learn from their peers in a work environment.  The  social  interactions  between  team  members  create  the  context  in  which  team  learning  takes  place.  The  knowledge that “exists” in a team is not simply the sum of the knowledge of the team members, but rather an  emergent  structure  that  results  from  the  interplay  of  the  cognitions  of  each  team  member  (Wildman  et  al.,  2012).     In a complex, quickly changing and uncertain world, organizations realize that the problems of today can no  longer be resolved by a few experts or the organization’s leaders. Teams are the organization’s backbone to  learn,  adapt  and  progress  in  a  complex  world.  Organizations  rely  on  teams  to  ensure  that  knowledge  is  maintained,  and  that  new  knowledge  is  developed.  “Teams  are  a  fundamental  source  of  learning  and  st organizational effectiveness. It is little wonder then that the workplace of the 21  century places a premium on  team‐based learning.” (Edmondson, 2012:222).   

16

  Peter Cauwelier, Vincent Ribière and Alex Bennet  A thorough review of the relevant literature on team learning (Decuyper et al., 2010) lists the ten factors that  influence  how  teams  learn,  and  one  of  these  is  team  psychological  safety.  Team  psychological  safety  was  developed by Edmondson, and is defined as “a shared belief held by members of a team that the team is safe  for  interpersonal  risk  taking”  (1999:354).  A  team  that  feels  psychologically  safe  engages  more  easily  in  behaviors like feedback seeking, help seeking, speaking up about concerns or mistakes, innovative thinking and  reaching out to the outside. When mistakes are discussed and reflected upon, and team members can ask for  help  without  feeling  like  making  a  fool  of  themselves,  the  team  has  a  mindset  that  allows  for  healthy  exchanges; these behaviors lead to increased team performance (Edmondson, 2004).  

2. Research question and significance  Although team learning and knowledge have been widely researched, there remain gaps in understanding how  these concepts are connected and operationalized. Team psychological safety positively impacts team learning  behavior  and  these  behaviors  lead  to  improved  team  performance  (Edmondson,  1999).  Although  the  statement “learning leads to knowledge” seems generally accepted, there is limited research that evaluates if  or how team knowledge is created when a team engages in these learning behaviors. If performing a particular  task does not create new knowledge, the team will confront each new situation with the same level of team  knowledge. Do learning behaviors create long‐lasting knowledge within a team, or is there no benefit beyond  the current task ? Do the dynamics in a psychologically safe team contribute to the creation of new knowledge  with  each  learning  experience  ?  This  research  expands  Edmondson’s  model  by  linking  the  concepts  of  team  psychological safety and team learning, with team knowledge creation.    This research posits that team psychological safety and team learning behaviors have a positive impact on the  creation  of  team  knowledge  (task–  and  team–related).  In  the  next  sections  we  review  the  main  research  conducted around the factors influencing team knowledge creation and team learning.  

3. Team knowledge and team knowledge creation  3.1 Learning and knowledge creation frameworks  Learning in an organizational setting means the testing of experience and transformation of that experience  into knowledge (Senge, 1994). Thus, learning creates knowledge for the organization and this allows its actors  to make decisions, take action and innovate (Bennet, 2012).     Knowledge creation and organizational learning are activities of continuous adaptation to contextual change,  and models describing learning and knowledge creation often use a continuous loop or feedback cycle (Kim,  2002, Bennet, 2012, Nonaka, 1994). Just like the continuous spiral in Nonaka’s SECI model, the team learning  process consists of “iterative cycles” of action, reflection, and adjustment (Edmondson, 2004). These models  with their iterations and feedback cycles highlight that there is a temporal element to knowledge creation. If  knowledge  is created,  it can  only  be  verified  once  that  knowledge  is  stored,  retrieved  and  then  applied  in  a  subsequent opportunity (Goodman and Dabbish, 2011).     Researchers  have  delineated  and  structured  the  concept  of  team  knowledge  according  to  the  type  of  knowledge that is evaluated (task‐related, team‐related, process‐related or goal‐related mental models) and  the view of knowledge as static (team knowledge approach) or dynamic (process approach) (Wildman et al.,  2012).  3.1.1 The mental model  The concept of mental models was developed to describe knowledge at the individual level. A mental model is  a  person’s  view  of  the  world,  the  context  in  which  experiences  are  viewed  and  interpreted,  defines  how  knowledge  is  applied  and  new  knowledge  is  created  (Kim,  2002).  Mental  models  can  be  compared  to  tacit  maps of the world in a person’s long‐term memory, as well as the short‐term perceptions a person develops  through experience (Senge, 1994). Mental models were applied to teams to understand how teams operate in  complex, dynamic and changing circumstances, and further developed to describe the knowledge existing in a  team. 

17

  Peter Cauwelier, Vincent Ribière and Alex Bennet  3.1.2 Team knowledge as a static concept  In the team knowledge approach, team knowledge is an emergent knowledge structure that results from the  interplay of the individual cognitions of each team member, and knowledge that is critical to team functioning  is  organized,  stored  and  distributed  within  the  team (Kozlowski  &  Ilgen, 2006).  Team  knowledge  is  both  the  result of and the input to the cognition process (Wildman et al., 2012).    Team (or shared) mental models are constructed from the knowledge structures and concepts that the team  members bring to the team: knowledge about the task, the tools and technology, understanding of procedures  and  strategies,  awareness  of  team  roles  and  communication  patterns,  and  knowledge  of  teammates’  habits  (Mohammed  et  al.,  2010).  Different  team  mental  models  co‐exist  within  a  team,  and  they  are  typically  grouped  as either  task‐related  or  team‐related.  Researchers  confirm  that  a high  level  of  similarity, or  a  high  level of “sharedness”, of the mental models, has a positive impact on team processes, team performance and  team effectiveness (Mathieu et al., 2000, Kozlowski and Ilgen, 2006). Shared mental models indicate that team  members  have  similar  objectives  and  a  shared  vision  for  the  future  state,  and  they  will  therefore  easily  coordinate their actions and be aligned in their communication (Mathieu et al., 2000). This has typically been  confirmed  in  command‐and‐control  situations,  high‐pressure  environments,  novel  challenges  or  time‐ constrained  activities  (Mohammed  and  Dumville,  2001,  Mathieu  et  al.,  2000,  Van  den  Bossche  et  al.,  2010).  Shared cognition is wider than shared mental model, and includes notions such as team decision making, team  situation awareness or team perception (Cooke et al., 2000).    3.1.3 Team knowledge as a dynamic concept  The  team  situation  model  is  the  dynamic  and  context‐dependent  knowledge  that  develops  when  a  team  is  engaged in the task. Individuals have a specific understanding of the task, and the team situation model is the  team’s  collective  understanding  of  the  task.  The  dynamic  team  situation  model  builds  on  the  team  mental  model by incorporating the specific characteristics of the situation (Cooke et al., 2000).     Researchers  are  more  and  more  looking  at  knowledge  as  a  dynamic  construct  (Kozlowski  and  Ilgen,  2006).  Cooke  has  developed  the  model  of  Interactive  Team  Cognition  (2012),  which  differs  from  the  static  shared  cognition  concept  in  its  focus  on  cognitive  interactions  at  the  team  level  (as  opposed  to  the  cognitive  structure),  and  the  embeddedness  of  these  interactions  in  the  surrounding  context.  She  states  that  the  dynamic interactions that take place when a team executes a task are more relevant than the knowledge the  team  starts  the  task  with:  “Interactive  Team  Cognition  goes  beyond  team  knowledge  by  locating  team  cognition  in  team  interactions  and  postulates  that  these  interactions  are  cognitive  processes  that  are  more  critically linked to team effectiveness than knowledge.” (Cooke et al., 2012:21).    Team  members  can have  a  suitable distribution of knowledge  (similar or  complementary), but  if  they  fail  to  coordinate effectively, the team fails in the task (Cooke et al., 2012). Different from the static team knowledge  approach, the process approach sees team knowledge as the whole of observable processes that occur within  the team, and measures knowledge through the frequency and patterns of cognitive behaviors that occur in  the team.  

3.2 Measuring knowledge  3.2.1 Measuring team mental models  Team  mental  models  have  been  a  key  element  of  research  in  team  knowledge  for  20  years  and  several  methods have been developed to elicit, measure and represent them (Langan‐Fox et al., 2000). Each method  proposes  a  different  view  on  content  and  structure  of  the  team  knowledge  and  represents  advantages  and  disadvantages (Mohammed et al., 2010).     Team mental models are constructs that exist in the team when it is about to engage in a task, and impact the  team task performance (Mohammed et al., 2010). Mental models are considered relatively static, but whether  they change easily really depends on the type of knowledge they represent: mental models related to basic  operational  tasks  evolve  more  easily  from  new  experiences  and  interactions  with  colleagues,  than  the  field‐ specific mental models of a veteran expert.   

 

18

  Peter Cauwelier, Vincent Ribière and Alex Bennet  Although there is an obvious temporal aspect to knowledge creation, there are very few examples of research  that measure changes in team mental models over a series of tasks (Van den Bossche et al., 2010). There is a  need to investigate the evolution of team mental models from learning experiences (Mohammed et al., 2010).  3.2.2 Measuring the creation of team knowledge: process, output or outcome  Mitchell and Boyle (2010) develop a hierarchical taxonomy of knowledge creation measurement approaches  based on an in‐depth literature review. They classify measuring approaches as focusing on the process, output  or outcome of knowledge creation. The process approach “refers to the initiatives and activities undertaken  towards the generation of new ideas” (Mitchell and Boyle, 2010:69) and focuses on the means through which  knowledge is created. In a team setting, this is equivalent to the Interactive Team Cognition’s process of team  members’  interactions  to  complete  a  task  (Cooke  et  al.,  2012).  The  output  approach  “refers  to  the  development of new ideas that reflect a significant elaboration or enrichment of existing knowing” (Mitchell  and Boyle, 2010:69) and takes the representation of an idea as the product of the knowledge creation process.  The outcome approach indicates that “new knowledge is diffused, adopted and embedded as new products,  services and systems” (Mitchell and Boyle, 2010:69), and represents a value‐added object for the organization.     These  distinctions  are  important  because  team  performance  (outcome)  is  often  used  as  a  proxy  for  team  learning.  Teams  can  create  knowledge  (output)  without  improvement  in  performance  (outcome)  (Goodman  and Dabbish, 2011). 

3.3 Conclusions from team knowledge and creation of team knowledge literature  Knowledge  that  resides  at  the  level  of  a  team  has  been  operationalized  as  shared  mental  models  (task–  or  team–related). The dynamic processes that take place when a team tackles a challenge are considered team  cognition.  Evaluating  if  team  knowledge  has  been  created  can  be  done  through  the  measurement  of  the  output or outcome of these interactions, or the confirmation that the newly acquired knowledge is applied in a  subsequent  application.  Studies  around  team  knowledge  look  at  team  mental  models  as  stand‐alone  structures and do not really investigate how  processes such as learning create this knowledge.  

4. Team learning  4.1 From organizational learning to team learning  Organizational  learning  starts  with  individual  learning.  There  can  be  no  organizational  learning  without  individuals,  and  the  individual  and  organizational  learning  are  interconnected  and  form  a  cycle  (Kim,  2002).  Organizational  learning  efforts  need  to  take  the  different  theories  and  models  that  exist  around  individual  learning into account. Theories of social and situational learning emphasize the interaction and relationships  between individuals as the basis for learning to occur (Smith, 2003) and engaging in meaningful dialogue is key  for teams to learn together (Senge, 1994).    Individuals  bring  into  an  organizational  learning  context  an  identity  that  has  developed  out  of  their  social  environment,  and  includes  associations  with  different  groups  outside  of  the  organization  (Wenger,  1998).  Communities of practice develop in the organization, and it is in the interactions between the members that  learning  takes  place:  “Although  workers  may  be  contractually  employed  by  a  large  institution,  in  day‐to‐day  practice  they  work  with  ‐  and,  in  a  sense,  for  ‐  a  much  smaller  set  of  people  and  communities.”  (Wenger,  1998:6)    Collaborative  learning  puts  the  emphasis  on  the  continual  exchanges  between  individuals,  which  lead  to  learning at the group as well as at the individual level, and represents the interaction of cognitive acquisition,  social participation and knowledge creation (Stahl, 2000).  

4.2 Team learning: definitions and key concepts  Teams are small units, with a more or less distinct separation of roles, knowledge and responsibilities (Cooke  et al., 2000). There are action teams (Marks et al., 2002), like surgical teams or airplane crews, with a clear role  separation, and service or production teams, teams of knowledge workers working together in a department,  on a project or on operational tasks, sharing information and reviewing progress.  

19

  Peter Cauwelier, Vincent Ribière and Alex Bennet  A  team  is  a  collection  of  individuals  who  are  interdependent  in  their  tasks,  who  share  responsibility  for  outcomes, who see themselves and who are seen by others as an intact social entity embedded in one or more  larger social systems. Cohen & Baily (in Decuyper et al., 2010:112)    A widely accepted definition for team learning has not yet been developed. Different and often non‐connected  research streams exist around information sharing, transactive memory, group learning or cognitive consensus  (Mohammed and Dumville, 2001). Team learning encompasses cognitive processes and social processes. Ellis  (in  Breso  et  al.,  2008:147)  defines  team  learning  as  “a  relatively  permanent  change  in  the  team’s  collective  level of knowledge and skill produced by the shared experience of the team members”.    A literature review on the subject of team learning identifies the ten elements that have the greatest impact  on  team  learning:  shared  mental  models,  team  psychological  safety,  group  potency  and  team  efficacy,  cohesion, team development and team learning dynamics, interdependence, team leadership, team structure,  organizational strategy and systems thinking (Decuyper et al., 2010). 

4.3 Different views of team learning  Team learning is often studied through the team’s task performance, and team‐related elements impacting the  task performance are schema agreement, transactive memory accuracy and shared goals. These coordinated  ways of storing knowledge at the team level lead to the development of shared mental models, an essential  part of the learning process (Van den Bossche et al., 2010). “Learning requires the development of new shared  understandings among members, which get stored and later retrieved.”  (Goodman and Dabbish, 2011:388)    The social interactions become the learning processes that help the team to develop its social knowledge, and  there  is  a  continued  interaction  and  exchange  between  learning  processes  at  the  team  level  and  at  the  individual level (Stahl, 2000). The importance of social interactions can also be evaluated by looking at training  programs from the point of view of participants: trainees confirm that the ideal learning experience involves  social interaction with others, the exchange of personal ideas  and the exchange of feedback (Antonacopoulou,  1999). 

4.4 Operationalizing and measuring team learning  Team learning has been operationalized through the behaviors the members engage in when dealing with a  task:  looking  for  feedback,  asking  for  help,  speaking  up  about  mistakes,  innovative  thinking,  or  looking  for  information  outside  the  team  (Edmondson,  1999).  These  behaviors  are  a  subset  of  the  team  interactions  described in the Interactive Team Cognition model (Cooke et al., 2012).     Team learning is a process, comprising concrete learning exchanges, behaviors and interactions (Edmondson,  1999).  Operationalizing  and  measuring  team  learning  consists  in  qualifying  and  quantifying  these  learning  behaviors.  Despite  this  understanding,  most  studies  evaluate  the  performance  of  the  team  to  demonstrate  learning, instead of analyzing the actual dynamics of the interactions (van Offenbeek, 2001).  4.5 Conclusions from team learning literature  Team  learning,  critical  for  organizations,  is  a  dynamic  process  constructed  around  social  interactions  and  exchanges. Team learning is most often measured by looking at the team’s performance, instead of by analysis  of  the  observable  team  learning  behaviors.  Ten  distinct  elements  impact  how  a  team  learns,  and  how  this  learning leads to knowledge. One of these is team psychological safety.   

5. Team psychological safety  5.1 Origins of psychological safety, and team concept  Maslow was the first to coin the term psychological safety, and the construct was further developed in work  on organizational change, where it was seen as a reassuring counterbalance for the insecurity that comes with  change,  and  linked  with  learning,  namely  the  way    it  helps  individuals  overcome  their  “learning  anxiety”  (Schein, 2004).   

 

20

  Peter Cauwelier, Vincent Ribière and Alex Bennet  Team psychological safety was described by Edmondson (1999) in her research around engagement at work.  Edmondson developed the concept of psychological safety as one that resides at the level of the group,    A  shared  belief  that  the  team  is  safe  for  interpersonal  risk  taking  …Team  psychological  safety  is  meant  to  suggest neither a careless sense of permissiveness, nor an unrelenting positive affect but, rather, a sense of  confidence  that  the  team  will  not  embarrass,  reject  or  punish  someone  for  speaking  up  (Edmondson,  1999:354). 

5.2 Barriers to team learning, and behaviors promoted by team psychological safety  Since learning takes place in the interactions between individuals, it is impacted by the interpersonal climate in  teams  (Edmondson,  2004).  An  individual  takes  risks  with  others  in  the  group  when  engaging  in  learning  behaviors  like  speaking  up,  collaborating  and  experimenting  (Nembhard  and  Edmondson,  2011).  These  behaviors pose risks for the individual at different levels: impact on their reputation, the desire to seek others’  approval,  or  saving  face  (Nembhard  and  Edmondson,  2011).  Learning  in  teams  is  driven  by  interpersonal  perceptions:  most  people  care  to  preserve  the  image  others  hold  of  them,  and  hesitate  trying  out  risky  behaviors to avoid being seen as ignorant or incompetent (Decuyper et al., 2010).    Psychological  safety  minimizes  the  perceived  risk  of  engaging  in  learning  behaviors.  Individuals  working  in  teams with a high degree of psychological safety feel that their actions and feedback are valued and will not  result  in  negative  consequences.  They  therefore  feel  safe  to  take  these  interpersonal  risks  (Nembhard  and  Edmondson, 2011).    Teams with a high level of team psychological safety engage in the following learning behaviors (Edmondson,  2004):  help  seeking,  feedback  seeking,  speaking  up  about  errors  and  concerns,  innovation  and  boundary  spanning.  Edmondson’s  research  describes  these  learning  behaviors  as  key  elements  of  team  learning,  but  does not evaluate the actual results in terms of outcome of the learning, or the kind of learning that happens  in the team (Edmondson, 1999, Goodman and Dabbish, 2011). 

5.3 Conclusions from team psychological safety literature  Different researchers have built on the concept of team psychological safety and confirmed its impact on team  learning. The models describe the learning behaviors that result from the level of team psychological safety,  but  do  not  make  the  connection  with  the  actual  outcomes  from  these  learning  behaviors,  namely  team  performance in general, or the creation of knowledge in the team in particular. 

6. Proposed model and hypotheses  6.1 Creation of the model  Based  on  the  previous  literature  review,  we  can  observe  that  researchers  describe  that  team  learning  behaviors,  as  well  as  the  shared  mental  models  (or  team  mental  models),  improve  team  performance  in  a  particular task. Nevertheless, there is very little research that analyzes how these cognitive processes lead to  the  creation  of  new  knowledge  at  the  team  level.  One  study  evaluates  how  team  learning  impacts  shared  mental models over the period of a business simulation game (Van den Bossche et al., 2010), but has limited  applicability because it is based on the participants’ perception of learning, it concerns declarative task‐related  knowledge (applied economics), and uses ad‐hoc student teams.    When established teams engage in interactions around the resolution of a challenge, the only way to evaluate  if their learning results in the creation of new knowledge is through the application in subsequent situations.  Shared experience and training influence the development of shared team mental models (Kozlowski and Ilgen,  2006, Van den Bossche et al., 2010). Measuring the team mental model related to the task, and seeing how  this mental model changes in subsequent tasks, allows to evaluate if team knowledge was created.    If a team has developed task‐related knowledge, it will execute the future tasks differently than the original  task.  Maybe  some  team  members  will  have  gained  a  better  understanding  and  can  help  others  out  to  complete  the  tasks.  The  team  will  have  developed  new  ideas,  and  an  understanding  of  what  went  well  and 

21

  Peter Cauwelier, Vincent Ribière and Alex Bennet  what didn’t go well (knowledge created as product), and will apply this knowledge in the subsequent task, and  perform better (knowledge created as outcome). A similar reasoning can be made for team‐related knowledge.     This research posits that when a team engages in team learning behaviors, it will create new knowledge that  the  team  can  apply  in  future  challenges.  The  learning  is  not  limited  to  the    task  at  hand  (the  so‐called  situational learning (Kim, 2002)), but leads to changes in the team members’ mental models, and therefore in  the team mental model. The higher the level of psychological safety, the more the team will engage in team  learning  behaviors  (Edmondson,  2004):  this  research  posits  that  both  team  psychological  safety  and  the  learning behaviors have a positive relationship with the knowledge that is created in the team. The proposed  model is shown in figure 1. 

  Figure 1: Proposed model

6.2 Research hypotheses  This model reconfirms the hypothesis validated in Edmondson’s work, that high levels of team psychological  safety  generate  more  team  learning  behavior  (Edmondson,  2004,  Edmondson,  1999).  Hypothesis  H0  is  proposed:  Teams with higher team psychological safety engage in more team learning behavior  H0  than teams with lower team psychological safety Learning  behaviors  such  as  asking  for  feedback  or  asking  questions,  help  team  members  to  reflect  on  their  understanding of the task (situation awareness) and give them a better understanding of the thinking of their  team members (team‐related knowledge). A team that engages in these behaviors creates a cognitive canvas  on which the team’s knowledge grows and develops. This knowledge can be under the form of an output, with  more  ideas  developed  at  the  team  level,  or  outcome,  with  a  better  performance  in  a  subsequent  task.  The  knowledge  that  the  team  creates  can  be  related  to  the  task  or  to  the  team  itself.  This  research  posits  that  when  a  team  develops  more  learning  behavior,  this  results  in  the  creation  of  more  knowledge  at  the  team  level. Hypothesis H 1 is proposed:  H1  Teams with higher team learning behavior create more team knowledge than teams  with lower team learning behavior  In teams with a high level of team psychological safety, making mistakes and taking risks are not considered a  failure but an opportunity to learn. Team members easily share information and ideas, and keep each other  informed. Experience that is constructed in this way, from mistakes, risk taking and freely exchanging ideas,  helps to develop team members’ mental models about the team and the task, and therefore the related team  mental  models.  This  team  knowledge  can  be  applied  when  the  team  is  faced  with  future  challenges.  High  levels of team psychological safety create an atmosphere that promotes the development of new knowledge.  Hypothesis H2 is proposed:  H2  Teams  with  higher  team  psychological  safety  create  more  team  knowledge  than  teams with lower team psychological safety

7. Conclusion  The importance of teams and knowledge in organizations has been widely described, but there are few models  that  explicitly  look  at  how  teams  create  knowledge  from  shared  experiences  or  from  learning  behaviors.  Confirming this paper’s model, driven by the thorough literature review in the field and by the identification of 

 

22

  Peter Cauwelier, Vincent Ribière and Alex Bennet  a  research  gap,  will  enhance  the  understanding  of  how  learning  within  a  team  helps  to  create  new  team  knowledge, and how factors like team psychological safety will impact this process. 

References  Antonacopoulou, E. P. 1999. Training does not imply learning: the individual's perspective. International Journal of Training  and Development, 3, pp 14‐33.  Bennet, A. 2012. Information, Knowledge and Learning. Bangkok University [12 April 2012].  Breso, I., Gracia, F. J., Latorre, F. & Peiro, J. M. 2008. Development and validation of the team learning questionnaire.  Comportamento Organizacional e Gestao, 14, pp 145‐160.  Cooke, N. J., Gorman, J. C., Myers, C. W. & Durand, J. L. 2012. Interactive Team Cognition. Cognitive Science, pp 1‐31.  Cooke, N. J., Salas, E., Cannon‐Bowers, J. A. & Stout, R. 2000. Measuring team knowledge. Human Factors, 42, pp 151‐173.  Decuyper, S., Dochy, F. & Van den Bossche, P. 2010. Grasping the dynamic complexity of team learning: an integrative  model for effective team learning in organizations. Educational Research Review, 5, pp 111‐133.  Edmondson, A. C. 1999. Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44, pp  350‐383.  Edmondson, A. C. 2004. Psychological Safety, Trust, and Learning: A Group‐level Lens. In: Kramer, R. & Cook, K. (eds.) Trust  and Distrust in Organizations: Dilemmas and Approaches. New York: Russel Sage Foundation pp 239‐272.  Edmondson, A. C. 2012. Teaming: How Organizations Learn, Innovate, and Compete in the Knowledge Economy, Jossey‐ Bass.  Goodman, P. S. & Dabbish, L. A. 2011. Methodological Issues in Measuring Group Learning. Small group research, 42, pp  379‐404.  Kim, D. H. 2002. Organizing for Learning: Strategies for Knowledge Creation and Enduring Change, Singapore, Cobee  Publishing House.  Kozlowski, S. W. J. & Ilgen, D. R. 2006. Enhancing the effectiveness of work groups and teams. Psychological Science in the  Public Interest.  Langan‐Fox, J., Code, S. & Langfield‐Smith, K. 2000. Team Mental Models: Techniques, Methods and Analytic Approaches.  Human Factors, 42, pp 242‐271.  Marks, M. A., Sabella, M. J., Burke, C. S. & Zaccaro, S. J. 2002. The impact of cross‐training on team effectiveness. Journal of  Applied Psychology, 87, pp 3‐13.  Mathieu, J. E., Goodwin, G. F., Heffner, T. S., Salas, E. & Cannon‐Bowers, J. A. 2000. The Influence of Shared Mental Models  on Team Process and Performance. Journal of Applied Psychology, 85, pp 273‐283.  Mitchell, R. & Boyle, B. 2010. Knowledge creation measurement methods. Journal of Knowledge Management, 14, pp 67‐ 82.  Mohammed, S. & Dumville, B. C. 2001. Team Mental Models in a Team Knowledge Framework: Expanding Theory and  Measurement across Disciplinary Boundaries. Journal of Organizational Behavior, 22, pp 89‐106.  Mohammed, S., Ferzandi, L. & Hamilton, K. 2010. Metaphor No More: A 15‐Year Review of the Team Mental Model  Construct. Journal of Management, 36, pp 876‐910.  Nembhard, I. M. & Edmondson, A. C. 2011. Psychological Safety: A Foundation for speaking up, collaboration and  experimentation. In: Cameron, K. S. & Spreitzer, G. M. (eds.) The Oxford Handbook of Positive Organizational  Scholarship. Oxford University Press.  Nonaka, I. 1994. A dynamic theory of organizational knowledge creation. Organization Science, 5, pp 14‐37.  OECD 1996. The Knowledge‐Based Economy. Paris: OECD.  Schein, E. H. 2004. Organizational Culture and Leadership, Jossey‐Bass.  Senge, P. M. 1994. The Fifth Discipline, New York NY, Doubleday Business.  Smith, M. K. 2003. 'Learning theory', the encyclopedia of informal education [Online]. Available: www.infed.org/biblio/b‐ learn.htm [Accessed 15/06/2013].  Stahl, G. 2000. A Model of Collaborative Knowledge‐Building. In: Fishman, B. & O'Connor‐Divelbiss, S., eds. Fourth  International Conference of the Learning Sciences, NJ, USA. pp 70‐77.  Van den Bossche, P., Gijselaers, W., Segers, M., Woltjer, G. & Kirschner, P. 2010. Team learning: building shared mental  models. Instructional Science An International Journal of the Learning Sciences.  van Offenbeek, M. 2001. Processes and outcomes of team learning. European Journal of Work & Organizational Psychology,  10, pp 303‐318.  Wenger, E. 1998. Communities of Practice Learning Meaning and Identity, Cambridge University Press.  Wildman, J. L., Thayer, A. L., Pavlas, D., Salas, E., Stewart, J. E. & Howse, W. R. 2012. Team Knowledge Research : Emerging  Trends and Critical Needs. Human Factors: The Journal of the Human Factors and Ergonomics Society, 54. 

23

Describing and Assessing Co‐Design Competences: Some  Preliminary Results  Valérie Chanal1 and Jacques Raynauld2   1 Laboratoire CERAG‐CNRS, Univ. Grenoble‐Alpes, Grenoble, France  2 Institut d’économie appliquée, HEC Montréal, Montréal, Canada  valerie.chanal@upmf‐grenoble.fr   [email protected]     Abstract:  Graduate  innovation  courses  are  still  mostly  discipline‐specific  (marketing,  design,  etc.)  and  rely  on  traditional  knowledge acquisition. To get a better understanding of the innovation learning process, we adopt a co‐design perspective  where  participants  from  different  disciplines  are  working  simultaneously  and  collectively  to  develop  an  idea.   We  then  propose a set of seven co‐design competences and 23 associated observable indicators to guide students in their learning  endeavor  and  to  help  evaluators  in  their  assessment  tasks.  Preliminary  results  obtained  from  a  group  of  18  students  involved in a co‐design training session indicate the usefulness of the framework proposed.       Keywords: innovation, co‐design, competences, skills, assessment 

1. Introduction  Almost  all  students  trained  in  the  social  sciences  and  humanities  disciplines  (economics,  sociology,  management, law,  etc.)  will  have  to demonstrate  some kind  of  innovation  competence  in  their  careers,  e.g.  take  the  initiative  of  a new program,  lead  a  project  to  launch  a  new  service,  support organizational change,  etc.    However, the traditional teaching methods based on the transmission of disciplinary knowledge, mostly in a  classroom  setting,  are  not  adapted  to  the  fundamental  facets  of  innovation:  the  multidisciplinary  nature  of  knowledge, the relationship to risk, uncertainty and failure, the exploration of new fields of knowledge. This is  why we must think of new ways to train for innovation at the university level.    Innovation  can  be  defined  as  the  design  and  dissemination  of  a  novelty  (a  new  product  or  service,  a  new  organization, new modes of action) that produces value for customers, users or society as a whole. Innovation  is  not  just  about  science  and  technology.   It  is  related  to  major  social  issues  such  as  health,  energy,  transportation,  etc.  To  develop  innovation  competences,  it  is  necessary  to  understand  social  change  from  a  broader perspective and take into account their political, economic and managerial dimensions.     This  research  is  conducted  through  the  Promising  project,  an  innovative  academic  program  financed  by  the  French  government,  which  aims  at  developing  training  for  creativity  and  innovation  within  some  higher  learning institutions in the social sciences and design fields.    Developing  innovation  competences  among  students  involves  identifying  what  these  competences  are  and  how  they  can  be  observed  and  assessed.  OECD  has  done  some  interesting  work  in  this  area  and  their  innovation competences map include technical competences (knowledge, expertise or know‐how in the areas  affected  by  the  innovation),  thinking  and  creativity  competences  (critical  skills,  imagination,  curiosity)  and  social and behavioral competences (self‐confidence, energy, passion, leadership, collaboration, persuasion). If  this definition emphasizes the know‐how and social aspects, it does not identify with enough precision how to  develop  innovation  competences  in  an  education  program.   The  same  observation  can  be  made  about  the  Innovation Skills profile 2.0 of the Conference Board of Canada (Conference Board 2013) or, to a lesser extent,  to the ones proposed by Bapat et al. (2013) at Central Michigan University.    In  the  spirit  of  Marín‐García  et  al.,  (2012),  we  propose  a  set  of  23  observable  indicators  related  to  7  competences  in  order  to  characterize  and  eventually  assess  students’  progress  in  co‐design  exercises.    We  choose  to  focus  on  co‐design  instead  of  tackling  the  larger  innovation  theme  for  practical  reasons:  the  co‐ design domain is well defined and can be the subject of numerous empirical investigations.    

24

  Valérie Chanal and Jacques Raynauld  In the first part of the paper, we characterize co‐design exercises in the innovation paradigm in general and  justify our approach in light of the literature on creativity and co‐design competences.  In the second part, we  propose an exercise for assessing these competences in the context of a training program and present briefly  the  results  obtained.  We  conclude  with  research  avenues  on  this  issue,  both  in  terms  of  innovation  competences and their operationalization. 

2. Innovation, co‐design and co‐design competencies  2.1 Teaching co‐design and co‐design exercises  We first define innovation as a process for the creation and dissemination of a novelty that produces value for  a social group. Innovation problems for which we seek to develop competences are related to the conduct of  the collective action facing new challenges.  According to Authier (2013), these problems can be classified into  five categories:  ƒ

Acquisition ( of resources, knowledge or skills ) 

ƒ

Design ( of an innovative system ) 

ƒ

Production (of this system) 

ƒ

Management ( of relationships and flows needed to implement innovation) 

ƒ

Dissemination (of new solutions within existing institutions). 

We put co‐design exercises in the upstream of the innovation process, i.e. the acquisition and design phases  (Figure 1).  

Figure 1: Boundaries of creativity and co‐design competences  By  co‐design, we  mean  “a  design  approach  that highlights  collaboration  and typically  refers  to  an  activity  in  which potential users are empowered to bring their ideas into the design of new solutions. It is also conceived  as  a  collaborative  knowledge  sharing  and  creating  process  in  which  the  skills  experiences  of  various  participants are brought together to reach novel solutions” (Kankainen et al. 2012).    In the tradition of design thinking (Brown 2009), many agencies, training organizations or consulting firms offer  co‐design workshops. These workshops usually last half a day to a week, bringing together people of diverse  backgrounds  and  seeking  to  offer  an  innovative  solution/prototype  often  in  response  to  a  problem.  For  example,  HEC  Montreal  led  a  one‐day  co‐design  workshop  on  the  reengineering  of  a  classroom.  Three  multidisciplinary  groups,  bringing  together  teachers,  students,  architects,  managers,  teaching  and  learning  services,  media  technology  support,  etc.  have  collaborated  to  propose  new  concepts  for  an  innovative  classroom (Achiche et al. 2013).    Training  programs  aiming  at  students  are  obviously  different  than  the  actual  experiments  conducted  with  experienced people or knowledge experts directly affected by the innovation. The co‐design training context 

 

25

  Valérie Chanal and Jacques Raynauld  for  students  can  therefore  be  seen  as  a  more  artificial  activity,  where  for  a  limited  time,  from  one  day  to  several months, groups of learners need to produce innovative concepts. However, it remains interesting to  enroll students in such co‐design workshops:  ƒ

Firstly  because  at  the  end  of  their  studies,  they  might  consider  that  they  have  acquired  knowledge  and  disciplinary skills related to collaborative work. 

ƒ

Secondly because the problem solving exercises led them to both seek relevant knowledge and practice  their capacity for collective creativity. 

2.2 Co‐design and co‐design models  Although approaches to conduct a design project are fairly rich and diverse, there is a consensus about the fact  that the design thinking approach is based on divergent thinking (to create choices) followed by convergent  thinking  (to  make  choices)  (Brown  2009).  This  is  also  in  line  with  creativity  methods,  which  alternate  divergence (to produce ideas) and convergence (to filter and select ideas) (Le Masson et al. 2007). For these  authors, the stake in creative design is to combine divergent thinking (to get variety and originality expected  from creativity) and convergent thinking (required by engineering design).    Finally  we  can  define  co‐design  as  an  activity  articulating  divergent  and  convergent  thinking,  carried  out  in  groups, addressing complex and multidimensional issues, and leading to the production of a type of prototype  or demonstrator.  

2.3 Co‐design competences  According  to  the  European  Qualification  Framework,  a  competence  is  the  proven  ability  to  use  knowledge,  skills and personal, social and/or methodological abilities, in work or study situations (European Commission  2008).    In  light  of  the  definition  of  co‐design  suggested  above,  the  co‐design  competences  include  creative  design  competences  on  the  one  hand  (divergence  and  convergence)  and  teamwork  competences  in  an  innovation  situation on the other hand.    Divergence competences involve the ability to understand the problem, to reformulate and develop internal  and external knowledge required and then generate innovative ideas. They must meet two criteria, mainly the  variety  (lots  of  ideas  generated)  and  originality  (move  away  from  traditional  responses)  (Le  Masson  et  al.  2007).    Convergence  competences  involve  the  ability  to  sort  and  articulate  the  ideas  generated  by  mobilizing  the  knowledge  of  all  the  team  members  to  produce  intuitive  representations  of  imagined  solutions  (drawings,  prototypes,  scenarios).  The  representation  or  the  storytelling  exercises  are  a  test  of  both  global  consistency  and potential value of the proposed solution.    Collaborative  and  creative  work  competences  are  very  similar  to  those  found  in  situations  of  theater  improvisation.  In  particular,  Vera  and  Crossan  (2005)  demonstrate  how  the  improvisational  theater  of  “practice”,  “collaboration”,  agree,  accept  and  add”,  “be  present  in  the  moment”,  and  “draw  on  reincorporation  and  ready  mades”  can  be  used  to  understand  what  competences  are  required  to  improvise  well in innovation teams.     For the collaboration part of co‐design, we can identify three types of competences:   ƒ

a competence to contribute to the smooth functioning of the team;  

ƒ

a competence to meet the challenges of creativity and complex design, i.e. for which there is no obvious  solution; 

ƒ

a competence to produce an argumentation in relation to the solution proposed.  

Overall,  our  analysis  of  co‐design  exercises  led  us  to  propose  a  model  of  seven  co‐design  competences  (see  Figure 2), which are in‐line with the micro‐analysis of the design dynamics illustrated by Dorta et al. (2012). 

26

  Valérie Chanal and Jacques Raynauld 

Figure 2: The co‐design competences model 

3. Putting our co‐design competences to work  3.1 Identification of observable indicators   To  be  operational,  this  model  of  co‐design  competences  must  be  completed  by  observable  indicators.    So,  students  and  teachers  will  be  able  to  identify  the  actions  that  foster  better  co‐design  outcomes.  Figure  3  presents the 23 observable indicators we defined and tested with help of an international team of co‐design  professionals  and  instructors  guided  by  an  educational  specialist.  All  indicators  are  formulated  using  actions  verbs. Some of the indicators identified are similar to the one used by Marín‐García et al. (2012).   

Figure 3: Co‐design competences and indicators 

 

27

  Valérie Chanal and Jacques Raynauld 

3.2 A preliminary test of our framework    Our  set  of  23  indicators  was  used  to  assess  the  learning  gains  of  a  group  of  18  first  year  students  from  the  Innovation Master program enrolled in a 4‐day workshop on creative thinking (414 possible observations). At  the end of the workshop, each student has completed a questionnaire to evaluate their competences before  and after the training on a three‐level scale (well mastered, moderately mastered, not mastered).   Of the 407  usable observations, 146 (36%) have indicated some progress (7 indicators on average for each student). Some  indicators  (combine  various  knowledge,  demonstrate  a  positive  attitude,  commit  to  the  chosen  solution)  showed a striking increase while some were not well understood (build a strategic vision of the problem). In  many cases, the learning gains could be explained by the hands‐on pedagogy proposed in the workshop (for  example  construct  and  use  representations).  Further  work  is  needed  to  sharpen  our  understanding  of  the  usefulness of this framework.  

4. Conclusion  In  this  paper,  we  have  presented  an  innovative  model  of  co‐design  competences  and  some  associated  indicators.  Linked  to  the  innovation  and  co‐design  literature,  our  results  indicate  that  this  approach  can  provide  valuable  guidance  to  document  and  evaluate  student  learning  accomplishments.  Further  work  is  needed  to  test  our  framework  in  a  longer  workshop  (over  a  semester)  were  students  could  reflect  on  their  competence  level  before  and  after  the  workshop.  Peer  evaluation  can  also  be  used  to  get  a  better  measurement of the learning gains, possibly using a gamification approach.       One must remain careful in using this approach in a university context as the co‐design situations proposed are  very different form those found in the professional world: students involved in teams do not necessarily come  from a very diverse disciplinary background, nor do they work on very meaningful personal problems. Also, the  framework  proposed  focuses  on  individual  performances  and  put  aside  the  question  of  collective  competences.  Further work is therefore needed to question our framework in various and diverse co‐design  experiences.  

Acknowledgements  This research is funded by the IDEFI program, French national research agency n° ANR‐11‐IDFI‐0001 and MATI  Montréal.  The authors would like to thank S. Achiche, D. Vadean, T. Dorta, O. Martial, N. Téta Nokam and O.  Gerbé for their contribution to the formulation of the competences and O. Zerbib for his overall comments. 

References  Achiche,S., Spooner, D., Vadean, A., Dorta, T., Raynauld, J. and Talbot, J. (2013)   “Collaborons.ca : les leçons d'un atelier de co‐design d'une salle de cours à HEC Montréal“, [online]  http://www.matimtl.ca/journee2013/docs/Collaborons.ca%20‐%20Dorta%20et%20al.pdf.  Authier, M. (2013) La methode Mugeco, [online] http://www.mugeco.com/.  Bapat et. al. (2013) A Leadership Competency Model: Describing the Capacity to Lead, [online]  http://www.innovationinpractice.com.  Brown T.  (2009) Change by Design, How design thinking transforms organizations and inspire innovation, HarperCollins.  Dorta T., Lesage A. and Di Bartolo C. (2012) “Collaboration and design education through the interconnected HIS: Immature  vs. Mature CI Loops observed through Ethnography by Telepresence”, In: Achten H., Pavlicek J., Hulin J., and  Matejdan D. ed. Physical Digitality, Volume 2, eCAADe, Prague, Czech Republic, pp 97‐105.  European Commission (2008) European Qualifications Framework for Lifelong Learning, Luxembourg.  Le Masson, P., Hatchuel, A and Weil B. (2007) “Creativity and Design Reasoning:  How C/K Theory can enhance Creative  Design”, International Conference on Engineering Design, Paris.   Marín‐García, J. A., Pérez‐Peñalver, M.J. and Watts, F. (2013) "How to assess innovation competence in services: The case  of university students", Dirección y Organización, Vol 50, pp 48‐62.  Kankainen, A., Vaajakalliob, K., Kantolaa, V. and Mattelmäki,T (2012) “Storytelling Group – a co‐design method for service  design”, Behaviour & Information Technology, Vol 31, No 3, March, pp 221–230.  Vera D. and Crossan M. (2005) “Improvisation and Innovative Performance in Teams”, Organization Science, Vol 16, No 3,  pp 203‐224. 

28

Innovation and Enterprise Development: The Case of the Ethekwini  Municipality  Anneline Chetty  Ethekwini Municipality, Durban, South Africa  [email protected] Abstract: Innovation and entrepreneurship creates an excellent platform for economic growth in any City. The Ethekwini  Municipality  has  a  predominantly  urban  population  who  faces  the  triple  challenge  of  unemployment,  poverty  and  inequality. It therefore has limited resources available for programmes supporting entrepreneurs. However South African  government  has  created  an  enabling  environment  for  supporting  small,  black‐owned  enterprises  through  Broad  Based  Black  Economic  Empowerment  framework.  Claasen  2006  states  that  Enterprise  Development  (ED)  where  big  companies  offer  operational  assistance  to  small,  black‐owned  enterprises,  is  a  core  component  of  the  SA  Government’s  BBBEE  strategy and globally recognised as an effective way of reducing poverty. Raizcorp (2011) defines enterprise development  as investing time, knowledge and capital to help Small and Medium Enterprises establish, expand or improve businesses  including  empowering  modest  income‐generating  informal  activities  to  grow  and  contribute  to  the  local  economy.  The  primary objective of the eThekwini Municipality is to develop an Enterprise development strategy in order to capitalise on  private  sector  involvement  in  economic  growth  and  the  reduction  of  unemployment.  The  idea  was  to  develop  strategic  partnerships  with  organizations  which  share  Business  Support  mandates  and  who  would  like  to  contribute  to  the  achievement  of  their  own  strategic  objectives  through  BBBEE  Performance  scorecard  fulfilment.  This  paper  looks  at  the  Enterprise development strategy within the context of Innovation and entrepreneurship.     Keywords: enterprise development, public private partnership 

1. Introduction  Entrepreneurship is South Africa is plagued by sameness, monotony and boredom. In order to achieve higher  levels of economic growth and job creation and reduced poverty and unemployment, more innovation needs  to be introduced in the way we conduct business to increase both productivity and profitability.  Government  strategies around the world are aimed at supporting innovation in the private sector. Innovation is likewise at  the  core  of  South  Africa’s  progression  along  the  developmental  path,  stressed  equally  by  eThekwini  municipality for local economic progress.     This  paper  looks  at  one  of  the  key  strategies  being  used  by  the  Ethekwini  Municipality  for  the  purposes  of  promoting entrepreneurship thereby stimulating the economy. It is looked at as an innovative strategy since it  is  unique  to  South  Africa,  however,  this  strategy  is  usually  driven  by  the  Private  sector.  The  Ethekwini  Municipality is the only public sector organisation who has identified this approach as a means to accelerate  entrepreneurial support. The objective of this paper is therefore to look at the links between Entrepreneurship  and  innovation.  It  also  looks  at  the  Enterprise  development  strategy  as  an  innovative  tool  which  increases  resources  available  to contribute  towards the development  of  SMMEs.  This  paper  is  therefore  structured  as  follows; provides a broad context for innovation and entrepreneurship. It then looks at innovation within cities  and looks specifically at the Ethekwini Municipality area and in particular, its Enterprise development strategy  and the implementation thereof before making some concluding remarks. 

2. Innovation, entrepreneurship and SMMEs  2.1 What is innovation?   Schumpeter  (1947)  also  defines  innovation  as  the  ability  to  create  new  value  propositions  through  offering  new  products  and  services;  adopting  new  operating  practices:  technological,  organizational,  or  market‐ oriented; or creating new skills and competencies. 

2.2 Challenges for SMMEs to be innovative  According to the Organisation for Economic Co‐operation and Development (OECD) (2010) there are a number  of barriers that may constrain entrepreneurship, the creation and the rapid growth of innovation. The OECD  (2010) further mentions that start‐up entrepreneurs lack skills in a number of relevant areas of small business  management,  such  as  business  planning,  but  the  major  gap  appears  to  be  in  the  area  of  strategic  skills  associated  with  entrepreneurship.  The  skills  associated  with  entrepreneurship  are  decision‐making,  risks 

29

  Anneline Chetty  taking,  information  processing,  opportunity  recognition,  resources  organization,  market  awareness  and  product  management.  This  is  reinforced  by  Zimmer  (1990)  who  further  argues  that  low  levels  of  education,  training and poor business skills are major contributing factors to the lack of capacity and business innovation  amongst entrepreneurs.    According OECD (2010) innovative entrepreneurs commonly suffer from the lack of access to financial services,  particularly  to  seed  and  development  capacity,  which  has  worsened  since  the  financial  and  economic  crisis.  McGrath (2001) also suggests that new inputs are very important for innovation in small entrepreneurs, and  small  and  young  entrepreneurs  can  differentiate  themselves  by  introducing  product,  process,  or  market  innovations.  Innovativeness  reflects  a  tendency  to  support  new  ideas,  uniqueness,  experimentation,  and  creative processes, thereby departing from established practices and technologies (Lumpkin and Dess, 1996).  According to Wolff and Pett (2006) innovation is important for small firms because it contributes to high levels  of  performance  that  can  facilitate  firm  growth  and  subsequent  profit  performance,  which  in  turn  can  yield  employment  gains  and  contribute  to  the  general  economic  health  of  a  state,  region,  or  nation.  In  order  to  enhance SMMEs’ innovation abilities, OECD (2005) emphasizes the importance of:  ƒ

Facilitating the hiring and training of qualified personnel, 

ƒ

Disseminating technological and market information,  

ƒ

Reducing financial barriers by developing the financial equity market,  

ƒ

Promoting risk‐sharing programs(e.g. financial support and tax incentives to Research and Development), 

ƒ

Promoting partnerships between entrepreneurs, public agencies and financiers, and  

ƒ

Facilitating entrepreneur’s access to national and global innovation networks  

OECD (2005) recommends that innovation policies to be in line with the following:  ƒ

Partnerships involving private actors, NGOs and various levels of local and central public administrations 

ƒ

The  leading  role  of  private  sectors  in  initiating  clusters  and  the  market‐facilitating  roles  of  government  (e.g. facilitating private investment and seed funding), and  

ƒ

Improving efficient communication and transportation infrastructure, local linkages among university and  industry. 

