Cilt 11 Sayı 4 (2023): Business & Management Studies: An International Journal
Makaleler

Açık inovasyonun dinamiklerini ortaya çıkarmak: Kavramsal bir keşif

PDF (English)
  • Ayşe Aslı Yılmaz
Ayşe Aslı Yılmaz
Dr. Öğr. üyesi, Atılım Üniversitesi, Ankara, Türkiye
DOI: https://doi.org/10.15295/bmij.v11i4.2306

Yayınlanmış 2023-12-25

Anahtar Kelimeler

  • Ağ Analizi, Non-Local Merkeziyet Ölçüleri, Açık İnovasyon, Dijital Dönüşüm, Strateji ve Yönetim
  • Network Analysis, Nonlocal Centrality Measures, Open Innovation, Digital Transformation, Strategy and Management

Nasıl Atıf Yapılır

Yılmaz, A. A. (2023). Açık inovasyonun dinamiklerini ortaya çıkarmak: Kavramsal bir keşif. Business & Management Studies: An International Journal, 11(4), 1296–1307. https://doi.org/10.15295/bmij.v11i4.2306

Telif Hakkı (c) 2023 AYSE ASLI YILMAZ

Creative Commons License

Bu çalışma Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License ile lisanslanmıştır.

Özet

Son Bu çalışma, açık inovasyonun karmaşık alanlarını keşfetmeyi amaçlamaktadır. "Açık" kelimesi, örgütsel bilginin açıkça paylaşılma eylemini ifade eder. Organizasyonlar, geleneksel sınırları aşmak ve gerekli kaynakları elde etmek amacıyla açık inovasyon yaklaşımlarını benimseyerek genişlemektedir. Çalışmanın temel amacı, global ve yerel bakış açıları içeren bir kavramsal çerçeve içinde nonlocal merkeziyet ölçümlerini kapsayan detaylı bir inceleme, karşılaştırma ve analiz sunmaktır. Python NetworkX Programlama Dili kullanılarak, Degree Centrality, Closeness Centrality, Eigenvector Centrality, Betweenness Centrality, Modularity, Community Detection, Vote Rank ve Digital Flaneurs gibi ağ analizi metodolojilerinin kullanımını araştırmaktadır. Bu çalışma, nonlocal merkeziyet ölçümleri, dinamik yetenekler ve açık inovasyon stratejileri arasındaki karmaşık etkileşimi daha iyi anlamak ve incelemek amacını taşımaktadır. Dolayısıyla, açık inovasyon yaklaşımları, dinamik yetenekler ve nonlocal merkeziyet ölçümleri arasındaki bu karmaşık ilişki üzerine sağladığı değerli bakış açılarıyla bilimsel literatüre önemli bir katkı sunmaktadır. Ayrıca, bu araştırma, organizasyonların modern dijital ortamın getirdiği karmaşık zorlukları etkili bir şekilde yönetme, yenilik elde etme ve rekabet avantajını sürdürme konusundaki geniş bilimsel tartışmalara da katkıda bulunmaktadır.

PDF (English)

İndirmeler

İndirme verileri henüz mevcut değil.

