기업의 지식기반 특성이 기술혁신형 M&A 후 혁신 성과에 미치는 영향: 머신러닝 기반 지식 분류를 이용한 실증 연구

정은준; 이상욱; 강진아

추천

검색

질문

자료유형: 학술저널

저자정보: 정은준 (서울대학교) 이상욱 (LG생활건강) 강진아 (서울대학교)

저널정보: 대한경영학회 대한경영학회지 대한경영학회지 제34권 제5호

발행연도: 2021.5

수록면: 927 - 950 (24page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 기술혁신형 M&A 상황에서 인수기업의 지식기반에 따른 인수 후 혁신 성과를 머신러닝 기반 신규 분류 체계를 활용하여 실증 분석한 연구이다. 기존 연구 문헌 분석을 통해 인수기업의 지식 기반 특성인 ‘지식의 다양성’과 ‘인수-피인수 기업간의 지식 분야 유사성’이 인수 후 혁신 성과에 미치는 영향에 대한 가설을 설정하고, 이를 머신러닝 기반의 신규 분류 체계로 실증 분석함으로써 새 분류 체계의 당위성을 확인하였다. 더불어 기존의 기술 분류 체계로 정의할 수 없는 기술 영역의 지식 보유 정도를 기업의 ‘지식 분야 유연성’으로 정의하고, 이것이 인수기업의 흡수역량에 작용하여 인수 후 혁신 성과에 영향을 미칠 수 있는지를 검증하였다. 실증분석 결과 머신러닝 기반 신규 분류 체계에서, 인수기업의 인수 전 지식 기반의 다양성과 인수-피인수기업의 지식 분야 유사성은 M&A 후에 창출되는 혁신의 양에 긍정적인 영향을 미치는 반면, 혁신의 질에 대해서는 인수기업의 지식 기반 다양성만이 유의한 양의 상관관계를 가지는 것으로 나타났다. 또한 인수기업의 지식 분야 유연성은 M&A 후 창출되는 혁신의 양에는 긍정적인 영향을 미치지만, 혁신의 질과는 유의한 상관관계가 존재하지 않음을 알 수 있었다. 이러한 실증 분석 결과를 통해 지식 분야의 특성과 혁신 활동 사이의 관계에 대한 이론적 함의를 도출할 수 있었고, 기술혁신형 M&A를 통해 외부에서 새로운 혁신 역량을 습득하여 활용하고자 하는 경영인 및 실무자에게도 목적에 맞는 인수 대상 설정에 참고할 수 있는 전략적 아이디어를 제공할 수 있었다. 뿐만 아니라 최근 사회과학 분야에도 활발하게 도입되고 있는 자연어 처리 및 머신러닝과 같은 신규 방법론을 활용함으로써, 기술 경영 분야의 후속 연구가 나아갈 새로운 방향성을 제시하였다.

This study is an empirical research on the impact of acquiring firm’s knowledge base characteristics on technological M&A innovation performance using a novel machine-learning-based knowledge classification system.
Based on extant literature on absorptive capacity and innovation performance, two hypotheses were established on the impact of acquiring firm’s knowledge diversity and similarity of knowledge base between acquiring firm and acquired firm on post-M&A innovation performance. The validity of machine-learning-base new knowledge classification system was confirmed by empirically analyzing these two hypotheses. In addition, we define knowledge base flexibility as the degree of knowledge a firm has in areas that cannot be defined by the extant classification system, and empirically verify whether the flexibility can affect post-M&A innovation performance.
[그림 본문 참조]
As a result of the empirical analysis, we find that the diversity of acquiring firm’s knowledge base and the similarity in the knowledge field between the acquiring and acquired firms have positive impact on the number of post-M&A innovation, while the quality of the innovation was not affected. Moreover, it was found that acquiring firm’s knowledge flexibility has a positive effect on the quantity of post-M&A innovation, but there was no significant correlation with the quality of post-M&A innovation.
Through these empirical tests, we derive important theoretical implications on the relationship between the knowledge base characteristics and knowledge transfer via technological M&A. In addition, this research provides critical strategic insight that can be applied in determining M&A partners for managers and practitioners who are looking to find new technological opportunities from outside the firm via M&A. Lastly, this research suggests a new research direction in the field of technology management by utilizing natural language processing and machine learning.

#M& #A 혁신 성과 #지식 기반 #기술 분류 #흡수역량 #머신러닝 #Post-M& #A innovation #Knowledge base #Technology classification #Absorptive capacity #Machine learning XBRL

참고문헌 (56)

참고문헌 신청

Ahuja, G. / 2000 / Collaboration networks, structural holes, and innovation : A longitudinal study / Administrative Science Quarterly 45(3):425~455

Ahuja, G. / 2001 / Technological acquisitions and the innovation performance of acquiring firms : A longitudinal study / Strategic Management Journal 22(3):197~220

Ahuja, G. / 2001 / Entrepreneurship in the large corporation: A longitudinal study of how established firms create breakthrough inventions / Strategic Management Journal 22(6-7):521~543

Arora, S. / 2016 / A simple but tough-to-beat baseline for sentence embeddings

Bamel, U. K. / 2018 / Organizational resources, KM process capability and strategic flexibility : A dynamic resource-capability perspective / Journal of Knowledge Management 22(7):1555~1572

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정은준

소속기관 서울대학교

주요연구분야 사회과학 > 경영학

논문수 1 이용수 117

이상욱

소속기관 서울과학기술대학교

주요연구분야 사회과학 > 사회과학 일반 사회과학 > 경영학

논문수 21 이용수 3,876

강진아

소속기관 서울대학교

주요연구분야 사회과학 > 경영학

논문수 1 이용수 117

이 논문과 함께 이용한 논문

딥러닝을 활용한 오토인코더 기반 질병 관련 miRNA 예측 연구

하지환 한국정보기술학회논문지 2022 .06

제조 공정에서의 실시간 불량 탐지를 위한 딥러닝 모델 적용 연구 - 라벨 인쇄 공정에서 불량 탐지 사례 -

손진호 , 김창욱 펄프·종이기술 2021 .10

최적화된 학습데이터를 통한 머신러닝 기반의 안개 제거 알고리즘의 성능개선

이주희 , 강봉순 한국정보기술학회논문지 2021 .05

Word2Vec의 다차원 특징을 이용한 머신러닝 기반 추천 정확도 개선

박세준 , 변영철 한국정보기술학회논문지 2021 .03

적응형 학습률을 통한 머신러닝 기반 알고리즘의 성능 개선

이주희 , 강봉순 한국정보기술학회논문지 2020 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-324-002130033

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (56)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)