2.3 Government’s role in entrepreneurs innovation   According  to  OECD  (2005)  government  needs  to  go  beyond  the  provision  of  the  framework  conditions  that  influence the business environment to address policy and market failures that dampen entrepreneurial activity  and limit the scope for innovative small firms to grow. Many of these programmes and policies are designed  and implemented at the local level. These policies should be evaluated regularly to identify ways to improve  the  effectiveness,  both  in  terms  of  impact  and  participation  of  target  beneficiaries.  OECD  (2005)  further  mentions that the government should provide a favourable climate in which entrepreneurs can easily create  firms, have incentive to innovate and grow, and can access the necessary resources at a reasonable cost. OECD  (2005) also mentions that government should introduce an innovation strategy for entrepreneurs and it should  stress actions in four main areas:  ƒ

Promoting conducive entrepreneurship cultures and framework conditions 

ƒ

Increasing the participation of new firms and SMMEs in knowledge flows 

ƒ

Strengthening entrepreneurial human capital 

ƒ

Improving the environment for social entrepreneurship and social innovation 

As  large  enterprises  have  restructured  and  downsized  small,  medium  and  micro  enterprises  (SMMEs)  have  come to play an increasingly important role in South Africa's economy and development. The sector has grown  significantly. In 1996, around 19% of those employed were in the informal sector of the economy. By 1999 this  had  risen  to  26%.  The  government  has  therefore  targeted  the  SMME  sector  as  an  economic  empowerment  vehicle  for  previously  disadvantaged  people.  As  a  result,  SMMEs  have  received  significant  attention  and  investment,  ranging  from  the  establishment  of  state‐initiated  projects  to  supportive  legislation,  a  variety  of  funding institutions and government incentives through the Department of Trade and Industry (DTI).  

30

  Anneline Chetty  In terms of global competitiveness, South Africa was ranked as the 53rd most competitive country out of 148  surveyed in the 2013/14 World Economic Forum's Global Competitiveness Index, making it the second highest  ranked country in Africa after Mauritius (45th). According to the report, South Africa does well on measures of  the  quality  of  its  institutions  (41st),  including  intellectual  property  protection  (18th),  property  rights  (20th),  and in the efficiency of the legal framework in challenging and settling disputes (13th and 12th, respectively).  The  high  accountability  of  its  private  institutions  (2nd)  further  supports  the  institutional  framework.  South  Africa’s financial market development "remains impressive" at 3rd place, the report says. The country also has  an efficient market for goods and services (28th), and it does "reasonably well" in more complex areas such as  business sophistication (35th) and innovation (39th).    However, the report notes that South Africa’s strong ties to advanced economies, notably the euro area, make  it  more  vulnerable  to  their  economic  slowdown  and  likely  have  contributed  to  the  deterioration  of  fiscal  indicators: its performance in the macroeconomic environment has dropped sharply (from 69th to 95th).     It  is  also  important  to  consider  the  impacts  of  globalisation  have  had  on  SMMEs.  In  a  study  by  the  OECD  (2007), although several aspects of globalisation are now largely understood, notably its main drivers, sparse  information  is available  on  the  transformation  undergoing  the  relation between  large  and  smaller  firms  and  the  evolution  of  the  role  of  SMEs  in  global  value  chains.  The  study  further  pointed  out  that  participation  in  global  value  chains  enhances  SME  internationalisation  and  growth  and  it  provides  SME  suppliers  access  to  global markets at lower costs than those faced by individual small‐scale producers, due to the intermediation  function  assured  by  the  contractor.  Firms  that  have  successfully  integrated  one  or  more  value  chains  have  been able to expand their business, and gain stability. Innovating and keeping up with new technologies are  seen by SMEs as a requirement for their successful participation in global value chains.    OECD (2007) pointed out that to move up the value chain, SMEs need to take‐up larger and more complex set  of  tasks,  which  may  range  from  contributing  to  product  development  and  organising  and  monitoring  the  network of sub‐suppliers to introducing organisational or marketing innovations. This study pointed out that  the lack of managerial capacity to deal with the complexity of the issues at stake. The study further intimated  that across countries, many enterprises interviewed indicated that governments at the local or national level  have provided them with little or no support for facilitating their participation in global value chains. This is a  reflection of the fact that many SMEs have a limited understanding of the global environment and therefore  cannot easily identify policy initiatives facilitating their effective participation in global value chains. In the area  of skills development, the main areas highlighted as significant for SMEs concerns were  the need to improve  technology and innovation capacity and the lack of adequate finance and human capital for this process and  the capacity to respond to standards and certification requirements; the ability to better manage intellectual  assets, including the protection of Intellectual Property Rights when appropriate; the uneven bargaining power  SMEs face with large contractors; and the support of diversification in activities to reduce dependence from  one or few customers.    In light of this, The OECD (2007) indicated that Governments (at different levels) could facilitate SMEs‟ gainful  participation in global value chains through policy initiatives in specific areas such as raising awareness of the  potential  of  participation  in  global  value  chains,  increasing  participation  in  global  value  chains,  supplier  financing,  promotion  of  technical  upgrading,  facilitation  of  compliance  procedures,  promotion  of  skills  development, attracting foreign direct investment and promoting the development of industrial clusters. 

3. Innovation, entrepreneurship and cities  Innovation  is  in  vogue.  Companies  want  it.  Places  want  it.  Why?  Successful  companies  and  places  depends  more on innovation than ever before. Despite its lustre, many public and private sector leaders cannot really  define innovation and therefore, stumble when trying to encourage or harness it.     There are four challenges in trying to understand Innovation in Cities  ƒ

Understanding  the  integral  link  between  private  sector  innovation  and  public  innovation  policy  in  economic development;  

ƒ

Understanding that innovation comes in many forms and phases of production and development;  

31

  Anneline Chetty  ƒ

Focusing  on  not  just  innovation  in  places,  but  innovation  by  places,  i.e.  states  and  localities  must  themselves try new policy approaches; 

ƒ

And finally, creating partnerships between places, especially local places and the national government. 

Urbanisation  is  a  dominant  trend  worldwide,  affecting  economies,  societies,  cultures  and  the  environment.  More than half the world’s population now lives in cities and as much as two‐thirds is expected to do so by  2050. In a study by the OECD (2012) , the coming together of people, business and other activities in cities as a  key process in the development and maturing of economies and societies. The study further pointed out how  urban systems function is crucial to future economic prosperity and a better quality of life for more than three  billion  people,  and  counting.  Cities  don’t  necessarily  foster  the  emergence  of  new  ideas  but,  by  bringing  together  the  required  infrastructure  and  markets,  they  do  make  it  easier  to  turn  ideas  into  practical,  marketable solutions. Cities are home to more than half the people living in OECD countries and almost 50 %  of the output and jobs of many nations is found in their largest city. Though most cities have higher economic  growth, foreign investment and labour productivity than the rest of the country, they are also more polluted,  crime‐ridden and socially disparate.     In another study by the OECD (2006) on Competitive cities in the Global economy argued that that there is no  ‘one  size  fits  all’  policy  for  cities.  But  the  report  makes  the  following  recommendations  which  include  the  following:  ƒ

A flexible strategic vision is necessary to foster competitiveness,  

ƒ

Liveable  cities  with  high‐quality  infrastructure,  green  spaces,  and  inner  city  residential  areas  and  public  projects can contribute to economic success 

ƒ

Effective governance of cities depends on leadership from the national government to encourage reform  at different levels 

ƒ

To  balance  the  financial  needs  of  cities  with  those  of  the  rest  of  the  country,  cities  can  diversify  tax  revenues with ‘smart taxes’ such as congestion charges and use public‐private partnerships to raise money  for public projects.  

3.1  The case of the Ethekwini Municipality  3.1.1 The study area  Ethekwini  Municipality  is  a  metropolitan  region  with  a  predominantly  urban  population.  It  is  located  on  the  east  coast  of  South  Africa  in  the  Province  of  KwaZulu‐Natal  (KZN).  The  Municipality  spans  an  area  of  approximately 2297km2 and is home to some 3.5 million people. It consists of a diverse society which faces  various  social,  economic,  environmental  and  governance  challenges.  As  a  result  it  strives  to  address  these  challenges which mean meeting the needs of an ever increasing population 

Figure 1: Ethekwini Municipality in Context of South Africa (shown in red) 

32

  Anneline Chetty  The people who reside within the municipal area consist of individuals from different ethnic backgrounds. The  majority of the population come from the African community (71%) followed by the Indian community (19%),  White  community  (8%)  and  the  Coloured  community  (2%).  Individuals  within  the  15‐34  year  age  group  comprise  the  majority  of  the  population.  The  greatest  population  concentrations  occur  in  the  central  and  north  regions.  The  central  region  is  the  Urban  Core  of  the  municipality  and  is  home  to  approximately  1.30  million people (34%). It is followed by the northern region which is home to approximately 1, 15 million people  (31%).  The  south  accommodates  approximately  730  000  people  (18%)  and  the  outer  west  region  accommodates  the  least  number  of  people  with  a  total  population  of  approximately  577  500  people  (16.5)  (Census 2001 & 2007). Major development projects planned for the eThekwini Municipality are poised to have  a  positive  impact  on  the  economy  during  the  next  ten  to  fifteen  years.  Expansions  at  the  Durban  Port,  the  mixed‐use  development  at  Cornubia,  the  Dig‐out  Port  at  the  old  airport  site,  the  major  shopping  centre  development at Shongweni in the outer west, new developments at Dube Trade Port and a massive tourism  boost from the various Conferences.    Following  the  decline  of  Gross  Domestic  Product  (GDP)  growth  during  2008‐09  the  economy  bounced  back  positively during 2009‐10. The eThekwini’s GDP (in constant prices, 2005) amounted to R196, 1 billion during  2010 and it is forecasted to grow by 3.3% to R202, 5 in 2011. Presently it comprises 65, 5% of Kwa‐Zulu Natal’s  GDP and 10, 7% of the country as a whole. Economic growth in the Municipality increased by 3.1% between  2009 and 2010 and the total GDP outperformed that of the Province and country as a whole during the period  2005 to 2010. eThekwini’s economy expanded at an annual average rate of 4.1% over that period, while the  economy of KZN and the country as a whole grew by 3.7 %.  Key issues relating to the Economy include an  increase  in  unemployment;  41,8%  of  population  subject  to  conditions  associated  with  poverty;  little  or  no  diversity in the economy and a declining resource base.  3.1.2 The problem  The eThekwini Municipality has great potential to increase enterprise development within its area of influence.  However,  this  potential  has  not  been  explored  to  its  maximum  and  insufficient  opportunities  have  been  created for Small Medium and Micro Enterprises (SMMEs). The definition of SMMEs is based on the National  Small  Business  Act  1996,  as  amended  in  2004,  which  stipulates  varying  definitions  for  each  industry  sector,  including number of employees, turnover, and value of assets. A small enterprise is defined as having up to 50  employees, and a medium enterprise from 51 to 200. Companies with up to 20 staff are defined as very small  enterprises. South African government is well aware of the fact that SMMEs play a pivotal role in job creation,  economic  growth  and  poverty  alleviation.  The  challenge  that  is  faced  by  government  and  the  Ethekwini  Municipality is how to assist and support these SMMEs in order to give entrepreneurs every chance of success,  and  in  so  doing  reduce  SMME  failures,  increase  economic  growth  and  reduce  unemployment  and  poverty.  Enterprise Development has been identified as a potential avenue to drive the required economic growth, but  has not been fully utilized, both nationally and within the Ethekwini Municipal Area, to assist SMMEs to reach  their potential.     SMMEs  are  important  to  the  economy  of  South  Africa.  As  engines  of  the  economy,  they  contribute  to  the  output  and  employment  potential  of  the  country  to  a  large  extent.  However,  South  Africa  has  faced  considerable challenges in starting up and nurturing of SMMEs and lags behind compared to its counterparts.  SMMEs  face  the  key  challenges  of  lack  of  access  to  Markets,  Finance,  Workplace  and  Skills.  This  is  amidst  a  culture which does not support entrepreneurs and a high rate of start‐up failures. e‐Thekwini Municipality, as  one of the most progressive and well run municipalities considers it important to become an entrepreneurial  city so that by the year 2020, it becomes Africa’s most liveable city. It seeks to achieve this by developing an  entrepreneurial  ecosystem  where  all  the  key  stakeholders  collaborate  in  harmony  to  create  and  support  entrepreneurs.  Entrepreneurial  cities  take  a  progressive  approach  in  unlocking  opportunities  and  doing  the  right  things  by  playing  a  facilitative  role.  Currently,  the  Ethekwini  Municipality  has  many  programmes  throughout the width and breadth of the organisation. The purpose of the Enterprise Development Policy is to  assist to co‐ordinate these programmes into a single tool which is able to unleash the enterprise development  potential that exists within them. There is a need to ring‐fence and verify business support programmes, large  tenders and large scale infrastructure projects and ensure that these are focused on assisting and supporting  Black‐owned  businesses  in  order  to  hone  in  on  the  Enterprise  Development  potential  within  these  programmes, as  well  as  to  create  awareness  throughout the  Ethekwini Municipality  of  the  business  support  opportunities available within all projects undertaken by the Municipality. 

33

  Anneline Chetty  3.1.3 The solution  In  South  Africa,  economic  transformation  is  promulgated  through  the  Broad‐based  Black  Economic  Empowerment  (BBBEE)  legislation,  known  as  the  Broad  Based  Economic  Empowerment  Act.  This  means  the  economic  empowerment  of  all  black  people,  including  women,  workers,  youth,  people  with  disabilities  and  people living in rural areas, through diverse but integrated socio‐economic strategies. Enterprise Development  is  a  critical  component  of  this  legislation.  Enterprise  development  (ED)  requires  South  African  corporate  to  spend 3% of their annual profits after tax on support for black owned enterprises. This can be done in either  monetary or non‐monetary terms, including recoverable or non‐recoverable contributions actually initiated in  favour  of  beneficiary  entities  by  a  Measured  Entity  with  the  spend  contributing  towards,  assisting  or  accelerating the development, sustainability, and the operational independence of that beneficiary. This may  be  done  by  either  directly  or  by  pledging  funds  to  Enterprise  Development  agencies  that  work  with  eligible  companies.  There  is  an  estimated  R12  billion  in  potential  funding  available  for  black  businesses.  Enterprise  development has great potential to increase job creation and bring more black entrepreneurs and businesses  into the mainstream economy.    From  a  private  sector  perspective,  Enterprise  Development  is  an  under‐utilized  BBBEE  tool,  which  has  great  potential  to  attract  investment  from  Corporate  and  other  organisations,  through  cash  investment,  equity  investment  as  well  as  investment  in  kind  through  training,  mentorship,  business  linkage  support  and  more  favourable working capital terms. The Municipality therefore attempt to develop and implement an innovative  strategy to facilitate the success of entrepreneurs. It should be noted this Municipality is the only Municipality  to develop the Enterprise development strategy which has been embodied in various business models around  the world, including various components of integrated business support services. This includes access to skills,  access to markets, micro‐finance, venture capital, private equity, and commercial lending. These models are  effective when driven by real businesses with appropriate skills, experience and dedicated capacity.     The support provided to entrepreneurs is a key focus area of the eThekwini Municipality’s strategic plan. It is  essential that the Ethekwini Municipality support business development not only through these projects and  programmes, but as part of its core operations. It is envisaged that Enterprise Development should become a  part of a mandatory “checklist” in the operations of the Ethekwini Municipality, and should be a key part of  procurement  procedures,  including  mandatory  outsourcing  of  a  proportion  of  large  Municipal  Projects  to  Qualifying BEE enterprises. 

Figure 2: Enterprise development model for the Ethekwini Municipality 

34

  Anneline Chetty  The purpose of the Enterprise Development strategy is to create a policy that aligns the Ethekwini Municipality  programmes  with  the  enterprise  development  requirements  of  the  Broad  Based  Black  Empowerment  Act.  Ethekwini  Municipality  identified  and  assessed  the  current  development  programmes  that  had  Enterprise  Development  potential.  These  programmes  were  ring‐fenced  and  assessed  as  Enterprise  Development  initiatives in terms of the B‐BBEE Code, and packaged to meet the Enterprise Development needs of Corporate  South Africa, as well as other organisations.     The objectives of this policy are therefore three‐fold:  ƒ

To  identify  existing business support  programmes  within  the Ethekwini  Municipal Area  (EMA) that have  potential to be Enterprise Development Programmes and to identify beneficiaries of the existing business  support programmes, and assess their appropriateness in terms of Enterprise Development requirements  of the B‐BBEE codes (with specific focus on women and the youth).  

ƒ

To  assess  the  Procurement  schedule  within  the  Ethekwini  Municipality  and  ensure  that  contract  participation  goals  are  included  in  each  contract/tender  awarded.  The  Ethekwini  Municipality  has  a  budget  of  R33  billion.  It  is  necessary  that  a  percentage  of  the  procurement  opportunities  within  this  budget are awarded to small businesses.  

ƒ

To ensure that enterprise development is a key component of large scale investment and infrastructure  projects  which  are  implemented  in  the  Ethekwini  Municipal  Area.  Such  projects  may  have  national,  provincial and local government significance, and may therefore, in some instances, require an integrated  enterprise development framework to ensure that SMMEs benefit from such projects.  

The  primary  objective  of  the  eThekwini  Municipality  Enterprise  development  strategy  was  to  capitalise  on  private  sector  involvement  in  economic  growth  and  the  reduction  of  unemployment.  The  Municipality  developed  the  strategy  in  conjunction  with  the  private  sector  and  identified  corporate  companies  who  also  wanted  to  develop  entrepreneurs.  The  key  areas  of  programmes  identified  jointly  by  these  strategic  partnerships was about developing the capacity of SMMEs to participate initially in the corporate supply chains  by  facilitating  access  to  skills,  finance  and  markets,  however,  this  ultimately  increases  their  capacity  and  readiness to participate in global value chain as identified by the OECD (2013). Each company was approached  and  their  needs  identified  in  terms  of  their  supply  chain,  SMMEs  who  was  relevant  was  identified  to  participate in the company’s evaluation process. A joint implementation plan was developed individually for  each partnership. The company would then establish the SMMEs readiness to participate immediately in their  value chain or identify gaps. A joint development programme was put in place for each SMME addressing the  gaps  identified.  SMMEs  who  met  all  criteria  successfully  were  placed  on  a  portal  which  facilitated  access  to  markets for them.      Each  of  the  companies  identified  have  contributed  in  both  cash  and  kind  to  assist  in  boosting  productivity,  increasing  competitiveness  and  innovation  in  Entrepreneurs  thereby  helping  to  create  employment  and  prosperity which revitalizes our communities. Through the partnerships secured the Municipality has received  over R50 million in support towards developing entrepreneurs. Companies have invested time, knowledge and  capital to help Small and Medium Enterprises establish, expand or improve businesses including empowering  modest  income‐generating  informal  activities  to  grow  and  contribute  to  the  local  economy.  The  enterprise  development strategy has helped to achieve the following outcomes:  ƒ

Increased the pool of resources available for developing enterprises 

ƒ

Increasing the role, responsibility and participation of the private sector in developing enterprises  

ƒ

steering  the  economy  towards  a  stable  environment  that  nurtures  growth  and  increases  the  country’s  economic competitiveness 

ƒ

fostering a synergistic relationship between private and public sector to embrace social investment as a  common vision 

ƒ

fostering an entrepreneurship culture amongst previously disadvantaged groups. 

ƒ

Increased the capacity and  readiness of SMMEs to participate in global value chains.   

Through enterprise development people can earn a living and rise out of poverty. In turn over time they create  jobs as well as empower other individuals and the communities in which they live.  It created a win‐win‐win  situation for the public and private sectors as well as the SMMEs themselves. The Ethekwini Municipality being 

35

  Anneline Chetty  the only public sector organization to implement such a strategy, this was evident from the various platforms  presented  at,  this  often  translated  into  the  fact  that  the  other  Metropolitan  areas  and  municipal  administrative  authorities  did  not  have  as  much  resources  to  focus  on  developing  their  entrepreneurs  and  therefore  stuck  to  the  basic  programmes.  By  encouraging  innovation,  creativity  and  learning  amongst  our  enterprise development practitioners it is hoped that this municipality will be able to be resilient and adapt to  the many challenges that will face cities and convert them into opportunities. Rapid change is always scary for  incumbents, but if you’re not an incumbent, you have nothing to lose.  

4. Conclusion  The Enterprise development strategy in the Ethekwini Municipality has been identified as an innovative tool  which  has  helped  catapult  the  amount  of  resources  available  for  developing  SMMEs.  It  has  also  created  an  excellent  platform  for  public  private  partnerships  in  the  area  of  promoting  economic  growth  for  this  city.  Whilst this City faces the triple challenges of poverty, unemployment and inequality, this strategy helped to  significantly  decrease  and  overcome  the  impact  such  challenges  would  otherwise  have  had.  On  various  platforms presented, it was clear that the Ethekwini Municipality is the only public sector organisation who has  identified  this  approach  as  a  means  to  accelerate  entrepreneurial  support.  This  paper  looked  at  the  links  between  Entrepreneurship  and  innovation.  It  also  looked  at  the  Enterprise  development  strategy  as  an  innovative tool which increased resources available to contribute towards the development of SMMEs and the  impacts  such  as  tool  has  had  on  the  entrepreneurial  environment.  In  order  to  change  the  face  of  entrepreneurship  in  South  Africa,  we  need  to  embrace  an  Innovative  culture  that  will  pave  the  way  for  Economic growth and job creation. Innovation ensures a sustained future for generations to follow!!!! 

References  Albaladejo, R. H. (2004). Determinants of innovation capability in small UK firms http://www.qeh.ox.ac.uk.   Allocca, M.A, and Kessler, E.H, (2006). Innovation speed in small and medium‐sized enterprises. Creativity and  InnovationManagement, 15(3), 279–295.  Beaver, G. and Prince, C. (2002). “Innovation, entrepreneurship and competitive advantage in the entrepreneurial  venture”, Journal of Small Business and Enterprise Development 9(1):28‐37.  Bessant, J. and Tidd, J. (2007).Innovation and Entrepreneurship, Wiley, UK.  Bruderl, J.and   Preisendorfer, P. (2000). Fast growing businesses: empirical evidence from a German study. International  Journalof Sociology, 30, 45–70.  Cattaneo, O., Gereffi, G., Miroudot, S.,Taglioni, D. (2013). Joining, Upgrading and Being Competitive in Global Value Chains:  A Strategic Framework. The World Bank, International Trade Department, Poverty Reduction and Economic  Management Network, Policy Research Working Paper 6406, April 2013.  Chrisman, J.J., Kellermanns, F.W, Chan, K.C, &Liano, K. (2010). Intellectual foundations of current research in family  business:an identification and review of 25 influential articles. Family Business Review, 23(1), 9–26.  Craggs, A. and Jones, P., (1998), UK results from the Community Innovation Survey, EconomicTrends, 539(October), pp. 51‐ 57.  Kogut, P. and Zander, U. (1992).Knowledge of the firm, combinative capabilities and the replication of  technology.Organisation science journal 3(3):383‐397  Lumpkin, G.T and Dess, G.G, (1996). Clarifying the entrepreneurial orientation construct and linking it to performance.The  Academy of Management Review, 21(1), 35–172.  McGrath, R.G. (2001). Exploratory learning, innovative capacity, and managerial oversight. The Academy of Management  Journal,44, 118–131.  Naudé, W.A. (2008). ‘Entrepreneurship in the Field of Development Economics’, (In Barreira, J. Dhliwayo, S., Luiz, J., Naudé,  W. and Urban, B. Frontiers in Entrepreneurship.Book 1 in theSeries Perspectives in Entrepreneurship.A Research  Companion.Chapter 4. Johannesburg:Heinemann. pp. 85‐110.)  OECD (2006), Competitive Cities in the Global Economy, pp 1‐446  OECD (2005), SME and Entrepreneurship Outlook, OECD, Paris.  OECD, (2002).Management Training in SMEs, OECD, Paris.  OECD, (2007), Enhancing the role of SMEs in Global value chains, Tokyo.  OECD (2012). Redefining "Urban": A New Way to Measure Metropolitan Areas  http://www.oecdbookshop.org/oecd/display.asp?sf1=identifiers&st1=042012051P1&LANG=EN  Oluwajoba, I. (2007). Assessment of the capabilities for innovation by small and medium industry in Nigeria.African  Journals of Business Management 1 (8): 209‐217.  Pavitt, K., Robson, M. and Townsend, J. (1987). The size distribution of innovating firms in the UK: 1945‐84, Journal of  Industrial Economics, 45, pp.297‐306.  Rumelt, RP. (1984). Toward a strategic theory of the firm. In R Lamb (Ed.), Competitive strategic management (pp. 556– 570).Englewood Cliffs: Prentice Hall.  Schumpeter, J. (1947). The creative response to economic history. Journal of Economic History, 7, 149–159. 

36

  Anneline Chetty  Schumpeter, J. A., (1942).Capitalism, Socialism and Democracy.New York, Harper and Row.  Tödtling, F. andKaufmann, A. (2001). Science‐industry interaction in the process of innovation,Research Policy 30(5): 791‐ 804.  Verhees, F.J.H.M, andMeulenberg, M.T.G. (2004).Market orientation, innovativeness, product innovation, and  performance insmall firms. Journal of Small Business Management, 42, 134–154.  World Bank, Doing Business in 2004: Understanding Regulation,Washington, DC, 2003.  Wolff, J.A, andPett, T.L. (2006). Small‐firm performance: modeling the role of product and process improvements.  Journalof Small Business Management, 44(2), 268–284  Panizzolo, P. (1998). Managing Innovation in SMEs,J. Small. Bus. Econ 11: 25–42.  Oluwajoba, I. (2007). Assessment of the capabilities for innovation by small and medium industry in Nigeria.African  Journals of Business Management 1 (8): 209‐217.  Shane, S. (2000). Prior knowledge and the discovery of entrepreneurial opportunities. Organization Science, 11, 448–469. 

37

A Model to Study What Knowledge Based Practices Successfully  Facilitate Innovation in Supply Chains  Allan Deacon1, Alex Bennet2 and Manasi Shukla2  1 Bangkok University, Bangkok, Thailand   2 IKI‐SEA, School of Business, Bangkok, Thailand   [email protected]  [email protected] 

shukla.manasi@gmail,com    Abstract:  Suppliers  are  a  potential  source  of  innovation  through  knowledge  sharing  and  creation.  By  making  full  use  of  knowledge  sharing  and  creation  organizations  can  generate  sustainable  advantage  through  innovation.  This  research  studies  the  role  of  procurement  management  in  enabling  innovation  throughout  the  supply  chain,  identifying  best  knowledge  practices  and  possibilities.  The  primary  question  asks:  What  knowledge  based practices  successfully  facilitate  innovation  in  supply  chains.  The  secondary  question  asks:  Are  there  regional  differences  in  the  use  of  these  knowledge  based practices between Europe, North America and Asia? This research addresses the use of knowledge based practices  to successfully  facilitate  innovation  from  in  the  supply  chain,  identifying  and  capturing  these  practices,  and  investigates  regional differences in the use of these knowledge based practices. The overlap between knowledge processes facilitating  knowledge  sharing  and  knowledge  based  practices  enabling  innovation  is  also  explored.  The  importance  of  knowledge  based innovation on cost optimization (research shows businesses spend two thirds of revenue on non‐labour costs), risk  management  (floods,  tsunamis  and  horsemeat  scandals  have  all  recently  demonstrated  supply  chain  risk),  and  new  product  and  service  offerings  development  to  the  organization,  are  also  explored.  This  study  is  important  to  any  organization that has a need to acquire goods and services, or outsources operations.  It is important for those involved in  procurement and supply chain management to have insights into the knowledge based practices that help an organization  share and create knowledge with suppliers that can generate value both for the organization, its suppliers and customers.    Keywords: procurement and supply chains, knowledge based innovation, knowledge sharing in supply chains, knowledge  creation, complex adaptive systems, and risk management 

1. Introduction  1.1 Knowledge and organizational learning  Sveiby (1997) comments that there is no real definition of knowledge in the current knowledge management  literature. Jashapara (2002) says that most of the current literature in knowledge management is based on the  writings of Gilbert Ryle and Michael Polanyi. Ryle’s notion of “knowing how and knowing that” and Polanyi’s  understanding  that  these  exist  on  a  continuum  not  distinct  separate  entities.  Bennet  (2004  p5)  explains  knowledge as “the human capacity to take effective action in varied and uncertain situations. King (2009 p4)  defines knowledge as a “justified personal belief.” King (2009) defines knowledge management is the planning,  organizing,  motivating,  and  controlling  of  people,  processes  and  systems  in  the  organization  to  ensure  its  knowledge  related  assets  are  improved  and  effectively  employed.  Maqsood  et  al  (2007)  highlighted  the  extension of knowledge management into learning chains and concluded that long‐term relationships among  organizations, customers and suppliers, using knowledge sharing networks would become more widespread in  the supply chain environment.    Organizations  operate  in  an  ever  increasingly  complex  environment.  Political,  economic,  social,  and  technological influences are evolving and changing more and more rapidly. Maintaining competitive advantage  is  essential  if  organizations  wish  to  survive  and  prosper.  Nonaka  and  Takeuchi  (1995)  comment  that  a  company’s  ability  to  create,  store,  and  disseminate  knowledge  is  absolutely  crucial  for  staying  ahead  of  the  competition in areas of quality, speed, innovation and price. Stewart (1997) says knowledge has become more  important for organizations than financial resources, market position technology or any other company asset.  Senge  (1990),  Marquardt  (2002),  Bennet  (2004),  Garrity  (2007)  and  others  suggest  organizations  need  to  become “learning organizations in order to  survive and be successful. This research and comments tends to  focus  on  the  organization  itself  –  its  people,  systems,  processes,  culture  etc.  Scott  (2011)  carried  out  a  literature  review  on  organizational  learning  and  concluded  that  “a  comprehensive  model  for  organizational  learning  remains  elusory”  (p.1)  and  states  “there  is  no  consensus  around  what  organizational  learning  is  or  how to best facilitate it (p. 2). She references many sources when referring to disruptive changes in the world 

38

  Allan Deacon, Alex Bennet and Manasi Shukla  we  live  in,  the  need  for  organizations  to  produce  greater  value  through  innovation  and  the  requirement  to  stimulate  new  ways  of  thinking  amongst  individuals,  groups  and  communities  to  facilitate  this.  Marquardt  (2002 p ix) comments “organizations must adapt faster and better to the ever increasing speed of change and  chaotic environment. Learning needs to understand and adapt to the changes in technology and globalization.  Edmonson (2012 p 1) states “to succeed in a changing and competitive global economy organizations must be  able  to  learn”.  The  phenomenon  of  globalization  and  massive  technological  advances  has  led  to  more  extended and complex supply chains as organizations outsource and offshore requirements; and to a growth  in  the  %  of  non‐labour  revenue  spend.  Suppliers  are  an  increasingly  important  resource  for  sharing  and  creating knowledge and need to be seen as part of the organization in the context of its value chain. 

1.2 Supply chains and supply chain management  Manville  (2001)  notes  that  organizations  must  embrace  what  he  calls  the  extended  enterprise.  Companies  have  become  increasingly  virtual  through  such  mechanisms  as  outsourcing,  focus  on  core  competencies,  partnerships, joint ventures and alliances. This establishes supply chains, which can also be analysed as in the  context of value chains. People within these value/supply chains work together to provide goods and services  to  customers.  The  chains  are  often  linked  formally  through  contractual  bonds  but  the  relationships  are  activated  through  people.  This  creates  the  opportunity  for  knowledge  sharing  and  knowledge  creation.  This  will occur across the traditional organizational boundaries and means that suppliers and their people are all  now part of a new overall learning environment along with the organizations own core employees. The growth  in  outsourcing  means  that  work  and  operations  traditionally  carried  out  in‐house  are  now  carried  out  be  a  third party. This changes where action learning takes place and tacit knowledge now develops and is held by  people outside the organization. Companies like Toyota recognized this and pioneered the use of learning with  suppliers. This “work with us, learn from us, teach us” principle has been adopted by many other organizations  and is the basis of thousands of manufacturing and supplier relationships around the world. However, this is  often  interpreted  as  “lean  supply,  just‐in‐time  and  defect  reduction  programs  and  therefore  does  not  fully  exploit all the opportunities that mutual knowledge sharing and creation can offer. 

1.3 Use of knowledge based practices to gain competitive advantage through innovation  Stata  (1989  p.64)  stated  “the  rate  at  which  individuals  learn  may  become  the  only  sustainable  advantage”.  Hendricks and Vrien (1999) suggest that the knowledge assets an organization posses can be used to create  sustainable  competitive  advantage.  Managing  these  assets  effectively  will  provide  a  better  chance  for  the  organization’s  long  term  survival.  McFayden  and  Canella  (2004)  suggest  that  knowledge  will  be  one  of  the  most  important  sources  of  competitive  advantage  available  to  an  organization  in  the  21st  century.  Hitt  and  Denisi  (2003)  comment  that  organizations  will  use  the  generation  and  management  of  new  knowledge  to  compete in the complex and challenging business environments of this period. Deed and Hill (1996 p,58) state  “ firms that are effective in acquiring knowledge will be able to create and sustain a competitive advantage in  the  knowledge  based  economy.  Those  that  are  not  will  have  difficulty  in  maintaining  their  competitive  position”.  This is just a small sample of the literature supporting the idea that knowledge based practices can  be used to generate competitive advantage. Polyani (1967) introduces us to the idea of tacit knowledge. This is  knowledge an individual builds up through their experiences, mental models and perspectives. It becomes so  deeply embedded in a person that it becomes second nature to that person. This type of intuitive embedded  knowledge  is  difficult  to  communicate.  However,  an  organization  does  not  want  to  fail  to  create  explicit  knowledge from tacit knowledge as losses may result. Zack (1999 p.47) explains this concept clearly as follows  “potential explicable knowledge that has not been articulated represents a lost opportunity to efficiently share  and  leverage  that  knowledge.  If  competitors  have  articulated  and  routinized  the  integration  of  similar  knowledge, then they may obtain a competitive advantage”. It is very important to consider this in the context  of  Purchasing  &  Supply  Chain  Management.  Extended  and  more  complex  supply  chains,  the  growth  in  outsourcing  and  in  off‐shoring,  all  means  that  tacit  knowledge  will  be  building  in  individuals  outside  of  the  organization and its immediate environment. These individuals will not be direct employees and members of  the organization and contractual protection of intellectual property (IP) will not induce knowledge sharing and  creation in itself. Competitors may also use the same suppliers and create similar supply chains in which they  may better exploit the knowledge and learning opportunities if an organization is not careful. 

39

  Allan Deacon, Alex Bennet and Manasi Shukla   

1.4 Knowledge based innovation  The  link  between  knowledge  management  and  innovation  has  been  studied  for  a  long  time.  Daghfous  and  White, (1994); Kerssens‐van Drongelen, De Weed‐Nederhof and Fischer, 1996; Leonard‐Barton, (1995); Skyrme  and  Amidon,  (1999);  Von  Krogh,  Ichijo  and  Nonaka,  (2000);  and  Saulais  and  Ermine,  (2012).  Nonaka  and  Takeuchi  (1995)  consider  that  knowledge  and  innovation  are  crucial  sources  for  sustaining  the  competitive  advantage of a company. 

1.5 Knowledge, innovation and suppliers  Gunsel  et  al  (2011)  suggest  acquiring  knowledge  involves  searching  for,  recognizing  and  assimilating  new  knowledge  from  outside  organizational  boundaries.  This  newly  acquired  knowledge  can  modify  the  organization’s  knowledge  stock  by  interacting  with  the  organization’s  existing  knowledge,  Nonanka  and  Takeuchi (1995) and increase the breadth and depth of knowledge available to the firm. Thus, the potential for  new  innovative  outcomes  is  increased,  Yli‐Renko  et  al,  (2001).  Sarin  and  McDermott  (2003)  note  that  organizations  with  good  capability  to  acquire  external  knowledge  would  reduce  uncertainty  and  achieve  a  greater number of administrative and technological distinctiveness. 

2. Purchasing and supply chain management (– P&SC)  2.1 Purchasing, supply or logistics – a fractious field  There is no unanimity on what the profession that manages the acquisition of goods and services and supply  chains  should  be  called.  Practitioners,  researchers,  and  other  professions  use  terms  like  purchasing,  supply  management, procurement, sourcing, supply chain management, logistics, materials management, distribution  or  supply.  All  these  terms  are  used  by  those  in  the  public  and  private  sectors  and  positions  with  identical  responsibilities often have quite different job titles. The two largest professional bodies, the Institute of Supply  Management in the USA and British based Chartered Institute of Purchasing and Supply have glossaries of key  terms but do not as yet take the lead in unifying their application. For clarity and consistency this paper refers  to  the  profession  as  “purchasing  and  supply  chain  management”  abbreviated  to  “P&SCM”.  The  Institute  of  Supply  Management  defines  purchasing  on  their  website  as  “a  major  function  of  an  organization  that  is  responsible  for  acquisition  of  required  materials,  services  and  equipment.”  Mentzer  (2001)  suggests  supply  chain  management  is  the  systemic,  strategic  co‐ordination  of  the  traditional  business  functions  within  a  particular company and across businesses within the supply chain for the purposes of improving the long‐term  performance of the individual companies and the supply chain as a whole.     The Council of Supply Chain Management Professionals (CSCMP) on its website offer the following definaiton:  "Supply Chain Management encompasses the planning and management of all activities involved in sourcing  and  procurement,  conversion,  and  all  logistics  management  activities.  Importantly,  it  also  includes  coordination  and  collaboration  with  channel  partners,  which  can  be  suppliers,  intermediaries,  third‐party  service  providers,  and  customers.  In  essence,  supply  chain  management  integrates  supply  and  demand  management within and across companies. Supply Chain Management is an integrating function with primary  responsibility for linking major business functions and business processes within and across companies into a  cohesive  and  high‐performing  business  model.  It  includes  all  of  the  logistics  management  activities  noted  above,  as  well  as  manufacturing  operations,  and  it  drives  coordination  of  processes  and  activities  with  and  across marketing, sales, product design, finance and information technology."   These particular definitions are appropriate in the context of this paper. 

2.2 Theories in purchasing and supply chain management  Chicksand et al (2012) carried out a thorough review and analysis of the literature on theoretical perspectives  in purchasing and supply chain management over a 16 year period up to 2009. They comment that “the results  suggest  that  the  field  still  lacks  coherence  and  that  there  is  no  consensus  as  to  which  theories  should  be  applied  to  explain  particular  problems  or  issues  arising  within  the  P&SCM  discipline”.    It  is  clear  from  their  research that theory is absent from much of the P&SCM work, with only 37.7% of reviewed articles having an  association with an intellectual tradition of any kind. The most popular of the theoretical approaches included  was integrated supply chain management theory (ISCM) which Lamming (1996) argued was important within  the P&SCM field. ISCM was born out of the study of Japanese manufacturing and supply chains by Western  academics  and  business  consultants.  The  establishment  of  Japanese  car  manufacturing  factories  in  North 

40

  Allan Deacon, Alex Bennet and Manasi Shukla  America, Australia and Europe encouraged the spread and implementation of this theory. It appears that ISCM  is  still  the  focus  of  many  in  P&SCM.  This  does  not  however  include  other  opportunities  for  innovation  and  competitive advantage which are possible from the total supply chain and the often significant indirect spend  categories. ISCM has also recently been shown to have weaknesses in the way some organizations implement  it.  Several  Japanese  automotive  and  electronics  companies  suffered  severe  supply  disruptions  from  the  Fukushima  nuclear  disaster  in  Japan  and  the  2011  major  flooding  in  Thailand,  where  many  sub‐contract  manufacturers  are  based.  Shared  knowledge  in  these  supply  chains  could  have  produced  better  risk  management and avoided an expensive “lessons learned” situation. 

3. Research question and significance  P&SCM started to develop as an area of significant academic enquiry in the early 1990s (Chicksand et al 2012).  Some studies have examined the linkages between P&SCM and other disciplines e.g. quality management (Lin  et al, 2005; Kannan and Tan, 2005), organizational structure (Kim, 2007), and organizational performance (Li et  al,  2006).  There  does  not  appear  to  have  been  many,  if  indeed  any,  systematic  studies  to  explore  the  relationships  between  P&SCM  and  knowledge  based  practices  and  how  this  might  be  used  to  benefit  the  organization  (Wong  and  Wong.  2011).  This  research  aims  to  identify  what  knowledge  based  practices  successfully facilitate innovation in supply chains. It also aims to highlight how creating and sharing knowledge  with supply chain participants can lead to innovations in new product and service offerings, cost optimizations  and management of supply chain risks. This study will look at the linkages between knowledge based practices  and P&SCM and how these might be used to generate competitive advantages. Recent research carried out by  Proxima  (2012)  in the  UK  shows  that organizations now spend  around 65%  of  revenue  on non‐labour  costs.  This shows the growing importance of supply chains to organizations. 

4. Research and approach to research  4.1 Research questions and propositions  The primary research question asks “What knowledge based practices facilitate innovation in supply chains?”  This will identify knowledge sharing and creation practices within P&SCM and to what extent these practices  are  being  implemented  by  P&SCM  in  context  to  the  organizations  supply  chain.  Knowledge  sharing  and  knowledge  creation  are  practices  that  create  and  use  new  knowledge  and  re‐use  existing  knowledge.  The  secondary question asks “Are there differences in the use of knowledge based practices by P&SCM in Europe,  North  America  and  Asia”.  This  is  important  in  the  context  of  globalization.  For  P&SCM,  the  phenomenon  of  globalization has led to more outsourcing, off‐shoring, and extended supply chains that can often incorporate  several tiers of suppliers. This increases the level of risk but also the opportunities for innovation. 

4.2 Research hypotheses  The research will prove or disprove the following hypotheses;  H0 – An increase in knowledge sharing in supply chains will lead to greater innovation.  H1  –  Increasing  IT  links  with  suppliers  leads  to  greater  knowledge  sharing  when  moderated  by  “knowledge transparency”.  H2  –  There  will  be  differences  in  knowledge  based  practices  when  comparing  P&SCM  in  Asia,  Europe and the USA. 

4.3 Innovation and competitive advantage  Traditionally  P&SCM  has  mostly  derived  innovation  in  supply  chains  through  integrated  supply  chain  management  (ISCM).  The  literature  review  confirms  this  is  still  the  most  popular  theory  associated  with  P&SCM. ISCM focuses attention on lean supply, just‐in‐time supply and zero defect quality techniques, which  all help to optimize costs. However, supply chains can be the source of knowledge based innovation in more  areas  than  this.  For  example  new  product  development  can  benefit  from  utilizing  suppliers  expertise  and  knowledge.  Optimizing  costs  is  more  than  simply  finding  the  cheapest  supplier  or  making  the  supply  chain  leaner; and risk management is an area often overlooked, until there is a problem. ISCM also focuses on the  supply of materials and parts and ignores significant other categories of supply such as indirect and services  and therefore opportunities. 

41

  Allan Deacon, Alex Bennet and Manasi Shukla             Suppliers                      

     P&SCM 

INNOVATION 1. New Product Design  2. Cost Optimization  3. Risk Management 

Competitive  Advantage 

           Knowledge Sharing and Knowledge Creation

                                  Supply Chain Practices

  Figure 1: Innovation from supply chains 

4.4 Research approach  This  research  adopts  an  appreciative  inquiry  approach  and  uses  mixed  methods  for  data  collection.  Using  a  survey approach both qualitative and quantitative data will be collected from a large sample of professional  procurement  managers.  The  research  ontology  is  objective  with  a  critical  realist  epistemology.  Over  500  potential  respondents  will  be  targeted.  These  will  all  be  professional  P&SCM  managers  who  are  qualified  members of appropriate international bodies. The Institute of Supply Management and the Chartered Institute  of Purchasing and Supply are the two largest bodies representing this profession, and both have international  memberships. Public sector and country‐specific equivalent professional bodies will also be targeted to give a  good representation of the profession. This will provide information on the current knowledge based practices  being successfully used by P&SCM managers to what extent they use them and how their use benefits their  organizations The researcher is uniquely qualified to reach out to these resources since he has been an active  professional in the P&SCM field for 40 years, and is a life member of the Chartered Institute of Purchasing and  Supply,  and  has  a  wide  network  of  connections  including  equivalent professional  organizations  in  the  public  and private sectors.. 

5. Conclusions  There is a wide array of literature and research that advocates knowledge and knowledge practices as being  crucial to not only an organization’s competitiveness but also its survival. There is also considerable research  on organizational learning and on organizations becoming “learning organizations”. There is some comment in  literature,  Maqsood  et  al  (2007)  on  extending  these  knowledge  based  practices  to  incorporate  the  supply  chain,  to  create  “learning  chains.  Many  supply  chains  have  become  more  complex  as  organizations  seek  to  exploit the phenomenon of globalization, facilitated by the advances in information technology. The % of an  organization’s  non‐labour  related  revenue  spend  now  typically  accounts  for  around  two  thirds  of  their  total  revenue spend. The function of P&SCM needs to develop appropriate strategies and theories to manage this  effectively and advantageously. The literature suggests there is a gap in research studies that link knowledge  management  and  P&SCM.  This  research  aims  to  go  into  that  “gap”  and  research  what  practices  P&SCM  professionals  are  successfully  using  to  facilitate  innovation  in  their  supply  chains  and  identify  connected  theories and models. The research approach will also allow comparison between different geographic areas,  which  is  more  important  now  with  the  growth  in  globalization.  The  results  of  this  research  will  have  both  academic and practical value. It will not only contribute to understanding more about how P&SCM managers  can  use  knowledge  based  practices  to  generate  innovation  from  their  supply  chains  which  benefit  the  organization, but will also identify and describe knowledge based practices which can be used to do so.  