Referanslar

  1. AKAL, Ş. (2014). Gerçek ve Model Ağlarin Karakteristik Özelliklerinin Karşilaştirilmasi - Comparison of Characteristics Of Real And Modelled Networks. Öneri Dergisi. 11. 251. 10.14783/od.v11i41.5000011416.
  2. Al-Taie, M.Z., Kadry, S. (2017). Theoretical Concepts of Network Analysis. In: Python for Graph and Network Analysis. Advanced Information and Knowledge Processing. Springer, Cham. https://doi.org/10.1007/978-3-319-53004-8_1
  3. Baskici, C. & Ercil, Y. (2018). Örgütlerin Ağ Perspektifinden Kurumsal Yapi Analizi. Press Academia Procedia, 7 (1), 335-338.DOI: 10.17261/Pressacademia. 2018.910
  4. Baskici, C., Ercil, Y. (2018). Corporate structure analysis of organizations from a network perspective. Research Journal of Business and Management (RJBM), V.5(3), p.231-237
  5. Borgatti, S. (2005). Centrality and Network Flow. Social Networks. 27. 55-71. 10.1016/j.socnet.2004.11.008.
  6. Borgatti, S.P & Foster, P.C. (2003). A network paradigm in organizational research: A review and typology. Journal of Management, 29 (6):991-1013.
  7. Chen, H., Mehra, A., Tasselli, S. & Borgatti, S. (2022). Network Dynamics and Organizations: A Review and Research Agenda. Journal of Management. 10.1177/01492063211063218.
  8. Díaz-Fernández, M., López-Cabrales, A.&Valle-Cabrera, R. (2014): A contingent approach to the role of human capital and competencies on firm strategy, BRQ Business Research Quarterly, ISSN 2340-9436, Elsevier España, Barcelona, Vol. 17, Iss. 3, pp. 205-222, https://doi.org/10.1016/j.brq.2014.01.002
  9. Emmerik, R., Ducharme, S., Amado, A. & Hamill, J. (2016). Comparing dynamical systems concepts and techniques for biomechanical analysis. Journal of Sport and Health Science. 5. 1-11. 10.1016/j.jshs.2016.01.013.
  10. Faith, B., Hernandez, K. and Beecher, J. (2022), IDS Policy Briefing 202, Brighton: Institute of Development Studies
  11. Fortunato S., (2010) “Community detection in graphs”, Physics Reports, 486(3-5):75-174.
  12. Fortunato, S. & Castellano, C. (2008). Community Structure in Graphs. Encyclopedia of Complexity and System Science. 10.1007/978-0-387-30440-3_76.
  13. Gençer, M. (2017). Sosyal Ağ Analizi Yöntemlerine Bir Bakış. Yildiz Social Science Review,3(2),19-34. Retrieved from https://dergipark.org.tr/tr/pub/yssr/issue/ 33542/334638
  14. Golbeck J. (2013). Analyzing the Social Web (1st. ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA.
  15. Goldenberg, D. (2019). Social Network Analysis: From Graph Theory to Applications with Python. 10.13140/RG.2.2.36809.77925/2.
  16. Hütt, Marc-Thorsten & Jain, Mitul & Hilgetag, Claus & Lesne, Annick. (2012). Stochastic Resonance in Discrete Excitable Dynamics on Graphs. Chaos, Solitons & Fractals. 45. 611-618. 10.1016/j.chaos.2011.12.011.
  17. Iacobucci, D., McBride, R., Popovich, D. and Rouziou, M., (2019). In Social Network Analysis, Which Centrality Index Should I Use? Theoretical Differences and Empirical Similarities among Top Centralities. Journal of Methods and Measurement in the Social Sciences, Vol. 8, No. 2, 72-99, 2017, Available at SSRN: https://ssrn.com/abstract=3425975 or http://dx.doi.org/10.2139/ssrn.3425975
  18. Jong K. C&Chung-in M.(2010), Understanding Northeast Asian regional dynamics: inventory checking and new discourses on power, interest, and identity, International Relations of the Asia-Pacific, Volume 10, Issue 2, May 2010, Pages 343–372, https://doi.org/10.1093/irap/lcq003
  19. Linss, V. & Fried, A. (2010). The ADVIAN® classification - A new classification approach for the rating of impact factors. Technological Forecasting and Social Change. 77. 110-119. 10.1016/j.techfore.2009.05.002.
  20. López-Fernández, L., Robles, G., Gonzalez-Barahona, J. M., & Herraiz, I. (2006). Applying Social Network Analysis Techniques to Community-Driven Libre Software Projects. International Journal of Information Technology and Web Engineering, 1(3), 27–48. https://doi.org/10.4018/jitwe.2006070103
  21. Natalie R. Smith, Paul N. Zivich, Leah M. Frerichs, James Moody, Allison E. Aiello, (2020) “A Guide for Choosing Community Detection Algorithms in Social Network Studies: The Question Alignment Approach”, American Journal of Preventive Medicine, 59(4): 597-605.
  22. Newman M. E. (2006). Modularity and community structure in networks. Proceedings of the National Academy of Sciences of the United States of America, 103(23), 8577–8582. https://doi.org/10.1073/pnas.0601602103
  23. Pazura, P., Bortko, K., Jankowski, J., Michalski, R. (2020). A Dynamic Vote-Rank Based Approach for Effective Sequential Initialization of Information Spreading Processes Within Complex Networks. In: et al. Computational Science – ICCS 2020. ICCS 2020. Lecture Notes in Computer Science (), vol 12137. Springer, Cham. https://doi.org/10.1007/978-3-030-50371-0_47.
  24. Pfeffer, J. (2014). Book Review: Social Network Analysis with Applications. Connections, 34(1). https://doi.org/10.17266/34.1.11
  25. Turnbull, L., Hütt, MT., & Ioannides, A.A. (2018). Connectivity and complex systems: learning from a multi-disciplinary perspective. Appl Netw Sci 3, 11 (2018). https://doi.org/10.1007/s41109-018-0067-2
  26. Wasono, L.W., Mihardjo, Sasmoko, & Alamsyah, F. (2022). Boosting the Firm Transformation in Industry 5.0: Experience-Agility Innovation Model. International Journal of Recent Technology and Engineering.