References  Bennet, A., & Bennet, D. (2004). Organizational Survival in the New World, Elsevier: Butterworth Heinemann, Burlington  MA.  Chicksand, D., Watson, G.,Walker, H., Radnor, Z., and Johnston, R. (2012). "Theoretical perspectives in purchasing and  supply chain management: an analysis of the literature." Supply Chain Management: An International Journal, Vol 17,  No.4, pp 454–472. 

42

  Allan Deacon, Alex Bennet and Manasi Shukla  Daghfous, A. a. W., G.R. (1994). "Information and Innovation: a comprehensive representation." Research Policy 23:  pp.267‐280.  Deed, D. L., and Hill, C. (1996). "Strategic alliances and rate of new product development: An empirical study of new  biotechnology firms." Journal of Business Venturing, Vol 11, No 1, pp 48–49.  Edmondson, A. C. (2012). Teaming: How Organizations Learn, Innovate,and Compete in the Knowledge Economy, Jossey‐ Bass.  Garrity, R. (2007). Learnership 2009: The Re‐invigoration of America through Total Learning, Knowing, and Leading as a  Mindful Way‐of‐Being, ALF Press.  Gunsel, A., Siachou, E., and Acar, A.Z. (2011). "Knowledge management and learning capability to enhance organizational  innovativeness.” Procedia Social and Behavioral Sciences 24: pp. 880‐888.  Hendricks, P. H. J. a. V., D.J. (1999). "Knowledge‐based systems and knowledge management: friends or foes?" Information  & Management, Vol 35, pp 113‐ 125.  Jashapara, A. (2011). Knowledge Management An Integrated Approach, Financial Times Prentice Hall.  Kannan, V. R. a. T., K.C. (2005). "Just in time, total quality management, and supply chain management: understanding  their linkages and impact on business performance." Omega Vol. 33, No. 2, pp 153‐162.  Kerssens‐van Drongelen, I. C. D. W.‐N., P.C.; and Fischer, O.A.M. (1996). "Describing the Issues of Knowledge Management  in R&D: towards a communication and anlysis tool." R&D Management 26: pp.213‐229.  Kim, S. W. (2007). "Organizational structures and the performance of supply chain management." International Journal of  Production Economics Vol. 106, No. 2, pp 323‐345.  King, W. R. (2009). Knowledge Management and Organizational Learning, Annals of Information Systems 4,. New York,  Springer Science and Business Media.  Lamming, R. (1996). "Squaring lean supply with supply chain management." Innternational Journal of Operartions and  Production Management, Vol.16, No.2,  pp 183‐196.  Leonard‐Barton, D. (1995). Wellsprings of Knowledge: Building and Sustaining the Sources of Innovation. Boston, Harvard  Business School Press.  Li, S., Ragu‐Nathan, B., Ragu‐Nathan, T.S. and Rao, S.S. (2006). "The impact of supply chain management practices on  competitive advantage and organizational performance." Omega Vol. 34, No. 2, pp 107‐124.  Lin, C., Chow, W.S., Madu, C.N., Kuei, C.H. and Yu, P.P. (2005). "A structural equation model of supply chain quality  management and organizational performance." International Journal of Production Economics, Vol. 96, No. 3, pp  355‐365.  Manville, B. (2001). "Learning in the new economy." Leader to leader, Vol. 20 pp 36–45.  Maqsood, T., Walker, D. and Finegan, A. (2007). "Extending the knowledge advantage: creating learning chains." The  Learning Organization Vol. 14, No. 2,  pp. 123‐141.  Marquardt, M. J. (2002). Building the Learning Organization, DAVIES‐BLACK PUBLISHING, INC.  McFayden, A., & Canella, A. (2004). "Social capital and knowledge creation: Diminishing returns of the numbers and  strength of exchange relationship." The Academy of Management Journal  Vol. 47, No. 5, pp 35–37.  Mentzer, J. T., De Witt, W., Keebler, J.S., Soonhong, M., Nix, N.W., Smith, C.D., Zacharia, Z.G. (2001). "Defining supply chain  management." Journal of Business Logistics , Vol. 22, No. 2, pp 1‐26.  Nonaka, I., and Takeuchi, H. (1995). The knowledge‐creating company: How Japanese Companies Create the Dynamics of  Innovation, Oxford University Press, New York  Polanyi, M. (1967). The Tacit Dimension, Doubleday, New York.  Proxima (2012). The GBP 10 billion protit opportunity. London, FTI Consulting  Sarin, S., and McDermott, C. (2003). "The effect of team leader characteristics on learning, knowledge application, and  performance of cross‐functional new product development teams." Decision Science 34(4): pp.707‐739.  Saulais, P., and Ermine, J‐L (2012). "Creativity and Knowledge Management." Vine, the Journal of Information and  Knowledge Management Systems 42(No. 3/4).  Scott, B. B. (2011). Organizational Learning: A Literature Review, Queen’s University IRC, Belfast, UK  Senge, P. (1990). The fifth discipline, Doubleday, New York  Skyrme, D., and Amidon, D. (1997). "The knowledge agenda." Journal of Knowledge Management Vol. 1(No. 1): pp. 27‐37.  Stata, R. (1989). Organizational learning – The key to management innovation, Sloan Management Review. Vol. 30, No. 3,  pp 63‐74.  Stewart, T. A. (1997). Intellectual capital: The new wealth of organizations, Doubleday, New York  Sveiby, K. E. (1997). The New Organizational Wealth: Managing and Measuring Knowledge Based Assets. San Francisco,  CA., Berrett Koehler.  Van Krogh, G. I., K., and Nonaka, I. (2000). Enabling Knowledge Creation, How to Unlock the Mystery of Tacit Knowledge  and Release the Power of Innovation. Oxford USA, Oxford Univeristy Press.  Wong, P. W., and Wong, K. Y. (2011). Supply chain management, knowledge management capability, and their linkages  towards firm performance,  Business Process Management Journal , Vol 17 No6, pp. 940‐964.  Yli‐Renko, H., Autio, E., and Sapienza, H.J, (2001). "Social capital, knowledge acquisition and knowledge exploitation in  young technology based firms." Strategic Management Journal 22(6/7): pp.587‐613.  Zack, M. (1999). Managing codified knowledge, Sloan Management Review, Vol. 40, No. 4): 45‐58. 

 

43

Understanding the Impact of Co‐Opetition on Innovation: A Multi‐ Level Analysis  Audrey Depeige1 and André Nemeh2  1 IKI‐SEA‐Bangkok University, Thailand  2 MRM‐University of Montpellier 1, France  [email protected]   [email protected]‐montp1.fr     Abstract: Co‐opetition, simultaneous cooperation and competition, is traditionally considered as a strategy for innovation  (Gnyawali  and  Park,  2009,  Ritala  and  Hurmelinna‐Laukkanen,  2013).  Co‐opetition  has  been  studied  at  different  levels  of  analysis,  yet,  research  on  the  relationship  between  co‐opetition  and  innovation  has  mostly  focused  on  the  inter‐ organizational level. While the study of co‐opetition at this level is important to cover how organizations are interacting to  innovate together, this constitutes a myopic view for a multilevel phenomenon like co‐opetition (Walley, 2007). Previous  research  covers  various  levels  separetely:  individual  (Fang,  2006),  organizational  (Tsai,  2002),  inter‐organizational  (Bengtsson  and  Kock,  2000)  and  network  (Carayannis  and  Laget,  2004;  Gnyawali  and  Madhavan,  2001).  However,  the  multi‐level  nature  of  co‐opetition  implies  that  interactions  at  one  level  will  impact  interactions  and  outcomes  at  other  levels. Consequently, heterogeneity and interrelationships between co‐opetition across levels constitute our main interest  in  this  research:  how  does  the  cross‐level  nature  of  co‐opetition  influence  innovation?  In  order  to  achieve  our  research  objective,  we  performed  a  content  analysis  on  84  published  articles  on  co‐opetition  covering  the  four  levels  of  analysis.  Selected  articles  covered  the  period  from  1987  to  2013  and  were  published  in  peer‐reviewed  academic  journals.  Our  findings  show  that  representations  of  co‐opetition  differ  according  to  the  level  of  analysis.  Differences  in  perception  of  value across levels also play an important role in influencing the outcomes of co‐opetition.    Keywords: Co‐opetition, innovation, multilevel, heterogeneity, interdependence 

1. Introduction  Research  on  co‐opetition  is  increasingly  gaining  importance  among  academic  and  practitioners.  The  body  of  research  is  composed  of  three  main  streams:  research  on  the  drivers  of  co‐opetition,  on  the  co‐opetition  dynamics, and on the outcomes of co‐opetition. Co‐opetition has been studied at different levels: individual,  organizational,  inter‐organizational,  etc.  While  studies  at  each  of  the  levels  are  important  in  order  to  understand  co‐opetition,  previous  research  has  highlighted  the  need  for  multilevel  research  in  sciences  in  general, and in management in particular, in order to cover the complexity of social phenomena. This paper  attempts  to  answer  this  need.  In  particular,  literature  on  co‐opetition  calls  attention  to  its  inherent  multifaceted  nature,  which,  we  suggest,  implies  that  interactions  at  one  level  may  impact  interactions  and  outcomes  at  other  levels.  A  number  of  tentatives  were  undertaken  to  link  the  different  levels  in  which  co‐ opetition takes place (Gnyawali and Park, 2009; Madhavan, Gnyawali, and He, 2004). Yet, research hasn’t been  conducted  to  specifically  understand  representations  of  co‐opetition  at  different  levels  and  how  these  representations  are  impacting  outcomes.  The  objective  of  this  research  is  to  answer  the  following  question:  how does the cross‐level nature of co‐opetition influence the understanding of innovation outcomes?    In  the  following  sections,  we  first  start  with  a  review  of  the  literature  on  how  co‐opetition  has  been  conceptualized  and  studied  at  different  levels:  individual,  organizational,  inter‐organizational  and  network  levels of analysis. The methodology used to answer our research question is also presented, followed by the  main  results  obtained  in  regards  to  previous  literature.  We  then  discuss  how  and  in  what  way  upcoming  research  adopting  a  multilevel  approach  could  bring  new  directions  for  future  academic  discussion  on  the  impact of co‐opetition on innovation.  

2. Theoretical framework  2.1 Co‐opetition as a multifaceted and multilevel phenomenon  In  prevailing  highly  mutable  business  contexts  (high  velocity  environments),  organizations  find  themselves  challenged  to  collaborate  to  leverage  their  respective  innovation  capabilities  and  adapt  to  rapid  changes.  These  emerging  collaborations  involve  their  suppliers,  universities  and  more  recently  competitors,  what  is  named  after  the  term  introduced  by  Nalebuff  and  Brandenburger  (1995):  co‐opetition.  The  two  authors  describe  this  phenomenon  as  a  revolutionary  mind‐set  that  combines  both  cooperation  and  competition.  A 

44

  Audrey Depeige and André Nemeh  number of definitions have been proposed to characterize co‐opetition. In this paper, we define co‐opetition  as  simultaneous  cooperation  and  competition  between  two  or  more  actors/firms  which  cooperate  in  some  activities while competing in others (Bengtsson and Kock, 2000). According to the number of actors involved  and the number of value chain activities considered under co‐opetitive settings, we can distinguish between  dyadic/multiple and vertical/horizontal co‐opetition. These different typologies demonstrate that co‐opetition  takes  multiple  forms  and  is  a  multifaceted  phenomenon  that  spans  multiple  levels.  We  hereby  claim  that  understanding  co‐opetition  requires  placing  co‐opetition  in  its  real  context  or,  as  described  by  Hitt  et  al.  (2007), in nested arrangements:  individuals are nested in working groups, which in turn are nested in larger  organizational units, etc…    The  first  conceptualizations  of  co‐opetition  have  in  a  recurrent  manner  referred  to  a  dyadic  relationship  between two rival firms. However, authors consider this view to be myopic because it offers only a very limited  perspective on the interactions and flows among the different actors involved in co‐opetition (Dorff and Ward,  2013).  Furthermore,  interdependencies  are  claimed  to  be  inherent  to  such  analysis.  Bengtsson  et  al.  (2010)  distinguish  four  levels  of  analysis  to  study  co‐opetition:  individual,  organizational,  inter‐organizational  and  network  levels.  The  authors  have  highlighted  the  interplay  between  levels  as  well  as  the  importance  of  understanding  theses  interactions  on  the  outcome  of  co‐opetition  in  terms  of  innovation  and  performance  implications.  Previous  research  have  studied  the  innovation  outcomes  of  co‐opetition  at  the  inter‐ organizational, organizational, and individual levels separately (Ritala, 2009; Gnyawali and Park, 2011; Ritala et  al.  2013).  In  the  following  sections,  we  will  discuss  more  in  depth  conceptualization  and  outcomes  of  co‐ opetition at these four levels. 

2.2 Co‐opetition: From individual to organizational level  Co‐opetition dynamics are not exclusive of inter‐organizational forms: co‐operative interactions are present at  multiple levels, engaging individuals, groups and organizations in co‐opetition dynamics (Bengtsson, 2010). Co‐ opetition  is  a  growing  area  of  research  extending  much  beyond  the  interaction  between  firms,  with  several  examples  of  studies  focusing  on  co‐opetition  between  different  units  within  one  organization,  or  between  several employees of the organization (Walley, 2007).     In internal co‐opetition settings, business units (division) or workers at an individual levels are expected to be  competing for intrafirm resources such as funds allocation while additionally being on a cooperation mode in  regards to product development (Dagnino, 2011). At an operational level, transition from R&D to production is  expected to be more efficient while the productivity would be increased through co‐opetition’s impact on the  employee’s commitment level. According to Dagnino (2011), co‐opetition benefits expected at the firm level  (intra‐organizational co‐opetition) are associated to increased intra‐firm new knowledge creation and transfer  (co‐opetition between different units) as well as a higher commitment to work and knowledge creation by the  workers (co‐opetition between workers). However, it must be highlighted that the combination of cooperative  and competitive relationship might induce tensions in the presence of both mutual and conflicting interests.  Ghobadi  and  D’Ambra  (2013)  concluded  in  studying  cross‐functional  teams  internally  that  cooperative  behaviors, and more generally social relationships, are not always resulting in positive impacts and may induce  harmful effects such as hampering innovation. 

2.3 Co‐opetition: From inter‐organizational to network  In  the  previous  section,  we  have  discussed  the  positive  effects  of  co‐opetition  at  an  individual  and  organizational  level  on  performance  and  innovation  capabilities  of  groups  and  subunits,  and  thus,  on  the  organizations themselves.     At  the  inter‐organizationa  level,  the  majority  of  studies  analyses  co‐opetition  strategy  between  two  firms  in  strategic  alliances.  Co‐opetition  is  defined  as  “dyadic  and  paradoxical  relationship  that  emerges  when  two  firms are cooperating in some activities while they compete on other ones” (Bengtsson and Kock, 2000). The  impact of co‐opetition on firm’s innovative capacity and performance is nuanced: positive, negative or neutral  (Nieto  and  Santamaría,  2007).  Few  authors  tried  to  explain  the  difference  on  innovation  outcomes.  In  sum,  firms absorbing and learning faster, but also protecting and securing their knowledge base from collaboration  while  keeping  a  certain  level  of  sharing,  will  gain  the  most  from  co‐opetition  (Ritala  and  Hurmelinna‐ Laukkanen, 2013). The need for a multilevel analysis and understanding of co‐opetition emerges in the case of  a conflict between individual and collective values or what Khanna, et al. (1998) name co‐opetitive tensions. 

45

  Audrey Depeige and André Nemeh  These tensions originate in the share/protect dilemma. On one side, competitors find an interest to share in  order  to  create  value  (economy  of  scales),  as  well  as  reduced  R&D  risk  and  costs.  However,  firms  should  ensure  not  to  reveal  the  source  of  their  competitive  advantage  ‐  their  strategic  knowledge  and  core  capabilities (Arikan, 2009) in the race to innovation. Here, the definition of strategic knowledge is framed by  the top of the firms but has to be staged down to lower levels: departments and more importantly personnel  involved in co‐opetition. In addition, the role of boundary spanners (i.e. project coordinator and gate keepers)  is vital in order to gain more from these projects.    At  the  network  level,  co‐opetition  is  the  sum  of  cooperative  and  competitive  actions  between  competitors  within  a  network.  The  literature  gives  several  case  examples  of  the  impact  of  co‐opetition  on  innovation  outcomes such as innovation performance (Gnyawali and Park, 2009, Ritala and Hurmelinna‐Laukkanen, 2013)  at the industry network level. However, few is written about how the different dimensions of these network  ties  are  intertwined  with  one  another.  Networks  may  encompass  different  dimensions  and  links  such  as  economic, institutional and social links. Whether there exist interactions between these different types of ties  remains  to  be  further  explored  in  co‐opetition.  In  the  next  section,  we  will  highlight  tentatives  to  link  the  different levels in which co‐opetition takes place. 

2.4 A multilevel perspective of co‐opetition: An overview of previous research  The impact of co‐opetition at different levels of analysis is studied in four different papers published between  2004 and 2013. Three of them explicitly examine the role of co‐opetition and innovation adopting a multi‐level  perspective and are based on contributions linking at least two different levels of analysis. The fourth paper  will  be  kept  as  well,  as  it  describes  inter‐level  dynamics,  though  not  in  relationship  with  innovation.  Its  relevance  for  our  research  is  established  as  it  proposes  developments  for  a  view  of  co‐opetition  at  multiple  levels combining the dyadic and the network level of analysis.    In the first article, Gnyawali and Park (2009) suggest that the interactions between industry, dyadic, and firms’  factors, determines the likelihood of a pair of firms to co‐opete. At the industry‐level, industries characterized  by short product life cycle, technological convergence, and high R&D cost constitute a more favorable context  for co‐opetition between SMEs than in other industries. At dyadic level, strategic and technological alignment  between partners will play an important role in indicating the likelihood of co‐opetition. More precisely, short  product  life  cycle  will  lead  SMEs  to  collaborate  with  competitors  having  strong  technological  capabilities.  In  order  to  achieve  technological  convergence,  SMEs  are  likely  to  collaborate  with  competitors  that  have  complementary resources and technologies. The high degree of goal congruence or mutual value creation is  related  to  high  likelihood  of  co‐opetition  by  between  SMEs.  At  the  firm  level,  a  low  level  of  perceived  vulnerability  and  pursuing  a  prospecting  strategy  will  increase  the  likelihood  of  competitors  to  coopete.  All  these factors are linked to the consequence of co‐opetition in terms of costs or benefits.     The second paper which adopts multiple levels of analysis (Wilhelm, 2011) studies the interplay between two  levels of analysis. Taking the example of the supply chain industry, Wilhelm proposes an interaction between  the dyadic level of analysis (buyer to supplier, inter‐organizational level of analysis) and the network level of  analysis (supplier to supplier). The author argues that the influence of the actors does not only have an impact  at  the  co‐opetition  level,  but  that  the  overall  network  level  can  be  managed  through  horizontal  relations  (supplier  to  supplier).  Building  on  previous  research,  the  papers  shows  the  influence  of  the  buyer  in  the  indirect  relation  between  two  suppliers,  to  the  extent  of  stimulating  co‐opetition  by  encouraging  them  to  collaborate for product development ‐ while at the same time stimulating co‐opetition.    The  third  article  Madhavan,  et  al.  (2004)  tackles  the  prevalence  of  triadic  structure  in  competitor  alliance  networks and which factors determine firms’ likelihood of engaging in “transitive” triads. The study develops a  multilevel conceptual model relating network properties that are key for competitive action and response. The  model also examines the constructs of competitive dynamics and structural embeddedness at the firm level  (likelihood of a focal firm's undertaking an action or receiving a response to the action), pair level (likelihood of  action and response between a given pair of firms), and network level (likelihood of any firm's undertaking an  action against any other firm in its network or receiving a response to the action).     The  last  article  in  this  category  (Tomlinson  and  Fai,  2013)  examines  the  nature  of  cooperative  relationships  between firms (strength, variety of relational direction) and their impact on innovation. Drawing on previous 

46

  Audrey Depeige and André Nemeh  work on network ties and innovation performance, the article presents on overview of research on inter‐firm  collaborative initiatives. Authors further examine degrees of cooperation and competition, and the scale and  dimensions  of  cooperation  between  firms.  Using  multivariate  regression  analysis,  their  results  also  suggest  that  vertical  cooperation  positively  impacts  innovation  while  it  is  not  the  case  in  horizontal  cooperation  settings.  These  findings  advocate  for  the  development  of  information  exchanges  between  partners  and  the  facilitation of network development, thus suggesting a link between the dyadic level (inter‐organizational) and  the  network  level.  In  conclusion,  the  research  shows  that  the  network  effects  are  observed  beyond  geographical  boundaries,  which  demonstrates  that  outcomes  co‐opetition  may  not  be  limited  to  the  initial  scale of the co‐opetitive relationship.      While the discussed papers constitute an important effort to link different levels of co‐opetition, each covers  one to three of these levels but not the whole spectrum of levels of analysis. In this perspective, the effort to  identify  how  different  levels  of  analysis  are  interconnected  will  help  provide  a  more  exhaustive  view  of  innovation outcomes and effects that result from co‐opetitive interactions.  

  Figure 1: A representation of the impact of multilevel interactions on co‐opetition outcomes  Our assumption is that the outcomes of co‐opetitive interactions observed at one level of analysis are tightly  tied  together  with  interaction  or  effects  at  a  different  level.  In  considering  co‐opetition  as  a  dynamic  relationship  between  actors,  we  propose  that  several  levels  are  subject  to  be  impacted  by  the  inherent  dynamic  nature  of  co‐opetitive  relationships:  first,  at  the  level  of  the  actors  themselves  (individuals,  teams,  organizations, …) and second, at the level the immediate environment in which co‐opetitive relationships are  taking  place.  This  is  analog  to  the  conceptualization  of  innovation  found  in  Gupta  et  al.  (2007):  the  authors  argue for the need for more research on innovation across multiple levels of analysis as it is rare that research  contributions “operate at different levels or are considered in combination” (p. 855). It also resonates recent  research  work  on  co‐opetition  dynamics,  which  complexity  can  only  be  captured  in  considering  the  relationship  between  actors  simultaneously  involved  in cooperative  and  competitive interactions  (Bengtsson  et al, 2010). Hence, in this continuity we propose co‐opetition dynamics (joint collaboration and competition)  and its impacts to be studied jointly at different levels (e.g. intraorganizational and inter‐organizational level). 

3. Methodology  3.1 A need for multi‐level research  Hitt et al. (2007) have highlighted that research in management suffers from the use a single level of analysis.  A micro or a macro lens yields to an incomplete understanding at either level. A multilevel thinking involves  that organizational entities reside in nested arrangements. Figure 1 depicts an example of such nesting. The  rationale for this is that individuals are nested in work groups, which in turn are nested in larger organizational  units,  such  as  departments  or  strategic  business  units,  themselves  nested  in  national  or  multinational  organizations.  Furthermore,  organizations  are  nested  in  networks  of  inter‐organizational  relationships  (e.g., 

47

  Audrey Depeige and André Nemeh  strategic alliances), which in turn are nested in overall performance environments. Although the exact number  and nature of layers are likely to vary from one investigation to another, the nested arrangement has certain  implications  for  organizational  theory  and  research.  The  researcher  may  alternatively  explore  top‐down  or  bottom up processes (Gupta et al., 2007). In this perspective, the exploration of contextual effects at different  levels (industry or institutional) and their effect (main or moderator) at the organizational level is cited by the  authors as an example of research question.  

  Figure  2:  A  bottom‐up  and  top‐down  multi‐dimensional  perspective  of  innovation  outcomes  under  co‐ opetition  

3.2 Method of bibliographic analysis  In  order  to  achieve  the  research  objective,  we  conducted  a  content  analysis  on  84  published  articles  on  co‐ opetition adopting different views through lenses of different levels of analysis. Selected articles referred both  to co‐opetition conceptualization and co‐opetition outcomes. They covered the period from 1978 to 2013 and  were classified according to the level of analysis adopted by the researchers.   Table 1: Levels of analysis in selected co‐opetition papers  Level of Analysis 

Number of identified papers 

1. Network level 

28 

2. Inter‐organizational level 

29 

3. Organizational level 

16 

4. Individual level 

7 

5. Multiple levels of analysis 

4 

Our analysis  incorporates  a  three  step‐process.  First,  abstracts  have  been  analyzed  through  content analysis  software NVIVO. Word co‐occurence data allowed us to extract patterns and provide a first overview of the  relatedness  between  concepts  (Vaughan  and  You,  2010).  As  a  second  step,  visual  representations  were  produced based on factorial analysis. Words contained in the abstracts corpus have been statistically treated  as  variables.  Only  words  occurring  more  than  twice  in  the  84  documents  have  been  kept  for  running  the  analysis  and  factors  isolated  according  to  the  words  loadings.  This  step  has  been  performed  through  SPSS  based on the words co‐occurrence matrix with a final data set composed of 1040 words.The factorial analysis  computation has been conducted and repeated in the same manner for each of the levels of analysis. Finally,  the  overall  comparison  of  the  four  datasets  was  used  to  indicate  differences  and  communalities  in  the  identified  patterns  (factor  loadings,  screeplot  displays,  etc…).  As  a  last  step,  and  in  order  to  co‐occurrences  were used to create semantic maps of keywords for each level, using the software VOSViewer (edited by Eck & 

48

  Audrey Depeige and André Nemeh  Waltman,  Center  for  Science  and  Technology  of  Leiden  University).  Keywords  were  extracted  from  the  abstracts  of  the  selected  papers  (after  correction  of  stop  words  for  data  input)  and  mapped  into  clusters  in  order to facilitate identification and definition of factors. We have put the focus on intrinsic patterns emerging  from the co‐occurence mapping. 

4. Towards a multi‐level perspective in co‐opetition  4.1 Individual level  

  Figure 3: Co‐occurence visualization at the individual level  Variables analyzed at the individual level correlate highly on one major component while few items are found  to  be  correlated  to  a  second  component.  Items  occurring  consistently  with  co‐opetition  (cooperation  and  competition) at an individual level of analysis refer to wordings related to goals, negotiation, conciliation and  influence. It is to be noted that together with the notion of communication, the idea of “interdependence” is  closer  to  the  second  component,  thus  suggesting  the  eventuality  of  interactions  taking  place  beyond  the  relationship between actors at an individual level (e.g. the environment or resources). More closely correlated  to  cooperation  and  competition  words  also  appears  the  notion  of  “groups”  which  reflects  as  well  dynamics  existing at a greater scale than the individual scale. It puts the focus on the concepts of complementarity and  interdependency.  As  in  Gupta  et  al.  (2007),  "individuals  as  well  as  subunits  exist  in  a  state  of  simultaneous  cooperation  (because  of  interdependencies)  and  competition  (because  of  scarcity  of  resources,  career  competition, etc...)” (p.895). The semantic mapping also demonstrates how co‐opetition is linked to the study  of relationships, of the organization, and of human groups, while results of co‐opetition are perceived to be  linked to both the context in which it is happening, and to a further extent may have a systemic dimension. 

4.2 Organizational level  The  factor  analysis  for  text  units  at  the  organizational  levels  shows  a  two  dimension  scatter  plot.  The  underlying  structure  of  the  abstracts  reveals  patterns  that  are  well  aligned  with  the  organizational  level  (teams, cross‐functional, units relationships) while on the other hand other dimensions such as the firms and  alliances are also present. Team level analysis thus appear as deeply grounded in the inter‐organizational level  as  it  outcomes  are  more  likely  to  have  pluri‐dimensional  effects  and  implications  (individuals,  teams,  department,  organization  up  to  external  parties  involved  in  the  project  such  as  in  external  alliances).  This  is  supported  by  the  fact  that  dyadic  interactions  imply  effects  at  both  the  actor  (or  parties)  level  and  at  the  dyadic level (relationship).    The visualization also refers to how project teams collaborate for the search, exploration and exploitation of  knowledge  that  will  be  used  in  order  to  successfully  complete  the  project  they  are  assigned  to  or  innovate.  Doing so, the cooperative alignments set for the project teams serve the overarching innovation goal of the  project.  It  supposes  that  the  relationships  between  the  different  parties  grounded  in  co‐opetition  are 

49

  Audrey Depeige and André Nemeh  complementary.  In  return,  this  complementarity  provides  space  for  innovative  outcomes  as  common  issues  raised at one level may actually find more equipped actors at another level. The analysis demonstrates the role  of  the  interdependent  structure  in  the  team’s  collaborative  effectiveness  which  will  lately  impact  the  initial  goal (“effective knowledge” linked to “knowledge sharing”, further related to “co‐opetition” and “innovation”  keywords). 

  Figure 4: Co‐occurence visualization at the organizational level 

4.3 Inter‐organizational level 

  Figure 5: Co‐occurence visualization at the inter‐organizational level  The  structure  underlying  the  inter‐organizational  corpus  appears  as  more  complex  with  three  components  extracted. A synergy of interactions between proprietary (company) sources and external sources supports an  increased  likelihood  of  seeing  emerging  distinctive  and  newly  added  value.  Reversely,  interactions  that  are  strictly limited to a single level of relationships (project team / inter‐organizational) may impede advancement  development (consensus. vs disruption). The study of innovation in co‐opetition appears to be linked to other  terms  dimensions  such  as  the  context  or  space  (with  the  example  of  trust  and  risks),  time,  as  well  as  complementarity.  At  this  level,  co‐opetition  in  itself  is  researched  regarding  its  effects  such  as  market  performance, competitive advantage with the notion of strategy and opportunities. Innovation also appears as  a result of co‐opetition, in relationship with developments and R&D alliances. The third cluster of keywords (in  blue) reflects the complexity of alliance relationships in a dynamic perspective (strategic alliance, interaction,  failure, etc…). 

50

  Audrey Depeige and André Nemeh 

4.4 Network level 

  Figure 6: Co‐occurence visualization at the network level  The  corpus  for  abstracts  focusing  on  the  network  level  also  presents  three  components  (factorial  analysis,  schema  not  included)  In  this  representation  clearly  appears  a  multi‐level  perspective:  co‐opetition  at  the  network  level  (blue  cluster)  appears  along  with  a  second  cluster  focusing  on  the  dimensional  relationships  involving  the  firm/company  as  well  as  suppliers  (for  example  under  the  keywords  of  “development”,  “projects”, “investments” or “trading”, with other actors identified as firms or suppliers ‐ and not necessarily  as the network as whole which is more linked to conditions of existence of co‐opetition such as the purpose or  prior experiences in co‐opetition) while the impacts and effects encompasses concepts such as conflicts and  knowledge. 

4.5 Methodological implications and contributions for co‐opetitive innovation  Only four of the reviewed articles on co‐opetition published between 1978 and 2013 adopted the perspective  of  a  multilevel  analysis,  whereas  the  vast  majority  of  published  articles  are  focusing  on  a  single  level  of  analysis.  It  implies  that  academic  research  has  not  yet  produced  systematic  knowledge  on  how  one  level  of  analysis  may  be  influenced  by  co‐opetition  at  another  level  of  analysis  or  how  two  levels  interact  with  one  another and may have an effect on nature of innovation outcomes. We thereby emphasize that firms involved  in co‐opetition to enhance their innovation capabilities are subject to be analyzed not only at the firm level, or  network  level,  but  also  at  the  interaction  level  formed  by  co‐opetition  between  these.  Additionally,  as  co‐ opetition  translates  into  competitive  advantage  through  increased  likelihood  of  innovation,  we  claim  that  attaining successful innovation in co‐opetition depends on joint interactions at multiple and co‐ocurrent levels.  

5. Discussion  Previous literature highlighted that co‐opetition is a multilevel phenomenon. In this research, we have shown  via  our  results  that  co‐opetition  is  differently  represented  at  each  of  these  levels.  These  contrasted  views,  based  on  our  content  analysis,  are  related  to  the  entities  involved  and  context  in  which  co‐opetition  takes  place. This fact leads us to consider that in order to manage co‐opetition successfully, we have to consider the  contradictions and paradoxes taking place in relation with the interests of entities involved at one level, and  with interests at other levels. Moreover, what constitutes a desirable objective or outputs at one level may or  may  not  lead  to  the  same  positive  impact  on  the  results  or  objectives  at  other  levels.  The  interconnection  between the different levels should be taken into account in order to avoid this paradoxical situation. While  previous  studies  on  co‐opetition  do  contribute  to  a  better  understanding  of  the  relationship  between  co‐ opetition  and  innovation  at  distinct  levels  of  analysis,  we  argue  that  the  multi‐faceted  nature  of  this  phenomenon  makes  the  interplay  between  two  levels  determinant  for  innovation  outcomes.  Especially  as  a  traditional uni‐level view of co‐opetition fails to satisfy the assumption of independence and may also lead to  data omission (Dorff and Ward, 2013).  

51

  Audrey Depeige and André Nemeh 

6. Conclusion   In  order  demonstrate  the  importance  of  undertaking  a  new  approach  in  conceptualizing  and  analyzing  co‐ opetition,  we  have  developed  a  multi‐level  representation  of  actors’  relationships  in  co‐opetition.  We  also  provided an overview of the relevance of this approach in analyzing at different levels the interdependencies  that  have  been  identified  as  inherent  to  co‐opetitive  innovation  settings.  Our  results  present  a  number  of  implications. At managerial level, we raised managers’ awareness (at multiple levels of organization) towards  the  negative  impact  that  may  arise  from  the  different  representations  of  co‐opetition  across  the  levels.  The  positive outcome of co‐opetition claimed previous is related to how managers manage the contradictions that  may arise at different levels of a co‐opetitive relationship.     Further research remains to be conducted in order to empirically measure variables such as co‐opetition and  how  it  may  affect  innovation  at  different  levels  of  analysis.  Adopting  a  multilevel  approach  will  further  contribute to the understanding of co‐opetition as a dynamic and complex phenomenon. In future research,  semantic mapping could also be used to visualize the evolution of research on levels  of analysis in  different  years. Finally, this paper illustrates the complexity of co‐opetition dynamics and how it impacts the analysis of  innovation  outcomes  in  co‐opetition.  It  also  provides  a  deeper  understanding  of  linkages  existing  between  different levels and how innovation develops from the interdependency with other levels.   

References   Arikan, A., (2009) “Inter‐firm knowledge exchanges and the knowledge creation capability of clusters”, Academy of  Management Review, No. 34, pp. 658‐676.  Bengtsson, M., Eriksson, J., and Wincent J. (2010). Co‐opetition: new ideas for a new paradigm. In Co‐opetition: Winning  Strategies for the 21st Century, Yami S, Castaldo S, Dagnino GB, Le Roy F (eds). Edward Elgar Publishing, Inc:  Cheltenham, UK: pp.19–39.  Bengtsson, M. and Kock, S. (2000). “Co‐opetition” in Business Networks—to Cooperate and Compete Simultaneously.  Industrial Marketing Management, Vol. 29, No. 5, pp 411–426.   Carayannis, EG and Laget, P. (2004). Transatlantic innovation infrastructure networks: public‐private, EU‐US R&D  partnerships. R and D Management, Vol. 34, No. 1, pp 17–31  Dagnino G.B., Rocco, E. (eds.). (2011).Coopetition. Strategy: Theory, Experiments and Cases, London, Routledge.  Dorff, C., and Ward, M. D. (2013). “Networks, Dyads, and the Social Relations Model”. Political Science Research Methods,  pp. 1‐20.  Fang, T. (2006). Negotiation: the Chinese Style. Journal of Business and Industrial Marketing, Vol. 21, No.1, pp 50–60.  Ghobadi, S., and D’Ambra, J. (2013). Modeling High‐Quality Knowledge Sharing in cross‐functional software development  teams. Information Processing & Management, Vol. 49, No. 1, pp 138–157.   Gnyawali D, Park B. (2009). Co‐opetition and Technological Innovation in Small and Medium ‐Sized Enterprises: A Multilevel  Conceptual Model. Journal of Small Business Management, Vol. 47, No. 3, pp 308–330.   Gnyawali, DR. and Madhavan, R. (2001). Cooperative Networks and Competitive Dynamics: A Structural Embeddedness  Perspective. The Academy of Management Review, Vol. 26, No. 3, pp 431–445.   Gnyawali, DR. and Park, B‐J R. (2011). Co‐opetition between giants: Collaboration with competitors for technological  innovation. Research Policy, Vol. 40, No. 5, pp 650–663.   Gupta, A. K., Tesluk, P. E., and Taylor, M. S. (2007). “Innovation At and Across Multiple Levels of Analysis”. Organization  Science, Vol. 18, No.6, pp. 885–897.  Hitt, M., Beamish, P., Jackson, S., and Mathieu, J. (2007). Building theoretical and empirical bridges across levels: Multilevel  research in management. Academy of Management Journal, Vol. 50, No.6, pp 1385–1399.   Khanna, T.; Gulati, R.; and Nohria, N. (1998). “The dynamics of learning alliances: Competition, cooperation, and relative  scope”. Strategic Management Journal, Vol. 19, pp. 193‐210.  Madhavan, R., Gnyawali, D. R., and He, J. (2004). Two’s company, three’s a crowd? Triads in cooperative‐ competitive  networks. Academy of Management Journal, Vol. 47, No. 6, pp 918–927.  Nieto, M.J.; Santamaria, L. (2007). The importante of diverse collaborative Networks for the novelty of product innovation.  Technovation, No. 27, pp 367‐377.  Ritala, P. and Hurmelinna‐Laukkanen, P. (2009). What´s in it for me? Creating and appropriating value in innovation‐related  co‐opetition. Technovation, Vol. 29, No. 12, pp 819–828.  Ritala, P. and Hurmelinna‐Laukkanen P. (2013). Incremental and Radical Innovation in Co‐opetition‐The Role of Absorptive  Capacity and Appropriability. Journal of Product Innovation Management, Vol. 30, No. 1, pp 154–169.   Ritala, P., Hurmelinna‐Laukkanen, P., and Blomqvist, K. (2009). Tug of war in innovation–co‐opetitive service development.  International Journal of Services Technology and Management, Vol 12, No. 3, pp 255–272.   Tomlinson, P.R. and Fai, F.M. (2013). “The nature of SME cooperation and innovation: a multi‐scalar and multidimensional  analysis”. International journal of production economics, Vol. 141, No. 1, pp.316‐326.  Tsai, W. (2002). Social Structure of Co‐opetition within a Multiunit Organization: Coordination, Competition, and  Intraorganizational Knowledge Sharing. Organization Science, Vol. 13, No. 2, pp 179–190.  

52

  Audrey Depeige and André Nemeh  Vaughan, L. and You, J. (2010) Word co‐occurrences on Webpages as a measure of the relatedness of organizations: A new  Webometrics concept, Journal of Infometrics, Vol. 4, No. 4, pp 483‐491.  Walley K. (2007). Co‐opetition: An Introduction to the Subject and an Agenda for Research. International Studies of  Management and Organization, Vol. 37, No. 2, pp 11–31.   Wilhelm, M. (2011). “Managing Coopetition Through Horizontal Supply Chain Relations: Linking Dyadic and Network Levels  of Analysis”, Journal of Operations Management, Vol. 29, No. 7‐8, pp. 663‐676. 

53

Conceptualization of Coopetition Dynamics in Entrepreneurial  Clusters:The CIMEE Model (Coopetitive Innovation Modeling in an  Entrepreneurial Ecology)  Audrey Depeige and Stavros Sindakis  The Institute for Knowledge and Innovation Southeast Asia (IKI‐SEA)  Bangkok University, Thailand   [email protected]  [email protected]    Abstract:    Entrepreneurial  actors  are  exposed  to  rapid  market  changes  and  increased  pressure  to  identify  productive  opportunities, while recognized as significant contributors to economic growth and development and playing a key role in  capability development of entrepreneurial activities. Extensive literature on clusters highlights the role of entrepreneurs in  organizational  creation  and  supporting  ecosystems.  However,  despite  fast  growing  literature  on  coopetition  and  on  network and clusters innovation, research on the dynamics of coopetitive innovation in an entrepreneurial ecology is still  scarce. Analyzing when, how and why entrepreneurial actors develop cooperative and/or competitive relationships is key  in  comprehending  both  the  dynamics  supporting  entrepreneurial  activities  and  the  process  of  value  creation  in  an  entrepreneurial  ecology.  This  article  responds  to  calls  for  further  development  and  investigation  of  the  concept  of  coopetition in entrepreneurial ecology. The purpose of this paper is threefold. First, it aims at developing a framework for  coopetitive  innovation  in  entrepreneurial  clusters  settings.  Second,  it  explores  the  development  and  evolution  opportunities  of  entrepreneurial  clusters  involved  in  coopetition  dynamics.  Finally,  it  discusses  issues  and  implications  related  to  clusters  of  entrepreneurship  and  innovation.  The  article  builds  on  existing  literature  on  coopetition  and  entrepreneurial  clusters  to  develop  a  framework  for  coopetitive  innovation  in  entrepreneurial  context.  We  employed  resource‐based  view  of  the  firm  and  knowledge‐based  innovation  to  provide  a  new  coopetition  perspective  on  entrepreneurial  clusters.  We  propose  a  model  embedded  into  a  wider  entrepreneurial  eco‐system  theory  in  which  entrepreneurial  clusters  co‐creation  is  highly  dependant  of  knowledge  creation  and  knowledge  capture  opportunities  as  seedbed for innovation. Furthermore, we provide additional insights on the role of coopetition and more specifically how  strengthening  the  coevolution  of  coopetitive‐based  mechanisms  helps  entrepreneurs  foster  superior  innovation  emergence and performance.      Keywords: entrepreneurial clusters, innovation, coopetition dynamics, ecology, value creation 

1. Introduction  The  analysis  of  coopetition  dynamics  has  resulted  in  the  development  of  a  classification  of  coopetitive  relationships  according  to  different  typologies.  Simple  coopetition  (vs.  complex  coopetition),  horizontal  coopetition  (vs.  vertical  coopetition)  are  few  of  the  terminologies  used  to  describe  the  joint  occurrence  of  cooperation and coopetition, in relationship with different configurations and relationship patterns (Dagnino  and  Rocco,  2011).  However,  research  focusing  on  entrepreneurial  actors  is  still  missing,  despite  important  literature dedicated to the study of inter‐firm and network level coopetition (e.g. firm alliances). Few studies  on  coopetition  have  specifically  taken  into  account  the  novelty  of  firms  inherent  to  the  study  of  entrepreneurship.  In  this  perspective,  this  paper  aims  to  explore  further  the  new  field  of  coopetition  in  an  entrepreneurial  ecology,  namely  understanding  how  entrepreneurial  actors  involved  in  clusters  manage  the  cooperation/competition  balance  (cooperating  while  competing  on  the  same  activities)  to  create  value  and  thrive  growth.  It  proposes  an  ecological  approach  to  understand  strength  and  weaknesses  of  coopetition  strategies with regards to value creation and innovation.    The  main  contribution  of  this  paper  is  the  development  of  a  framework  that  supports  the  existence  of  coopetition  relationships  as  a  driver  of  entrepreneurial  growth.  The  article  first  starts  with  a  thorough  examination of entrepreneurial clusters structure and evolution. We then examine the underlying dimensions  of  value  creation  in  coopetition.  In  a  third  part,  we  set  up  and  present  the  basis  of  a  framework  to  analyze  coopetition  dynamics  in  entrepreneurial  context,  as  a  support  of  value  creation  and  innovation.  We  further  discuss  the  implications  of  the  proposed  modelization  on  entrepreneurial  initiatives.  Finally,  we  propose  avenues for future research. 

54

  Audrey Depeige and Stavros Sindakis 

2. Entrepreneurial clusters: Fostering innovation‐led growth  Entrepreneurial  activity  acts  as  a  key  contributor  of  economic  development  and  growth  at  different  levels.  Significant  inputs  from  entrepreneurs  to  economical  growth  are  mainly attributed  to  an  accelerated path  of  creation (generation), diffusion (dissemination) and application of innovative ideas (Butel and Watkins, 2006).  Though it is claimed that entrepreneurs are spontaneously not interacting in a cooperative manner, clusters of  entrepreneurs  are  reportedly  developing  over  time  on  the  basis  of  an  interest  in  similar  opportunities.  Research about the impact of clusters on entrepreneurship is however still scarce (Rocha and Stenberg, 2005).  Previous contributions have demonstrated that random search for resources in the business environment does  not  constitute  a  successful  endeavor  (Butel  and  Watkins,  2006).  Thus,  one  of  the  primary  advantages  of  entrepreneurial clusters is the rapid identification and availability of resources in the environment. In the same  perspective, we can suggest that entering networks helps entrepreneurial actors to acquire information that is  relevant  and  effective  for  them,  particularly  regarding  the  evolving  environment  they  evolve  into.  That  is,  cluster. Likewise, the adoption of systems that help organizations to retain and transfer knowledge, creating  value at the same time has become an element of increased interest. A recent study by Vasudeva et al (2013)  indicates  that  firms’  innovativeness  and,  therefore  competitiveness,  might  improve  when  they  establish  alliances with partners who have strong capabilities and broad social capital, allowing them to create value and  growth as well as technological knowledge and legitimacy through new knowledge resources. Consequently,  organizations  should  become  receptive  to  the  possibility  of  developing  new  partnerships,  and  adaptive  to  environmental changes, especially those that arise from the evolution of technology. In light of this, a key idea  may be that heterogeneity could be understood as a mindset and practice where complexity and diversity are  leveraged  strategically  in  a  manner  that  promotes  sustainable  entrepreneurship  (Carayannis,  Edgeman  &  Sindakis,  2013).  Carayannis  (2008,  p.  349)  defines  sustainable  entrepreneurship  as  “the  creation  of  viable,  profitable  and  scalable  firms  that  engender  the  formation  of  self‐replicating  and  mutually  enhancing  innovation networks and knowledge clusters leading towards what we call robust competitiveness.”    Sustainable entrepreneurship is especially relevant for entrepreneurial actors, as gathering new knowledge on  the business environment and its opportunities in a continuous manner constitutes a primary need to ensure  survival of the firm. However, more research needs to be carried out regarding the effects of coopetition in  knowledge acquisition and innovation, especially now as companies operate in a fierce and competitive global  environment.  Several  studies  have  built  arguments  around  this.  For  instance,  Laursen  et  al  (2012)  note  that  geographically  localized  knowledge  has  a  direct  impact  on  firms’  innovativeness  as  well  as  on  internal  R&D  investments  and  external  knowledge  acquisition,  due  to  the  value  of  the  region’s  social  capital.  For  that  reason, the consideration of the opportunities and restrictions innovators encounter as they attempt to reuse,  recombine  and  accumulate  knowledge  appears  to  be  of  substantial  value  (Murray  and  O’Mahony,  2007).  Similarly,  organizations  are  increasingly  incorporating  socio‐ecological  factors  into  their  intelligence  and  analytical evaluations of enterprise competitive context both to improve performance through generation and  implementation  of  strategic  foresight  (Petrini  and  Pozzebon,  2009).  Joshi  et  al’s  (2010)  empirical  study  underlines that while a firm’s competence to acquire and store knowledge is vital, it cannot lead to innovation  unless this knowledge has been transformed and exploited in order to influence the creation of inventions and  increase the level of innovation.    As  Murray  and  O’Mahony  (2007)  point  out,  the  conditions  for  cumulative  innovation  are  established  across  multiple levels of analysis: institutional, field, organizational, and community. On the other hand, studies have  shown that when knowledge capabilities  and interdisciplinary interaction are exchanged between members,  significant  outcomes  arise  for  both  innovation  and  organizational  performance  (e.g.  Hargadon  and  Sutton,  1997;  Obstfeld,  2005).  Dosi  et  al  (2008)  emphasize  on  organizations’  ability  to  utilize  knowledge  in  order  to  convert old capabilities into new ones by integrating new knowledge to existing capabilities, gaining from both  internal and external interaction, which are formed by the different knowledge foundations of individuals and  groups within the organization, as well as by the enriched insights that emerge from external collaborations.  We  can  further  suggest  that  an  environment  providing  access  to  resources  and  opportunities  is  a  driver  for  innovation in existing firms (Hearn and Pace, 2006). Several studies highlight the importance of the external  environment  of  a  company  and  the  characteristics  of  the  individuals,  which  affect  the  effectiveness  of  both  types  of  innovation  (i.e.  exploratory  and  exploitative)  on  performance  as  well  as  having  a  direct  impact  on  organizational  learning  regarding  the  exploration  or  exploitation  dynamics  (Kane  and  Alavi,  2007).  Nevertheless, although innovation is a multilevel phenomenon, little research has been conducted to integrate  those  dynamics  in  organization  theory  (e.g.  Gupta  et  al,  2007;  Morgeson  and  Hofmann  1999).  Murray  and 

55

  Audrey Depeige and Stavros Sindakis  O’Mahony  (2007)  underline  this  lack  of  research,  pointing  out  the  need  to  understand  how  organizations  exploit  the  opportunities  and  manage  the  challenges  of  knowledge  accumulation  inside  as  well  as  beyond  organizational boundaries.     We herewith claim that coopetitive dynamics provide such a nest of multi‐level resources and opportunities  for  entrepreneurial  actors:  entrepreneurs  in  coopetition  would  share  at  the  same  time  their  own  resources  while identifying and using others, in other words exchanging productive resources (Butel and Watkins, 2006).  Dynamics of the market and relationships between entrepreneurial firms generate an increased capability to  identify  new  opportunities  and  to  exploit  them  for  innovative  developments.  It  is  expected  that  entrepreneurial  actors  belonging  to  such  clusters  are  in  an  advantageous  position  as  cluster  interactions  constitute  additional  sources  of  information  in  locating  and  capturing  appropriate  resources  for  growth  and  development. Mutualizing diverse resources and access to knowledge in the surrounding environment is seen  as beneficial for entrepreneurial actors, especially for those in the early startup phase (novice entrepreneurs).  Benefits for entrepreneurs shall however be nuanced by the relative power of entrepreneurs (those who are  more  experienced  with  coopetition  dynamics  or  longer  established  in  the  market)  and  the  impact  of  the  emergence of opportunistic behaviors (especially in early‐phase entrepreneurship). Butel and Watkins (2006)  report how other entrepreneurs, those for which the identified opportunities present an interest for their own  activity, later on follow successful early movers. In such cases, it requires a shorter time for actors to acquire  resources necessary for them.  

3. Value creation in coopetition: Towards an ecological view  In the challenging global landscape, which requires companies to respond to change with adaptability in order  to  benefit  from  these  shifts,  and  emerging  opportunities  in  the  global  market,  new  collaborations  and  partnerships  are  of  paramount  importance.  This  strategic  approach  can  foster  simultaneous  innovation  at  multiple points. The intersection of human capital, internal resources, and external structures forms the basis  for value creation (Saint‐Onge, 1996). Successful companies create sustainable value through the combination  of  both  tacit  and  explicit  knowledge,  expertise  and  awareness  of  external  realities.  This  approach  entails  converting  existing  knowledge  (implicit  or  explicit)  into  larger  knowledge  structures,  which  is  systemic  knowledge  (Nonaka  &  Takeuchi,  1995).  Building  long‐term  value  is  all  the  more  critical  for  organizations,  especially those who operate within the knowledge‐intensive industries.    Value  creation  in  businesses  is  increasingly  conceptualized  through  ecologies  (Hearn  and  Pace,  2006),  illustrating  a  shift  in  both  our  understanding  and  analysis  of  business  innovation  phenomena.  From  a  value  chain point of view, relationships and value creation processes are growingly examined through the lens of the  ecosystem,  with  a  focus  on  value  networks  and  value  co‐creation  (see  Figure  1).  One  argument  for  this  paradigm  shift  is  that  ecological  view  puts an  emphasis  on  the  dynamics  between  actors.  The  value  ecology  also  sets  as  underlying  idea  the  interaction  of  both  cooperative  and  competitive  processes,  while  the  value  chain assumes that value creation follows a linear process that is either cooperative or competitive (Hearn and  Pace,  2006).  For  example,  Carayannis  and  Campbell  (2010)  underlined  the  importance  of  ecology  and  introduced the concept of Quintuple Helix (Carayannis et al., 2012), which frames knowledge and innovation in  the  context  of  the  natural  environment,  and  can  be  interpreted  as  an  approach  in  line  with  sustainable  development  and  social  ecology.  The  Quintuple  Helix  is  ecologically  sensitive  as  it  emphasizes  on  the  socio‐ ecological  transition  of  society  and  economy  (Carayannis  et  al.,  2012)  and  sets  a  common  ground  between  ecology,  knowledge,  and  innovation,  creating  synergies  between  economy,  society,  and  democracy.  Consequently,  organizations  should  operate  within  those  frameworks  and  adopt  such  business  models.  Additionally,  sustainable  development  provides  the  framework  for  innovation  and  business  expansion,  through new regulations that push for innovation and new ideas that lead to business growth, the regulatory  push  and  vision  pull  model  (Preuss,  2007).  Processes  of  re‐iteration  and  feedback  are  also  an  important  component  of  such  value  creation  ecologies,  setting  dynamic  and  multi‐directional  cluster  of  networks  as  inherent  to  the  value  creating  ecologies  (Hearn  and  Pace,  2006).  Putting  all  these  together,  we  see  that  networks  based  on  and  developed  under  these  values  are  likely  to  lead  to  the  development  of  sustainable  innovations  that  maintain  and  increase  the  overall  capital  stock  (social,  economic,  and  environmental)  of  a  firm. 

56

  Audrey Depeige and Stavros Sindakis 

Figure 1: Three paradigms of value creation dynamics in coopetition   While networks are facilitating information flows across organizational boundaries, previous research has also  shown  that  network  organizations  result  in  increased  survival  of  the  firms  while  generating  weaker  competition (Solitander and Tidström, 2010). Clusters sustainability is claimed to find its source in the firm's  interactions with others (shall it be cooperative interactions or competitive interactions: Padmore and Gibson,  1998)  as  well  as  in  their  positioning  in  the  value  ecology,  taking  the  form  of  multi‐dimensional  linkages  (horizontal, vertical or both). Individual companies do not have the financial strength to invest in new forms of  technology, systems, and knowledge and thus are met with a limit of growth, which they can reach. Private  equity  and  corporate  venturing  enable  companies  to  achieve  economies  of  scale  based  on  sharing  management capacity, access to capital and risk taking. In this regard, and from a growth and innovation point  of  view,  the  most  successful  firms  are  those  which  manage  to  implement  both  strategies  at  the  same  time.  However,  it  is  to  be  pointed  out  that  while  potential  benefits  from  coopetition  are  studied  in  a  systematic  manner, the competitive and conflicting aspects of such relationships shall also be taken into consideration for  a thorough analysis of entrepreneurial clusters. Intellectual capital theory further suggests that there remains  processes  and  technologies that needs  to be  kept  away from  coopetitive  partners  (Solitander  and Tidström,  2010) to prevent risk of loss of competitive advantage.  

4. The case of coopetition in entrepreneurial clusters  Ideas  for  new  businesses  can  be  generated  either  inside  or  outside  the  organization.  Firms  usually  harness  both internal and external sources to have access to information, technologies, innovation, business practices,  and/or networking with other companies that can enhance growth and profitability (Narayanan et al, 2008).  Close  collaboration,  new  forms  of  partnerships  and  knowledge  networking  can  result  in  inter‐organizational  learning  and  dissemination  of  new,  valuable  information.  Powell  et  al  (2005)  underlined  the  importance  of  participating in such networks because of the key growth factors they offer such as: access to new forms of  information,  reliability,  and  responsiveness  to  change.  Furthermore,  the  combination  of  several  network  dimensions in clusters (geographical, inter‐firm and inter‐organizational) creates favorable conditions for the  emergence of new businesses (Rocha and Stenberg, 2005).     On one hand, the search of opportunities in the environment is claimed to be a key element in entrepreneurial  activity while the ability to mobilize resources to exploit these opportunities is also central for success (Butel  and Watkins, 2006). On the other hand, the concept of value creating ecology emphasizes the eventuality of a  mutualization of resources beyond the cluster level and further suggests the diffusion of resources across the  ecosystem.  In  sharing  knowledge  elements  with  other  actors,  entrepreneurs  may  increase  value  creation  at  the  ecosystem  level,  while  simultaneously  minimizing  costs  by  sharing  resources  and  benefiting  from  the  capture  of  knowledge  artifacts.  Knowledge  thus  appears  as  a  key  factor  in  identifying  both  new  sources  of  entrepreneurial  growth  as  well  as  opportunities  for  innovation,  shall  it  be  implicit  or  explicit  knowledge.  In  entrepreneurial clusters in particular, it is suggested that knowledge is not only diffused within the cluster but  also  combined  with  other  sources  of  knowledge  (proprietary  or  non‐proprietary)  and  built  upon  following  a 

57

  Audrey Depeige and Stavros Sindakis  multi‐dimensional  and  dynamic  process.  Coopetitive  flows  between  entrepreneurial  actors,  linked  with  an  imperious need to search and find new opportunities, take the form of intangible flows. We propose that the  relationships between entrepreneurial firms relies for an essential part on the exchange of knowledge of the  surrounding environment, its history and evolution perspectives, as well as on knowledge of opportunities of  activity  development.  We  also  include  reflective  knowledge  of  coopetitive  relationships  as  instrumental  for  entrepreneurial growth and success. This places knowledge as a key driver of value creation (Hearn and pace,  2006) of the entrepreneurial ecology (see Figure 2 below).     However,  not  all  the  knowledge  exchanged  is  to  be  trusted  by  the  coopetitive  partners  (Solitander  and  Tidström, 2010). It is hereby not excluded that entrepreneurial actors opt out for specific pathways to attempt  increase  in  value  generation  and  returns.  Alternatively,  potential  cluster  blindness  also  exist  (Rocha  and  Stenberg, 2005). Correlatively, there is for entrepreneurial actors an underlying risk of impeding the cluster’s  innovation capabilities and its ability to adapt under competitive pressure emerging externally. In regards to  this  matter,  developing  networks  external  to  the  cluster  is  acknowledged  as  helping  entrepreneurial  actors  overcome this risk in identifying new opportunities and resources out of the cluster’s boundaries (Rocha and  Stenberg,  2005).  Such  evidence  of  clusters  externalities  can  for  example  be  found  in  emerging  industries  where the need to embrace a pool of resources is significantly higher than in mature industries. The ecosystem  view however advocates for overcoming the risk of conflict that may emerge from firm‐to‐firm tensions (Hearn  and  Pace,  2006),  as  the  value  creation  ecosystem  suggests  a  much  broader  scope  for  value  creation  and  capture  that  is  rather  holistic  than  nodal,  and  extended  far  beyond  an  entrepreneur‐to‐entrepreneur  partnering  aimed  to  increase  the  actor  own’s  capabilities  on  a  long  term  basis.    Correlatively,  coopetitive  entrepreneurs  in  the  value  creation  ecology  reach  an  equilibrium  in  balancing  knowledge  creation  and  knowledge capture processes. In this perspective, competition in the entrepreneurial ecosystem is most likely  to originate in the attainment of innovative value propositions, which will be further supported (or not) by the  ecology. 

Figure 2: CIMEE model (coopetitive innovation modeling in an entrepreneurial ecology)   Based on a multi‐level approach, we argue that coopetition between entrepreneurial actors at different levels  (individual, firm level, inter‐firm level, network level) initiates dynamics that are source of knowledge creation  and new developments (innovative value propositions), and thus further creates new opportunities for actors  involved. In that way, it can be said that entrepreneurs clusters are context specific and path dependant (Butel  and  Watkins,  2006).  It  is  compatible  with  a  multi‐dimensional  view  of  coopetition  that  encompasses  the  degree  of  coopetitive  dynamics  (including  variations  in  level  of  cooperation  and  competition)  along  with  a  temporal and a directional dimension (horizontal relationships /vertical relationships). We therefore point out  that capabilities to identify and exploit new opportunities are increasing through a self‐reinforcing cycle based  on  the  history  of  the  members  within  a  given  cluster  (Butel  and  Watkins,  2006).  The  interactions  between  different  levels  (entrepreneurial  firm  level  vs.  entrepreneur  to  entrepreneur  level)  are  evolving  according  to 

58

  Audrey Depeige and Stavros Sindakis  market changes, which, in turn, result in opportunity changes (and consequently changes in resources search  and  allocation).  Coopetition  is  therefore  central  to  initial  stages  of  entrepreneurial  activity  and  likely  to  increase  chances  of  survival  of  the  firm  in  balancing  the  sharing  of  costs  and  resources  to  create  additional  opportunities. Furthermore, coopetitive behavior is particularly appropriate in an unpredictable environment  where  the  kind  of  resources  and  market  opportunities  to  exploit  are  subject  to  change  and  evolve  without  formal possibility to predict the emergence of new patterns.     Based on these elements, we can claim that coopetitive knowledge flows for value creation vary in a timely  manner.  We  suggest  that  cluster  dynamics  of  entrepreneurial  relationships  result  in  both  cooperative  and  competitive flows that are emerging at different levels over time (see Figure 3). This approach implies that a  desired  level  of  cooperative  flows  may  be  more  critical  at  certain  stages  of  entrepreneurial  life  while  competitive  flows  at  a  given  level  may  present  a  higher  interest  for  entrepreneurs  at  other  stages.  Entrepreneurs at an early start‐up phase may for example focus efforts on cooperative relationships mostly, in  order  to  foster  information  and  knowledge  sharing  with  other  firms  (knowledge  about  the  market,  new  opportunities,  etc…)  while  entrepreneurs  having  reach  an  development  and  growth  phase  would  increase  competitive behavior in trying to limit the advantage of other entrepreneurs in the cluster to guarantee their  own  survival  and  sustainability.  It  can  be  argued  that  such  hypothesis  applies  to  firm’s  opportunity  inquiry  behaviors, when entrepreneurs cooperate in searching for new opportunities and compete when it comes to  develop  these  identified  opportunities.  Such  alternance  of  coopetitive  relationships  is  observed  between  companies  in  network  (Kock  et  al,  2010).  This  moving  balance  of  cooperation  and  competition  behaviors  introduces  a  cyclic  conception  of  coopetition  in  entrepreneurial  clusters,  with  the  underlying  idea  of  understanding, analyzing and managing knowledge flows along the entrepreneurial life cycle, from early stage  to growth and more mature stages.  

Figure 3: Illustration of an eco‐cycle of coopetitive dynamics for entrepreneurial actors in clusters  Potentially, the nature of a given relationship with another actor within the cluster may also be influenced and  evolve in function of the relationship with other actors and their outcomes. It is in line with Hearn and Pace  (2006) research as the two authors argue for dynamic and evolutive relationship in value creation ecosystems.  Furthermore, a same actor within the cluster may be at the same time involved in various types of cooperative  and  competitive  flows  (Solitander  and  Tidström,  2010)  and  adopt  different  roles,  functions  and  relations  to  others as those are related to different activities and availability of resources (Kock et al., 2010). It is coherent  with a view of coopetition as dynamic phenomenon that is continuously developing. Simoni and Caiazza (2012)  also argue for an evolutive mix of the cooperative and competitive elements, once the competition between  actors is established. The fact that the balance is evolving over time can be explained in analyzing the impact  of  both  internal  and  external  parameters.  As  an  example,  a  change  in  value  distribution  linked  to  different  activities  on  which  the  actor  cooperate  or  competes  however  makes  one  more  vulnerable  to  other  actors’  opportunistic behavior (Solitander and Tidström, 2010) and pushes one of the partners to change its behavior. 

59

  Audrey Depeige and Stavros Sindakis  Likewise, a modification of the surrounding environment, of the internal needs of one the actors, or related  changes happening outside of the coopetitive relationship may also lead to a variation in the combination of  cooperation/competition levels (Simoni and Caiazza, 2012). As a complex and multifaceted phenomenon, the  blend  of  cooperation  and  competition  is  likely  to  dynamically  evolve  in  response  to  different  situations  or  behaviors of other actors in coopetition. 

5. Discussion  This  paper  places  the  modelization  of  coopetition  dynamics  in  entrepreneurial  clusters  as  a  first  attempt  to  further capture and develop innovation perspectives in an entrepreneurial ecology. The focus on coopetition  dynamics  among  entrepreneurial  actors  combines  previous  work  in  the  field  of  coopetition  and  entrepreneurial  growth  capabilities.  This  paper  proposes  the  idea  that  entrepreneurial  actors  in  clusters  interact  in  different  coopetitive  dynamics  than  else  extensively  studied  inter‐firm  coopetition,  and  that  coopetitive flows are occurring in a cyclic manner that impacts both value creation and innovation outcomes  at the actor and cluster level.     Prior studies have studied the impact of coopetition on value creation in taking into account factors such as  the  prior  experience  of  the  firm  in  coopetition  or  the  size  of  the  network.  However,  the  lack  of  focus  on  alternative impact factors such as the novelty of the firm ‐ characteristic of early‐life of entrepreneurial actors ‐  eclipses important dynamics aspects of an ecology view of value creation in entrepreneurial clusters.  As such,  the  development  of  the  CIMEE  model  adds  to  the  current  literature  and  analysis  of  dynamics  within  entrepreneurial clusters and firms in early stage developments. In this perspective, the CIMEE framework also  brings application perspectives for strategic orientations development and planning in entrepreneurial firms.   Operational use of the framework include decision making about how, when and with whom to cooperate to  thrive own’s firm growth and innovation capabilities, should it be at the firm level (reciprocal benefits) or at  the  network  level  (global  benefits)  as  linkages  among  firms  and  other  elements  of  the  environment  (in  our  case,  within  the  global  entrepreneurial  ecology)  will  ensure  a  high  level  of  innovation  and  customer  satisfaction  (equally  important  for  sustainable  entrepreneurship)  among  other  benefits  emerging  from  firm  clustering (Padmore and Gibson, 1998).    In  providing  a  framework  for  specifically  studying  coopetition  in  entrepreneurial  clusters,  we  hope  to  have  contributed  to  new  research  avenues  on  coopetition.  Further  study  shall  empirically  study  coopetitive  flows  within  entrepreneurial  clusters  and  their  evolution  over  time.  Therefore,  we  advise  researchers  to  adopt  a  multi‐level approach in studying their impact on value creation and innovation. 

References  Butel, L., and Watkins, A. (2006). "Clusters of entrepreneurs: The application of ant colony optimisation modelling", Journal  of Modelling in Management, Vol. 1 No. 3, pp. 255–269.   Carayannis, E.G. (2008). "Knowledge‐driven creative destruction, or leveraging knowledge for competitive advantage:  Strategic knowledge arbitrage and serendipity as real options drivers triggered by co‐opetition, co‐evolution and co‐ specialization", Industry and Higher Education, Vol. 22 No. 6, pp. 343‐353.  Carayannis, E. G., Barth, T. D., & Campbell, D. F. (2012). "The Quintuple Helix innovation model: global warming as a  challenge and driver for innovation", Journal of Innovation and Entrepreneurship, Vol.1 No. 1, pp. 1–12.  Carayannis, E. G., and Campbell, D. F. (2010). "Triple Helix, Quadruple Helix and Quintuple Helix and how do knowledge,  innovation and the environment relate to each other? A proposed framework for a trans‐disciplinary analysis of  sustainable development and social ecology", International Journal of Social Ecology and Sustainable Development,  Vol. 1 No.1, pp. 41–69.  Carayannis, E., Edgeman, R. and Sindakis, S. (2013). "Knowledge, information and data analytics for sustainable enterprise  excellence (KID4SEE)", World Summit on Big Data and Organization Design, Paris, France, May 2013.  Dagnino G.B., and Rocco E. (eds.) (2011). Coopetition. Strategy: Theory, Experiments and Cases. London: Routledge  Dosi, G., Faillo, M. and Marengo, L. (2008). “Organizational capabilities, patterns of knowledge accumulation, and  governance structures in business firms: An introduction”, Organization Studies, Vol. 29 No. 8–9, pp. 1165–1185.  Gupta, A.K, Tesluk, P.E. and Taylor, S.M. (2007), “Innovation at and across multiple levels of analysis, Organization Science,  Vol. 18 No. 6, pp. 885‐897.  Hargadon, A. B. and Sutton, R. I. (1997), “Technology brokering and innovation in a product development firm”,  Administrative Science Quarterly, Vol. 42 No. 2, pp. 716–749.  Hearn, G., and Pace, C. (2006). "Value‐creating ecologies: understanding next generation business systems", Foresight, Vol  8, No. 1, pp 55–65.  Joshi, K.D., Chi, L., Datta, A. and Han, S. (2010), “Changing the Competitive Landscape: Continuous innovation through IT‐ enabled knowledge capabilities”, Information Systems Research, Vol. 21 No. 3, pp. 472‐495. 

60

  Audrey Depeige and Stavros Sindakis  Kane, G.C. and Alavi, M. (2007), “Information Technology and Organizational Learning: An Investigation of Exploration and  Exploitation Processes”, Organization Science, Vol. 18 No. 5, pp. 796‐812.  Kock, S., Nisuls, J., and Söderqvist, A. (2010). "Co‐opetition: a source of international opportunities in Finnish SMEs",  Competitiveness Review: An International Business Journal incorporating Journal of Global Competitiveness, Vol. 20  No. 2, pp 111–125.   Laursen, K., Masciarelli, F. and Prencipe, A. (2012), “Regions Matter: How Localized Social Capital Affects Innovation and  External Knowledge Acquisition”, Organization Science, Vol. 23 No. 1, pp. 177‐193.  Morgeson, F. P. and Hofmann, D. A. (1999), “The structure and function of collective constructs: Implications for multilevel  research and theory development”, Academy Management Review, Vol. 24 No. 2, pp. 249–265.  Murray, F. and O’Mahony, S. (2007), “Exploring the foundations of cumulative innovation: Implications for Organization  Science", Organization Science, Vol. 18 No. 6, pp. 1006‐1021.  Narayanan, V., Yang, Y. and Zahra, S. (2008). "Corporate venturing and value creation: A review and proposed framework",  Research Policy, No. 38, pp. 58‐76.  Nonaka, I. and Takeuchi, H. (1995). The knowledge‐creating company: How Japanese companies create the dynamics of  innovation. Oxford University Press, USA  Obstfeld, D. (2005), “Social networks, the Tertius iungens orientation, and involvement in innovation”, Administrative  Science Quarterly, Vol. 50 No. 1, pp. 100–130.  Padmore, T. and Gibson, H. (1998). "Modelling systems of innovation: II. A framework for industrial cluster analysis in  regions", Research Policy, Vol. 26 No. 6, pp 625‐641  Petrini, M. and Pozzebon, M. (2009), “Managing sustainability with the support of business intelligence: integrating socio‐ environmental indicators and organizational context”, The Journal of Strategic Information Systems, Vol. 18 No. 4, pp.  178‐191.  Preuss, L. (2007). "Contribution of purchasing and supply management to ecological innovation", International Journal of  Innovation Management, Vol. 11 No.4, pp. 515–537.  Powell, W. W., White, D. R., Koput, K. W. and Owen‐Smith, J. (2005). "Network dynamics and field evolution: The growth of  interorganizational collaboration in the life sciences", American journal of sociology, Vol. 110 No 4, pp. 1132‐1205.  Rocha, H. and Sternberg, R. (2005). "Entrepreneurship: The Role of Cluster Theoretical Perspectives and Empirical Evidence  from Germany", Small Business Economics, Vol. 24 No. 3, pp. 267‐292.  Saint‐Onge, H. (1996). "Tacit knowledge the key to the strategic alignment of intellectual capital",  Strategy & Leadership,  Vol. 24 No. 2, pp. 10‐16  Simoni, M., and Caiazza, R. (2012). "Interlocks network structure as driving force of coopetition among Italian firms",  Corporate Governance, Vol. 12 No.3, pp. 319–336.  Solitander, M., and Tidström, A. (2010). "Competitive flows of intellectual capital in value creating networks", Journal of  Intellectual Capital, Vol. 11 No. 1, pp 23–38.   Vasudeva, G., Spencer, J.W. and Teegen, H.J. (2013), “Bringing the Institutional Context Back In: A Cross‐National  Comparison of Alliance Partner Selection and Knowledge Acquisition”, Organization Science, Vol. 24 No. 2, pp. 319‐ 338. 

61

Using Innovation to Stimulate Growth in Owner Managed SMEs  Paul Donaldson  Sysco, St Helens, UK  [email protected]    Abstract:  This author has been involved in a considerable amount of consultancies and interventions in a large 

number of different organisations in the past 25 years.  As a classically trained consultant, originally from the  large firm sector, a dissonance was detected between advocated theory and observed practice, especially in  the owner‐manager sector which prompted this study.  The research described in this paper was premised on  the observation that modern economies rely on the growth of the small business sector, thus supporting this  growth  is  a  major  economic  concern  for  individual  countries.    The  implicit  view  taken  is  that  innovation  underpins  growth.  This  work  was  an  action  research  project  where  the  author  conducted  an  inductive  phenomological study using systems ideas as epistemological learning devices to advance knowledge.  A set of  intervention  methods  and  principles  have  been  developed  to  assist  organisations  to  use  innovation  to  determine  and  implement  actions  to  achieve  their  chosen  objectives  at  given  points  in  time.  The  types  of  owner‐managed small firms researched had all passed the two major SME barriers (see Daly et al, 1991 and  Dunn and Bradstreet, 2001) of being in existence for more than 5 years, and development from micro to small  firms.  The literature suggests that the concept of growth in small firms is a significant and contentious issue,  and  questions  the  validity  of  the  formal  application  of  strategic  theory  to  achieve  growth  in  this  specific  context.    The  empirical  research  conducted  in  this  work  suggests  that  growth  is  not  a  planned  process  that  emanates from formal strategic activity but an emerging process of intuitive innovative development, led by  the owner‐manager.  The research suggests that within the size categories that are used to define small firms,  it is likely that there are different types of firms with different latent propensity for growth.  This work further  suggests that competent owner‐managers are required to develop (by using innovation heuristics they have  acquired over time) and then to fulfil a multi‐faceted role of entrepreneur, leader and manager, and that the  degree of competence displayed has significant impact on the growth propensity of a firm.      Keywords: innovation, growth, entrepreneur, leader, manager 

1. Introduction  This paper describes a piece of Systemic Action Research that was conducted with a highly specified group of  owner‐managed  firms  who  had  experienced  significant  growth  after  their  initial  formation.    These  types  of  firms are rare; as Daly et al. (1991) have pointed out less than 5% of the UK’s SME population grow to employ  more than twenty people after initial start up, and only approximately 15% of firms in the UK continue to trade  for  five  years  from  start  up  (see  Dunn  and  Bradstreet  2001).    These  statistics  reflect  the  failure  of  the  vast  majority of new firms to survive after formation, and then grow to transcend the micro firm stage.  They also  show why the issue of growth has particular importance in this context and it also shows how innovation is  constantly required to advance the development of entrepreneurial competence within such organisations.    The literature concerning the issue of growth in SME's describes a number of factors that are considered to be  important.    These  include  the  type  of  strategic  practice  SME’s  follow,  the  impact  of  strategy  on  competitiveness as well as the issue of entrepreneurial activity.  As a practitioner in this field this author had  recognised a dissonance between much of the advocated theory and observed practice, and this prompted the  study  which  used  Soft  Systems  ideas  (see  Checkland  1981,  Checkland  &  Scholes  1990)  to  consider  different  types of SME’s, and strategic approaches the literature considered they used, as well as the significant issues  that were considered to impact on the issues of competitiveness and growth.      The aim of the work was to holistically consider the issues that emerged, and then to develop a model that  could be debated with a focus group of the firms involved, to get their views on the conclusions reached about  how  they  had  attained  their  present  position.    This  work  sought  to  take  an  original  perspective  and  used  systems  ideas  to  shed  light  on  the  inter‐relationships  of  the  identified  activities  and  conditions.    The  initial  findings were tested using a focus group which Curran and Blackburn (2001) have shown is a rare approach  due to the difficulty of being able to recruit SME’s to engage and attend these types of events. 

62

  Paul Donaldson 

2. Growth in SMEs  Gibb (1998) points out that the identification of a growth firm is a difficult concept to define, whilst Smallbone  and North (1997) suggest that the age profile of growth firms is very difficult to establish, and that even very  mature  SME’s  have  more  potential  for  growth  than  is  often  recognised.    From  a  policy  perspective,  they  suggest  that  it  may  be  misleading  to  categorise  established  firms  as  either  growth  firms  or  “trundlers,”  as  Storey (1994) describes  SME’s  which do  not  exhibit  growth  orientation.    Clark,  Berkeley  and Steuer’s  (2003)  suggest  that  only  a  minority  of  organisations  seek  to  deliberately  follow  a  growth  strategy  and  this  lack  of  growth focus may be exemplified by a strong commitment to independence, resulting in a stubborn “I do it my  own way” individualism identified by Gibb (1998).  This inordinate commitment to autonomy helps explain the  common findings of a lack of strong growth ambition among many small business owners (see Curran 1986,  Storey 1994, Scase & Goffee 1995).  However, it does not suggest that these firms are always lacking in terms  of competitiveness, or fail to utilise discernible strategic characteristics.  Indeed, in order to survive they will  have to maintain a degree of competitiveness; but as Jennings and Beaver (1997) suggest, the relentless drive  for  personal  achievement  may  inhibit  growth  potential  and  could  ultimately  impair  competitiveness  and  therefore threaten the very survival of the firm.  These views suggest that whilst most theory treats the SME  community as a homogenous entity, it is in fact vastly heterogeneous in reality.    The  firms  researched  in  this  work  were  all  still  managed  by  the  founder,  they  had  all  been  in  existence  for  more  than  five  years,  and  they  had  grown  beyond  the  twenty  person  benchmark  mentioned  by  Daly.    By  exceeding these two benchmarks these companies could be at least considered to be post‐hoc growth firms. 

3. The relationship between growth and strategy  There  are  numerous  models  (see  Greiner  1972,  Churchill  &  Lewis  1983,  Scott  &  Bryce  1987  and  Bamberger  1989)  that  seek  to  show  the  process  of  growth,  most  of  which  are  based  on  a  stage  approach  to  growth  in  SME’s.   One  of  the  problems  with  “stage of  development  models”  is that  they tend  to  suggest  that  there  is  continual and maintained growth and as Smallbone et al. (1993) have shown, this is not borne out by research.   The implicit underlying assumption of many of these stage models would seem to be that firms face challenges  concerned  with  maintaining  competitiveness,  and  these  are  addressed  through  applying  formal  strategic  management activity.  Atkins and Lowe (1994) comment on the nature of strategic planning in small firms, and  conclude  that  it  may  well  be  different  from  large  firms,  and  Gibb  and  Scott  (1985)  closely  link  strategic  planning in small firms with the management of change when considering the application of strategic activity  in SME’s.  Carland et al. (1990) have also suggested that the planning aspect of strategic management can have  a positive impact on competitiveness in SME’s.  These views would suggest that growth is considered to be an  output  of  achieving  a  degree  of  competitiveness  by  the  application  of  what  could  be  considered  strategic  activity, orchestrated through the process of deliberate strategic management.      Stanworth  and  Curran  (1976)  took  an  entirely  different  view  on  growth  that  rejected  these  mostly  deterministic models.  They maintained that the small firm could be seen as a constructed social reality and  that  the  owner‐managers  influence  on  strategic  activity  is  decisive;  they  identified  three  types  of  potential  owner‐managers:  the “artisan,” the “classic entrepreneur,” and the “manager.”  The authors maintained that  each  of  these  “latent  social  identities”  has  a  different  propensity  for  growth  due  to  different  levels  of  entrepreneurial motivation.  From this perspective, strategic management and growth propensity cannot be  separated  from  the  personality‐set,  experience  and  cognitive  appreciation  of  the  owner‐manager.    This  qualitative approach to strategic management and growth rejects neo‐classical economic assumptions about  the  behaviour  of  individual  firms  and  market  economies.    It  does  not,  for  example,  assume  that  owner‐ managers are profit maximisers, growth‐orientated, or highly competitive.  Curran and Blackburn (1994) and  Storey  (1994)  have  shown  all  three  assumptions  are  highly  questionable  for  most  small  firms.  Few  owner‐ managers are profit maximisers, few have strong commitment to growth, and most firms operate in markets  where  imperfections  reduce  competitiveness  substantially.    This  type  of  view  suggests  that  the  idea  that  owner‐managers formally utilise strategic activity to attempt to achieve competitiveness and growth is highly  questionable.    Strategic  management  in  individual  firms  is  seen  as  reflecting  the  cognition  of  the  owner  manager  reflecting  Stubbs  (1989)  view  of  the  importance  of  individual  on  the  practice  of  strategic  management.  Embedded within this process is the practice of constant innovation that arises from the Owner  Managers perception of opportunities and threats. 

 

63

  Paul Donaldson   

4. Competitiveness and SMEs  Atherton  and Hannon (1996)  suggest  that whilst  the  idea  of business success and  growth  is  tangible  for  the  small firm owner, the concept of competitiveness is abstract and vague.  Gibb and Scott (1985) point out that  whilst there are long lists of factors relating to competitiveness, there is an absence of theory underlying all  the models that seek to integrate these factors in a useful way for SME development and education.  The issue  of  competitiveness  in  SME’s  is  not  purely  concerned  with  product  and  markets,  but  also  appreciation  and  perception.  Jennings and Beaver (1997) have pointed out that in owner‐managed firms strategic management  is  conducted  in  a  highly  personalised  way,  influenced  by  the  personality  and  other  attributes  of  the  owner‐ manager.  Any strategic activity, therefore, is displayed through the leadership shown by the owner‐manager,  in conjunction with his/her internalised knowledge, abilities and competencies.  The importance of leadership,  shown in this context by the owner‐manager, in relation to competitiveness and strategic management is an  issue that is well recognised (see Burns 1978, Bennis & Nanus 1985, Clark & Pratt 1985).  The development of  leadership  heuristics  reflects  the  cognition  of  the  owner  manager  and  are  in  fact  a  product  of  cumulative  innovation as the organisation develops.    Competitiveness in the small owner‐managed firm sector is considered to be limited by the resources available  and the willingness of the owner‐manager to commit such resources to achieve a given objective.  This means  that the degree of competitiveness achieved can perhaps be considered to be correlated with the degree of  risk  owner‐managers  are  prepared  to  take  with  the  resources  they  have  acquired,  and  the  innovation  heuristics they employ to utilise them. 

5. Entrepreneurial activity and growth  There  have  been  numerous  classifications  of  small  firm  owners  put  forward  (see  Stanworth  &  Curran  1976,  Scase & Goffee 1987, Carland et al. 1984, 1990, Jennings & Beaver 1997, and Beaver & Lashley 1998); these  classifications  have  all  followed  the  same  basic  approach  of  identifying  owner‐managers  according  to  their  propensity  for  entrepreneurial  activity  and  attitude  to  growth.    Beaver  (2002)  classifies  these  studies  by  suggesting  three  categories:  “craft  owners”  concerned  with  personal  satisfaction,  “promoters”  who  want  to  achieve  personal  wealth,  and  “professional  managers”  who  want  to  excel  in  business  and  achieve  financial  wealth,  personal  satisfaction  and  perhaps  social  status,  through  developing  a  successful  business.    Jennings  and Beaver (1997) discuss the differences between the often quoted basic categorisation of entrepreneurs and  owner‐managers and suggest that as the firm grows there comes a point at which the owner‐manager must  delegate management responsibility to others in the organisation if the organisation is to survive and prosper.   As  Gerber  (1995)  has  pointed  out,  this  raises  the  issue  of  the  three  roles  that  the  owner‐manager  must  consider: the entrepreneur, the owner and the manager.  Jennings and Beaver (1997) also suggest that as the  owner‐manager is the prime stakeholder, it is his/her definition of success or failure which defines the view of  the firm.  Success could fall substantially below the optimum level attainable (see Beaver 1984, and Foley &  Green 1989); therefore perceived success is not synonymous with optimum performance.  Each individual firm  develops individual heuristics to operationalise the three key roles identified.  The impact of innovation activity  in each of these key roles is crucial to determine the level of competence the owner manager attains in each of  the three areas.    Thompson (2001) suggested that strategies are a means to an end, and therefore it could be assumed that the  strategies  pursued  by  owner‐managers  reflect  the  difference  between  the  motivations  of  what  much  of  the  literature considers to be owner‐managers and entrepreneurs, especially in relation to growth potential.      The  literature  suggests  that  there  is  a  wide  variation  in  terms  of  the  types  of  SME’s  and  their  approach  to  strategic management and strategic issues, and further suggests that there are two predominant perspectives  on strategy and subsequent approaches to Strategic Management (see Eden & Ackerman 1998).  The first, the  prescriptive schools of thought, are based on classical economic theory reflecting observable cause and effect  and the ability to be able to plan to reach desired objectives.  The second, the descriptive schools, concentrate  heavily  on  the  concepts  of  learning,  reflection  and  competence  building  which  this  author  describes  as  a  learning / appreciative view.      SME’s  can  be  categorised  not  only  in  terms  of  size  but  by  their  attitude  towards  growth.    There  is  the  opportunity for the classification of owner‐managers into two basic groups which exhibit different attitudes to  growth;  “lifestyle  firms”  and  “entrepreneurial  firms.”    In  addition  leadership  is  identified  as  a  key  factor 

64

  Paul Donaldson  relating to both the issue of strategy and competitiveness, and the literature would seem to take the view that  the  leader  of  the  business  determines  strategy  which  impacts  on  the  competitiveness  of  the  firm  and  the  subsequent growth that is achieved.      In  order  to  attempt  to  consider  these  views  from  an  holistic  perspective,  systems  ideas  were  employed  to  conceptually  model  the  assertions  regarding  the  types  of  approaches  to  strategy  identified,  as  well  as  the  process followed by “life style” or “entrepreneurial firms” in relation to growth, and the impact of leadership  in this context. 

6. Methodology used  6.1 Development of soft systemic paradigm  In  order  to  investigate  the  perspectives  identified  above,  Soft  Systems  Methodology  (SSM)  modelling  was  used.  This type of approach seeks to address what the system is trying to do, how the transformation is used  to achieve this, and the underlying purpose, the “why” of the system.  Crucial to this type of modelling is the  concept  of  Weltanschauung  (“W”)  or  worldview,  which  implicitly  rejects  the  concept  of  unity  of  purpose.   Checkland  (1981)  suggests  that  in  systems  thinking  there  are  two  related  pairs  of  ideas:  emergence  and  hierarchy, and communication and control.  Wilson (1984) uses the concept of water having wetness, which  has no meaning when related to hydrogen/oxygen which are its constituent parts, to explain the concept of  emergence.  An emergent property only has meaning at a specific level of hierarchy, and only arises when the  system is working in an integrated manner above and beyond the parts that comprise it.  This idea of hierarchy  and  systemic  reduction  seeks  not  only  to  isolate  parts  as  independent  wholes  but  to  place  them  within  the  context  of  an  interacting  and  emergent  interdependent  hierarchy.    The  underlying  feature  of  the  systems  paradigm is the concept of “holism”.  Understanding of the emergent whole, through synthesis of the parts, is  more meaningful in systems thinking than trying to use analysis through reductionism.    The  soft  perspective  takes  the  process  of  systemic  inquiry  as  being  a  learning  system  that  can  be  used  to  explore  the  observer’s  perceived  world.    This  shift  of  systemicity  from  taking  the  world  to  be  systemic,  to  taking the process of inquiry to be systemic, is of crucial importance to the understanding of the soft systems  paradigm.  The hard determinative perspective that uses systematic approaches to modelling may well contain  a systemic perspective of the world; however, the deterministic view of unitary purpose, and of achieving this  purpose  from a  machine‐like  approach  fails  to  account  for  the  systemic  process  of  inquiry that  soft  systems  usage seeks to encompass.  In essence, “soft systems thinking” is epistemological and “hard systems thinking”  is ontological.   

6.2 Applying system ideas to the area of research  Using  the  doubly  systemic  perspective  of  the  soft  systemic  paradigm  when  considering  a  firm  as  a  “human  activity system” takes the process to be not only systemic, in that it can be modelled, but also doubly systemic  in that such modelling can lead to learning that can be used to improve understanding of the area of review.   The work undertaken used this concept to consider the area of research and to model the predominant “Ws”  that emerged from the literature.      A  firm  is  taken  to  be  a  “human  activity  system”  that  Checkland  (1981)  describes  human  activity  systems  as  human  beings  taking  purposeful  activity.    Purposeful  activity  is  taken  to  be  teleological  and  as  Stacey  et  al.  (2000) have described there are a variety of classes of teleological action.  A teleological cause is an answer to  the “why” question; why does a particular phenomenon do what it does or become what it becomes?  This can  mean  two  things:  the  kind  of  movement  into  the  future  that  is  being  assumed,  and  the  reason  for  this  movement in order to achieve “what.”  In other words, what is the purpose of the action being taken, and is it  being made towards a definite goal or for a general purpose?      The description of systems and systems thinking has shown that the concept of “W” has a significant impact on  how people undertake teleological activity; a process that is strongly influenced by innovation.    Ten  owner  managed  firms  who  met  the  criteria  identified  earlier  in  this  paper  were  selected  for  this  study.   These owner managed firms were contacted by the researcher who had extensive knowledge of the business  community of Merseyside, a country in England.  None of these owner managers had previously been involved 

 

65

  Paul Donaldson    in  a  major  intervention  with  the  researcher  and  the  researcher  personally  visited  each  owner  manager  to  discuss the intended project and outline the potential benefits to both the individual organisations as well as  the  SME  sector  as  a  whole.    It  is  interesting  that  whilst  an  initial  sample  of  fifty  was  drawn  up  as  potential  participants in this study the first ten organisations that were contacted all agreed to participate in the study  after  the  initial  visits.    This  in  itself  is  an  interested  phenomenon  as  the  insularity  of  many  SME’s  is  often  quoted as a barrier to research in these types of firms (see Gibb 1998).    It was considered that whilst this work took place in a specific geographical location of Merseyside in England  the fact that these owner managed firms covered a variety of business sectors including both manufacturing  and  service  organisations  and  this  could  lead  to  valid  observations  that  had  application  to  owner  managed  SME’s at the same stage of development throughout the UK as the Merseyside economy broadly reflects the  SME distribution within the UK.  It was also considered that ten firms would be a suitable sample size in which  to  conduct  this  work  as  it  was  a  small  enough  sample  to  allow  in  depth  work  to  be  done  whilst  being  big  enough to give validity to the findings.    A  structured  questionnaire  that  had  been  derived  from  a  holistic  interrogation  of  the  literature  concerning  growth,  competitiveness  and  strategy  was  used  in  one  to  one  semi‐structured  interviews  between  the  researcher and the individual owner managers.      The findings from the questionnaires were grouped into emerging themes and these emerging themes were  explored with the owner managers collectively in a focus group that all ten owners managers attended.  The  fact  that  these  owner  managers  attended  shows  the  importance  they  placed  on  the  work  that  had  been  conducted, as getting owner managers to attend focus groups is notoriously difficult, as observed by Curran  and Blackburn (2001). 

7. Findings  During the focus group the owner‐managers agreed that the growth they had attained to date was influenced  by  the  degree  of  entrepreneurial  activity,  the  willingness  to  take  risk,  and  the  degree  of  entrepreneurial  empowerment  that  had  occurred  within  their  firms.    They  also  agreed  that  they  had  all  developed  down  individual pathways that bore little resemblance to each other reflecting that innovation is a process that they  applied unknowingly to develop the individual heuristics that had allowed them to grow.  However they also  agreed that they had faced common challenges.    The  findings  of  the  focus  group  showed  that  the  issue  of  the  level  of  entrepreneurial  activity  could  be  considered  to  be  not  solely  concerned  with  an  individual’s  or  firm’s  inherent  character,  as  this  empirical  research suggests that this level of activity is never anything other than a transient state affected by the issue  of the owner‐managers’ prevailing “W,” and the level of their multi‐faceted competence at different times and  under different circumstances.      For  example,  owner‐managers  could  iteratively  move  through  the  conceptual  process  shown  in  the  figure  overleaf:  W

SATISFYING ACHIEVEMENT

TRIGGER FACTORS

CRISES / THREATS

ASPIRATIONAL ACHIEVEMENT

OPPORTUNITIES

  Figure 1: Iterative process of entrepreneurial action  This  Figure  suggests  that  in  the  light  of  perceived  threats  or  opportunities,  measures  of  performance  are  altered, depending on the level of potential threat or opportunity perceived.  The empirical data that emerged  during  this  research  implied  that  growth,  consolidation  and  survival  are  closely  related,  and  are  concerned 

66

  Paul Donaldson  with the perceived reality of the owner‐managers, their “W,” when considering issues within the environment  that  can  act  as  “triggers”  to  take  action.    Growth  from  this  perspective  can  be  taken  to  be  a  transient  phenomenon reflecting the cognition and subsequent development, through innovative processes, of individual  balancing heuristics in a firm.  It suggests that different trigger factors, which could be opportunities or threats  perceived  in  the  environment,  can  impact  on  the  owner‐managers  “W”  in  terms  of  acceptable  levels  of  performance.  When facing a perceived crisis or threat, owner‐managers may decide to set satisfying levels of  achievement  to  try  to  ensure  continuity.    By  contrast,  if  opportunities  are  perceived,  the  measures  of  performance  may  be  moved  to  a  more  aspirational  level,  thereby  stretching  the  organisation.    Thus  whilst  certain individuals may be considered to inherently exhibit entrepreneurial characteristics, it is the “W” of the  individual  at  any  given  time  (a  perception  that  is  seen  to  change)  that  sees  these  changes  in  the  perceived  environment as opportunities or threats, and decides what are suitable measures of performance in the light  of such perception.  The “trigger factor” identification could be seen as an intuitive strategic action confirming  the empirical evidence which suggests that these types of firms learn to take action at appropriate times both  to  maintain  continuity  as  an  ongoing  activity  when  threats  appear  by  limiting  risk,  and  to  use  innovation  to  pursue growth opportunities that seem suitable to the owner‐manager at a particular time.     This  process  is  manifested  within  the  firm  through  the  concept  of  an  owner‐managers  “vision”  and  its  articulation.  There was no evidence noted of any formal type of strategic activity within these firms and their  growth can be taken to be an emergent property of the process of learning and experience over time. 

8. Discussion  In  terms  of  considering  the  ongoing  development  of  a  “vision,”  from  a  systems  perspective,  Lewis  (1991)  discusses  the  concept  of  appreciative  systems  and  suggests  we  need  to  consider  the  importance  of  the  internally‐generated  mental  models  of  the  organisation,  the  objectives  which  management  use  in  decision‐ making.  Rational models of decision‐making, as in Simons’ work (1969, 1976) critically recognised the effect of  these mental models or constructs, but failed to address their nature; these mental constructs or models were  recognised and addressed in the work of Vickers (1965, 1968, and 1970).      Lewis  maintains  that  these mental  models,  and  the  process  of  how  they change  and  develop,  are  explained  through  the  concepts  of  appreciation,  appreciative  systems  and  settings  formalised  by  Checkland  and  Casar  (1986) shown in figure 2 overleaf: 

  Source: After Checkland and Casar (1986)  Figure 2: Structure of appreciative system emphasising appreciative settings  At any moment in time, an appreciative system has a specific appreciative setting, which is a readiness to see  and value things in one way rather than in another.  This author suggests that this statement fundamentally  articulates  the  concept  of  a  “vision”  in  this  context,  and  explains  how  this  vision  is  operationalised  through  individual heuristic developments which are the product of continuing innovation within these organisations.   One  of  the  sub‐processes  involved  in  appreciative  systems  is  concerned  with collecting data  from  the  world  and making reality judgements about the present situation from these.  These judgements are based on what 

 

67

  Paul Donaldson    Vickers terms “norms,” a term used to describe the ideas that allow organisations or individuals to understand  facts and give meaning to raw data.  This term could also be considered to describe a type of cultural heuristic  that an organisation develops as a “lens” or “dominant logic” through which to interpret data.  These norms  become revealed during the operation of the appreciative system.  They guide what the organisation sees and  what  it  considers  relevant.    This  could  be  taken  to  be  a  reference  to  tacit  knowledge,  potentially  displayed  through externalised strategic heuristics.  There was little evidence of this externalisation having taken place in  this research.  However, the strong emphasis that the owner‐managers placed on their setting of norms and  values to guide their firms’ actions was recognised.      This  work  concludes  that  growth  is  not  the  product  of  an  inherent  disposition,  a  character  trait;  it  is  the  product  of  specific  perception  and  reactions  to  on‐going  situations  and  the  development  of  individual  innovative heuristics to deal with these.  “Entrepreneurs” may be more disposed to grow a firm but “lifestyle  firms” can still grow if the “right” perceived circumstances are identified.  This work maintains that the growth  propensity  of  an  owner‐managed  firm  is  contingent  on  the  owner‐managers  appreciative  settings  and  cognitive  framework  at  any  given  point  in  time.  Growth  in  this  context  can  therefore  be  taken  to  be  an  emergent  property  of  the  developing  of  learning  and  enhancing  of  appreciation,  and  the  subsequent  action  and heuristic development that is taken as time unfolds.  In essence this work shows that the SME community  is heterogeneous and the development of an individual firm’s heuristics reflects the developing and changing  cognition of the owner manager, this cognition determines their approach to innovation and its application in  their own individual settings. 

References  Atherton, A., & P. Hannon.  (1996) “Competitiveness and Success: How the Owner‐Managers of Small Firms Perceive  th Success in a Turbulent External Environment.”  19  ISBA National Small Firms Policy and Research Conference,  Birmingham, September.  Atkins, M., & J. Lowe.  (1994) International Small Business Journal, Vol. 12, No. 3: pp. 12‐24.  Bamberger, I.  (1980) “Development and Growth of Firms – A Theoretical Frame of Reference For Small and Medium  Firms.”  Unpublished Paper, University of Rennes, Department of Management.  Bamberger, I.  (1989) “Developing competitive advantage in small & medium sized firms,” Long Range Planning, Vol. 22,  No. 5: pp. 80‐88.  Beaver, G.  (1984) “The entrepreneurial ceiling: A discussion of the small business management process,” 7th UKEMRA  th National Small Firms Policy and Research Conference, Nottingham, 17  September.  Beaver, G.  (2002) “Small Business, Entrepreneurship and Enterprise Development” Pearson Education Limited: London.  Beaver, G., & C. Lashley.  (1998) “Competitive advantage and management development in small hospitality firms: The  need for an imaginative approach.”  Journal of Vacation Marketing Vol. 2, No 2: pp 145‐60.  Bennis, W., & B. Nanus.  (1985) Leaders: The Strategies For Taking Charge, Harper & Row: New York.  Burns, J.M.  (1978) Leadership, Harper & Row: New York.  Carland, J.W., F. Hoy, W.R. Boulton, & J.C. Carland.  (1984) “Differentiating entrepreneurs from small business owners: A  conceptualisation,” Academy of Management, Vol. 9, No. 2, pp. 354‐359.  Carland, J.W., J.A.C. Carland, & C.D. Abey Jr.  (1990) International Small Business Journal, Vol. 7, No. 4: pp. 23‐44.  Checkland, P. B.  (1981) Systems Thinking, Systems practice, J. Wiley & Sons: Chichester.  Checkland, P. B., & A. Casar.  (1986) Vickers concept of an appreciative system: A systemic account. Journal of Applied  Systems Analysis, Vol. 13, No. 3, pp: 3‐17.  Checkland, P. B., & J. Scholes.  (1990) Soft systems methodology in action, Wiley: Chichester.  Churchill, N.L., & V.L. Lewis.  (1983) “The five stages of small business growth,” Harvard Business Review, Vol. 61, No. 10:  pp. 30‐50  Clarke, C., & S. Pratt.  (1985) “Leadership’s four‐part progress,” Management Today, March 1985.   Clark, D., N. Berkeley, & N. Steuer.  (2003) ‘Attitudes to growth among owners of small and medium‐sized enterprises and  the implications for business advice’, International Small Business Journal, Vol. 19, No. 3  Curran, J.  (1986) “Bolton 15 years, on: A review and analysis of small business research in Britain 1971‐1986,” Small  Business Research Trust: London.  Curran, J., & R.A. Blackburn.  (1994) “Small firms and local economic networks, the death of the local economy,” Paul  Chapman: London.  Curran, J., & A. Blackburn.  (2001) Researching the Small Enterprise, Sage: London  Daly, M., M. Campbell, G. Robson, & C. Gallagher.  (1991) “Job creation 1987‐9:  The contribution of small and large firms,”  Employment Gazette, November: pp. 589‐596.  Davidson, P. (1991) “Continued entrepreneurship: ability, need and opportunity as determinants of small firm growth,”  Journal of Business Venturing, Vol. 6, No. 8: pp. 405‐429.  Dunn and Bradstreet.  (2001) Commercial statistics report, London.  Eden, C., & F. Ackermann.  (1998) Strategy Making: The journey of strategic management, Sage: London. 

68

  Paul Donaldson  Foley, P., & H. Green.  (1989) Small Business Success, Paul Chapman, London.  Gerber, M.E.  (1995) The E‐myth revisited.  New York: HarperCollins.  Gibb, A.  (1998) “Academic research and the growth of ignorant SME Policy: Mythical concepts, myths, assumptions, rituals  th and confusions,” Paper presented to the National Small Firms Policy and Research Conference, Durham, 16   November  Gibb, A., & L. Davies.  (1992) “Development of a growth model,” The Journal of Entrepreneurship, Vol. 1, No. 1: pp. 3‐36.  Gibb, A., & M. Scott.  (1985) “Strategic awareness, personal commitment and the process of planning in the small  business,” Journal of Management Studies, Vol. 22, No. 6: pp. 597‐632.  Greiner, L.E.  (1972) “Evolution and revolution as organisations grow,” Harvard Business Review, Vol. 50, No. 4: pp. 66‐78.  Jennings, P., & G. Beaver.  (1997) “The performance and competitive advantage of small firms: A management  perspective,” International Small Business Journal, Vol. 15, No. 2: pp. 21‐34.  Lewis, P.J.  (1991) “The decision making basis for information systems: the contribution of Vickers” concept of appreciation  to the soft systems perspective,” European Journal of Information Systems, Vol. 1, No. 1: pp. 33‐43.  Perren, L.  (1999) “Factors in the growth of micro‐enterprises (part 1): Developing a framework,” Journal of Small Business  and Enterprise Development, Vol. 6, No. 4: pp. 12‐19.  nd Scase, R., & R. Goffee.  (1987) The Real World of the Small Business Owner, (2  edition) Beckenham: Croom Helm.  Scase, R., & R. Goffee.  (1995) Corporate realities: The Dynamics of Large and Small Organisations, Routledge: London  Scott, M., & R. Bryce.  (1987) “Five stages of growth in small business,” Long Range Planning, Vol. 20, No. 3: pp. 45‐52.  Simon, H.A.  (1969) The sciences of the artificial, MIT Press: Cambridge, Mass.  Simon, H.A.  (1976) “From substantive to procedural rationality,”  in H.A. Simon, (Ed.) Models of bounded rationality:  Behavioural economics and business organisation, MIT Press: Cambridge, Mass.  Smallbone, D.J., D. North, & R. Leigh.  (1993) “The growth and survival of mature manufacturing SME’s in the 1980’s: an  urban‐rural comparison,” in D. Storey and J. Curran (Eds.), Small Firms in Urban and Rural Locations, Routledge:  London.  Smallbone, D., & D. North.  (1997) Targeting established SME’s: Does their age matter,” International Small Business  Journal, Vol. 13, No. 3 : pp. 16‐28.  Stacey, R.D., D. Griffin, & P. Shaw.  (2000) Complexity and management: Fad or radical challenge to systems thinking?,  Routledge: London.  Stanworth, J., & J. Curran.  (1976) “Growth and the small firm – An alternative view,” Journal of Management Studies, Vol.  13, No. 2: pp. 95‐110.  Storey, D.J.  (1994) Understanding the Small Business Sector, Routledge: London.  Stubbart, C.I.  (1989) “Managerial Cognition: A Missing Link in Strategic Management Research”.  Journal of Management  Studies.  th Thompson, J.L.  (2001) Strategic management (4  edition), Thomson Learning: London.  Thompson, J.  (2006) Enabling Entrepreneurs, University of Huddersfield.  Vickers, G.  (1965) The art of judgement, Chapman and Hall: London.  Vickers, G.  (1968) Value systems and social process, Tavistock; London.  Vickers, G.  (1970) Freedom in a rocking boat, Allen Lane: London.  Wilson, B.  (1984) Systems: Concepts, methodologies and applications, Wiley: Chichester. 

 

69

Common Culture: A Valuable Prerequisite for Innovation‐Focused  Interactions Between Science and Economy  Olaf Gaus1, Bernd Neutschel2, Matthias Raith1 and Sándor Vajna2  1 Faculty of Economics and Management, Chair of Entrepreneurship, Otto‐von‐Guericke  University of Magdeburg, Germany  2 Institute for Machine Design, Chair of Information Technologies in Mechanical  Engineering, Otto‐von‐Guericke University of Magdeburg, Germany  [email protected]  [email protected]  [email protected]  [email protected]    Abstract: Successful collaborations between universities and companies work only in a few individual cases. In general, the  diversity  of  cultures  prevents  the  implementation  of  interactive  knowledge  transfer  and  actually  reduces  the  potential  innovation performance. This finding contrasts the study of the Organization for Economic Co‐operation and Development  published in 1996 on „The Knowledge‐Based Economy“ (OECD, 1996) that stated clearly: „Knowledge is now recognised as  the driver of productivity and economic growth, leading to a new focus on the role of information, technology and learning  in economic performance.“ Regarding the reasons for such a collaborative deficit more closely it becomes apparent that  not a lack of purpose, benefits or requirements are the cause for it, but rather different ways of dealing with it. This results  primarily from a different cultural conditionality in universities and companies. However, the resulting question still has to  be  discussed  how  the  science  system  can  contribute  to  knowledge  transfer,  in  order  to  disseminate  knowledge  and  to  provide  inputs  for  problem  solving  and  innovation.  Especially  the  process  of  knowledge  transfer  has  been  prominently  discussed  during  the  last  decade  after  neoliberal  tendencies  in  politics,  particularly  in  North  America  and  the  European  countries, demanded the economic benefits of science and its institutions (c.g. Mansfield, 1991). While the responsibility  for the creation and dissemination of new knowledge typically lies with leading research institutions, such as universities,  the  transfer  of  this  knowledge  into  economic  value  is  performed  outside  of  universities.  Since  universities  increasingly  depend on additional funds for new and expensive research, research groups are more and more considered to be ‘quasi  firms’ − a process that already has been described as “the invention of the entrepreneurial university” (Etzkowitz, 2003).  But  as  it  turns  out  more  and  more,  the  prospects  for  achieving  these  objectives  are  dominated  by  the  question  of  a  common cultural understanding between the various actors in the knowledge transfer process.    Keywords: knowledge and technology transfer, organizational culture, entrepreneurial university 

1. Introduction  In attempting to implement the business model of the university and to perform concrete company transfers it  turns out very quickly that cultural differences in the scientific and practical work environments lead to serious  tradeoffs on both sides. This cultural aspects of innovation‐focused interactions between science and economy  is a part of the knowledge transfer discussion that has not yet been embedded into the newer research on the  entrepreneurial  university  (Gaus  and  Raith,  2013)  and  its  integration  into  the,  mostly,  regional  economy.  However, universities and enterprises are both understood as social systems of production. This describes the  way  how  they  are  integrated  into  a  social  configuration,  e.g.  the  industrial  relation  system.  Our  previous  studies  suggest  that  any  kind  of  institution  is  embedded  in  a  culture  in  which  their  functions  are  attitudinal  grounded, organizationally structured and technically and materially constrained. Against this background, it is  even  more  surprising  that  the  research  literature  on  knowledge  and  technology  transfer,  organizational  development in institutions and enterprises as well as the political science discussions of this topic have not  dealt intensively with the importance of the 'cultural factor' for almost a decade. There are only a few authors  who  have  stressed  the  importance  of  cultural  influence  in  educational  organizations  and  its  impact  to  both,  internal and external communication, since the 1970s (Maassen, 1995). One of the early protagonists whose  research in this field was fundamental was especially Clark (1970; 1972; 1983) who developed the concept of  ‘organizational saga’ and its effects on academic beliefs. It was Becher (1981) who claimed that the academic  discipline  has  the  power  to  develop  a  specific  set  of  values  that  are  constitutive  for  the  emergence  of  a  disciplinary culture, whereas Dill (1982) highlighted the importance of academic culture and its dependence on  symbolic management. For Masland (1985) it was crucial to find methods that should be used to capture the  suspected relationship between organizational culture and the system of higher education as a whole. Tierney  (1988) also uses the term 'organizational culture' and introduces concepts as an “initial attempt to establish a 

70

  Olaf Gaus et al.  framework for describing and evaluating various dimensions of organizational culture” in order to achieve that  “administrators will be in a better position to change elements in the institution that are at variance with the  culture.” However, he refers not so much to Becher (1981), but rather to Ouchi and Wilkins (1985), which he  quotes  to  highlight  the  relevance  of  the  research  topic:  “Few  readers  would  disagree  that  the  study  of  organizational culture has become one of the major domains of organizational research, and some might even  argue that it has become the single most active arena, eclipsing studies of formal structure, of organization‐ environment research and of bureaucracy”.    Now,  while  the  theory  lacks  an  overall  view  of  the  topic  in  the  political,  economic,  psychological  and  educational  sciences  as  well  as  in  sociology  of  ‘culture’  as  a  factor  influencing  organizations  of  higher  education, the practical effects on the developing knowledge and technology transfer are becoming clearer.  Schein  (1996)  described  the  status  quo  of  the  research  situation  17  years  ago  with  the  title  of  his  essay  "Culture: The Missing Concept in Organization Studies." Interactions in the area of knowledge and technology  transfer between researchers and managers of enterprises were extremely rare (Porter and McKibbon, 1988;  Abrahamson, 1996; Mowday, 1997) as well as the other way round (Sackett and Laarson, 1990; Rynes et al,  1999).  These  results  have  led  gradually  to  the  conviction  in  much  of  the  research  that  there  are  barriers  of  communication  and  interaction  between  practitioners  and  academics  that  lead  to  a  ‘research‐practise  gap’.  The reasons for this are quite essential due to the difference in academics’ and practitioners’ assumptions and  beliefs  (cf.  Shrivastava  and  Mitroff,  1984),  because  of  their  fundamentally  unlike  frames  of  reference.  Such  referential differences are to be classified culturally, because they determine the particular self‐understanding  of the researcher as well as the practitioner. Etzkowitz (1983) justified this in terms of the scientists’ dignity as  th a  basic  researcher,  who,  from  the  time  of  the  pre‐modern  era  until  well  into  the  20   century,  would  have  denied to profit from a commercialization of his own pure research. As an early example of the 19th Century,  he refers to the French chemist Louis Pasteur, who answered the question of Napoleon III why he does not  “turn  his  discoveries  to  legitimate  profit:  “In  France  scientists  would  consider  they  lowered  themselves  by  doing so.” The reason that this self‐understanding of the researcher changed slowly during the late 20th and  early 21th century is, so Etzkowitz (1983), to be seen in the successive elimination of the distinction between  basic  and  applied  research.  The  politically  driven  commercialization  of  research  and  development  and  the  consequent abolition of the distinction between basic and applied research made it easier for researchers, if  necessary or intended, to combine scientific reputation and financial reward with each other. 

2. Towards a derivation of the term 'common culture'  This  new  concept  of  overcoming  cultural  barriers  for  researchers  to  exploit  their  research  could  even  use  a  more  theoretically  derivable  rationality.  A  central  argument  in  literature  on  the  economics  of  research  and  innovation  says  that  there  is  private  underinvestment  in  incentives  due  to  the  imperfect  appropriability  of  knowledge (Hirshleifer, 1971, p. 573). While within the scientific community repeatedly criticism is raised that  research  results  must  be  patented  and  licensed  in  order  to  use  be  rewarding  for  the  researcher,  Hirshleifer  shows that “there will be, aside from the technological benefit, pecuniary effects (wealth redistributions due  to price revaluations) from the release to the new information.” Following Hirshleifer, a crucial implication of  his  proven  assumption  is  that  private  information  that  is  kept  private  is  of  no  social  value,  meaning  that  redistribution does not lead to an improvement in productive arrangements.    First of all, ‘social value’ as motivation for releasing information seems to be part of organizational culture like  economic  or  academic  institutions.  Both  may  be  understood  as  ‘value‐rational  organizations’  (Satow,  1975).  They  are  both  bound  to  the  belief  in  the  values  of  their  organization.  While  the  authority  of  the  enterprise  rests on obedience to a set of values or ideological norms the legitimacy of rules within academic institutions is  determined  by  their  consistency  with  the  goals  of  academic  ideology.  As  a  consequence  of  this  one  of  the  cultural  core  beliefs  within  academic  institutions  is  ‘the  pursuit  of  truth’.  In  consideration  of  the  cultures  of  economic  and  academic  institutions  Clark  (1981)  considers  the  latter  to  be  the  more  complex.  His  analysis  finds at least traditions and symbolics (e.g. academic language, titles and degrees, curricula, examinations) that  lead to what he referred to as a ‘saga’, “a collective understanding of current institutional character that refers  to  an  historical  struggle  and  is  embellished  emotionally  and  loaded  with  meaning  to  the  point  where  the  organization becomes very much an end‐in‐itself” (Clark, 1981, pp. 12‐13). Although Becher (1981) stands in  contrast  to  Clark  concerning  the  concept  of  culture  with  reference  to  ‘distinctive  ideologies  of  academic  disciplines’, he tends to comprehend academia more likely as a ‘system’ that, however ‐ and that is the parallel  to Clark ‐ depends on shared belief. It consists of specific symbols of status and authority in forms of awards, 

71

  Olaf Gaus et al.  grants,  publications  and  academic  honorary  titles  (e.g.  Dr.  h.c.,  honoris  causa).  Against  this  background  of  a  highly differentiated,  academic  value‐rational  structure  or  system  ‐  in  comparison with  non‐academic  value‐ rational  systems  ‐  would  always  find  more  structural  differences  than  similarities.  This  is  basically  why  Dill  (1982) concludes in his consideration of the above, that a ‘common culture’ is as absent in American academic  organizations as in American business corporations.    Thus, we hold that in the relevant literature on the term culture until well into the 1980s there was the largely  common understanding that both academic institutions and economic institutions can be regarded as value‐ rational  organizations  (Satow,  1975;  Clark,  1981;  Becher,  1981;  Dill,  1982).  However,  they  differ  structurally  and systemically so much from each other that one cannot speak of a 'common culture'.    With this in mind only a couple of years later Barley et al. (1988) came up with a study on ‘Cultures of Culture’,  examining  closely  the  pragmatics  of  normative  control  concerning  academics  and  practitioners.  The  authors  used  linguistic  indicators  to  determine  whether  academics  and  practitioners  or  members  of  any  two  subcultures, may have influenced each other’s framing of a problem. In this case academics and practitioners  were identified as ‘members of two subcultures’. Barley et al. allow the greatest room for interpretation, if one  assumes that there exist two worlds, separated but also interdependent as a social system characterized by  traditions like language, interest and norms so that the degree of influence possibly varies from issue to issue.  This description of two subcultures taken from empirical evidence finally have been structurally examined by  analysing the basic ‘concept(s) of culture’ in contemporary academic discourse being held in different scientific  disciplines  (Sewell  jr.,  2005).  Interesting  enough,  an  interdisciplinary  look  on  the  subject  offers  a  different  option  of  conceptual  distinction.  Consequently,  it  makes  sense  to  talk  about  'culture'  in  the  singular  when  referring to a theoretically defined category. 'Culture' in this sense is always a theoretical reflection of social  life, like it is done in academic disciplines such as anthropology, ethnology, cultural studies and alike.     In  summary  it can  be  pointed  out  that  culture  research, as  conducted by  various  scientific disciplines,  agree  upon the fact that cultural conditionings have a significant influence as a system as such (Lévi‐Strauss, 1963,  1966) as well as on the interaction of people both within different but also similar cultures and subcultures.  The success of a communication or interaction among members of different cultures or subcultures is mainly  dependent  on  the  ability to interpret  so  called  'Patterns of  Culture' (Benedict,  1934)  in  order  to understand  them. Since it is the expression of cultures to create 'saga' as a system of collective understanding of unique  accomplishment in a formally established group (Selznick, 1957; Clark, 1972) those ‘Patterns’ “can be studied  by  specific  changes  in  the  language  that  members  of  different  subcultures  use  to  frame  a  topic  or  issue”  (Barley  et al, 1988,  p.  53). Consequently,  Barley  et  al.  consider  academics  and  practitioners  as  “members  of  two  subcultures”,  who  have  “influenced  each  others  interpretations”,  proved  by  the  observation  that  rhetorical  styles  between  communicating  members  of  two  subcultures  have  had  converged  (op.  cit).  A  preliminary brief conclusion of this section is that any successful and therefore valuable interaction between  members of subcultures implies a mutual understanding of the respective cultural patterns. It has been shown  that this understanding can be learned so that it depends on the nature of the incentive that decides about  whether one guess it is worth to start a learning process. 

3. The ‘gap’ between organizational research and managerial practice  During  the  1980s  and  1990s  researchers  especially  from  the  political,  sociological  and  economic  sciences  commented  on  politics’  uprising  interest  in  commercializing  scientific  knowledge  as  a  driving  force  for  innovation  in  an  increasing  knowledge  society  (Slaughter,  1997;  Soete,  1999;  Stephan,  2012).  At  the  same  time,  as  economy  globalized,  industry  pushed  the  state  governments  to  devote  more  resources  to  the  enhancement of innovation to be better prepared to compete in world markets (Jessop, 1993). Notably, the  estimates in literature go significantly apart about how extensive and intensive the new collaboration between  science  and  industry  had  to  be  assessed;  or,  to  put  it  at  the  operational  level,  between  academics  and  practitioners. Some prominent researchers in the field argue that the ‘entrepreneurial academic model’ (e.g.  Etzkowitz, 2003, p. 110) was introduced and going to be established at universities in the western civilization in  th the early and mid‐20  century. At the same time the “US research university developed as series of research  groups, quasi‐firms which were just a step away from becoming full‐fledged firms as opportunities arose” (cit.  op). In fact, universities in the US were receiving about a twelfth of their research funds from industry in the  1950s,  but  already  during  the  1960s  and  through  the  entire  1970s  industry’s  financial  support  for  R&D  decreased down to 3‐4 percent. It reached its peak in the late 1990s with about seven percent of all university 

72

  Olaf Gaus et al.  funding, declined again and remained constant since then (Stephan, 2012). A very different picture emerges in  contemporary  literature  of  the  1980s  and  1990s,  specifically  when  dealing  with  the  issues  of  interaction  between academics and practitioners as well as against the background of organizational collaborations and in  matters  of  how  to  set  up  and  managing  an  exchange  process.  The  main  finding  suggests  that  there  is  a  research‐practise gap that prevents academics to cooperate with practitioners and vice versa. The reason for  this they suspected in culturally determined entirely different conceptions of frames of reference with respect  to types of information believed to constitute valid bases for action (Shrivastava and Mitroff, 1984), or notable  differences in terms of goals they want to influence, time frames for addressing and solving problems and last  not  least  how  different  from  each  other  the  social  systems  are  designed  in  which  they  operate  on  a  professional  basis  (Thomas  and  Tymon,  1982;  Johns,  1993).  This  finding  led  to  a  deep  scepticism  among  scientists  who  dealt  with  the  question  of  how  a  successful  knowledge  and  technology  transfer  between  science and industry is to develop with respect to the design of a research‐practice interface (Gillespie, 1991;  Hakel,  1994;  Garland,  1999;  Fagenson‐Eland,  1999;  Earley,  1999).  Moreover,  the  identified  gap  between  organizational  research  findings  and  management  practises  is  by  no  means  limited  to  the  organizational  sciences but relevant for the scientific community as a whole (Glaser et al., 1983; Rogers, 1995). Very specific  and  tailored  suggestions  as  to  bridge  the  'gap'  more  recently  were  developed  by  Rynes  et  al.  (2001).  In  addition  to  recommendations  for  editors  of  science‐based  journals  how  a  profitable  exchange  of  basic  and  applied  knowledge  could  be  supported  a  further  going  suggestion  was  due  to  academic‐practitioner  interaction in person. Referring to the highlighted importance of knowledge transfer as a social contact (e.g.  Rogers,  1995)  is  recommended  by  the  authors  that  “the  format  of  new  interactions  be  designed  with  practitioners  not  just  in  mind,  but  also  in  attendance”  for  the  reason  that  “good  social  relations,  mutual  empathy,  and  some  sort  of  common  ground  are  prerequisites  for  achieving  optimal  outcomes  in  cross‐ boundary knowledge creation” (Ryan et al., 2001, p. 349). 

4. Common culture among research‐oriented academics and academic practitioners   When  regarding  the  numbers  of  the  development  of  successful  patent  applications  of  U.S.  research  universities as an indicator for commercialising research resources, it shows that they have been permanently  increasing during the time period from 200 in 1969 to 2.000 in 1995, which corresponds to an increase by a  factor of ten. After all, by 2008 praeter propter 3.000 patents were issued to universities. Compared with the  total  volume  of  successfully  registered  patents  in  the  United  States,  the  proportion  of  university  patents  corresponds to 2.0 percent (Mowery et al, 2004). Accordingly the number of licences increased almost 12‐fold  since  1990  and  the  annual  licensing  revenue  has  increased  from  about  US$  160  million  in  1990  to  US$  862  million in 1999. In literature, this development is referred to as a dynamic growth development, which is partly  attributed  to  the  'Patent  and  Trademark  Act',  also  known  as  'Bayh‐Dole  Act',  that  says  that  patentable  inventions  arising  from  federal  funding  are  considered  university  property  rather  than  property  of  the  US  government (Thursby et al, 2001). However, two relativistic aspects must be pointed out: Although it appears  that Bayh‐Dole has indeed brought research universities closer to practitioners by successfully commercializing  university’s own technologies an important role to operationalize the entire transfer process played the newly  established ‘Technology Transfer Offices’ (TTO). It also has to be noted that attributing the increase exclusively  to  Bayh‐Dole  would  ignore  changes  that  independently  from  legislative  Decree  took  place  with  blockbuster  patents in galloping developing fields of new scientific basic knowledge like in molecular biology (e.g. Cohen‐ Boyer  patent  for  gene  splicing  generated  US$  255  million  in  licensing  royalties  by  2001)  or  pharmacy  (e.g.  Emory  University,  Atlanta,  sold  its  royalty  in  ‘emtricitabine’,  needed  for  the  treatment  of  human  immunodeficiency virus to big pharma and received US$ 525 million), (Bera, 2009; AUTM, 1996, 2000).    On closer inspection it is clear that the scientific disciplines involved on the side of research universities have  all  historically  conditioned,  industrial  and  application‐related  bonds.  These  include  the  life  sciences  with  biology, physics and chemistry as well as medicine and engineering. In other words, these disciplines have not  only an empirical approach to their research, but have, because of the historical development of their specific  scientific field direct access to applied research in industry, in the case of medicine, the clinical application with  support from the pharmaceutical and medical technology. Following this hypothesis it becomes obvious that  the  attested  different  subcultures  to  which  academics  and  practitioners  belong,  do  not  fit  concerning  this  special group of people. Academics on the side of the University meet ‐ in the process of technology transfer ‐  with  academics  on  the  side  of  industry  who  themselves  were  socialized  during  their  training  in  the  natural  sciences and mathematics as well as in engineering in the same way in the sense of a ‘common culture’. The  border between different sub‐cultures lies in separating other groups from each other. It is likely that rather 

73

  Olaf Gaus et al.  executives  of  companies,  belonging  to  the  group  of  practitioners,  do  not  turn  to  academics  or  academic  research  findings  in  order  to  develop  modern  management  strategies  and  practises  (Mowday,  1997;  Abrahamson,  1996).  Likewise,  researchers  do  not  apply  to  practitioners  to  be  inspired  for  developing  their  research questions or to discuss their results (Pfeffer, 1998). 

5. How culture‐related effects affect knowledge transfer between university and industry   Although  the  area  of  knowledge  and  technology  transfer  from  various  literatures  is  wide,  voluminous  and  dynamic (Zhoa and Reisman, 1992; Kumar et al, 1999) the topic ‘organizational culture’ as such recently has  been  hardly  further  investigated,  especially  as  far  as  the  question  is  concerned  how  actors  involved  in  organizational  institutions  ‐  like  research  universities  and  companies  ‐  influence  the  knowledge  transfer  process that is more often than not called ‘technology transfer process’, ‐ two concepts that are distinguished  by some researchers Gopalakrishnan and Santoro, 2004), not by others (Kogut and Zander, 1992, 1993; Sinani  and Meyer, 2004) like in the political economics‐oriented literature (Bozeman, 2000; Agrawal, 2001; Sazali et  al., 2012). One of the few recent empirical studies on this topic examines the 'commercial knowledge transfer’,  in particular the role of researchers, managers / entrepreneurs and the' technology transfer offices' (TTO) at  universities. The transfer itself is understood as a 'university / industry technology transfer’ (UITT). The study,  based on a total of 55 interviews of 98 UITT stakeholders associated with five US research universities found –  just to mention the findings referring to the topic of this paper – cultural and information barriers among the  three previously named types of stakeholders (Siegel et al, 2004).    Specifically, results of the study confirm the suspected importance of the cultural factor in the entire transfer  process. Thus, the actual success or failure of a transfer is determined decisively. The authors of the study have  summarized their results in ten 'propositions'. Three of which directly affect the cultural impact (three, four,  five) and seven indirectly do. These three propositions and its extensions find that:  ƒ

… the pervasiveness of cultural misunderstanding within sub‐cultures “that weaken the extent to which  values  are  indeed  shared.  Specifically,  university  scientists  reflect  one  sub‐culture,  while  university  administrators  reflect  another.  Managers  and  entrepreneurs  need  to  understand  that  they  are  actually  dealing with these to sub‐cultures, which reflect conflicting goals, values and beliefs.” 

ƒ

“Cultural  misunderstanding  reduces  the  effectiveness  of  the  university’s  efforts  to  market  university‐ based technologies to firms.” 

ƒ

“Cultural  misunderstandings  impedes  the  negotiation  of  licensing  agreements  (…)  unfortunately,  many  TTOs  are  not  actively  recruiting  licensing  officers  who  possess  such  skills.  Respondents  who  had  relationships  with  numerous  TTOs  noted  that  those  managed  by  directors  with  substantial  business  experience had a much firmer grasp on how to assess the market potential of a given technology… They  also had a better understanding of the complexity of negotiations and how to remain flexible enough to  consummate transactions”. 

ƒ

“One  implication  of  the  possibility  that  knowledge  transfer  flows  in  both  directions  is  that  the  alleged  tradeoff between basic and applied research may not be as severe as commonly perceived… Universities  that become involved in formal and informal UITT will experience an increase in basic research activity.” 

ƒ

“… university inflexibility has led many firms and scientists to completely avoid working with the TTO. That  is  when  an  invention  is  publicly  disclosed,  firms  may  contact  the  scientist  and  arrange  to  work  with  him/her  and  engage  in  informal  commercialization  and  knowledge  transfer,  through  consulting  or  a  sabbatical leave… so that when inflexibility is high, university scientists will attempt to circumvent more  formal UITT processes” (Siegel et al., 2004, p. 137, 139‐140). 

Inspired  by  the  survey  of  Siegel  et  al.  (2004),  the  authors  of  this  article  revised  and  extended  the  existing  questionnaire  for  more  culturally  relevant  attributes.  The  figures  1  and  2  are  introducing  the  barriers  of  understanding by experience as well as prejudices among managers/entrepreneurs and university researches.  The table in figure 1 reflects the findings taken from the study of Siegel et al. (2004). Figure 2 shows the results  of a pretest conducted by the authors generated from interviews with 20 German scientists and 20 German  managers/entrepreneurs in parallel. TTOs have not included at all since they are often bypassed by scientists  and managers (cf. Siegel et al., 2004, p.139).    The  results  are  very  interesting.  Firstly,  the  data  demonstrate  that  the  cultures  of  science  and  industry  obviously continue to differ in many ways although there are noticeable intersections also. Hence, it becomes 

74

  Olaf Gaus et al.  evident  that  managers  and  scientists  alike  are  able  to  identify  existing  barriers  by  themselves,  a  condition  important  for  being  able  to  empathize  with  someone  belonging  to  a  different  sub‐cultural  group  (compare  Figure 2). 

Figure 1: Barriers for UITT (acc. to Siegel et al, 2004)   Figure 2: Barriers for UITT (Gaus et al, 2013)   Figure 3 examines in more detail what difficulties or barriers the interviewed managers and researchers expect  from the moment on they decide for a tangible co‐operation with each other. 

Figure 3: Importance of transfer barriers from the perspective of managers and researchers  Although  it  has  been  recognized  by  members  of  both  groups  that  the  barriers  in  case  of  co‐operations  are  existing,  there  is  still  a  large  gap  between  the  ascribed  characteristics  of  each  co‐operation  partner  and  the  actually encountered attributes as well as  really existing personal attributes.   Managers for instance expect  researchers  to  have  a  high  critical  ability,  but  almost  never  find  these  to  occur  in  the  character  of  their  academic partners. On the other hand many researchers would like their research results coming from the co‐ operation with industry to be published, e.g. in scientific journals. This, however, in most cases is not possible  due to reasons of confidentiality or conflicts of interest with protecting rights registrations. 

6. Cultural driven process of innovation‐focused interaction  Now, after it has been analysed what the crucial cultural impacts are and how they influence the technology  and  knowledge  transfer,  mainly  from  research  universities  to  firms  and  enterprises,  especially  in  industry,  it  would  be  most  helpful  to  try  to  allocate  at  what  particular  parts  of  the  process  it  would  make  sense  to  integrate or optimize procedural approaches to overcome culture‐related barriers. In figure 5, below, Siegel et  al. (2004) already integrated new fields of competences which were taken from the outcomes of the study and  which  were  integrated  into  the  classical  technology  transfer  process.  By  incorporating  the  results  of  the 

75

  Olaf Gaus et al.  findings (Proposition one to ten = P1‐P10; cf. paragraph 5 of this paper) the authors have chosen a static rather  than  a  dynamic  display.  Although  the  importance  of  dealing  with  culturally  based  communication  problems  has been recognized and integrated (cf. P3, P4, P5), it has not yet been successful in highlighting the exchange  between the subcultures involved interactively. 

Figure 4: Expectations and real findings of predominantly personal characteristics of managers and university  researchers 

Figure  5:  Organizational  and  managerial  issues  in  the  university/industry  technology  transfer  process  (Fig.  taken from: Siegel et al., 2004, p. 138)  An attempt to represent the dynamic of interactivity and the importance of the associated joint learning in all  involved sub‐cultures (e.g. scientific, managerial, technical literacy) is presented in Figure 6, in which the actors  within  'science'  and  'economy'  are  integrated  in  a  common  process  and  are  aware  of  the  direct  exchange  process  phases  to  consciously  provoke  the  confrontation  with  cultural  differences  in  order  to  prevent  misunderstandings.  Towards  a  model  of  ‘common  culture’,  the  phases  of  the  suggested  dynamic  process  of  interaction  are  especially  those  lying  on  the  barriers  the  negotiating  parties  were  separated  by  in  the  past,  such  as  ‘value  simulation’,  ‘proof  of  concept’,  ‘marketing  of  technology  &  know‐how’  and  last  not  least  the  ‘negotiation of licences’. 

76

  Olaf Gaus et al. 

Figure 6: Organizational and managerial issues due to common culture in the university/industry knowledge  and technology transfer process (Fig. taken from: Gaus et al., 2013, forthcoming) 

7. Conclusion  The  literature  on  'organizational  culture'  has  changed  since  the  1980s  more  and  more  to  the  mainstream  opinion  that  in  scientific  institutions  and companies  we collaborate  with  actors  who have  been  socialized  in  different  sub‐cultures  and  therefore  have  noticed  that  barriers  of  beliefs  and  understanding  are  hard  to  overcome. After the interest in knowledge and technology transfer has grown steadily over the past 30 years  and as it has turned out that this interdisciplinary and intercultural field is only successfully to be tackled in  collaboration among actors from different subcultures, it began to make sense to take the risk of the painful  exchange across sub‐cultures. However, the process has only just begun. Research universities in the U.S. and  technical universities in Europe have started to become ‘entrepreneurial universities’ and even though most of  them  have  the  money  to  set  up  a  transfer  process  they  still  have  not  yet  comprehended  the  necessity  to  bridge the gap between organizational research and managerial practice by establishing a ‘common culture’  among research‐oriented academics and practitioners. By discussing this process it has become evident that a  ‘common  culture’  is  a  valuable  prerequisite  for  innovation‐focused  interactions  between,  generally  spoken,  science and economy. Our comparative study has shown that both, managers as well as scientists are able to  identify cultural barriers by themselves if they are made aware of this. Though, in order to overcome cultural  barriers by procedural approaches a dynamic process of interaction is required that makes aspects of ‘value  simulation’, proof of concept’, ‘marketing of technology & know‐how’ and ‘negotiation of licences’ discussable. 

Acknowledgements  The  key  considerations  on  the  issues  of  a  ‘common  culture’,  ‘technology  transfer  processes’  and  the  ‘entrepreneurial  university’  are  due  to  the  co‐operation  with  the  project  “Universities  as  Enterprises”  (Uni:prise), funded by the Ministry for Education and Research of the Federal Republic of Germany, as well as  the project „Senior‐ & Juniorpreneurship“ (SeJu), funded by the European Social Fonds (ESF) and the Ministry  of Science and Economics of the State of Saxony‐Anhalt, Germany. 

References  Abrahamson, E. (1996) “Management fashion”, Academy of Management Review, 21, pp. 254‐285.  Agrawal, A. (2001) “University‐to‐industry knowledge transfer: literature review and unanswered questitions”,  International Journal of Management Reviews, 3, 4, pp. 285‐302.  Association of University Technology Managers (1996) The AUTM Licensing Activity Survey, Fiscal Year 1996.  Association of University Technology Managers (2000) The AUTM Licensing Survey, Fiscal Year 1999. 

77

  Olaf Gaus et al.  Barley, S.R., Meyer, G.W., Gash, D.C. (1988) “Culture of cultures, Academics, practitioners and the pragmatics of normative  control”, Administrative Science Quarterly, 33, pp.24‐60, p. 53.  Becher, T (1981) “Towards a definition of disciplinary cultures”, Studies in Higher Education, 6, pp.109‐122.  Benedict, R. (1934) Patterns of Culture, Boston.  Bera, R.K. (2009) “The Story of the Cohen‐Boyer Patents”, Current Science, 96, pp. 760‐763.  Bozeman, B. (2000) “Technology transfer and public policy: a review of research and theory”, Research Policy, 29, pp. 627‐ 655.  Clark, B.R. (1970) “The Distinctive College: Antioch, Reed and Swarthmore”, Chicago.   Clark, B.R. (1972) “The organizational saga in higher education”, Administrative Science Quarterly, 17, pp.178‐183.  Clark, B.R. (1981) “Belief” (unpublished paper) pp. 12‐13.  Clark, B.R. (1983) “The Higher Education System: Academic Organization in Cross‐National Perspective”, Berkeley.  Dill, D.D. (1982) “The management of academic culture: Notes on the management of meaning and social integration”,  Higher Education, 11, pp. 303‐320.  Earley, P.C. (1999) “Creating value from scientific endeavour: Can and should we translate research for the practitioner?”,  in: L. Larwood, U.E. Gattiker (eds.), Impact analysis: How research can enter application and make a difference,  Mahwah, NJ: Erlbaum, pp. 97‐104.  Etzkowitz, H. (1983) “Entrepreneurial scientists and entrepreneurial universities in American academic science”, Minerva  21, 2‐3, pp. 198‐233.  Etzkowitz, H. (2003) “Research groups as ‘quasi‐firms’: the invention of the entrepreneurial university”, Research Policy 32,  pp. 109‐121, p. 110.  Fagenson‐Eland, E.A. (1999) “Thinking outside the box: A commentary on Lynn Luckow’s chapter”, in: L. Larwood, U.E.  Gattiker (eds.), Impact analysis: How research can enter application and make a difference, Mahwah, NJ: Erlbaum,  pp. 115‐121.  Garland, H. (1999) “Management research and management practise: Learning from our colleagues in economics”, in: L.  Larwood, U.E. Gattiker (eds.), Impact analysis: How research can enter application and make a difference, Mahwah,  NJ: Erlbaum, pp. 129‐135.  Gaus, O., Neutschel, B., Raith, M.G., Vajna, S. (2013) „Common Culture“, Survey, Magdeburg.  Gaus, O., Raith, M.G. (2013) "Business of Science: The Business Model of the Entrepreneurial Uni‐versity", in: T. Baaken, A.  Meerman, M.‐L. Neuvonen‐Rauhala, T. Davey, M. Lähdeniemi, T. Ahonen, T. Kliewe (Eds.), Entrepreneurial  Universities: The proceedings of the 4th International FINPIN Conference  and the 11th International Conference on  Science‐to‐Business Marketing and Successful Research Commercialisation, Volume 2, Münster University of Applied  Science, Münster, pp. 78‐85.  Gillespie, R. (1991) „Manufacturing knowledge”, Cambridge, GB.  Glaser, E.M., Abelson, H.H., Garrison, K.N. (1983) “Putting knowledge to use: Facilitating the diffusion of knowledge and  the implementation of planned change”, San Francisco.  Gopalakrishnan, S., Santoro, M.D. (2004) “Distinguishing between knowledge transfer and technology transfer activities:  The role of key organizational factors”, IEEE Transaction on Engineering Management, 51, 1, pp. 57‐69.  Hakel, M. (1994) “The past, present and future of OB applications by consulting academics”, in: J. Greenberg (ed.),  Organizational behaviour: The state of the science, Hillsdale, NJ: Erlbaum, pp. 275‐287.  Hirshleifer, J. (1971) “The private and social value of information and the reward to inventive activity”, The American  Economic Review, 61, 4, pp. 561‐574.  Jessop, R., (1993), “Towards a Schumpeterian workfare state? Preliminary remarks on post‐Fordist political economy”,  Studies in Political Economy, 40, pp. 7‐39.  Johns, G. (1993) “Constraints on the adoption of psychology‐based personnel practises: Lessons from organizational  innovation”, Personnel Psychology, 46, pp. 569‐592.  Kogut, B. Zander, U. (1992) “Knowledge of the firm, combinative capabilities and the replication of technology”,  Organization Science, 3, 3, pp. 383‐97.  Kogut, B., Zander, U. (1993) “Knowledge of the firm and the evolutionary theory of the multinational corporation”, Journal  of International Business Studies, 24, 4, pp. 625‐646.  Kumar, V., Kumar, U., Persaud, A. (1999) “Building technological capability through importing technology: The case of  Indonesian manufacturing industry”, Journal of Technology Transfer, 24, pp. 81‐96.  th Maassen, P. (1995) “The concept of culture and higher education”, unpublished, paper presented at 17  Annual EAIR  Forum.  Mansfield, E. (1991) “Academic research and industrial innovation”, Research Policy, 20, pp. 1‐12.  Masland, A.T. (1985) “Organizational culture in the study of higher education”, Review of Higher Education, 8, 2, pp. 157‐ 168.  Mowday, R.T. (1997) “Presidential address: Reaffirming our scholarly values”, Academy of Management Review, 22, pp.  335‐345.  Mowery, D., Nelson, R.R., Sampat, B.N., Ziedonis, A.A. (2004) “Ivory tower and industrial innovation: University‐ industry  technology transfer before and after the Bayh‐Dole Act in the United States”, Stanford CA.  Lévi‐Strauss, C. (1963, 1967) Structural Anthropology, translated by C. Jacobson and B. Grundfest Schoepf, New York.  OECD (1996) “The Knowledge‐Based Economy”, OECD/GD(96)102, Paris; http://www.oecd.org/sci‐ence/sci‐ tech/1913021.pdf 

78

  Olaf Gaus et al.  Ouchi,W.G., Wilkins, A.L. (1985) „Organizational culture“, Annual Review of Sociology, 11, pp. 457‐483, p.458.  Pettigrew, A.M. (1985) “The awakening giant: Continuity and change in ICI”, Oxford.  Pfeffer, J. (1998) “The human equasion”, Boston.  st Porter, L.W., McKibbon, L.E. (1988) “Management education and development: Drift or thrust into the 21  century?”, New  York.  Rogers, E.M. (1995) “Diffusion of innovations”, New York.  Rynes, S.L., McNatt, D.B., Bretz, R.D. (1999) „Academic research inside organizations: Inputs, processes, and outcomes”,  Personnel Psychology, 52, pp. 869‐898.  Rynes, S.L., Bartunek, J.M., Daft, R.L. (2001) “Across the great divide: Knowledge creation and transfer between  practitioners and academics”, Academy of Management Journal, 44, 2, pp. 340‐355, p. 349.  Sackett, P.R., Laarson, J.R. (1990) „Research strategies and tactics in industrial and organizational psychology“, in: M.D.  Dunnette, L.M. Hough (eds.), Handbook of Industrial and Organizational Psychology (2d. ed.), 1, Palo Alto, pp. 419‐ 489.  Satow, R.L. (1975) “Value‐rational authority and professional organizations: Weber’s missing type”, Administrative Science  Quarterly, 20, pp. 526‐531.  Sazali, A.W., Rose, R.C., Wati Osman, S.I. (2012) “Defining the concepts of technology and technology transfer : A literature  analysis“, International Business Research, 5, 1, pp. 61‐71.  Siegel, D.S., Waldman, D.A., Atwater, L.E., Link, A.N. (2004) “Toward a model of the effective transfer of scientific  knowledge from academians to practitioners: qualitative evidence from commercialization of university  technologies”, Journal of Engineering and Technology Management, 21, pp.115‐142.  Sinani, E., Meyer, K.E. (2004) “Spillovers of technology transfer from FDI : The case of Estonia“, Journal of Comparative  Economics, 32, pp. 445‐466.  Schein, E. (1996) „Culture: The missing concept in organization studies“, Administrative Science Quarterly, 41, 2, pp. 229‐ 240, p. 229.  Selznick, P. (1957) “Leadership in administration: A sociological interpretation”, Los Angeles.  Sewell, W.H. jr. (2005) “Logics of history, social theory and social transformation”, Chapter 5, The concept(s) of culture,  Chicago and London, pp. 152‐174.  Shrivastava, P., Mitroff, I.I. (1984) “Enhancing organizational research utilization: The role of decision makers’  assumptions”, Academy of Management Review, 9, pp. 18‐26.  Slaughter, S., Leslie, L. (1997) “Academic capitalism”, Baltimore.  Soete, G.J. (1999) “Managing the licensing of electronic products”, in: L.A. George (ed.), Association of Research Libraries,  Washington D.C.  Stephan, P. (2012) “How economics shapes science”, Cambridge M.A., London, England, p. 117.  Tierney, W.G. (1988) “Organizational culture in higher education: Defining the essentials”, The Journal of Higher Education,  59, 1, pp. 2‐21, pp. 18‐19.  Thomas, K.W., Tymon, W.G. (1982) “Necessary properties of relevant research: Lessons from recent criticisms of the  organizational sciences”, Academy of Management Review, 7, pp. 345‐352.  Thursby, J.G., Jensen, R., Thursby, M.C. (2001) “Objectives, characteristics and outcomes of university licensing: A survey of  major U.S. universities”, Journal of Technology Transfer, 26, pp. 59‐72.  Zhao, L.M., Reisman, A. (1992) “Toward meta research on technolgy‐transfer”, IEEE Transactions on Engineering  Management, 39, 1, pp. 13‐21.   

79

Ideas of Potential Users and What They Tell us  Martin Hewing  Technische Universität Berlin, Germany   [email protected]‐berlin.de    Abstract:  Organizations  increasingly  use  environmental  stimuli  and  ideas  from  users  within  participatory  innovation  processes in order to tap new sources of knowledge. The research presented in this article focuses on users who shape the  distant edges of markets and currently are not using products and services from a domain ‐ so called potential users. Those  users at the peripheries are perceived to contribute more novel information, by which they better reflect shifts in needs  and behavior than current users in the core market. Their ideas in collaborative and creative problem‐solving processes are  of  particular  interest.  With  an  experimental  design,  I  compare  ideas  from  potential  and  current  users  and  analyze  the  effects of different levels of experience in user collaboration. Analyzing the data in line with the grounded theory, I found  potential users to use their everyday life as a reference point focusing on their unique context and the general experience  of  the  idea,  while  current  users  use  established  applications  as  a  reference  point  focusing  on  efficiency  and  new  components.  The  self‐centered  reference  point  of  the  ideas  of  potential  users  gives  rise  to  the  thought  that  the  idea  is  coming from the effort to find a problem in their everyday life which is regarded worth solving. The key individual of the  organization can identify meaning, experiential insight and inspiration within the every‐day life bound ideas of people who  are not yet participating in the domain.     Keywords: user collaboration, co‐creation, discontinuous innovation, creative problem‐solving 

1. Introduction  There  is  little doubt  that  creativity  and  innovation  are  important  drivers  of  economic  welfare  and  growth  in  contemporary societies (e.g. Glaveanu, 2011; Hennessy & Amabile, 2010). In order to create and address new  markets, organizations constantly need to tap new sources of knowledge, especially from existing and novel  users (e.g. Prahalad & Ramaswamy, 2000; von Hippel, 1986). Hence, organizations are keen to engage users  early in the process of product development in order to collect ideas, feedback, and other suggestions. Many  contemporary  innovative  organizations  practice  the  involvement  of  users  early  on  (Nijssen  et  al.,  2012).  However, the idea of users as innovators has also in certain instances invoked critical responses especially in  the context of innovations that are discontinuous to the dominant design (e.g. Callahan & Lasry, 2004; Ulwick,  2002). Serving the requests of current users is conceived as limiting the diversity of strategic choices and the  path  towards  incremental  improvements  as  they  might  relate  strongly  to  dominant  designs  (Christensen,  1997; Lynn et al., 1996). Potential users at the peripheries are perceived to contribute more novel information,  by which they better reflect shifts in needs and behavior than current users (Chandy & Tellis, 1998). It is crucial  in this process to understand what to expect from different types of users on a micro‐level.     In  recent  years,  there  have  been  a  few  research  approaches  aimed  at  studying  the  integration  of  potential  users  (e.g.  Arnold  et  al.,  2011;  Chandy  &  Tellis  1998;  Govindarajan  et al.,  2011). However,  research  into  the  micro processes of their involvement has mostly remained lacking, especially when it comes to the quality of  the output of collaborative creativity settings (Greer & Lei, 2012; Hewing, 2013a; Kristensson et al., 2008). Up  until now, the benefit that can be drawn from the ideas of potential users remains poorly understood. So too  is the understanding of how their contributions to the idea finding phase differ from those of current users. As  part of a larger research project on the content, processes and impact of collaboration with potential users,  this article addresses the following overall questions: What differences are embodied in the ideas of potential  and current users? How are these ideas influenced by different levels of experience in a collaborative dyad?    Since an insight or idea is the essential building block for successful future innovations (Henard & Szymanski,  2001), the inquiry into the merits and also the drawbacks of collaboration with potential users is important for  researchers and managers alike. Therefore, the Marketing Science Institute (MSI) declared advanced studies of  social and cultural user behavior in collaboration to be a top research priority (Bharadwaj et al., 2012). 

2. Theoretical perspective  User  integration  in  innovation  activities  has  been  a  well‐regarded  field  of  study  in  the  last  two  decades.  Innovations inspired by users rest upon inherent and upcoming needs and are thereby acknowledged to have  a higher success probability in markets (von Hippel, 1986). The lead user concept goes even further. Lead users  are  defined  as  people  within  a  domain  who  gain  relatively  high  benefits  from  solutions  to  their  needs  and 

80

  Martin Hewing  therefore innovate. They anticipate relevant and novel trends in a domain before many other users do (von  Hippel, 1986). Their impact on innovation is thought of as being more radical, since they are deeply involved  with  the  domain.  Research  on  creativity,  however,  suggests  that  it  is  not  always  the  knowledgeable  or  experienced  people  who  have  the  ability  to  radically  change  a  domain  (Weisberg,  1999).  This  especially  applies,  when  the  goal  is  to  transform  the  boundaries  of  those  domains.  Despite  acknowledgement  of  the  benefits of user involvement, the question of which users to involve in order to foster transformation remains  poorly understood (Kristensson & Magnusson, 2010). A literature review shows that particularly in the context  of  discontinuous  innovations,  researchers  in  innovation  management  have  recently  advocated  collaboration  with potential users as depicted in Table 1. In accordance with Hauser et al. (2006), potential users are defined  as people, who do not yet use a product or service, but who hold a positive tenor and interest towards the  domain (Hewing, 2013a). By listening to potential users who are outside of one’s core market, organizations  like  Nintendo,  Shimano  or  General  Electric  discovered  new  market  opportunities  which  enabled  them  to  be  future  proof.  But  what  makes  their  contribution  in  explorative  search  processes  unique  and  significant  compared to current users?   Table 1: Overview of studies emphasizing distant user collaboration  Term 

Article 

Exemplary assumptions of merits 

Potential  user 

Adner, 2002; Arnold et al., 2011; Callahan & Lasry,  “Market orientation measures do not  2004; Danneels, 2002, 2003, 2004; Day, 1999; De  explicitly probe for a company’s exploration of  Coster & Butler, 2005; Flores, 1993; Fuchs & Schreier,  potential customers, but focus on the firm’s  2011; Gilbert, 2003; Godes, 2012; Govindarajan et al.,  tight coupling to its current customers.”  2011; Gruner & Homburg, 2000; Haefliger et al.,  (Danneels, 2003, p. 574)  2010; Hamel & Prahalad, 1991; Hang et al., 2010;    Hauser et al., 2006; Hewing, 2013a; Hyatt, 2008;  “Increasing a focus on acquiring customers  Leonard & Rayport, 1997; Mascitelli, 2000; Mullins &  [potential customers] enhances the diversity  Sutherland, 1998; Prahalad & Ramaswamy, 2000;  of customer knowledge development and  Reinhardt & Gurtner, 2011; Rothwell et al., 1974;  resource exploration, which relates positively  Sawhney et al., 2003; Shaw, 1985; Slater & Naver,  to greater radical innovation performance.”  1998; Slater & Mohr, 2006; van den Hende &  (Arnold et al., 2011, p. 244)  Schoormans, 2012; von Hippel, 1994; Walter et al.,    2011 

New user 

Arnold et al., 2011; Bettencourt & Bettencourt, 2011;  “[…] radical innovation is always introduced by  Danneels, 2002, 2007; Ettlie et al., 1992; Garvin &  new firms because new firms focus on new  Levesque, 2006;  Henderson, 2006; Jansson, 2011;  customers and their potential needs, not  Johnson et al., 2008; Kumar et al., 2010; Kylaheiko et  existing customers […]. Existing firms that  al., 2011; Lau et al., 2010; Lettice & Parekh, 2010;  tightly serve or co‐develop their products with  McGrath et al., 2006; Nijssen et al., 2012; Philipsen et  current key customers may take the risk of  al., 2008; Schmidt & Druehl, 2008; Vorhies et al.,  being blindsided by a new generation of  2011; Washburn & Hunsaker, 2011  technology and market niches.” (Lau et al.,  2010, p. 771) 

Emerging  user 

Day, 1999; Govindarajan & Kopalle, 2006a, 2006b;  Govindarajan et al., 2011; Hoffmann et al., 2010;  Slater & Mohr, 2006 

“[…] an SBU’s emerging‐customer‐orientation  may be an ability that could drive disruptive  innovation.” (Govindarajan & Kopalle, 2004, p.  5) 

Non‐user 

Christensen, 2006; Christensen & Bower, 1996;  Danneels, 2003 

“The right lead customers for sustaining  innovations are different from those for  disruptive innovations. The lead users for  new‐market innovations may not yet be  users.” (Christensen, 2006, p. 51) 

Future user 

Bond & Houston, 2003; Chandy & Tellis, 1998 

“The negative findings about market  orientation […] refer to firms that stayed close  to their current markets. Our field interviews  with radically innovative firms suggest that  such firms focus on future customers […].”  (Chandy & Tellis, 1998, p. 479) 

Prospective  User 

Anthony, 2009; Danneels, 2003 

“[…] serving current customers is a  fundamentally different activity from 

81

  Martin Hewing  Term 

Article 

Exemplary assumptions of merits  exploring prospective customers.” (Danneels,  2003, p. 574) 

Distant User 

Jespersen, 2010 

“The larger this distance [cognitive distance]  is, the more novel information is contained in  user inputs.” (Jespersen, 2010, p. 472) 

2.1 Creativity research and user collaboration  Within the innovation management literature, the merit of collaboration with potential users is mostly implied  in the converse argument that “focusing exclusively on existing clientele may lead the firm to ignore potential  customers,  and  thus  miss  market  opportunities”  (Danneels,  2003,  p.  572).  This  statement  adheres  to  two  characteristics  defining  current  users  and  their  contributions  in  value  co‐creation.  The  first  characteristic  relates to the tendency of current users to want to uphold internal consistency and continuity. Current users  generally use a product or service to satisfy an established need and solve a problem. Therefore, current users  tend to have little or no interest in deviating too far from established dominant designs and are less inclined to  dispense with highly valued performance dimensions. They want to maximize their value (Bogers et al., 2010).  The  behavior  of  the  current  user  is  described  in  consistency  theories  and  their  basic  assumption  that  individuals  have  a  need  for  consistency  between  attitudes  and  behaviors  (e.g.  Rosenberg,  1956).  A  current  user  follows  these  personal  objectives  to  prevent  changes  in  valued  product  components  when  asked  to  imagine  new  and  discontinuous  products  and  services.  Some  social  theories  state  that  social  properties  can  only change if their constituting individuals change (Sawyer, 2005). If an organization and its current users are  seen as a social system, then it requires a change in behavior and perspectives on the part of current users in  order  to  achieve  transformation  in  dominant  designs.  Current  users  thereby  exert  dominance  over  the  direction innovative activities might take towards more incremental paths (Fischer & Reuber, 2004).     The  second  characteristic  relates  to  the  notion  of  functional  fixedness  in  experienced  people  (e.g.  Duncker,  1945). Domain‐experience can obstruct the path to radical changes in the very same domain, since it requires  a  cognitive  effort  to  freely  shed  established,  habitual  ways  of  doing  things  within  the  domain.  This  is  a  restriction  that  also  applies  to  lead  users  (Lettl,  2007)  and  might  explain  why  lead  user  status  is  not  always  beneficial  for  explorative  learning  (Nijssen  et  al.,  2012).  Lau  et  al.  (2010)  arrive  at  an  even  more  drastic  conclusion stating that co‐development with current users does not lead to radical changes and suggest that  either potential or lead user collaboration is the dominant strategy in early product development. However,  this  statement  needs  further  empirical  corroboration.  But  empirical  studies  addressing  the  knowledge  intensity as a means to classify users are few (e.g. Hewing, 2013b; Kristensson et al., 2008). To the best of my  knowledge, no systematic inquiry into the unique quality of the ideas of potential users has been carried out to  date. As to the managerial importance of a well‐structured exploration towards new market opportunities, a  systematic inquiry into the ideas of potential users presents itself an insightful research objective. 

3. Method  I conducted idea discussions, in which potential and current users were asked to collaborate with each other in  dyads  of  varying  compositions.  The  task  was  to  come  up  with  new  ideas  within  the  domain  of  music  applications on mobile devices. Using a purposive sampling approach, 34 current users, who use one or more  music  applications  on  a  weekly  basis,  and  34  potential  users,  who  are  not  using  any  applications  on  mobile  devices, but have a positive attitude towards music applications, were invited to participate. In total 34 dyadic  idea  discussions  were  conducted,  9  between  two  current  users,  9  between  two  potential  users  and  16  between a current and a potential user, lasting 20 minutes each. After the collaboration the participants were  separated  and  asked  to  note  one  idea  on  an  idea  template  in  written  form.  This  included  giving  the  idea  a  name, providing a description of its purpose and drawing a sketch of its usage context. In total 68 ideas were  contributed. The idea templates constitute the core data for the explorative analysis following the principles of  grounded theory (Glaser & Strauss, 1967). To get a basic understanding of the users’ ideas, the idea templates  were read applying open coding. Patterns and relationships among codes and code categories were identified  and  reflected  in  axial  codes  and  memos.  Tentative  propositions  about  differences  and  uniqueness  in  contributed  ideas  between  potential  and  current  users  were  derived  and  tested  against  incoming  data  and  existing literature on creative discovery. To ensure reflexivity and credibility of the category coding, a variety of 

82

  Martin Hewing  quality  checks  were  applied,  e.g.  comparison  of  coding  with  another  researcher,  member  checks,  frequent  debate  of  codes  and  interpretations  with  fellow  researchers  and  the  integration  of  own  experience  from  applied user involvement in innovation. 

4. Findings  The ideas of potential users tend to differ from those of current users on multiple levels, which include their  point of reference, their knowledge source, their aspect of transformation and their degree of abstraction.    Point  of  reference.  Though  potential  users  can  not  draw  on  experience  from  using  music  applications,  they  have a basic understanding of mobile devices. Some of their ideas are anchored around the mobile device and  its abilities – particular its portability, which allows for usage in various unusual contexts. Still, often it is not  clear, how to categorize the ideas of potential users into established categories. That has to do with the point  of  reference  and  the  deliberateness  of  their  ideas.  The  ideas  do  not  illustrate  a  chronological  sequence  of  events, as it was more commonly observed in the ideas of current users. The ideas tend to describe how the  user experiences the idea and how it solves a real‐life problem in a particular context. It is not about how the  benefit  is  achieved  technically.  Everyday  life  problems  are  their  point  of  reference,  as  a  potential  user  described it in this idea, which he derived from his recall of having invited friends for a party:  Nowadays, there are so many different music styles out there that it is hard to make everybody  happy at a party. But nearly everybody carries her or his mobile phone with one’s favorite music  around; it just needs to be connected and cued somehow. An app connected to the soundsystem  that  can  receive  and  cue  songs  from  other  users  would  be  a  good  idea  to  solve  this  issue.  (Potential user 127)  Current  users  do  use  chronological  sequences  more  commonly,  particular  with  a  technologically  focused  language.  The  idea  thereby  refers  to  how  new  components  in  music  applications  support  its  user  to  reach  efficiency, as within this example:  The  app  is  like  your  background  band.  First,  you  select  the  instruments  that  should  be  played,  than you define the key, tempo, scale and estimate your own music ability. If a friend wants to  join, you can get him or her on board via Bluetooth or WLAN. The interface is at the same time a  step‐sequencer,  showing  what  kind  of  breaks  are  up  next,  so  you  can play along.  (Current user  111)   This leads to the following proposition: Ideas with a functional reference point appear real and realizable as  they relate to established component knowledge, but they also require expertise. Ideas of the potential users  tend to refer to real‐life problems. They are individual and context‐bound.     Knowledge  source.  The  ideas  of  potential  users  contain  elements  of  other  domains.  They  tend  to  exploit  knowledge from more distant sources, such as knowledge from adjacent domains, in which the potential user  has experience, interest or even feels passionate about. This knowledge gives raise to unconventional and also  unpredictable combinatorial plays. A potential user crossed the domain of the task with the domain of tourism  in which he has been employed in:    With  this  app  you  can  explore  a  city  music‐wise.  When  you  pass  by  an  important  sight  in  the  history of music (e.g. a famous recording studio), the app would play back a song from that area  and give you additional audio‐visual information about the musicians. In the absence of sights, it  can show you what kind of music is typical for that region or what music is frequently consumed  there.  (Potential user 112)  Current users tend to stick to components and categories of common music applications. They do not combine  distant elements within one idea, but focus on improving on existing ones. A current user explicitly expressed  this tendency within his idea:  This app helps you to identify and play new music. You hold your mobile device towards a music  speaker, record a fraction of the song that is being played and it will not only tell you the name of  the  song  and artist,  but  will  also  display  the  lyrics  or  instrumental  sheets  in  real  time.  (Current  user 16) 

83

  Martin Hewing  Current user ideas tend to assure that established knowledge prevails, while the ideas of potential users bring  about unconventional but also unpredictable combinations.    Transformation. Ideas from potential users who collaborated with a current user tended to aim at redefining  the status quo in dominant designs or decrease barriers of expertise in music related areas, such as the ability  to categorise music into subgenres. Their ideas followed the impulse of subtraction and substitution, as in the  following example, where a potential user redefined the way how music gets to its audience and how artists  might benefit more strongly:  An application that lets you exchange the whole music library on your phone when bouncing the  phones together is a fun way to explore music and meet new people. People can donate money  directly to the artist if they like the music they get. This might tackle the money problem of the  music industry, since people rather donate than buy things. (Potential user 14)  Current  users’  ideas  tend  to  follow  the  impulse  of  addition,  not  sacrificing  any  valued  components  of  the  status‐quo in dominant designs. The ideas do not discard and take new direction, but rather follow the given  direction of dominant designs only with more excellence or efficiency.    A  plug‐in  to  established  music‐production  apps  that  allows  controlling  the  app  by  self‐made  gestures would be helpful. You would get rid of the knobs and faders and could control the music  more easily. (Current user 114)  The  idea  of  the  current  user  seeks  to  add  something  to  established  designs,  leaving  most  of  the  dominant  design untouched. Ideas of the potential users collaterally rethink established paradigms.      Abstraction. In terms of abstraction, potential users tend to contribute ideas, which are not as detailed and  accurately  defined  as  those  of  current  users.  This  is  especially  evident  for  ideas  of  potential  users  who  collaborated with another potential user. Their ideas are generally higher up the hierarchy of schemata and  categories. A potential user was sharing her perspective on music in general:  Music  is  an  art  form  and  expression  of  creation.  With  the  app  you  can  create  music  spontaneously  from  sounds  of  your  every‐day  life  you  record  while  walking  through  the  city.  (Potential user 29)  Current users bear on established categories in music applications, such as applications to stream and organize  music  or  create  music.  They  re‐use  common  components  of  established  applications  from  these  categories  within their ideas, such as wave‐form view of music postings or step‐sequencer:  First thing for a new music application is a new equalizer, since they never sound right. My app  has improved adjustment settings for the equalizer and a mixing console that allows for blending  music tunes into each other by swiping.  (Current user 1) Low levels of abstraction, as within the idea of the current user, leads to actionable insights, while the ideas of  potential  users  tend  to  transport  individual  perceptions  with  a  broader  space  of  potential  opportunities  to  follow.    Table 2 summarizes the key differences found in the ideas between potential and current users.   Table 2: Idea characteristics of potential and current users  Category 

Current user 

Potential user 

Reference point  Knowledge source  Transformation  Abstraction 

Efficiency‐oriented  Intradomain  Addition  Low 

Problem‐oriented  Interdomain  Subtraction & substitution  High 

5. Discussion  5.1 Theoretical implication  This article identifies differences in the outcome of a collaborative problem solving process between potential  and current users. Four categories were identified on which the ideas of potential and current users seem to 

84

  Martin Hewing  differ most significantly. These categories address the relation and tension between knowledge and creativity  and the involved level of cognitive flexibility, which is an established paradigm within sociocognitive creativity  theories  (e.g.  Frensch  &  Sternberg,  1989).  The  different  entering  points  in  the  hierarchy  of  categories  and  schemata  between  potential  and  current  users  support  the  notion  of  functional  fixedness  (Duncker,  1945).  Experienced people lack the ability to detach their thought from established mental models. Potential users  have a similar anchorage, which is located higher up the hierarchy of mental categories with which they are  more familiar. The abstraction thereby leaves room for interpretation and improvisation. Ward (1995) showed  that abstraction brings about value in creative discovery. Potential users’ imagination is thus flexible, as it is  not constrained by experience from interaction with products or services of a domain or directed towards a  particular need.     The functional reference point of the ideas of current users makes their ideas appear very real and realizable.  It,  however,  also  means  that  their  ideas  are  often  based  on  expertise,  which  most  commonly  requires  expertise of the person using the application in return. The current way of doing things is sustained, when new  ideas  are  structured  by  prior  expertise,  experience  and  components.  Therefore,  their  ideas  will  more  likely  appeal  to  people  already  participating  in  the  market,  as  to  persons  who  do  not  participate.  Current  users  thereby  act  in  accordance  to  consistency  theories,  seeking  continuity  in  dominant  designs  to  satisfy  established  needs.  Potential  users  did  not  develop  a  clear  expectation  about  how  their  needs  shall  be  addressed,  so  they  start  their  idea  with  a  personal  real‐life  experience  or  problem.  If  these  problems  are  insufficiently  addressed,  their  contributions  might  drive  change  in  dominant  designs.  The  ideas  of  potential  users stress the emotional benefit and use combinatorial play with knowledge from other domains to bridge  their experience gap.      In  mixed  settings,  where  a  potential  user  was  collaborating  with  current  users,  the  self‐directed  reference  point of the ideas has been transformed into an idea with lower abstraction, than the ideas of potential users  who  collaborated  with  another  potential  user.  These  findings  show  a  strong  relation  to  the  sociocultural  mindset  of  creativity  and  its  focus  on  emergent  properties  (Sawyer,  2005).  Thus  real‐time  learning  and  unlearning in mixed collaborative setting strengthens the ability to make sticky and personal information more  explicit in creative discovery with less experienced users.    Chandy and Tellis (1998, p. 479) claim that potential users cause “decision makers in a firm to become keenly  aware of market‐related developments.” It is a deliberate search and scanning of shifts in needs, social norms  and  values  that  define  the  boundaries  of  a  market  and  its  participants.  Potential  users  better  reflect  these  developments than current users at the center of the established domain. 

5.2 Practical implication  A  better  understanding  of  the  unique  components  of  potential  and  current  users’  ideas  gives  confidence  to  organizations  to  extent  their  market  competences  to  the  edges  of  their  own  domain.  Current  users  are  experienced  users  and  learning  from  their  experience  tends  to  be  bound  to  the  particular  domain  of  their  experience (Danneels, 2003). In order to create innovative products or services, organizations have to build up  institutional empathy for people who might be their users in few years’ time. The self‐centered reference point  of  the  idea  of  potential  users  and  the  real‐life  problem  conveys  the  emotional  benefit  of  an  idea.  The  key  individual  of  the  organization  can  identify meaning,  experiential  insight  and  inspiration  within  the  every‐day  life bound ideas of people who are not yet participating in the domain. These ideas deliver stimuli to rethink  ones established business model and find new opportunities in new user contexts.  

6. Conclusion  Irregularities and anomalies emerge from individuals who are not strongly implicated in current standards and  designs. The capacity to learn and prepare for discontinuities resides in ill‐defined market structures and at the  peripheries  of  established  markets  and  requires  unconventional  approaches  to  be  unearthed  (Lynn  et  al.,  1996).  Potential  users,  who  might  gain  importance  to  a  domain  on  a  long‐term  horizon  can  stimulate  a  meaningful real‐ and short‐time learning process for organizations trying to explore new markets. The stimuli  for new ideas is the germ of successful innovation and a well‐managed exploration with potential users can  teach an organization which ways are meaningful and why. 

85

  Martin Hewing 

References  Adner, R. (2002) “When are Technologies Disruptive? A Demand‐Based View of the Emergence of Competition”, Strategic  Management Journal, Vol. 23, No. 8, pp 667‐688.  Anthony, S. D. (2009) “Major League Innovation”, Harvard Business Review, Vol. 87, Nr. 10, pp 51‐54.  Arnold, T. J., Fang, E., and Palmatier, R. W. (2011) “The Effects of Customer Acquisition and Retention Orientations on a  Firm's Radical and Incremental Innovation Performance”, Journal of the Academy of Marketing Science, Vol. 39, No.  2, pp 234‐251.   Bettencourt, L. A., and Bettencourt, S. L. (2011) “Innovating on the Cheap”, Harvard Business Review, vol. 89, Nr. 6, pp 88‐ 94.  Bharadwaj, N., Nevin, J. R., and Wallman, J. P. (2012) “Explicating Hearing the Voice of the Customer as a Manifestation of  Customer Focus and Assessing its Consequences”, Journal of Product Innovation Management, Vol. 29, No. 6, pp  1012–1030.  Bogers, M., Afuah, A., and Bastian, B. (2010) “Users as Innovators: A Review, Critique, and Future Research Directions”,  Journal of Management, Vol. 36, pp 857–875.  Bond, E., and Houston, M. (2003) “Barriers to Matching New Technologies and Market Opportunities in Established Firms”,  Journal of Product Innovation Management, Vol. 20, Nr. 2, pp 120‐135.  Callahan, J., and Lasry, E. (2004) “The Importance of Customer Input in the Development of Very New Products”, R&D  Management, Vol. 34, No. 2, pp107–120.  Chandy, R. K., and Tellis, G. J. (1998) “Organizing for Radical Product Innovation: The Overlooked Role of Willingness to  Cannibalize”, Journal of Marketing Research, Vol. 35, No. 4, pp 474–487.  Christensen, C. M. (1997) The Innovator’s Dilemma, Boston: Harvard Business School Press.  Christensen, C. (2006) “The Ongoing Process of Building a Theory of Disruption”, Journal of Product Innovation  Management, Vol. 23, pp 39‐55.  Christensen C. M., and Bower, J. L. (1996) “Customer Power, Strategic Investment, and the Failure of Leading Firms”,  Strategic Management Journal, Vol. 17, Nr. 3, pp 197–218.  Danneels, E. (2002) “The Dynamics of Product Innovation and Firm Competences”, Strategic Management Journal, Vol. 23,  pp 1095‐1121.  Danneels, E. (2003) “Tight‐Loose Coupling with Customers: The Enactment of Customer Orientation”, Strategic  Management Journal, Vol. 24, pp 559‐576.  Danneels, E. (2007) “The Process of Technological Competence Leveraging”, Strategic Management Journal, Vol. 28, Nr. 5,  pp 511‐533.  Day, G. S. (1999) “Misconceptions about Market Orientation”, Journal of Market Focused Management, Vol. 4, pp 5‐16.  De Coster, R., and Butler, C. (2005) “Assessment of Proposals for New Technology Ventures in the UK: Characteristics of  University Spin‐off Companies”, Technovation, Vol. 25, Nr. 5, pp 535‐543.  Duncker, K. (1945) “On Problem‐solving”, Psychological Monographs, Vol. 58, No. 5, whole no. 270.  Ettlie, J., and Reza, E. (1992) “Organizational Integration and Process Innovation”, Academy of Management Journal, Vol.  35, Nr. 4, pp 795‐827.  Flores, F. (1993) “Innovation by Listening Carefully to Customers”, Long Range Planning, Vol. 26, Nr. 3, pp 95‐102.  Frensch, P. A., and Sternberg, R. J. (1989) “Expertise and Intelligent Thinking: When is it Worse to Know Better?”, in R. J.  Sternberg (Ed.), Advances in the Psychology of Human Intelligence, Vol. 5, pp 157‐158. Hillsdale, NJ Erlbaum.  Fuchs, C., and Schreier, M. (2011) “Customer Empowerment in New Product Development”, Journal of Product Innovation  Management, Vol. 28, Nr. 1, pp 17‐32.  Garvin, D. A., and Levesque, L. C. (2006) “Meeting the Challenge of Corporate Entrepreneurship”, Harvard Business Review,  Vol. 84, Nr. 10, pp 102‐112.  Gilbert, C. (2003) “The Disruption Opportunity”, Sloan Management Review, Vol. 44, Nr. 4, pp 27‐32.  Glaser, B. G., and Strauss, A. L. (1967) Discovery of Grounded Theory: Strategies for Qualitative Research, Chicago: Aldine.  Glaveanu, V. P. (2011) “How are We Creative Together? Comparing Sociocognitive and Sociocultural Answers”, Theory and  Psychology, Vol. 21, No. 4, pp 473‐492.  Govindarajan, V., and Kopalle, P. K. (2006a) “Disruptiveness of Innovations: Measurement and an Assessment of Reliability  and Validity”, Strategic Management Journal, Vol. 27, pp 189‐199.  Govindarajan, V., and Kopalle, P. K. (2006b) “The Usefulness of Measuring Disruptiveness of Innovations Ex Post in Making  Ex Ante Predictions”, Journal of Product Innovation Management, Vol. 23, pp 12‐18.  Govindarajan, V., Kopalle, P. K., and Danneels, E. (2011) “The Effects of Mainstream and Emerging Customer Orientations  on Radical and Disruptive Innovations”, Journal of Product Innovation Management, Vol. 28(S1), pp 121‐132.  Greer, C. R., and Lei, D. (2012) “Collaborative Innovation with Customers: A Review of The Literature and Suggestions for  Future Research”, International Journal of Management Reviews, Vol. 14, No. 1, pp 63–84.  Haefliger, S., Jaeger, P., and von Krogh, G. (2010) “Under the Radar: Industry Entry By User Entrepreneurs”, Research  Policy, Vol. 39, Nr. 9, pp 1198‐1213.  Hauser, J. R., Tellis, G. J., and Griffin, A. (2006) “Research on Innovation: A Review and Agenda for Marketing Science”,  Marketing Science, Vol. 25, No. 6, pp 687‐717.  Hamel, G., and Prahalad, C. K. (1991) “Corporate Imagination and Expeditionary Marketing”, Harvard Business Review, Vol.  69, Nr. 4, pp 81–92. 

86

  Martin Hewing  Henard, D. H., and Szymanski, D. M. (2001) “Why Some New Products are More Successful than Others”, Journal of  Marketing Research, Vol. 38, No. 3, pp 362‐375.  Henderson, R. (2006) “The Innovator’s Dilemma as a Problem of Organizational Competence”, Journal of Product  Innovation Management, Vol. 23, pp 5‐11.  Hennessey, B. A. and Amabile, T. (2010) “Creativity”, Annual Review of Psychology, Vol. 61, pp 569–598.  Hewing, M. (2013a) Collaboration with Potential Users for Discontinuous Innovation: Experimental Research on User  Creativity, Springer Gabler, Wiesbaden.   Hewing, M. (2013b) “Merits of Collaboration with Potential and Current Users in Creative Problem‐Solving”, International  Journal of Innovation Management, Vol. 17, No. 3.  Hoffman, D. L., Kopalle, P. K., and Novak, T. P. (2010) “The Right Consumers for Better Concepts: Identifying and Using  Consumers High in Emergent Nature to Further Develop New Product Concepts”, Journal of Marketing Research, Vol.  47, pp 854‐865.  Hyatt, J. (2008) “The Incrementalist (or, What's the Small Idea?)”, Sloan Management Review, Vol. 49, Nr. 4, pp 15‐20.  Jansson, J. (2011) “Emerging (Internet) Industry and Agglomeration: Internet Entrepreneurs Coping with Uncertainty”,  Entrepreneurship and Regional Development, Vol. 23, Nr. 7‐8, pp 499‐521.  Jespersen, K. R. (2010) “User‐Involvement and Open Innovation: The Case of Decision‐Maker Openness”, International  Journal of Innovation Management, Vol. 14, pp 471‐489.  Johnson, M. W., Christensen, C. M., and Kagermann, H. (2008) “Reinventing your business model”, Harvard Business  Review, Vol. 86, Nr. 12, pp 50‐59.  Kristensson, P., Magnusson, P. R. (2010) “Tuning Users’ Innovativeness During Ideation”, Creativity and Innovation  Management, Vol. 19, No. 2, pp 147‐159.  Kumar, V., Aksoy, L., Donkers, B., Venkatesan, R., Wiesel, T., and Tillmanns, S. (2010) “Undervalued or Overvalued  Customers: Capturing Total Customer Engagement Value”, Journal of Service Research, Vol. 13, Nr. 3, pp 297‐310.  Kylaheiko, K., Jantunen, A., Puumalainen, K., Saarenketo, S., and Tuppura, A. (2011) “Innovation and Internationalization as  Growth Strategies: The Role of Technological Capabilities and Appropriability”, International Business Review, Vol. 20,  Nr. 5, pp 508‐520.  Lau, A. K. W., Tang, E., and Yam, R. C. M. (2010) “Effects of Supplier and Customer Integration on Product Innovation and  Performance: Empirical Evidence in Hong Kong Manufacturers”, Journal of Product Innovation Management, Vol. 27,  No. 5, pp 761‐777.  Leonard, D., and Rayport, J. F. (1997) “Spark Innovation through Empathic Design”, Harvard Business Review, Vol. 75, pp  102‐113.  Lettice, F., and Parekh, M. (2010) “The Social Innovation Process: Themes, Challenges and Implications for Practice”,  International Journal of Technology Management, Vol. 51, Nr. 1, pp 139‐158.  Lettl, C., Herstatt, C., and Gemünden, H. G. (2006) “Users’ Contributions to Radical Innovation: Evidence from four Cases in  the Field of Medical Equipment Technology”, R&D Management, Vol. 36, pp 251‐272.  Lynn, G. S., Morone, J. G., and Paulson, A. S. (1996) “Marketing and Discontinuous Innovation: the Probe and Learn  Process”, California Management Review, Vol. 38, No. 3, pp 8‐37.  Mascitelli, R. (2000) “From Experience: Harnessing Tacit Knowledge to Achieve Breakthrough Innovation”, Journal of  Product and Innovation Management, Vol. 17, pp 179‐193.  McGrath, R. G., Keil, T., and Tukiainen, T. (2006) “Extracting Value from Corporate Venturing”, Sloan Management Review,  Vol. 48, Nr. 1, pp 50‐56.  Mullins, J., and Sutherland, D. (1998) “New Product Development in Rapidly Changing Markets: An Exploratory Study”,  Journal of Product Innovation Management, Vol. 15, Nr. 3, pp 224‐236.  Nijssen, E. J., Hillebrand, B, de Jong, J. P. J., and Kemp, R. G. M. (2012) “Strategic Value Assessment and Explorative  Learning Opportunities with Customers”, Journal of Product Innovation Management, Vol. 29(S1), pp 91‐102.   Prahalad, C. K., and Ramaswamy, V. (2000) “Co‐opting Customer Competence”, Harvard Business Review, Vol. 78, No. 1, pp  82.  Reinhardt, R., and Gurtner, S. (2011) “Enabling Disruptive Innovations through the Use of Customer Analysis Methods”,  Review of Managerial Science, Vol. 5, Nr. 4, pp 291‐307.  Rosenberg, M. (1956) “Cognitive Structure and Attitudinal Affect”, Journal of Abnormal and Social Psychology, Vol. 53, pp  367‐72.  Rothwell, R., Freeman, C., Horlsey, A., Jervis, V. T. P., Robertson, A. B., and Townsend, J. (1974) “Sappho Updated: Project  Sappho Phase II”, Research Policy, Vol. 3, pp 204–225.  Sawhney, M., Prandelli, E., and Verona, G. (2003) “The Power of Innomediation”, MIT Sloan Management Review, Vol. 44,  Nr. 2, pp 77‐82.  Sawyer, R. K. (2005) Social Emergence, Cambridge University Press, Cambridge.   Schmidt, G. M., and Druehl, C. T. (2008) “When is a Disruptive Innovation Disruptive?”, Journal of Product Innovation  Management, Vol. 25, Nr. 4, pp 347–369.  Shaw, B. S. (1985) “The Role of the Interaction between the User and the Manufacturer in Medical Equipment Innovation”,  R&D Management, Vol. 15, pp 283‐292.  Slater, S. F., and Mohr, J. J. (2006) “Successful Development and Commercialization of Technological Innovation: Insights  Based on Strategy Type”, Journal of Product Innovation Management, Vol. 23, pp 26‐33. 

87

  Martin Hewing  Slater, S. F., and Narver, J. C. (1998) “Customer‐led and Market Oriented: Let’s not Confuse the Two”, Strategic  Management Journal, Vol. 19, Nr. 10, pp 1001–1006.  Ulwick, A. W. (2002) “Turn Customer Input into Innovation”, Harvard Business Review, pp 91‐97.  van den Hende, E. A., and Schoormans, J. P. L. (2012) „The Story is as Good as the Real Thing: Early Customer Input on  Product Applications of Radically New Technologies”, Journal of Product Innovation Management, Vol. 29, Nr. 4, pp  655‐666.  von Hippel, E. (1986). “Lead Users: A Source of Novel Product Concepts”, Management Science, Vol. 32, No. 7, pp 791–805.  von Hippel, E. (1994) “Sticky Information and the Locus of Problem‐solving: Implications for Innovation”, Management  Science, Vol. 40, pp 429‐439.  Vorhies, D. W., Orr, L. M., and Bush, V. D. (2011) “Improving Customer‐Focused Marketing Capabilities and Firm Financial  Performance via Marketing Exploration and Exploitation”, Journal of the Academy of Marketing Science, Vol. 39, Nr.  5, pp 736‐756.  Walter, A., Parboteeah, K. P., Riesenhuber, F., and Hoegl, M. (2011) “Championship Behaviors and Innovations Success: An  Empirical Investigation of University Spin‐Offs”, Journal of Product Innovation Management, Vol. 28, Nr. 4, pp 586‐ 598.  Ward, T. B. (1995) “What’s Old About New Ideas?”, in S. M. Smith, T. B. Ward and R. A. Finke (Eds.), The Creative Cognition  Approach, pp 157‐178. Cambridge, MA: MIT Press.  Washburn, N. T., and Hunsaker, B. T. (2011) “Finding Great Ideas in Emerging Markets”, Harvard Business Review, Vol. 89,  Nr. 9, pp 115‐120. 

88

Platform‐Based Ecosystems: Leveraging Network‐Centric Innovation  Thierry Isckia and Denis Lescop  Institut Mines‐Telecom, Telecom Ecole de Management, Evry, France  thierry.isckia@telecom‐em.eu  denis.lescop@telecom‐em.eu    Abstract: In this paper, we provide an overview of platforms and platform‐based ecosystems. We will discuss the range of  technological,  organizational  and  strategic  challenges  that  platform  leaders  have  to  face  to  leverage  network‐centric  innovation.  Finally,  we  will  present  rules  and  guidelines  for  strategizing  in  platform‐based  ecosystems,  thus  providing  clarity and direction to managers and platform leader wannabes    Keywords: platforms, ecosystems, strategy, network‐centric innovation, governance 

1. Introduction  In order to satisfy a growing demand for new products and services with new functions, companies now look  for sources of innovation beyond their organizational boundaries (Chesbrough 2003, 2011; Adner 2012). As a  consequence, competition between firms has given way to competition between business ecosystems, where  platform  wars  are  commonplace.  Platform‐based  ecosystems  are  a  new  way  of  managing  a  portfolio  of  contributions from varied and independent players. In this paper, we shall analyze platform‐based ecosystems  in  order  to  better  understand  their  workings  and  the  strategies  to  best  leverage  collective  innovation.  We  provide an overview of the relevant literature in order to clarify this type of ecosystem. We shall also discuss  the  range  of  technological,  organizational  and  strategic  challenges  that  platform  leaders  have  to  face  to  leverage network‐centric innovation. Finally, we will present rules and guidelines for strategizing in platform‐ based ecosystems, thus providing clarity and direction to managers and platform leader wannabes.  

2. Platform‐based ecosystems: coordination matters  Following  Iansiti  &  Levien  (2004),  software  platforms  play  a  significant  role  in  the  development  of  business  ecosystems  (Moore  1996).  Their  analysis  is  in  line  with  that  of  Evans  et  al  (Evans  2006).  These  approaches  explicitly identify the platform to the anchor point of the ecosystem and the node in the interlacing of shared  contributions. From this point of view, the platform’s architecture and the governance structure chosen by the  focal firm directly influence the value that can be co‐created within the ecosystem (Tiwana et al 2010). In such  a context, platform owner has to face three inter‐related challenges: manage a network of external innovators  or  “small  fishes”  hosted  on  the  platform,  maintain  both  the  control  and  cohesion  of  its  platform‐based  ecosystem,  improve  platform's  capabilities.  These  elements  are  the  main  strategic  levers  used  by  platform  owners to leverage network‐centric innovation. 

2.1 Managing small schooling fish  In platform‐based ecosystems, platforms are the main engine for driving collective innovation. Small fishes or  niche  players  (NPs)  participating  in  the  co‐creation  process  can  leverage  available  resources  in  order  to  operate their own business. Thus, the choice to join one platform over another is crucial as it conditions the  nature of addressable resources within the ecosystem and of potential business opportunities (Ghazawneh &  Hendfridsson 2010). NPs must therefore first and foremost assess the risks and opportunities associated with  single‐homing or multi‐homing, i.e. collaborating with a single or with multiple platforms, respectively.     According  to  Iansiti  &  Levien  (2004),  it  is  also  necessary  for  NPs  to  assess  the  intensity  of  coupling  strength  linking them with the focal firm, as this strength determines the level of integration and the transfer costs of  the assets leveraged by the NPs. When coupling strength is high, transfer costs are usually quite high if NPs  need  to  collaborate  with  another  platform,  leading  to  a  lock‐in  situation.  On  the  contrary,  when  coupling  strength is loose, NPs can focus more on the creation of specialized modules without having to invest in costly  integration work. The connection between the various modules is ensured by standardized interfaces. In this  case, the modules supplied by NPs can be used and reused without any loss of functionality. Loose coupling  therefore promotes NP mobility within the ecosystem and avoids lock‐in.    

89

  Thierry Isckia and Denis Lescop  Whether  NPs  adopt  a  single  or  multi‐homing  approach,  the  success  of  a  niche  strategy  lies  in  continuous  innovation and integration of available technology into the ecosystem. The main challenges facing these small  firms are therefore to remain visible while constantly innovating and to differentiate themselves in order to  claim and capture part of the co‐created value. This exercise demands that NPs be capable of anticipating and  rapidly adapting to platform evolution. For its part, in order to leverage this network of external contributors,  the  platform  owner  must  implement  the  appropriate  governance  structure  (Scholten  &  Scholten  2012)  and  regulation  tools,  while  clearly  communicating  its  strategic  vision  (Darking  2007).  Therefore,  shaping  a  governance  structure  that  cultivates  collective  innovation  is  a  significant  challenge  for  platform‐leader  wannabes. 

2.2 Platform architecture, governance and regulation  Platform  architecture  is  important.  On  the  one  hand,  it  must  ensure  the  stability  and  control  necessary  to  leverage the common investments in the platform, and on the other hand provide the creativity and variety  required  to  satisfy  the  heterogeneous  demands  of  its  users.  Architectural  choices  are  complex  and  must  balance  the  tensions  between  control  and  creativity,  standardization  and  variety,  the  individual  and  the  collective (Wareham et al, 2012; 2013). The governance structure resulting from these choices is crucial to the  development and health of the ecosystem (Boudreau 2010, Noori & Weis 2013, Boudreau & Hagiu 2008).     It is also important to keep in mind that an ecosystem is made up of various groups of players, and that their  motivations can vary from group to group but also from player to player within the same group. For example,  though some independent software developers can be driven by extrinsic motivation, others can be driven by  intrinsic  motivation.  From  this  point  of  view,  platform‐based  ecosystems  can  be  likened  both  to  innovation  markets  and  to  innovation  communities  (Boudreau  &  Lakhani  2009),  and  therefore  require  a  hybrid  governance structure and specific regulatory tools. Be they price‐based or not, regulatory tools (Boudreau &  Hagiu 2009) can be used as the basis for various governance structures as described by Noori & Weiss (2013).  The  interdependency  between  players  makes  it  all  the  more  necessary  to  regulate  the  ecosystem.  This  interdependency is synonymous with externalities: the choices and actions of one player impact the choices  and actions of others, their earnings and, beyond that, the entire value creation process. The platform owner  acts  as  a  regulator  in  order  to  internalize  these  network  externalities  and  thereby  capture  part  of  the  net  value.  In  this  network‐centric  perspective,  the  platform  acts  as  a  hub  that  will  increase  external  partners’  willingness  to  innovate.  Ownership  and  control  of  this  hub  grants  the  platform  owner  leverage  over  complementors, and thereby power of exclusion (Boudreau 2010).    Platforms therefore operate as “economic catalysts” (Evans & Schmalensee 2007) and the main challenge they  face is to maximize the potential value derived from generativity while maintaining control over the quality of  contributions. Concurrently,  intellectual  property  rights  must  be  efficiently  managed  in  order  to  ensure  that  co‐created value is fairly shared out (Huang et al 2013).  

2.3 Platforms and dynamic capabilities  Platforms can be used as a source of differential performance outcomes in changing environments. Platforms  allow  for  dynamic  reconfiguration  of  available  resources  in  an  ecosystem  and  illustrate  how  the  platform  owner can transform its resource base to develop and foster new innovations (Isckia 2009). From this point of  view,  platforms  are  the  invisible  engines  (Evans  et  al  2006)  for  dynamic  capabilities  (Teece  et  al  1997).  Following Thomas et al (2011): “Platforms […] contribute toward a capability‐based re‐orientation of the firm’s  competitive scope through capability build‐up, combination, re‐orientation and deployment.” This “capability‐ based  re‐orientation”  clearly  refers  to  external  resource  acquisition  and  integration  processes  rather  than  internal  resource  creation  and  reconfiguration  processes,  i.e.  external  dynamic  capabilities  (Ridder  2012).  Since  platforms  emerge  as  backbones  for  inter‐organizational  cooperation  and  collaboration,  they  provide  insights into the external resource renewal processes; illustrating how platform owners develop new resource  positions  and  how  they  create  competitive  advantage  in  innovation  on  the  basis  of  external  resources  and  contributors.     This  characteristic  makes  platforms  an  ideal  base  for  network‐centric  or  collective  innovation  (Nambisan  &  Sawhney, 2007, 2011). The implication is that platform owners should not create once‐and‐for‐all solutions for  their  operations  but  continually  re‐configure  or  reshape  the  capabilities  they  have  developed  in  order  to  extend  their  market  scope  (Einsenmann  et  al  2011).  Among  these  capabilities,  architectural  capabilities  are 

90

  Thierry Isckia and Denis Lescop  essential.  In  a  platform‐based  ecosystem,  architectural  competency  can  be  defined  as  a  platform  owner’s  ability  to  create  a  mutually  reinforcing  pattern  of  evolving,  tightly  aligned  platform  strategies  and  platform  capabilities.  Consequently,  the  “rules”  governing  platform‐based  ecosystems  are  subject  to  modification  by  the platform owner, and are therefore the result less of  a process of co‐evolution – as suggested by Moore  (1996) – than of the will of the platform owner to set its own rules – rules which will govern the contributions  of the members of the ecosystem. Architectural choices are therefore of particular importance and condition  the potential strategies implemented to cultivate collective innovation. In such a context, the ultimate source  of competitive advantage and value creation rests with the platform itself, which becomes the cornerstone of  strategic maneuvering. 

3. Platform rules: Shaping the battleground   Platforms are catalysts (Evans & Schmalensee, 2007) since they facilitate and accelerate interactions between  two or more groups of interdependent agents. Platforms are the main vehicle to set collective innovation in  motion.  Strategizing  in  a  world  of  platforms  is  a  hard  work  that  requires  platform  owners  to  embrace  platforms  diversity,  to  ignite  catalytic  reactions  between  two  or  more  groups  of  players  and  to  understand  platforms rules. 

3.1 Platform safari: Not all platforms are created equal  There  is  a  wide  variety  of  platforms  (Evans  2003,  Evans  et  al  2005,  Evans  &  Schmalensee  2007,  Eisenmann  2007).  The  existing  typologies  refer  ideal  types,  but  the  reality  is  more  nuanced,  and  hybrid  forms  are  common. Some of a platform’s modules can be open while others aren’t, and the level of standardization of  interfaces  can  vary.  A  firm  may  control  one  key  component  of  the  platform  and  share  the  rest.  Platforms  diversity entails a wide range of network‐centric innovation models. It follows that platform owners have to  choose carefully the model they want to support and the governance structure that will leverage their network  of  external  innovators.  In  all  cases,  they  need  to  attract  on  their  platforms  at  least  two  different  groups  of  players to ignite catalytic reactions that will sustain the process of value co‐creation.  

3.2 Two‐sided platforms  When platforms act like two‐sided markets, they are generally referred to as two‐sided platforms. A two‐sided  market is a particular market structure where a middleman will connect and coordinate the demands of two  distinct, interdependent groups of players. This interdependency between both groups of clients is a source of  indirect  network  externalities.  The  platform  owner  must  therefore  make  the  right  choices  in  order  to  bring  both sides on board. One way to proceed (Evans 2011) is to obtain a critical mass of users on one side of the  market. This happens when a new video game console is launched. Console manufacturers do not hesitate to  lower the selling price of their console, even if that means selling it at a loss, in order to increase the user‐base  and generate network externalities on the gamer side of the market. Another way to proceed is to invest in  one side of the market in order to stimulate its participation. Console‐makers also do this, offering SDKs and  software libraries to independent developers to encourage them to develop new games. The idea is to offer  developers  more  assistance  and  generate  network  externalities,  this  time  on  the  developer  side.  These  two  approaches complement each‐other, and boost console sales. The same mechanisms are at play in the case of  software platforms, increasing their attractiveness and therefore the value they generate for the members of  their ecosystems.     Pricing policies also play a key role in two‐sided markets and are an essential element of the platform business  model.  In  a  two‐sided  market  the  optimal  price‐point  for  both  client  groups  is  theoretically  that  which  will  balance the demand between both these groups. However, for a given group, the optimal price‐point is not  proportional to, and generally lower than the marginal costs. One immediate consequence of the two‐sided  market  dynamic  is  the  total  disconnect  between  pricing  policies  and  production  costs.  It  is  not  only  conceivable, but natural, to sponsor the use of the product/platform for some clients as long as their presence  en  masse  increases  the  value  attached  to  it  by  other  types  of  economic  agents.  Consequently,  it  is  recommended that a pricing model be chosen by examining the effect of one pricing component on both sides  of the market.  

 

91

3

  Thierry Isckia and Denis Lescop 

3.3 Market failures as platform antecedents  It  is  also  important  for  platform  owners  to  understand  the  economic  logic  behind  two‐sided  platforms.  The  development  of  platforms  is  predicated  on  previous  market  failures.  Market  failures  generally  stem  from  information asymmetry. This inefficiency manifests itself as unexplored market spaces, opportunities for trade  and innovation which would be mutually beneficial but remain untapped. From a platform owner perspective,  the profitability of intermediation stems from exploiting these market failures. By supplying economic agents  with  the  information  they  lack,  platforms  breed  new  transactions  and  exchanges  which  generate  positive  indirect  externalities.  In  summary,  firms  generally  develop  platform  strategies  when  they  have  identified  untapped  latent  externalities.  These  lead  them  to  explore  new  market  spaces  in  order  to  monetize  opportunities  for  trade  and/or  innovation.  The  market  power  of  the  focal  firm  over  one  of  the  sides  of  the  market is a lever for its development on the other side through the implementation of a new business model  to stimulate transactions between the various sides or groups hosted on the platform.     Platform owners have at their disposal two main strategic levers for development: depth and breadth (Evans  et  al,  2005).  Increasing  the  depth  of  a  platform  amounts  to  creating  new  functionalities,  i.e.  services  or  products targeted at already‐conquered sides of the market. By intensifying and fully capturing existing direct  network externalities, the platform can protect itself from the potential intrusion of another platform into its  ecosystem. Increasing the breadth of a platform amounts to searching for new sources of value and creating  new  indirect  externalities  by  adding  new  sides  to  the  market,  or  new  groups  of  economic  actors  to  the  platform. This mechanism is the basis for digital convergence and for the breakthroughs observed in several  industries.  In  this  context,  platform  strategies  open  up  new  competition  on  new  fronts,  and  widen  the  concerned  players’  field  of  operation.  From  this  point  of  view,  platform  leaders  are  market  creators  who  exercise control over their partners, capitalizing on the interactions supported by their platforms.  

4. Strategizing in platform‐based ecosystems  Leadership  in  platform‐based  ecosystems  usually  derives  from  control  over  a  central  component  or  module  around  which other  firms  can  innovate. Several  studies  have  highlighted  the  recurring  elements  of platform  strategies  (Evans  &  Schmalensee,  2007;  Evans  et  al,  2008;  Gawer  &  Henderson,  2007;  Gawer  &  Cusumano,  2002). These elements make up a useful guide for aspiring platform leaders. Evans & Schmalensee (2007) list  six  main  steps  to  developing  a  platform  strategy.  These  steps  constitute  many  challenges  to  leveraging  collective innovation. A community must first be identified and built, and a suitable pricing model established.  These first two steps cover what we call the ignition stage. The structure of governance and the architecture of  the platform must then be decided upon in order to facilitate the interactions between the various groups of  agents and improving the platform’s profitability. These two steps make up the development stage. Finally, the  ability to compete with other platforms must be maintained, and the value promised to the various groups of  agents on board delivered. These last two steps make up the renewal stage. In the following, we shall go into  more detail on what is covered by these various stages.  

4.1 The ignition stage  ƒ

Building  the  community:  Many  firms  find  it  difficult  to  attract  external  contributors  to  their  platform  to  feed  the  collective  innovation  dynamic.  After  identifying  them,  the  various  groups  of  players  must  be  brought  on‐board  the  platform  by  delivering  the  value  promised  them  and  an  efficient  collaborative  architecture. By concentrating on one group of agents and specializing in one type of service, the platform  can  potentially  generate  externalities  which  will  attract  another  group  of  players  and  thus  establish  the  foundations of it ecosystem. This first step  therefore consists in granting members of  a group access to  members  of  another  group.  Latent  externalities  must  be  identified  between  the  various  groups  which  potentially need each other, and interactions between them must be facilitated (Evans, 2011).  

ƒ

Establishing a suitable pricing structure: We have seen that pricing plays a key role in platform strategy  (Hagiu, 2009). If the pricing structure is unsuitable, the platform can collapse. This step is therefore critical  in  order  to  generate  indirect  externalities  between  the  two  groups  of  players  and  feed  the  collective  innovation  dynamic.  One  common  practice  is  to  sponsor  one  group  of  actors  by  setting  a  sufficiently  attractive  price‐point  to  attract  the  members  of  another  group,  thereby  setting  off  a  catalyst  reaction.  Pay‐per‐use pricing is generally distinguished from pay‐for‐access pricing. Dating website Meetic started  out  by  only  charging  men  for  access.  Today,  both  genders  need  to  subscribe  in  order  to  access  the  platform.  After  subscribing,  users  can  access  free  or  pay‐per‐use  services.  High‐priced  access  enables 

92

  Thierry Isckia and Denis Lescop  Meetic  to  “select”  a  certain  type  of  profile  among  a  given  category  of  players,  as  is  the  case  with  the  “Meetic  Affinity”  subscription  for  forties  looking  for  serious  relationships.  The  pricing  of  services  is  also  important, as it impacts the interactions between members of the ecosystem. Clearly, pay‐per‐use or pay‐ for‐access models can stimulate, or conversely inhibit, interactions between members of the ecosystem.  

4.2 The development stage  ƒ

Stimulating interactions: As mentioned before, market failures explain the profitability of intermediation.  From this standpoint, platforms can facilitate the information process. It is therefore necessary, once the  first two steps are completed, to supply the groups on‐board the platform with efficient search engines,  detailed  information,  scoring  or  ranking  tools…  i.e.  to  offer  a  range  of  services  aimed  at  increasing  the  value proposition for members of the ecosystem and stimulating interactions. The objective here is to find  services capable of increasing the depth of the platform and monetizing indirect externalities. The rules of  governance  must  also  be  established.  Enforcing  these  rules  builds  trust  between  members  of  the  ecosystem  and  restrains  opportunistic  behavior.  These  rules  can  also  take  the  form  of  a  standard  to  harmonize  the  activities  and  contributions  of  various  members  of  the  platform.  Many  hardware  and  software  platforms  make  use  of  open  standards  to  set  the  terms  for  the  various  players’  contributions.  There is a consensus on the benefit of resorting to open standards in order to ensure the flexibility and  scalability of the platform.  

ƒ

Focusing on profitability: Any platform must estimate the potential profits it can generate for its members.  Stimulating interactions between the various groups of players and establishing rules of governance are  essential, but not always sufficient, conditions to ensure the development of the platform. It is necessary,  for  example,  to  have  a  clear  grasp  of  the  development  rate  of  the  various  groups  of  players  on  the  platform and to anticipate the necessary improvements so that the ramp‐up does not disrupt the quality  of  the  services  delivered  by  the  ecosystem.  Platform  scalability  is  therefore  an  important  element  of  platform  development  as  it  can  affect  the  long‐term  profitability  of  a  platform.  The  approach  that  is  generally  adopted  can  be  compared  to  technological  and  economic  fine‐tuning:  on  the  one  hand,  technological support of the platform’s growth, and, on the other hand, the testing and rapid deployment  of new, value‐added services that are useful to the members of the ecosystem. This approach reflects the  dynamic capabilities of the platform, i.e. its ability to test, assess and rapidly integrate new services while  being careful not to alter the levers of interaction between the members of the ecosystem (Thomas et al,  2011).  

4.3 The renewal stage  ƒ

Competing strategically with other platforms: Competition between platforms is common and inevitable.  Two  cases  must  be  distinguished:  multi‐homing  and  intersecting  catalysts.  Multi‐homing  is  a  common  situation in the world of platforms. For example, men and women using the Meetic platform can also use  competing  platforms  such  as  Adult  Friend  Finder  or  Elover.  These  platforms  target  the  same  groups  of  agents as Meetic. Though the development of new services increases the platform’s profitability and the  value proposition delivered to its members, it also ensures their loyalty and discourages them from joining  competing platforms. However, this practice is far from neutral, which leads us to intersecting catalysts.  Evans & Schmalensee (2007) refer to intersecting catalysts as evolutions of the business models which can  open new competitive arenas with already‐established players or platforms. Indeed, when searching for  new sources of revenue, the platform owner can create a service which will come into direct competition  with those offered by another platform. The launch of a new service can therefore be seen as an offensive  maneuver by established platforms. As with multi‐homing, cases of intersecting catalysts are common in  the world of platforms. Their consequences can prove to be important for the evolutionary dynamic of the  platform. In trying to increase the depth, but especially the breadth of its platform, the platform owner  can  create  new  indirect  externalities  by  targeting  new  groups  of  players,  thereby  gaining  a  foothold  in  related ecosystems.  

ƒ

Experimenting and evolving: It is necessary to give oneself the means to evolve, and experiment with new  catalytic  reactions,  identifying  for  example  other  groups  of  agents  likely  to  come  aboard  the  platform.  From this perspective, knowing how to evolve is mainly the act of focusing on innovations to the business  model and being able to implement them rapidly by deploying new value‐added services. This is part and  parcel of the firm’s nimbleness and covers any and all endeavors which could increase the breadth of the  platform. Through this approach, the platform owner’s goal is also to redeploy its resource base in related 

 

93

5

  Thierry Isckia and Denis Lescop 

These strategic guidelines do not guarantee the success of a platform strategy but provide a roadmap of the  main  stages  of  such  strategies  and  identify  the  different  challenges  faced  by  platform  owners  at  different  stages. It is important to keep in mind that timing plays a critical role in these strategic maneuvers, requiring a  certain amount of agility on the part of platform owners. Beyond mere platform strategies, the Gang of four is  made  up  of  firms  that  have  much  in  common:    a  clear  and  shared  strategic  vision,  a  particular  agility  and,  finally, sturdy technological competencies that are the foundation of platform capabilities.  

5. Conclusion  This paper presented arguments and evidence that platforms act as rule‐making governance mechanisms or as  institutions for collaboration. Platform‐based ecosystems need to be managed carefully to maintain emulation  among contributors while sustaining the platform owner’s competitive advantage. In such a context, platform  owners whose objective is to tap into the business ecosystem hosted by their platforms need to dynamically  shape  the  rules  for  participation  in  collective  innovation,  using  a  portfolio  of  regulatory  tools.  Platform  regulation  mobilizes  a  wide  range  of  strategic  tools  to  regulate  economic  activity  within  a  platform‐based  ecosystem.  These  tools  are  often  used  in  concert  to  orchestrate  collective  innovation  throughout  the  platform’s  development.  The  active  orchestration  of  this  process  has  the  potential  to  ignite  network  externalities and boost complementary activities, while catalyzing a virtuous cycle of growth for the platform  owner and ecosystem members.    Platform owners need strong platform competencies in order to define and upgrade a platform’s architecture.  In  order  to  leverage  collective  or  network‐centric  innovation  they  have  to  build  a  sufficiently  open  and  modular  architecture.  Modularity  changes  the  need  for  information  and  knowledge  exchange  among  ecosystem  members  and  how  incentives  mechanisms  need  to  be  tuned‐up  accordingly.  Thus,  architectural  choices are closely related to control and regulation issues in platform‐based ecosystems. In addition, platform  openness may occur at different levels (end‐user, Apps developer, platform owner and/or platform sponsor),  and  platforms  often  mix  open  and  closed  levels  in  different  patterns.  It  follows  that  multiple  governance  structures  can  be  used  to  manage  openness  in  platform‐based  ecosystems.  Moreover,  platforms  are  socio‐ technical  artifacts,  which  entail  a  set  of  internal  processes  that  allow  the  platform  owner  to  make  both  technological and organizational decisions in a coherent manner.     In such a context, crafting strategies is a complex exercise since the scope of strategy is much wider than for  normal firms or merchants. Platform owners have to shape their platform’s architecture, control mechanisms  and pricing structures in a coherent and dynamic fashion throughout the platform’s development in order to  nurture  collective  innovation.  Strategizing  in  platform‐based  ecosystems  means  that  these  mechanisms  are  designed so that they can dialogically handle the tensions between the various ago‐antagonistic dimensions of  platform business models: control/generativity, open/closed, individual/collective… This orchestration process,  which refers to platform capability, is closely related to platform leadership in network‐centric innovation.    Many of these issues highlight the need to improve our understanding of platform‐based ecosystems. It is only  very recently that academics have begun to address the role of platforms in business ecosystems or network‐ centric  innovation.  The  research  in  the  field  of  platforms  was  thus  far  completely  disconnected  from  the  research  on  business  ecosystems.  The  phenomenon  of  platform‐based  ecosystems  offers  exciting  research  opportunities  to  bring  together  technical,  economic  and  organizational  perspectives  within  an  integrative  framework  for  network‐centric  innovation.  This  framework,  or  platform‐based  view  of  the  firm,  should  help  advance  our  understanding  of  collective  innovation,  collective  strategy,  organizational  behavior  and  technological change.  

References  Adner, R. (2012) The Wide Lens: A New Strategy For Innovation, Portfolio.  Boudreau, K. (2010) “Open platform strategies and innovation: Granting access vs. devolving control”, Management  Science, vol 56, n°10, p. 1849‐1872, 2010.   Boudreau, K.J., Hagiu, A. (2009) “Platform Rules: Regulation of an Ecosystem by a Private Actor” in Platforms, Markets and  Innovation, Gawer, A. (Ed.), Edward Elgar.   Boudreau, K.J, Hagiu, A.  (2008) “Platform rules: Multi‐sided platforms as regulators.” Available at SSRN 1269966, 2008.   Boudreau, K.J., Lakhani, K.R. (2009) “How to manage outside innovation”, Sloan Management Review, vol 50, n°4, p. 69‐76. 

94

  Thierry Isckia and Denis Lescop  Chesbrough, H. (2003) Open Innovation: The New Imperative for Creating and Profiting from Technology, Harvard Business  School Press: Harvard, MA..  Chesbrough, H. (2011) Open services innovation: Rethinking your business to grow and compete in a new era, Jossey‐Bass.   Darking, M. (2007) “Understanding the role of governance in the context of digital ecosystems”, Digital Business  Ecosystems, p.78‐82.   Eisenmann, T. (2007) “Managing Proprietary and Shared Platforms: A Life‐Cycle View”, Harvard Business School Technology  & Operations Management Unit, Research Paper No.07‐105, 27 June..  Eisenmann, T., Parker, G., Van Alstyne, M. (2011) “Platform Envelopment”, Strategic Management Journal, vol 32, n°12, p.  1270‐1285, 2011.   Evans, D. (2003) “The Antitrust Economics of Two‐sided Markets”, Yale Journal of Regulation, Vol. 20, No. 2, pp. 325‐382.  Evans, D.S. (2011) “How Catalysts Ignite: The Economics of Platform‐Based Start‐Ups”, in Platform Economics: Essays on  Multi‐Sided Businesses, David S. Evans S. D., Competition Policy International.  Evans, D. S., Hagiu A., Schmalensee R. (2006) Invisible Engines: How Software Platforms Drive Innovation and Transform  Industries, MIT Press Books.   Evans, D. S., Hagiu, A., & Schmalensee, R. (2005) “A survey of the economic role of software platforms in computer‐based  industries”, CESifo Economic Studies, vol 51, n°2‐3, p.189‐224.   Evans, D.S., Schmalensee R.(2007) “The Industrial Organization of Markets with Two‐Sided Platforms”, Competition Policy  International, vol. 3, n°1, p.151‐179.   Evans, D., Schmalensee R. (2007) Catalyst Code: The Strategies Behind the World's Most Dynamic Companies, Harvard  Business School Press.   Gawer, A., Henderson, R. (2007) “Platform owner entry and innovation in complementary markets: Evidence from Intel”,  Journal of Economics & Management Strategy, vol 16, n°1, p. 1‐34.  Gawer, A., Cusumano, M.A. (2002) Platform leadership: How Intel, Microsoft, and Cisco drive industry innovation, Boston,  MA: Harvard Business School Press.  Huang, P., Ceccagnoli, M., Forman, C., Wu D.J. (2013) “Appropriability Mechanisms and the Platform Partnership Decision:  Evidence from Enterprise Software”, Management Science, vol 59, n°1, p. 102–121.  Iansiti, M., Levien, R. (2004) The Keystone Advantage: What the New Dynamics of Business Ecosystems Mean for Strategy,  Innovation, and Sustainability, Harvard Business School Press.  Isckia, T. (2009) “Amazon's Evolving Ecosystem: A Cyber‐bookstore and Application Service Provider”, Canadian Journal of  Administrative Sciences, Vol. 26, Issue 4, p. 332‐343.   Moore, J.F. (1996) The Death of Competition: Leadership and Strategy in the Age of Business Ecosystems, Harper Business.  Nambisan, S., Sawhney, M.S. (2011) “Orchestration processes in network‐centric innovation: Evidence from the field”, The  Academy of Management Perspectives, vol 25, n°3, p. 40‐57.   Nambisan, S., Sawhney, M.S. (2008) The global brain: your roadmap for innovating faster and smarter in a networked  world, Wharton School Pub.   Noori N., Weiss M. (2013) “Going Open: Does it Mean Giving Away Control?” Technology Innovation Management Review,  January n°: Open Source Sustainability.   Ridder A.K. (2012) “External Dynamic Capabilities: Creating Competitive Advantage in Innovation via External Resource  Renewal”, Working Paper, School of Business and Economics, Maastricht University, August.   Scholten, S., Scholten, U. (2012) “Platform‐based Innovation Management: Directing External Innovational Efforts in  Platform Ecosystems”, Journal of the Knowledge Economy, p. 1‐21.   Teece, D. J., Pisano, G., Shuen, A. (1997) “Dynamic Capabilities and Strategic Management”, Strategic Management Journal,  vol 18, Issue 7, p. 509‐533.   Thomas, L. D. W., Autio, E., Gann, D. (2011) “Architectural leverage: putting platforms in context, DRUID Conference”,  Copenhagen Business School, Denmark, June 15‐17.  Tiwana, A., Konsynski, B., Busch, A.A. (2010) “Research Commentary ‐ Platform Evolution: Coevolution of Platform  Architecture, Governance, and Environmental Dynamics”, Information Systems Research, vol. 21, no 4, p. 675‐687.  Wareham, J., Fox, P.B., Cano Giner, J.L. (2012) “Paradox in Technology Ecosystem Governance”, ESADE Business School  Research Paper, n° 225.   Wareham, J., Fox, P., Cano Giner, J.L. (2013) “Technology Ecosystem Governance”. ESADE Business School Research Paper,  n°225‐2.   Weiss, M., Noori, N. (2012) Managing the quality of platform complements, The Proceedings of The XXIII ISPIM Conference,  2012, Barcelona, Spain, ISBN 978‐952‐265‐243‐0, 17‐20 June.  

 

95

7

University‐Industry Knowledge Dynamics in Northern Sparsely  Populated Areas  Päivi Iskanius1, Eija‐Riitta Niinikoski2, Harri Jokela2 and Matti Muhos2  1 Department of Mechanical Engineering, University of Oulu, Oulu, Finland  2 Oulu Southern Institute, University of Oulu, Nivala, Finland  [email protected]  eija‐[email protected]  [email protected]  [email protected]    Abstract:  This  paper  presents  a  theoretical  framework  for  describing  and  understanding  university‐industry  knowledge  dynamics  in  northern  sparsely  populated  areas  (NSPAs).  Based  on  the  literature  findings,  key  elements  of  a  theoretical  framework  are  defined  and  four  essential  elements  to  be  considered  in  the  context  are  recognised.  These  elements  are  knowledge transfer mechanisms, universities’ channels of engagement, firms’ needs for university‐based knowledge, and  the  challenges  of  NSPAs.  The  first  dimension  of  the  framework  is  knowledge  transfer  mechanisms,  which  can  be  categorised  as  publications,  participation  in  conferences,  professional  networks  and  boards,  mobility  of  people,  other  informal  contacts  and  networks,  cooperation  in  R&D,  sharing  facilities,  cooperation  in  education,  contract  research  and  advisement,  IPRs,  and  spin‐offs.  The  components  of  the  framework  explaining  universities’  channels  of  engagement  are  educating people, problem solving for industry, providing public space, and adding to the stock of codified knowledge. We  also  aim  to  understand  the  possible  needs  of  firms  for  university‐based  knowledge.  The  specific  features  to  take  into  account are the return on investment over the time horizon, the character of collaboration needs, from problem solving to  a  strategic  approach,  and  the  size  of  the  firm.  Developing  the  framework  in  the  NSPA  context,  the  following  special  features have to be taken into account; demographical/ social, economic/ business and physical/ locational aspects. This  study  contributes  to  the  recognised  need  for  a  more  comprehensive  theoretical  framework  to  analyse  those  knowledge  transfer  mechanisms  useful  for  universities  and  their  regional  units  in  boosting  entrepreneurial  activity  in  NSPAs.  The  theoretical  framework  presented  in  this study  can  be  further  operationalised  and  used as a  foundation  when examining  and developing university‐industry collaboration in NSPAs. The framework may thus stimulate the so far scarce empirical  research into NSPAs.    Keywords: knowledge dynamics, university‐industry collaboration, knowledge transfer, entrepreneurship, northern  sparsely populated areas, theoretical framework 

1. Introduction  Most firms, regardless of size, location, or field, face rapid changes in their business environment in terms of  technological innovations, globalisation of markets, and more aggressive consumer demands. Within such an  environment, firms need to provide more value‐added products and total solutions which are customised to  individual  consumers’  needs;  and  design,  prototype,  manufacture,  test,  and  deliver  high‐quality  products  to  the  market  in  the  least  time  possible  (Iskanius  2006).  Success  today  is  increasingly  based  on  creating  and  exploiting  knowledge,  especially  new  knowledge  which  can  generate  innovation  faster  than  competitors.  Economic value has shifted towards intangibles and, in particular, towards increasing value by incorporating  knowledge  into  services  and  products  (Auckland  2000).  In  order  to  strengthen  competitive  advantage,  firms  adapt  externally‐generated  knowledge  from  such  sources  as  suppliers,  customers,  competitors,  consultants,  commercial  laboratories  and  research  organisations,  and  universities  and  other  higher  education  institutes  (Laursen and Salter 2006).    University‐industry  collaboration  faces  significant  challenges;  for  example,  these  organisations  are  primarily  driven by different objectives. Universities are the key actors in the field of new knowledge and human capital  (Mansfield  1991,  Pavitt  1991,  Salter  and  Martin  2001,  Cohen  et  al.  2002).  They  primarily  create  new  knowledge and educate, whereas private firms focus on capturing valuable knowledge that can be leveraged  for competitive advantage (Dasgupta and David 1994). Universities interact with industrial companies in order  to – to give some examples – increase R&D funding to compensate for shrinking governmental funding; expose  students and staff members to practical problems; develop employment opportunities for graduates; and gain  access  to  applied  technologies  (Santoro  and  Chakrabati  2001).  Regions  with  high‐tech  and  knowledge‐ intensive  entrepreneurship,  as  well  as  high‐level  university‐industry  relationships,  experience  greater  productivity and economic growth (Jaffe et al. 1993, Audretsch and Keilbach 2004, Muller 2006). University‐

96

  Päivi Iskanius et al.  industry  collaboration  allows  knowledge  transfer  in  both  directions  and  significantly  affects  the  regional  economy by increasing the rate of innovation (Spencer 2001). Innovation that drives regional development is  not necessarily driven by technological breakthroughs; equally important are factors such as learning by doing,  through which tacit knowledge is accumulated within localised networks of firms, institutions and individuals  (Gloersen et al. 2006). In the context of the economy’s transition towards a service‐oriented society, Gloersen  et al. (2006) remind us that education, knowledge, and R&D are widely expected to become the key locational  factors for businesses. Universities play a crucial role in this process.    This  paper  explores  university‐industry  knowledge  dynamics  between  northern  sparsely  populated  areas  (NSPAs) (fourteen regions in the northern parts of Finland, Norway and Sweden). Three main constraints on  economic  activity  characterise  NSPAs  (Gloersen  et  al.  2006):  1)  remoteness,  2)  cold  climate,  and  3)  sparse  population.  Our  aim  is  to  understand  what  kind  of  knowledge  transfer  mechanisms  in  university‐industry  collaboration are used in NSPAs, and further, what are the best mechanisms for firms, especially for small and  medium sized enterprises (SMEs). We also want to understand what needs firms in NSPAs have for university‐ based  knowledge  in  order  to  maximize  their  innovation  potential.  In  this  paper,  we  develop  a  theoretical  framework for describing and understanding university‐industry knowledge dynamics in the NSPA context. The  aim is to contribute to the recognised need for a more comprehensive theoretical construct to analyse those  knowledge transfer mechanisms useful for universities and their units in boosting entrepreneurial activity in  NSPAs. The research problem of this study can be condensed into the following question:  ƒ

What are the key elements of the theoretical framework that help us to understand knowledge dynamics,  especially  knowledge  transfer,  between  university  and  industry  in  northern  sparsely  populated  areas  (NSPAs)? 

2. Knowledge creation  Knowledge has long been understood as an essential driver of economic growth (Agrawal 2001, Muller 2006,  Carlsson et al. 2009). Knowledge is acquired, shared, and assimilated with the aim of creating new knowledge,  but  also  of  advancing  and  modifying  existing  knowledge  in  order  to  produce  innovation  (Herkema  2003).  Knowledge  stimulates  technological  progress,  and  thus  increases  productivity  (Adams  1990,  Acs  and  Varga  2005).  Knowledge  can  be  defined  as  the  learning  process  in  human  brains,  which  is  generated  and  used  in  personal and collective interactions in various contexts, given individual and firm competences to appropriate  new and necessary economically useful knowledge (Dahlström and Hedin 2010). Therefore, knowledge is seen  as  both  a  resource  and  a  process,  both  of  which  are  linked  to  interactions  among  actors  in  the  concept  of  knowledge  dynamics.  Knowledge  creation  is  focused  on  the  generation  and  application  of  knowledge  that  leads to new capabilities for an organisation. Innovation, which is dependent on the availability of knowledge,  is concerned with how these new capabilities can be transformed into products, processes, and services that  have economic value in markets (Popadiuk and Choo 2006). In an innovation process, organisations create and  define problems and then actively develop new knowledge to solve them (Nonaka 1994).    Originally,  Nonaka  and  Konno  (1998)  identified  two  types  of  knowledge:  explicit  and  tacit.  Explicit  (codified)  knowledge  is  articulated,  codified,  and  communicated  in  a  formal,  systematic  way.  It  can  be  transmitted  relatively easily to others because it can be represented either in writing or in digital or analogue formats. Tacit  knowledge, on the other hand, is associated with individual experience, thinking, and feeling, and is difficult to  code.  It  is  subjective  and  intuitive  and  is  therefore  not  easily  processed  or  transmitted  in  any  systematic  or  logical manner (Nonaka and Takeuchi, 1995). It is articulated through practical skills and cannot be reduced to  numbers, graphs, maps, diagrams or texts. Rather, face‐to‐face contact or ‘buzz’ is an important part of tacit  knowledge transfer (Halkier et al. 2012). It is often specific to its original context; it is collective rather than  individual (Lundvall and Johnson 1994). Tacit knowledge can also be associated with scientific intuition and the  development of craft knowledge within scientific disciplines (Delamont and Atkinson 2001). Tacit components  of  knowledge,  which  are  based  on  interpretations,  perceptions,  and  value  systems,  can  be  shared,  communicated, and transferred through types of network relationships. Organisations create new knowledge  through the conversion of tacit and explicit knowledge, which is a social process between individuals (Nonaka  and Takeuchi 1995). Effective knowledge creation and sharing depend on an enabling context with physical,  virtual,  and  mental  aspects.  Knowledge  creation  and  sharing  is  a  collective  process  that  requires  complex  mechanisms of communication and transfer (Saviotti 1998).   

97

  Päivi Iskanius et al.  Knowledge dynamics emerge from the processes of creation, usage, transformation, movement and diffusion  of  knowledge,  resulting  in  innovations  in  products,  services  or  processes  (Strambach  2008).  Knowledge  anchoring (Dahlström and Hedin 2010) is useful for analysing the important aspects of knowledge dynamics.  This concept refers to the ability of an organisation or territory to access external knowledge and make use of  it in some way. It includes analysing the characteristics of knowledge interactions. Inflow and recirculation of  knowledge  may  occur  at  the  same  time  and  in  complex  mixes  of  processes  (James  et  al.,  2010).  Anussornnitisarn et al. (2010), Kess et al. (2008) and Phusavat et al. (2009) have highlighted the importance of  external knowledge for organisational learning. Knowledge anchoring is a useful tool to analyse the different  mechanisms through which knowledge flows into, and is recirculated within, regions and firms (Dahlström and  Hedin 2010). 

3. Knowledge transfer  Traditionally, research on university‐industry collaboration has focused on the transfer of intellectual property,  such  as  patenting,  licensing,  and  commercialization.  Today,  research  focuses  more  on  ‘knowledge  channels’  (Cohen  et  al.  2002)  or  ‘knowledge  mechanisms’  (Meyer‐Krahmer  and  Schmoch  1998)  that  function  as  informational or social pathways through which knowledge is shared or co‐produced between universities and  industries. Cohen et al. (2002) distinguished between the following channels relevant to industrial innovation:  patents, informal information exchange, publications and reports, public meetings and conferences, recently  hired graduates, licenses, joint or cooperative research ventures, contract research, consulting, and temporary  personnel exchanges. Schartinger et al. (2002) identified sixteen types of ‘knowledge interaction’ grouped into  four  categories:  1)  joint  research  (including  joint  publishing),  2)  contract  research  (including  consulting  and  financing  of  university  research  assistants  by  firms),  3)  mobility  (staff  movement  between  universities  and  firms,  joint  supervision  of  students)  and  4)  training  (co‐operation  in  education,  training  of  firm  staff  at  universities,  lecturing  by  industry  staff).  Brennenraedts  et  al.  (2006)  categorised  knowledge  transfer  mechanisms as 1) publications, 2) participation in conferences, 3) professional networks & boards, 4) mobility  of people, 5) other informal contacts and networks, 6) cooperation in R&D, 7) sharing facilities, 8) cooperation  in education, 9) contract research and advisement, 10) IPRs, and 11) spin‐offs and entrepreneurship (see Table  1).    According to Brennenraedts et al. (2006), the most typical method of transferring university‐based knowledge  is the publication of research; thus, knowledge becomes public and accessible for many people. However, only  explicit knowledge can be transferred by publishing. Besides publishing, academics are encouraged to attend  conferences,  fairs,  and  workshops,  where  they  are  able  to  communicate  and  interact  directly  with  international  colleagues  (Schartinger  et  al.  2002).  Such  events  are  important  for  creating  social  networks  of  people within a certain scientific field. In such events, tacit knowledge may also be transferred. The mobility of  people in university‐industry collaboration is important. Many contacts are informal – for example, personal  networks  based  on  friendships  and  alumni  societies  (Brennenraedts  et  al.  2006).  Cooperation  in  joint  R&D  projects and shared facilities may happen for different reasons. Universities also transfer knowledge through  cooperation with firms in education, and the influence of industrial experts on the curriculum. By doing this,  firms can help the university to keep abreast of economic developments, while the university provides them  with  a  well‐educated  labour  market.  Contract  research  and  advisement  is  typified  by  the  industry  asking  questions  of  universities  and  paying  for  the  answers  (Brennenraedts  et  al.  2006).  This  leads  to  a  flow  of  knowledge  from  universities  to  industry  and  a  flow  of  capital  in  the  opposite  direction  (Agrawal  2001).  The  IPRs have the intention of stimulating innovation by temporarily monopolising and publicising new knowledge  (Brennenraedts  et  al.  2006).  Universities  may  become  involved  in  IPRs  to  ensure  that  research  outcomes  actually  flow  to  society.  One  can  argue  that  a  vast  majority  of  the  results  of  university  research  is  not  yet  applicable.  A  firm  has  to  invest  significant  amounts  of  resources  to  transform  the  results  of  research  into  a  product or process. Spin‐offs are commercial companies capitalising on knowledge which has been created at  public  institutes  or  companies  (Brennenraedts  et  al.  2006).  Although  definitions  of  spin‐offs  differ,  the  knowledge they use is often handed over in the form of licenses or a full transfer of patents. Universities often  own equity in the spin‐offs that use their knowledge.           

98

  Päivi Iskanius et al.  Table 1: Knowledge transfer mechanisms in university‐industry collaboration (modified from Brennenraedts et  al. 2006) 

 

4. Developing the theoretical framework  Three  more  aspects  should  be  examined  in  developing  a  theoretical  framework  for  analysing  knowledge  transfer  mechanisms  useful  for  universities  and  their  regional  units  in  boosting  entrepreneurial  activity  in  NSPAs.  Firstly,  the  channels  for  collaboration  and  engagement  of  universities  with  their  surrounding  society  and companies should be defined. Secondly, we should understand the possible needs of firms for university‐ based knowledge. Thirdly, the challenges of NSPAs have to be taken into consideration. 

99

  Päivi Iskanius et al. 

4.1 Universities’ channels of engagement  The two primary missions of universities are research and education. However, they also serve a third mission  in contributing to economic development (Etzkowitz 2002, D´Este and Patel 2007). According to Etzkowitz and  Leydesdorff  (2000),  this  third  mission  includes  directly  contributing  to  industry  via  research  alliances  with  firms, as well as following an active strategy of extending the research process into the development process.  Universities  are  employers  and  purchasers  in  the  economy,  but  their  other  activities  also  have  an  economic  impact,  including  knowledge  creation,  human  capital  creation,  transfer  of  existing  know‐how,  research‐led  technological innovation, capital investment, regional leadership, impact on the regional milieu, and support  for  knowledge  infrastructure  (Drucker  and  Goldstein  2007).  Universities  are  catalysts  of  technological  innovation,  stimulating  and  increasing  knowledge  creation  and  transfer  (Doutriauxm  2003).  The  role  of  universities  in  the  innovation  process  and  their  efforts  at  regional  economic  development  emphasise  the  interactive  and  social  nature  of  the  knowledge  transfer  process,  and  the  importance  of  tacit  dimensions  of  knowledge  (Bramwell  and  Wolfe  2008).  Thus,  universities  act  as  agents  of  economic  growth  by  producing  knowledge  through  basic  and  applied  research;  generating,  attracting  and  leveraging  research  and  creative  talent; and advancing critical knowledge transfer mechanisms for uptake and innovative application by firms,  which  in  turn  creates  economic  value  within  the  region  (Ghafele  2011).  A  university’s  contribution  to  local  innovation  processes  is  only  a  small  part  of  its  local  presence.  According  to  Lester  (2005),  even  within  this  narrow aspect, multiple channels of engagement can be identified: 1) education and training, 2) adding to the  stock of codified knowledge, 3) increasing local capacity for scientific and technological problem solving, and 4)  providing space for open‐ended conversations about industry development pathways and new technological  and  market  opportunities  (see  Table  2).  These  channels  of  engagement  provide  a  framework  with  which  to  classify universities’ activities.  Table  2:  Channels  of  engagement  of  universities  in  local  economies,  based  on  Sotarauta  (2006)  and  Lester  (2005) 

 

100

  Päivi Iskanius et al. 

4.2 Firms’ need for university‐based knowledge  Different firms use different channels to different extents to derive value from academic research. Indeed, it is  mainly  firms  at  a  certain  level  of  size  and  resources  that  have  the  absorptive  capacity  to  benefit  from  university‐based  knowledge.  SMEs,  in  particular,  have  difficulty  accessing  knowledge  sources  such  as  universities and other research institutes (Laursen and Salter 2004). Santoro and Chakrabarti (2001) examined  21 university research centres and nearly 200 collaborating firms, hoping to determine what firms look for in  their  university  relationships.  They  found  out  that  for  some  firms  the  main  goal  was  to  get  researchers  involved  in  problem‐solving  activities  directly  related  to  their  business.  For  other  firms,  the  most  important  goals  of  their  university  collaboration  were  to  participate  in  activities  and  exchanges  that  would  give  them  knowledge about the latest thinking in academic fields relevant to their business, and to influence the future  direction  of  related  curricula  at  the  university.  SMEs  were  more  likely  to  be  involved  in  the  more  problem‐ solving‐oriented collaborations than the larger companies, who were more interested in the public space roles  of  universities.  For  firms,  collaboration  with  universities  is  one  type  of  strategic  investment.  The  specific  features  to  take  into  account  are  1)  the  return  on  investment  over  the  time  horizon,  2)  the  character  of  collaboration  needs,  from  problem  solving  to  a  strategic  approach,  and  3)  the  size  of  the  firm  (Santoro  and  Chakrabarti 2001). 

  Figure 1: Aspects of the companies’ needs for university‐based knowledge 

4.3 Challenges in northern sparsely populated areas  NSPAs  are  characterised  by  sparse  population,  harsh  climate  and  long  distances.  “The  NSPA  regions  are  especially affected by globalisation, energy‐supply, climate change and demographic change” (Gloersen et al.  2006).  According  to  Gloersen  et  al.  (2006),  these  regions  experience  what  may  be  termed  a  “syndrome”  of  disadvantage.  Thus,  sparse  population,  peripherality  and  structural  weakness  are  different  problems,  with  distinct causes, which often coexist. Together they contribute to a substantial cumulative barrier to regional  development.  There  are  three  aspects  to  these  disadvantages:  1)  demographical/  social,  2)  economic/  business, and 3) physical/ locational. All of these have their own historic legacy, current processes and future  scenarios (see Figure 2). Long term demographic decline, unbalanced age structure and out‐migration tradition  cause  human  capital  drain  and  affect  to  the  rates  of  growth  and  entrepreneurship.  Historic  dependence  on  primary  industries  is  connected  with  low  competitiveness.  High  costs  of  material  inputs  and  distribution  caused  by  peripheriality  have  their  impact  on  poor  rates  of  growth  and  entrepreneurship  and  low  competitiveness.    Since the syndrome is made up of several components of disadvantage, Gloersen et al. (2006) argue that no  single approach (addressing for example, sparse population or peripherality alone) is likely to be effective in  the development of NSPAs. Since some of the basic handicaps (such as climate constraints) can clearly not be  changed, it is appropriate to consider measures such as improving human and social capital, developing more 

101

  Päivi Iskanius et al.  effective business networks, and better governance, which may compensate for these handicaps. According to  Gloersen  et  al.  (2006),  NSPAs  have  the  potential  to  contribute  to  making  Europe  the  most  competitive  economy in the world.    In  NSPAs,  basic  entrepreneurial  processes  are  quite  similar  to  those  in  urban  areas.  However,  rurality  may  reveal  diverse  opportunities,  impose  different  constrains,  modify  the  entrepreneurial  process  and  alter  the  entrepreneurial  outcome  from  that  to  be  expected  in  urban  areas  (Stathopoulou  et  al.  2004).  Contradicting  widely  held  assumptions,  Shields  (2005)  found  that  rural  entrepreneurs  viewed  neither  resource  constraints  (financing, technology, and transportation) nor labour issues (availability of skilled workers and childcare) as  significant  sources  of  adversity.  In  addition,  strong  social  ties  to  family,  friends,  and  neighbours  minimize  childcare  problems.  Still,  rural  small  business  owners  manage  their  businesses  consistently  with  rural  socio‐ cultural values, and demonstrate the considerable influence of rurality on small business activities. Anderson  (2000)  found  that  because  of  information  and  communication  technology  (ICT),  time  and  distance  are  becoming  almost  irrelevant  in  some  development  cases.  Nowadays,  several  rural  areas  are  experiencing  significant  inflows  of  new  residents.  These  population  movements  afford  rural  communities  with  new  investments  and  an  enhanced  income,  as  the  newcomers  bring  entrepreneurial  talents,  experience,  market  knowledge  and  capital  to  these  areas  (Stathopoulou  et  al.  2004).  Furthermore,  the  socio‐cultural  features  prevailing in everyday life are closely intertwined with small business operations. According to Shields (2005),  the literature suggests that gender roles, cooperation, communication, and both social and business networks  can affect small business in rural settings. Stathopoulou et al. (2004) also emphasise the significance of social  capital,  governance,  and  cultural  heritage.  Long  term  residents  in  rural  areas  have  a  unique  sense  of  place,  tradition,  reputation,  and  history.  Regions  with  a  more  highly  skilled  labour  force  are  assumed  to  be  more  competitive and more successful. Access to higher education has long been identified as a critical constraint on  the development of rural and peripheral areas (Gloersen et al. 2006). 

  Figure 2: The northern periphery syndrome of disadvantage (Gloersen et al. 2006) 

4.4 The theoretical framework  This  study  has  resulted  in  a  theoretical  framework  to  analyse  knowledge  transfer  mechanisms  useful  for  universities  and  their  regional  units  in  boosting  entrepreneurial  activity  in  NSPAs.  Based  on  the  literature  findings, four elements are recognised as essential in the context. These elements are 1) knowledge transfer  mechanisms, 2) universities’ channels of engagement, 3) firms’ needs for university‐based knowledge, and 4)  the  challenges  of  NSPAs  (see  Figure  3).  The  first  dimension  of  the  framework  is  knowledge  transfer  mechanisms,  which  can  be  categorised  into  1)  publications,  2)  participation  in  conferences,  3)  professional  networks and boards, 4) mobility of people, 5) other informal contacts and networks, 6) cooperation in R&D,  7) sharing facilities, 8) cooperation in education, 9) contract research and advisement, 10) IPRs, and 11) spin‐

102

  Päivi Iskanius et al.  offs  and  entrepreneurships.  The  components  of  the  framework  describing  universities’  channels  of  engagement are 1) educating people, 2) problem solving for industry, 3) providing public space, and 4) adding  to  the  stock  of  codified  knowledge.  Our  concern  is  also  to  understand  the  possible  needs  of  firms  for  university‐based knowledge. The specific features to take into account are 1) the return on investment over  the time horizon, 2) the character of collaboration needs, from problem solving to a strategic approach, and 3)  the  size  of  the  firm.  Developing  the  framework  in  the  NSPA  context,  special  features  have  to  be  taken  into  account: 1) demographical/ social, 2) economic/ business and 3) physical/ locational aspects. 

Firms’ needs for  university based  knowledge 

          Challenges of  NSPA        Knowledge transfer    mechanisms           

Universities’  channels of  engagement 

Figure 3: The key elements of the theoretical framework 

5. Conclusion  This  study  has  developed  a  theoretical  framework  to  analyse  knowledge  transfer  mechanisms  useful  for  universities  and  their  regional  units  in  boosting  entrepreneurial  activity  in  NSPAs..  It  is  important  to  understand the possibilities of university‐industry collaboration boosting entrepreneurial activity outside over‐ populated  metropolitan  areas.  The  theoretical  framework  presented  in  this  study  will  be  further  operationalised and used as a foundation when examining university‐industry collaboration in NSPAs. In a case  area in Northern Finland, we want to understand what kind of knowledge transfer mechanisms are used, and  which ones seem to meet the knowledge needs of the companies. Based on future studies, we would like to be  able  to  identify  the  characteristic  elements  of  beneficial  knowledge  transfer  mechanisms  in  NSPAs.  This  framework may therefore stimulate the so far scarce empirical research into sparsely populated areas. 

Acknowledgements  This study is an essential part of the Entrepreneurship Research and Development of RDI in Oulu South Region  Project.  The  authors  are  grateful  for  the  generous  funding  support  of  the  Council  of  the  Oulu  Region,  the  Kerttu Saalasti Foundation, the Haapavesi‐Siikalatva sub‐region, the Nivala‐Haapajärvi sub‐region, the Ylivieska  sub‐region,  the  Centria  University  of  Applied  Sciences,  Oulu  University  of  Applied  Sciences,  JEDU  the  Federation of Education in Jokilaaksot, and the European Regional Development Fund. 

References  Acs, Z. J. and Varga, A. (2005) “Entrepreneurship, agglomeration and technological change”, Small Business Economics, Vol.  24, pp. 323–334.  Adams, J.D. (1990) “Fundamental Stocks of Knowledge and Productivity Growth”, Journal of Political Economy, Vol. 98, No.  4, pp. 673‐702.  Agrawal, A. (2001) “University‐to‐industry knowledge transfer: literature review and unanswered questions”, International  Journal of Management Reviews, Vol. 3, Iss. 4, pp. 285‐302.  Anderson, A.R. (2000) “Paradox in the periphery: an entrepreneurial reconstruction?”, Entrepreneurship & Regional  Development, Vol. 12, No. 2, pp. 91‐109.  Anussornnitisarn, P., Sanpanich, S., Phusavat, K. and Kess, P. (2010) “Sustaining organisational innovation and learning  through external knowledge”, International Journal of Innovation and Learning, Vol. 7, No. 1, pp. 85‐99.  Auckland, M. (2000) “Achieving European Competitiveness in Knowledge Based Economy”. In: Stanford‐Smith, B. and Kidd,  P. (Eds.) E‐business: Key issues, Applications and Technologies, pp. 24–30.  Audretsch, D.B. and Keilbach, M. (2004) “Entrepreneurship and regional growth: an evolutionary interpretation”, Journal of  Evolutionary Economics, Vol. 14, pp. 605–616. 

103

  Päivi Iskanius et al.  Brennenraedts, R., Bekkers, R. and Verspagen B. (2006) The different channels of university‐industry knowledge transfer:  Empirical evidence from biomedical engineering, Eindhoven Centre for Innovation Studies, Technische Universiteit  Eindhoven.  Bramwell, A. and Wolfe, D.A. (2008) "Universities and regional economic development: The entrepreneurial University of  Waterloo", Research Policy, Vol. 37, No. 8, pp. 1175‐1187.  Carlsson, B., Acs, Z.J., Audretsch, D. B. and Braunerhjelm, P. (2009) “Knowledge creation, entrepreneurship, and economic  growth: A historical review”, Industrial and Corporate Change, Vol. 18, No. 6, pp. 1193‐1229.  Cohen, W.M., Nelson R.R, and Walsh J.P. (2002) “Links and impacts: the influence of public research on industrial R&D,”  Management Science, Vol. 48, No. 1, pp. 1–23  Dahlström, M. and Hedin, S. (Eds.) (2010) Regional trajectories to the knowledge economy ‐ Nordic‐European comparisons,  Nordic Innovation Centre, Oslo.  Dasgupta, P. and David, P. (1994) “Towards a New Economics of Science”, Research Policy 23, pp. 487‐522.  Delamont, S. and Atkinson, P. (2001) "Doctoring uncertainty: Mastering craft knowledge", Social Studies of Science, Vol. 31,  No.1, pp.87‐107.  D’Este, P. and Patel, P. (2007) "University–industry linkages in the UK: What are the factors underlying the variety of  interactions with industry?" Research Policy. Vol. 36, No. 9, pp. 1295‐1313.  Drucker, J. and Goldstein, H. (2007) "Assessing the regional economic development impacts of universities: a review of  current approaches", International regional science review, Vol. 30, No.1, pp. 20‐46.  Etzkowitz, H. (2002) “Research groups as ‘quasi‐firms’: the invention of the entrepreneurial university”, Research Policy,  Vol. 32, pp. 109‐121.   Etzkowitz, H. and Leydesdorff, L. (2000) "The dynamics of innovation: from National Systems and “Mode 2” to a Triple Helix  of university–industry–government relations", Research policy, Vol. 29, No. 2, pp. 109‐123.  Ghafele, R. (2011) Financing University Research.  Gloersen, E., Dubois, A., Copus, A. and Schürmann, C. (2006) Study on Northern peripheral, sparsely populated Region in  the European Union and in Norway, Nordregio, Stockholm.  Halkier, H., James, L., Dahlström, M. and Manniche, J. (2012) “Knowledge dynamics, regions and public policy”, European  Planning Studies, Vol. 20, No. 11, pp. 1759‐1766.  Herkema, S. (2003) “A complex adaptive perspective on learning within innovation projects.” Learning Organization, Vol.  10, No. 6, pp. 340–346.  Iskanius P (2006) An agile supply chain for a project‐oriented steel product industry, Acta Universitatis Ouluensis, C  Technica 250, University of Oulu, Oulu.  Jaffe, A.B., Trajtenberg, M. and Henderson, R. (1993) "Geographic localization of knowledge spillovers as evidenced by  patent citations", the Quarterly Journal of Economics, Vol. 108, No. 3, pp. 577‐598.  James, L., Dahlström, M. and Smed Olsen, L. (2010) “Knowledge Anchoring in European Regions:  Policy Implications”, In Halkier, H., Dahlström, M., James, L., Manniche, J. and Smed Olsen, L. (Eds.), Knowledge Dynamics,  Regional Development and Public Policy, EURODITE, EU.  Kess, P., Phusavat, K. and Takala, J. (2008) “Managing external knowledge: framework for organisational life cycles”,  International Journal of Innovation and Learning, Vol. 5, No. 3, pp. 255‐265.  Laursen, K. and Salter, A. (2004) “Searching high and low: what types of firms use universities as a source of innovation?”,  Research Policy, Vol. 33, No. 8, pp. 1021‐1215.  Laursen, K. and Salter, A. (2006) “Open for innovation: the role of openness in explaining innovation n performance among  U.K manufacturing firms”, Strategic Management Journal, Vol. 27, pp. 131‐150.  Lester, R.K. (2005) Universities, Innovation, and the Competitiveness of Local Economies: Summary report from the local  innovation project – phase 1. IPC Working Paper Series. Massachusetts Institute of Technology, Cambridge.  Lundvall, B.‐Å. and Johnson, B. (1994) “The learning economy.” Journal of Industrial Studies, Vol. 1, No. 2, pp. 23–42.  Mansfield, E. (1991) “Academic research and industrial innovation”, Research Policy, Vol. 20, pp. 1–12.  Meyer‐Krahmer, F. and Schmoch, U. (1998) "Science‐based technologies: university–industry interactions in four fields."  Research policy, Vol. 27, No. 8, pp. 835‐851.  Muller, P. (2006) “Exploring the knowledge filter: How entrepreneurship and university–industry relationships drive  economic growth”. Research policy, Vol. 35, No. 10, pp. 1499‐1508.  Nonaka, I. (1994) “A dynamic theory of organizational knowledge creation.” Organization Science, Vol. 5, No. 1, pp. 14–37.  Nonaka, I. and Takeuchi, H. (1995) The knowledge‐creating company: How Japanese companies create the dynamics of  innovation. Oxford University Press, USA.  Nonaka, I. and N. Konno (1998) “The concept of ‘ba’: Building a foundation for knowledge creation.” California  Management Review, Vol. 40, pp. 1–15.  Pavitt, K. (1991). “What makes basic research economically useful?”, Research Policy, Vol. 20, No 2, pp. 109‐119  Phusavat, K., Sanpanich, S., Kess, P. and Muhos, M. (2009) “The roles of external knowledge in organisational learning and  development”, International Journal of Innovation and Learning, Vol. 6, No. 5, pp. 537‐549.  Popadiuk, S. and Choo, C.W. (2006) “Innovation and knowledge creation: How are these concepts related?” International  Journal of Information Management, Vol. 26, pp. 302–312.  Schartinger, D., Rammer, C., Fischer, M.M. and Fröhlich, J. (2002), “Knowledge interactions between universities and  industry in Austria: sectoral patterns and determinants”, Research Policy, Vol. 31, No. 3, pp. 303‐328. 

104

  Päivi Iskanius et al.  Santoro, M.D. and Chakrabarti, A.K. (2001) “Corporate Strategic Objectives for Establishing Relationships with University  Research Centers”, IEEE Transactions on Engineering Management 48(2): 157‐163.  Saviotti, P.P. (1998) “On the dynamics of appropriability, of tacit and of codified knowledge.” Research Policy, Vol. 26, No.  7, pp. 843–856.  Salter, A. J. and B. R. Martin (2001) “The economic benefits of publicly funded basic research: a critical review”, Research  Policy, Vol. 30, No. 3, pp. 509–532.  Shields, J.F. (2005) “Does rural location matter? The significance of a rural setting for small business”, Journal of  Developmental Entrepreneurship, Vol. 10, No. 1, pp. 49‐63.  Sotarauta, M. (2006) “Regional Development Studies ‐ Trends and Dimensions”, Presentation given in FUTURREG Futures  workshop, Turku, Finland, June.  Spencer, J.W. (2001) "How relevant is university‐based scientific research to private high‐technology firms? A United  States–Japan comparison", Academy of Management Journal, Vol. 44, No. 2, pp. 432‐440.  Stathopoulou, S., Psaltopouls, D. and Skuras, D. (2004) “Rural entrepreneurship in Europe. A research framework and  agenda”, International Journal of Entrepreneurial Behaviour & Research, Vol. 10, No. 6, pp. 404‐425.  Strambach, S. (2008), “Knowledge‐Intensive Business Services (KIBS) as drivers of multilevel knowledge dynamics”,  International Journal of Services Technology and Management, Vol. 10 No. 2, pp. 152‐174. 

 

105

Do Incubators Actually Help Entrepreneurs in Emerging Markets?  The Case of Egypt  Ayman Ismail and Sherif Yehia  American University in Cairo (AUC), Cairo, Egypt  [email protected]  [email protected]    Abstract:  Economic  development  policies  perceive  incubators  as  an  effective mean  to  promote  regional  growth  thought  attracting and growing potential startups and entrepreneurship. For Egypt, one of the main recommendations provided by  GEM Egypt 2010 report for stimulating successful startups is establishing a larger and more effective incubators network  than  the  currently  existing  one  to  provide  the  needed  support  to  startups  to  accelerate  and  increase  their  chances  in  survival and growth. On the other hand GEM report highlights as identified by experts that limited access to finance is the  top constraint in limiting entrepreneurial activities, while lack of Business Support Services and lack of qualified and trained  calibers were the 5th and 8th constraints (GEM Egypt National Report 2010). The main research question we address in  this paper is “do incubators actually help startups in Egypt grow and overcome their survival challenges?” A similar study  was conducted in assessing the effectiveness of incubator in turkey where 48 incubator firms were compared with 41 off‐ incubator firms; findings suggest that there are significant difference between on and off‐incubator firms regarding their  economic  performance,  highly  in  favor  of  incubator  firms  (Semih  2004).  We  define  a  model  to  measure  the  effect  and  impact  of  incubators  on  the  incubated  startups  during  their  incubation  stage.  In  the  Case  of  Egypt,  we  study  four  incubators and their incubated startups to correlate between the quality and type of services provided by incubators and  the impact of the provided services on the incubated firms. In our study we focus on two main key performance indicators  that as GEM report highlights are from the main startup challenges in Egypt: the impact of incubation on helping startups  on attracting the needed fund and on attracting talents.      Keywords: entrepreneurship, incubator, financing, talent, startups, Egypt 

1. Introduction  On  the  main  challenges  in  the  Arab  world  is  job  creation  for  youth  population,  according  to  the  world  economic form the region needs to create 75 million jobs by 2020. In Egypt 38% of the total employment are  on SMEs, which indicated how the promoting the entrepreneurial sector is important for Egypt.    According to accelerating Entrepreneurship in the Arab World report, currently there are about 150 existing  initiatives  that  encourage  entrepreneurial  activity  in  the  MENA  region.  These  initiatives  include  technology  incubators,  non‐governmental  organizations  (NGOs)  aimed  at  developing  entrepreneurship,  networking  associations for aspiring entrepreneurs and university programmes dedicated to entrepreneurship. The pace at  which new initiatives have been launched has sharply accelerated since 2000, from approximately 1.5 per year  to  about 10  per  year (Accelerating Entrepreneurship  2011).  In  this  study  our  focus  is  to  study  the  impact  of  Egypt incubation initiatives on start‐ups in Egypt and to understand if incubators are actually helping start‐ups. 

2. Incubators role and services  As defined by European Commission (EC, 2000), a business incubator is an organization that accelerates and  systematizes  the  process  of  creating  successful  enterprises  by  providing  them  with  a  comprehensive  and  integrated  range  of  support,  including:  Incubator  space,  business  support  services,  and  clustering  and  networking  opportunities.  According  to  the  definition  and  classification  proposed  in  one  of  our  referenced  studies (Johan 2011), we assess the following services under the below classification.  ƒ

Infrastructure and space and related physical support 

ƒ

Business Support and counseling related services:  

ƒ

Coaching and Mentoring Services 

ƒ

Training Services 

ƒ

Access to Network and professional services: 

ƒ

Access to legal support and company registration advice 

ƒ

Access to Investors/funders (venture capitalist, angel investors..etc) 

106

  Ayman Ismail and Sherif Yehia  ƒ

Access to market research data 

ƒ

Networking with similar businesses 

ƒ

Access to talent and recruitment support 

3. Methodology, data collection and analysis approach  To  assess  the  overall  impact  of  incubators  on  start‐up  business  and  relationship  between  the  incubators  provided services and the overall impact, we designed a survey that targeted two samples, incubated start‐ups  and  non‐incubated  start‐ups.  Both  incubated  and  non‐incubated  start‐ups  were  in  the  early  stage  of  their  business (table1). For the incubated start‐ups we surveyed 10 start‐ups which represent 11% (table 2) of the  start‐ups in the incubators we targeted. The survey was completed by start‐up main founder/entrepreneur.  To answer the main paper objective: Does Incubators actually help Entrepreneurs In Egypt, we had to answer  the following research questions?  ƒ

Overall incubator performance assessment: What is the relative importance of the different services that  start‐ups are looking for? and how are incubators satisfying those needs? 

ƒ

Impact  on  Access  to  Fund‐raising  and  Talent:  To  assess  incubators  impact  further  in  our  research  we  worked to assess the following: 

ƒ

Are incubators actually helping start‐ups in fund raising? & How? 

ƒ

Are incubators actually helping start‐ups in attracting talents? & How? 

ƒ

Comparative  Analysis:  Does  incubated  firms  have  an  advantage  over  non‐incubated  firms  on  specific  services? 

Table 1: Surveyed start‐ups classified by launch year and incubation status    Start‐up Launch Year 

No. of Incubated/  graduated start‐ups 

2009  2011  2013  2012 

  1  3  6 

No Off‐ incubators  Start‐ups  1  2    5 

Table 2: Sample size of Incubated Start‐ups vs. total population    Incubator Name  Flat6Lap  AUC Venture Lab  Nahdet El Mahrousa  Innoventure  Tamkeen Capital 

  Number of Start‐ups  graduated/incubated  ~40  6  3  3  7 

Number of  incubators  surveyed.  8  1  1  1   

Endeavor 

~30 

 

4. Analysis framework  Since this paper employed a more exploratory and qualitative approach to understand the perception of start‐ ups on the importance and effectiveness of incubators provided services, we employed a framework that was  applied in a similar study that operationalized Servqual model (Muhhamd 2007).The main concept we adopted  from the Servqual model in our research is defining the customer satisfaction as the gap between customer  expectation and customer perception of the provided incubation services. And to operationalize this concept  we asked the start‐ups to rate the importance of the provided incubation services to their start‐ups and to rate  their  perceived  satisfaction  level  of  effectiveness/performance  of  those  provided  services,  then  the  results  were mapped to the satisfaction matrix (Figure 1), where the y axis represents the perceived effectiveness of  the  delivered  service,  while  the  x  axis  represent  the  importance  of  the  service.  All  questions  were  rated  on  scale  1‐5,  where  values  above  3  reflects  good  perceived  service  effectiveness  or  importance,  while  below  3  reflects low perceived service effectiveness or importance.   

107

  Ayman Ismail and Sherif Yehia  Cell 1 highlights a state where start‐ups are highly satisfied with the provided service as they perceive service  performance  level  higher  than  their  expectations.  Cell2  highlights  a  state  where  start‐ups  are  moderately  satisfied  with  the  provided  service  as  they  perceive  service  performance  level  somehow  close  to  their  expectations. Cell 3 highlights a state where start‐ups are highly dissatisfied with the provided service as they  perceive service performance level lower than their expectations. Cell 4 highlights a state where start‐ups are  moderately dissatisfied with provided service as in this state both perceived service performance and service  expectation are low.  

  Figure 1: Service satisfaction matrix  

5. What are the important services for start‐ups and how incubators are performing?  The  analysis  of  survey  results  and  satisfaction  service  mapping  showed  (Figure  2)  that  all  surveyed  needs/services  were  rated  above  average (above  rate 3)  on  importance  to  start‐up  success,  with  “Access  to  fund”  (rate  4.6)  rated  as  the  most  important  need/service  followed  by  “Access  to  legal  advice/support  with  company registration” (rate 4.4) and “Access to coaching and mentoring” (rate 4.2), while on perceived service  effectiveness/performance  level  those  services  were  rated  above  average  by  the  surveyed  start‐ups,  which  highlights  the  positive  impact  of  the  incubation  on  satisfying  top  needs  of  start‐ups  with  opportunity  for  incubators to improve their performance further.      Access  to  affordable  space  and  facilities  service  was  the  highest  on  the  level  of  perceived  service  effectiveness/performance (rate  4.6)  followed  by “Access  to  fund” (rate  3.5) and  “Access  to coaching”  (3.5),  while  “Access  to  talent”  and  “Access  to  market  data”  were  ranked  below  average  on  perceived  service  effectiveness/performance level. We asked incubated start‐ups about their overall satisfaction level regarding  the services provided by incubators, the results showed an above average satisfaction level (rate 3.7) , also we  asked start‐ups to rate how important the incubation is to the success of their businesses the results showed a  similar above average positive response (rate 3.6).     Doing  the  analysis  on  service  classification  perspective  (Table  3),  shows  that  Networking  related  service  includes  most  of  the  main  important  services,  all  services  were  rated  above  3.7  on  importance,  while  the  average perceived effectiveness/performance of networking category is 2.8, this indicates that incubators are  required to give more focus on improving networking services with focus on services with satisfaction level on  boarder  line  (less  than  rate  3.5).  Perceived  effectiveness/performance  level  with  Space  and  facilities  related  services was rated as the highest among all other services in all categories, which provides an indication that  incubators  are  satisfying  this  service  with  performance  in  relation  to  start‐ups  expectation.  Finally,  Business  support and counselling services, showed a moderate satisfaction level in relation with start‐ups expectations  with  opportunity  to  improve  counseling  services  further  (Average  rating  on  perceived  effectiveness/performance 3.4).     

108

  Ayman Ismail and Sherif Yehia 

  Figure 2: Mapping service satisfaction results on satisfaction matrix   Table 3: Incubated start‐ups service satisfaction survey results  Importance of  Service 

Service/Needs 

Networking and access to professional services  Access to investors (angel investors, venture  4.6  capitals)  Access to legal advice and support in company  4.4  registration  Access to networking services with similar  3.9  business  Access to talent and support in recruitment  3.8  Average 

Perceived  Performance 

3.5  3.1  3  1.9 

4.2 

2.8 

Business Support Services  Access to coaching services  4.2 

3.5 

Access to training services 

3.4 

3.4 

Average 

3.8 

3.45 

Facilities and Infrastructure Services  Access to affordable space and facilities  4     

4.6   

6. How do incubators help start‐ups in fund‐raising?  As highlighted in the previous section, start‐ups satisfaction level with incubators performance on fund‐raising  services was above average. Further to satisfaction level rating, we asked our respondents how do you believe  incubators help you to raise fund, 90% of the respondents mentioned that incubators help them to raise fund  by connecting them directly to investors, 80% mentioned that incubators help them by improving the overall  start‐up image, 50% mentioned that incubators help them by improving their business model and fund raising  proposal, while only 10% mentioned that incubators did not help them at all in raising fund. From such results  we can conclude the incubators have a clear positive impact on helping start‐ups in fund raising process. (Table  4) 

109

  Ayman Ismail and Sherif Yehia  Table 4: Incubators role on supporting start‐ups on raising fund  How do incubators help you to raise fund? 

 

Connecting me directly to investors (angels investors, venture capital) 

90% 

Improving my overall start‐up image to better attract investors  Helping me develop the right business model and plans, and fund raising  proposal  Believe it did not help me at all 

80%  50%  10% 

7. Do incubators help start‐ups in recruitment and attracting talent?  The second performance indicator that we wanted to assess incubators impact on is supporting start‐ups on  attracting and recruiting talents and recruitment. The survey results showed that start‐ups rated this service  above average on the importance level, although it was not on the top needs list. On the satisfaction level with  service effectiveness/performance, Access to talent shows that start‐ups are not satisfied with the level of the  provided  service  versus  their  expectations  (rate  1.9  effectiveness  vs.3.8  importance),  which  shows  that  incubators are not considering this service as a core priority. Also when we asked start‐ups how do you believe  incubators  are  helping  your  start‐ups  on  recruitment,  60%  of  respondents  mentioned  that  they  believe  incubators do not help them at all on this aspect, 30% believe that incubators help them by connecting their  start‐ups  directly  to  talents,  while  20%  believe  incubators  help  them  by  improving  their  overall  image  and  attractiveness (Table 5).  Table 5: incubators role on supporting start‐ups on attracting talents  How do incubators help your start‐up in attracting  talents/recruitment? 

 

Improving my start‐up image and attractiveness to talents 

20% 

Connecting my start‐up directly with talent/job seekers  Connecting my start‐up with recruitment agencies  I believe it did not help at all 

30%  0%  60% 

8. Comparison between non‐incubated and incubated start‐ups challenges  To understand further the impact of incubators on start‐ups we assessed the level of challenges faced by non‐ incubated start‐ups in comparison with the level of challenges faced by incubated start‐ups. To assess this we  asked  non‐incubated  start‐ups  to  rate  the  importance  of  the  indicated  services  and  to  rate  the  difficulty  of  having access to those services, then we multiplied the results of both to assess the overall criticality of those  services (criticality score) to non‐incubated start‐ups.     The results showed that for non‐incubated start‐ups having access to fund and investors remains the number  one  most  important  (importance  rating  4.1)  and  challenging  (difficulty  to  access  rating  4)  services,  which  is  similar to what was indicated by incubated start‐ups. The second most important and difficult to access service  was Access to Coaching services followed by access to talents and recruitment support.    Comparing non‐incubated start‐up with incubated start‐ups results show that incubated start‐ups have above  average  level  with  perceived  service  effectiveness/performance  for  both  Access  to  Fund  and  Access  to  Coaching  Services,  which  provides  an  indication  that  incubated  start‐ups  have  an  advantage  above  non‐ incubated in having access to fund and coaching services. This analysis also shows that “Access to talent and  recruitment support” remains as one of the moderately important and unsatisfied service for both incubated  and non‐incubated start‐ups (Table 6). 

9. Conclusion  The  objective  of  the  research  was  to  assess  if  incubation  is  actually  helping  start‐ups  in  their  early  stage  to  succeed, the approach to understand this impact was through measuring start‐ups satisfaction level with the  provided services and through assessing the overall impact of incubation on helping start‐ups in having access  to  investors  and  talents.  The  research  results  indicated  that  incubated  start‐ups  perceive  incubators  as  an  overall positive contributor to the success of their businesses. Access to fund and investors was rated as the  most important and challenging need among both incubated start‐ups and non‐incubated start‐ups. Based on     

110

  Ayman Ismail and Sherif Yehia  the  survey  results  Incubators  played  a  positive  role  in  supporting  start‐ups  in  raising  fund,  primarily  by  connecting  start‐ups  directly  with  investors,  followed  by  improving  the  overall  image  of  start‐ups,  which  supports in attracting investors. Incubators scored low on perceived service effectiveness/performance level in  supporting start‐ups in attracting talent (rate 1.9 on scale 1‐5).  Table 6: Comparison between non‐incubated and incubated start‐ups challenges and needs.      Service/Need        Access to investors  (angel investors,  venture capitals)  Access to coaching  services  Access to talent and  support in recruitment    Access to market  research data  Access to training  services  Networking with  Similar Businesses  Access to legal advice  and support in  company registration  Access to affordable  space and facilities 

Non‐incubated Start‐ups 

Incubated Start‐ups 

Importanc e Level (A) 

Difficulty  to Access  (B) 

Criticality  Score (AxB) 

Importance of  Service   

  Satisfaction     

4.1 

4.0 

16.5 

4.6 

3.5 

4.4   

3.4   

14.8   

4.2   

3.5   

3.8 

3.4 

12.7 

3.8 

1.9 

3.0   

3.9   

11.6   

3.7   

2.0   

3.8   

2.8   

10.3   

3.4 

3.4 

4.2 

1.9 

7.8 

3.8 

1.9 

2.8 

2.4 

6.5 

4.4 

3.1 

2.3 

2.4 

5.3 

4.0 

4.6 

From service classification level, Networking related service includes most of the main important services, all  services  were  rated  above  3.7  on  importance,  while  the  average  perceived  effectiveness/performance  of  networking  category  is  2.8,  this  indicates  that  incubators  are  required  to  give  more  focus  on  improving  networking services with focus on services with satisfaction level on boarder line (less than rate 3.5). Perceived  effectiveness/performance level with Space and facilities related services was rated as the highest among all  other  services  in  all  categories,  which  provides  an  indication  that  incubators  are  satisfying  this  service  with  performance in relation to start‐ups expectations.     For in non‐incubated start‐ups, the survey results showed that access to investors/fund was highlighted as the  most important and challenging to access service followed by access to coaching services, on the other hand  incubated start‐ups showed above average on perceived service effectiveness/performance level on access to  fund  and  access  to  coaching  services  which  gives  an  indication  that  incubated  start‐ups  have  an  advantage  above non‐incubated start‐ups. 

References  Accelerating Entrepreneurship in the Arab World (2011), A World Economic Forum report in collaboration with Booz &  Company.  European Commission (2002),Benchmarking of Business Incubators, Final Report. Brussels.  Global Entrepreneurship Monitor (2010), Egypt National Report.  Johan Bruneel, Tiago Ratinho, Bart Clarysse, Aard Groen, The Evolution of Business Incubators: Comparing demand and  supply of business incubation services across different incubator generations, Technovation, Vol 32, Issue:2.  Muhamad Abduh, Clare D'Souza, Ali Quazi, Henry T. Burley, (2007) "Investigating and classifying clients' satisfaction with  business incubator services", Managing Service Quality, Vol. 17 Issue: 1, pp.74 – 91.   Semih A, Erol, T (2004) Assessing the Effectiveness of Incubators: The Case of Turkey, Economic Research Center, Middle  East Technical University.  

111

The Effect of Knowledge Management Practices on Employees’  Innovative Performance  Seyed Mohammadbagher Jafari1, Mariyayee Suppiah2and Thiaku Ramalingam3  1 Faculty of Management & Accounting, University of Tehran, Iran  2 Shell Business Service Centre SdnBhd, Cyberjaya, Malaysia  3 Faculty of Graduate School of Management, Multimedia University (Cyberjaya), Malaysia  [email protected]  [email protected]  [email protected]    Abstract: The subject of innovation has been considered an important factor that contributes to both growth and survival  of mankind. Given the importance lead by innovation, researches from multiple disciplines have attempted to answer to  some critical questions like “what can be done to improve innovation at the workplace?” The management of knowledge is  commonly recognized as an important antecedent towards innovation. The importance in finding the best process oriented  approach as well as best industrial practices of knowledge management has surged steadily over the period due to rapid  globalization  and  the  need  for  organizations  to  seek  competitive  advantage.  However,  it  is  often  argued  that  too  much  formalization  of  the  best  practice  could  actually  hinder  creativity  and  innovation  within  the  organization.  This  research  paper is aimed to explore the influence of knowledge management practices on employees’ innovative performance in an  organization  perspective.  Knowledge  management  practices  within  an  organization  can  be  defined  by;  knowledge  acquisition, knowledge dissemination and finally responsiveness towards knowledge. In order to test the influence of these  variables  on  employees’  innovative  performance,  seven  hypotheses  were  developed  based  on  the  theoretical  research  framework. The quantitative survey approach was selected as the method to evaluate the significance of each hypothesis.  The  data  collection  results  were  from  384  usable  questionnaires  that  had  been  previously  distributed  to  multiple  manufacturing  firms  in  Malaysia.  The  results  obtained  from  this  research  conclude  that  knowledge  management  plays  a  vital  role  on  supporting  employees’  innovative  performance  within  organizations.  It  also  revealed  that  two  types  of  knowledge  management  subcategories;  knowledge  acquisition  and  responsiveness  to  knowledge  plays  more  significant  role  on  encouraging  employees’  innovative  performance  in  comparison  with  knowledge  dissemination.  The  managerial  implications and limitations of current study were also discussed in the paper.    Keywords: knowledge management, innovation, employees’ performance, best practices, Malaysian manufacturing  industries 

1. Introduction  Currently, there exist various management tools deployed to facilitate in helping on business decision making  that  lead  to  enhanced  processes,  innovative  products  and  better  services.  This  contributes  to  improved  organization  performance  and  drives  to  increased  profitability.  Successful  implementation  of  such  tools  requires  deeper  understanding  on  the  strength  and  weakness  of  each  tool  as  well  developing  the  ability  to  creatively integrate the right tools, in the right way and ultimately at the right time (Hackett 2000). Knowledge  management has its roots deeply ingrained in the study of knowledge which has been a deeply contested issue  since  ancient  times  (Turban  et  al.  2007).  Over  the  last  decade,  interest  in  finding  the  best  practices  of  knowledge  management  in  the  industry  has  surged  dramatically  due  to  rapid  globalization.  Although  the  importance of knowledge to organizations were often discussed in the past, the knowledge‐based‐view of the  firm brought new meaning to the value of organizational knowledge by identifying it as an important resource  comparable  to  the  need  of  capital  investment  for  an  organization  (Conner  &  Prahalad  1996;  Grant  1996;  Spender  1996).  Additionally,  innovation  has  also  been  considered  as  important  factor  that  contributes  to  growth  and  survival  of  mankind.  On  a  organizational  perspective,  innovation  has  been  established  as  a  necessary  aspect  for  firms  that  intend  to  remain  competitive  in  the  business  or  pursue  of  long‐term  competitive  advantage  (Hamel  1998;  Roberts  1998).  Given  the  importance  of  innovation,  researches  from  a  variety of disciplines have looked to answer to the critical question ‘What can be done to improve innovation  at the workplace?’(Anderson & West 1996; Capon et al. 1992; Cooper & Kleinschmidt 2007; Freeman & Soete  1997). With the emergence of knowledge management and intellectual as key to new disciplines (Bontis, Keow  & Richardson 2000), studies have started to appear in which these constructs add to the long list of possible  antecedents of innovation (Andreeva & Kianto 2012; Carneiro 2000; Dove 1999; Laosirihongthong, Prajogo &  Adebanjo 2013; Nonaka 1995). 

112

  Seyed Mohammadbagher Jafari, Mariyayee Suppiah and Thiaku Ramalingam  Hackett (2000) stated that ‘best practices’ simply indicated the process of turning tacit knowledge into explicit  knowledge  which  is  part  of  the  continuous  cycle  of  learning,  sharing,  refection,  and  use  of  that  knowledge.  However,  most  knowledge  management  efforts  have  focused  mainly  on  improving  efficiency  by  sharing  of  internal  ‘best practices’.  It  is  also  important  to  understand  that  intense  level  formalization  of the ‘best  way’  could  hinder  the  progress  of  implementing  creativity  and  innovative  thinking  among  the  employees.  Therefore, the research attempted to answer the question if knowledge management best practices will lead  to better employees’ innovative performance at work?    In Malaysia, knowledge management had been identified to be a key factor in ensuring organizational success  (Gan,  Ryan  &  Gururajan  2006).  However,  there  are  few  empirical  studies  available  that  explores  the  relationship  between  the  structures  of  a  firm’s  knowledge  management  practices  and  its  effect  on  the  firm  employees’ innovative performance. Thus, the objective of the research paper is to evaluate the hypotheses  drawn with respect to knowledge management as the independent variables and employees’ innovative work  performance as the dependent variable by studying empirically on Malaysian manufacturing industries. 

2. Theoretical framework and hypotheses development  Previous literatures emphasized on the importance of intangible assets for attaining superior performance and  achieving sustainable competitive advantage (Grant 1996). Among intangible assets, knowledge is arguably the  most  important  resource  an  organization  controls  (Liebeskind  1999).  It  is  suggested  that  knowledge  is  an  integral input towards innovation process (Rosenkopf & Almeida 2003).    On  the  other  hand,  innovation  represents  by  definition  something  new  and  therefore  adds  to  existing  knowledge  collection.  Many  authors  use  the  concept  of  knowledge  creation  and  knowledge  production  by  referring to technological knowledge resultingto technical innovation as the output of that process (Antonelli  1999; Nonaka 1995).    However, it is safe to iterate that innovation within a firm cannot be materialized when innovative ideas from  the  employees  are  not  captured,  taken  note  or  even  recorded  for  future  reference.  While  there  are  many  extensive researches on innovation, few literatures appear convincingly with empirical evidence that portrays  knowledge acquisition to positively affect innovation. Nevertheless, mixed evidence do surface on knowledge  dissemination or responsiveness to both knowledge and innovation as mentioned in some researches that the  level of impact contributed by knowledge dissemination and responsiveness to knowledge appears to be more  significant compared to knowledge acquisition (Darroch, Jenny 2005).     Studies  on  knowledge  acquisition  have  found  a  positive  link  between  acquiring  market  knowledge  or  also  known as  knowledge  from  employees  and innovation  ideas  suggested by  the  employees  (Cooper  1979;  Li  &  Calantone  1998;  Tang  1998).  Furthermore,  when  knowledge  is  implemented,  learning  takes  place,  which  in  turn,  improves  the  stock  of  knowledge  available  within  the  firm.  Knowledge  transfer  among  organizations  create opportunities for mutual learning and cooperation that stimulates the creation of new knowledge and,  at  the  same  time  contributes  towards  these  organizations’  ability  to  continue  to  innovate  (Miller,  Fern  &  Cardinal 2007; Sankowska 2013).    Thus, an organization that effectively manages knowledge is also likely to be a learning organization (Sinkula,  Baker  &  Noordewier  1997).  Notable  evidence  exists  on  the  importance  of  knowledge  management  that  contributes to success of innovation at any types of organizations. Numerous academicians have recognized  the importance of the relationships between knowledge management and innovation (Chourides, Longbottom  & Murphy 2003; Davenport & Pruzak 2000; Gopalakrishnan & Bierly 2001; Hall & Andriani 2003; Nonaka 1995;  Yamin, Gunasekaran & Mavondo 1999).     At the same time, there exists studies which indicated that knowledge management capable of leading an idea  to  the  next  innovation  level  (Forrester  2000;  Gopalakrishnan  &  Bierly  2001;  Hung  et  al.  2010).  Knowledge  management  is  emerging  as  an  important  subject;  often  cited  as  an  antecedent  of  innovation  going  back  toearlier years of 1990s’ (Lin & Lee 2005; Nonaka 1995). According to Gloet and Terziovski(2004), the humanist  approach towards knowledge management and innovation performance are significant and positively related.  Knowledge application is the facilitator of successful innovation output (Gilbert & Cordey‐Hayes 1996).   

113

  Seyed Mohammadbagher Jafari, Mariyayee Suppiah and Thiaku Ramalingam  Following the study by Darroch(2003), in this research the knowledge management is divided into three parts:  knowledge acquisition, knowledge, dissemination and responsiveness to knowledge. Based on the literatures  by  Darroch  (2003)  and  Darroch  (2005),  this  study  assumes  a  positive  relationship  between  the  three  knowledge management components. A firm with access to a greater pool of knowledge would present better‐ developed knowledge dissemination and responsiveness to knowledge behaviors thru its practices. Similarly,  an  organization  with  better‐developed  knowledge  dissemination  behaviors  and  practices  will  be  more  responsive towards knowledge. Therefore, the following hypotheseswere developed:  H1;  Knowledge  acquisition  positively  affects  employees’  knowledge  dissemination  in  the  organization.  H2;  Knowledge  dissemination  positively  affects  employees’  responsiveness  to  knowledge  in  the  organization.  H3;  Knowledge  acquisition  positively  affects  employees’  responsiveness  to  knowledge  in  the  organization.  It  is  argued  that  knowledge  management  is  capable  of  lead  an  idea  to  innovation  level  (Forrester  2000;  Gopalakrishnan  &  Bierly  2001;  Hung  et  al.  2010).  Thus,  it  is  proposed  that  each  component  of  knowledge  management has positive effect on innovation. In order for innovation to take place, managers first need to  have the necessary knowledge on the internal and external forces that affect the firm – the more knowledge,  and  the  greater  the  variety  of  knowledge,  the  better.  Secondly,  knowledge  must  flow  freely  around  the  organization–  the  better  the  dissemination  of  knowledge  the  greater  the  likelihood  of  innovation  as  more  people  within  different  levels  and  departments  of  the  organization  are  exposed  to  new  knowledge  that  interacts with the knowledge already held. Lastly, an innovative organization by definitionis responsive. In fact,  innovation is a response by itself. Therefore, the more responsive and agile an organization , it is more likely to  be innovative as well (Darroch, Jenny 2005). Thus, the relevant hypotheses were developed:  H4;  Knowledge  acquisition  positively  affects  employees’  innovative  performance  in  the  organization.  H5;  Knowledge  dissemination  positively  affects  employees’  innovative  performance  in  the  organization.  H6;  Responsiveness  to  knowledge  positively  affects  employees’  innovative  performance  in  the  organization.  Based on the literature review, it is evident that effective knowledge management is a worthwhile activity for  managers to emphasize on innovation efforts to boost organizational performance. In order to encourage the  implementation  of  innovation,  managers  need  to  develop  the  knowledge  management  behaviors  and  practices (Brand 1998; Carneiro 2000; Chourides, Longbottom & Murphy 2003). Thus, knowledge management  construct  is  presented  as  positively  affecting  employees’  innovative  performance.  The  following  hypotheses  were developed:  H7; Knowledge acquisition, knowledge dissemination and responsiveness to knowledge positively  affect employees’ innovative performance.  Figure 1 illustrates the research framework. 

Knowledge Acquisition

Employees’ Innovative Performance

Knowledge Dissemination

Responsiveness to Knowledge

  Figure 1: Research framework 

114

  Seyed Mohammadbagher Jafari, Mariyayee Suppiah and Thiaku Ramalingam 

3. Method  3.1 Population and sample  In order to test the hypothesized relationships proposed in the research framework, data was collected from  Malaysian  manufacturing  industries.  Based  on  the  statistics  compiled  from  the  Annual  Survey  of  Malaysian  Manufacturing Industries conducted in 2010 (JPM 2010), employees working in the manufacturing industries  were  1,693,154.  Therefore,  based  on  the  Krejcie  and  Morgan’s  (1970)  sample  size  formula,  the  required  sample for testing the research model would be 384. 

3.2 Measures  The  items  selected  to  build  the  questionnaire  were  adopted  from  various  sources.  Table  1  shows  the  items  adoption breakdown.  Table 1: Measures  Variable  Knowledge Acquisition  Knowledge Dissemination  Responsiveness to Knowledge  Employees’ Innovative Performance 

Source  Darroch(2005)  Darroch (2005)  Darroch (2005)  De Jong and Den Hartog (2007), Fernandez and  Moldogaziev (2011) 

The Likert scale was selected to examine how strong subjects agree or disagree with the statements on a five‐ point scale from “strongly disagree” to “strongly agree”.     A questionnaire was developed with all the items and there was a total of 27 items (excluding demographic  information). The questionnaire was initially distributed to two experts specialized in questionnaire design and  three  scholars  in  knowledge  management  field  for  pre‐testing  purposes.  After  improving  the  questionnaire  based  on  the  the  suggestions  and  feedback  from  the  experts,  a  pilot  study  was  conducted  with  30  respondents. The reliability test was conducted on the data from the pilot study. The Cronbach’s alpha scores  for all the constructs are shown on Table 2. All the results were found to have exceed value of 0.7 to indicate  high  reliability  of  the  instruments  used  (Hair  et  al.  2006).  Based  on  the  feedback,  there  were  no  significant  changes to the items enlisted on the questionnaire.  Table 2: Reliability statistics  Variable  Knowledge Acquisition  Knowledge Dissemination  Responsiveness to Knowledge  Employees’ Innovative Performance

Cronbach’s Alpha  .767  .734  .845  .874 

The online survey tool was preferred as the data collection method. The electronic questionnaire is probably  the  most  widely  used  data  collection  technique  for  conducting  surveys  in  this  fast  moving  environment.  Electronic questionnaire and survey design questionnaire were elected because they can reach across a widely  distributed population. Global research is now vastly facilitated by electronic systems (Sekaran & Bougie 2010).  The targeted firms or organizations were located in various parts of Peninsular and East Malaysia. Therefore,  Web based survey was a good tool to reach these respondents. Based on the survey conducted and output  collected, we managed to gather 420 replies. The evaluation of questionnaires by checking their completeness  resulted  in  eliminating  some  cases.  After  it,  384  good  and  useable  questionnaires  were  selected  for  data  analysis. 

4. Results   4.1 Descriptive statistics  The  characteristics  of  the  respondents  are:  (1)  38%  were  males  and  62%  were  females,  (2)  the  highest  frequency in age group which is more than 50% is for those who fall under age group 31 – 40 years old. The  combination of age group 31 – 40 years category and age group 21 – 30 years category brings to a total of 91%  of  respondents,  (3)  in  the  case  of  the  level  of  qualification,  82%  of  respondents  hold  bachelor  degree  and 

115

  Seyed Mohammadbagher Jafari, Mariyayee Suppiah and Thiaku Ramalingam  above, (4) most of the participation came from ‘executive’ level with almost 46%. This statistic is followed with  ‘manager’  position  holders;  17%  and  ‘analyst’  position  holders  around  17%.  Opinions  from  executives  are  crucial  as  they  belong  to  elite  group  who  will  not  easily  accept  the  existing  working  methods  of  their  organizations.  There  would  have  fresh  ideas  which  are  vital  for  the  improvement  of  their  organization’s  business  growth  (Van  Clieaf  1992).  And  finally,  (5)  63%  of  the  respondents  have  more  than  5  years  work  experience  that  shows  they  have  enough  experience  for  providing  valuable  comments  via  the  survey  questions.  

4.2 Correlation analysis  Table  3  provides  the  results  of  the  correlation  analysis  among  variables.  As  it  can  be  seen,  all  correlations  between  knowledge  management  subcategories  andemployees’  innovative  performance  were  positive  and  significant.  Table 3: Correlations analysis    Knowledge Acquisition (KA)  Knowledge Dissemination (KD)  Responsiveness to Knowledge (RK)  Employees’ Innovative Performance (EIP) 

KA  1  .672**  .672**  .585** 

KD    1  .674**  .619** 

RK      1  .667** 

EIP        1 

    **Correlation is significant at p ChiSq 

1  1  1  1  1  1  1  1  1 

Parameter  Estimate  ‐0.20781  ‐0.27415  ‐0.60290  ‐0.29837  ‐0.80409  0.15205  0.32270  ‐0.39723  ‐0.65025 

4.2527  0.8132  7.9670  1.9922  86.5845  3.5393  7.7544  20.0167  9.1846 

0.0392  0.3672  0.0048  0.1581