和的控制承诺模型

多数创业学习模型并未真正涉及到学习的背景因素，而Ravasi和Turati则试图将自己的学习模型建立在一定的学习背景下。所谓学习背景因素是指学习发生的任务特征和环境条件。

创业者常常被描述为有洞察力的机会追寻者和大胆的冒险者。而很多研究都无形中将创业者的冒险行动（risk taking）看作是一次性决策（e.g.，Simon et al.，1999；Forlani & Mullins，2000；Simon et al.，2003）。然而，从Ravasi和Turati对创业创新项目开发的案例分析当中发现，识别机会（冒险）其实更应该被看作是一个持续的过程，并且这个过程中会存在阶段性的纠正行为。那么这个持续的并且有纠正动作的过程本质上就是学习过程。另外，创业者将最初的直觉变成成功的新产品或服务。成功的创业创新实际上不仅仅要求有识别机会的能力和承受附带风险的意愿。创业者常常需要应对新的和没有很好定义的产品概念，该产品的使用背景仍然缺乏了解，他的商业应用尚未完全得到探索。很多商机初现于非常粗糙的直觉形式，在其可行性和可盈利性能得到评价之前，还需要收集更进一步的信息。从识别到一个机会到成功开发该机会，要经历一个常被（认知视角）研究者忽略，但却非常关键的学习过程。在这个过程中创业者渐渐地认清了各个概念之间联结的意义，包括不同的技术、产品功能、顾客的偏好、市场结构，等等。因此，创业学习的背景有别于其他类的学习。

Ravasi和Turati回顾文献后提出，创业学习与其他学习面对的情况有三个显著特点：①任务（或过程）的模糊性和探索性；②对外部贡献的依赖性；③资源的紧缺性。

根据这样的背景，通过对产品开发项目的案例跟踪研究和分析，Ravasi和Turati提出了一个描述创业创新学习过程的模型（见图1-7）。可以这样来理解这个概念模型：由于创业学习面临紧缺的资源，因此，创业者必须面临如何分配资源（包括时间、注意力或其他资源）的问题，尤其是在有多种机会选择时更是如此。对单项萌业（venture）的投入程度，体现在创业者在其中投入资源量的多少。Ravasi和Turati认为，当创业者同时面临两个（或以上）机会的时候，并不是武断地决定选择哪个或放弃哪个机会，而是会同时考察两个（或多个）机会。不过，创业者会在一个学习过程中不断累积相关的知识（prior related knowledge），这样就减低自己感知到的“因果”逻辑的不确定性（causal indeterminacy）。因果不确定性是指，对现象背后因果关系的理解程度（Orton & Weick，1988）。Orton和Weick观察到，任何非惯例性的任务或问题都必定伴随着因果不确定性。因此，最初面临“投入资源获得新萌业的回报”关系时，创业者一般都感到很大的因果不确定性。先前相关知识（prior related knowledge）的充分程度将增加创业者对整个新萌业开发过程的控制程度。另外，创业者对整个新萌业背后的因果关系理解得越是不明朗，则越是没法提高自己对整个过程的控制程度。正是创业者对萌业的控制程度影响到其对未来收益的感知。控制程度越低，创业者感到萌业回报的不确定性越强，而创业者感到萌业回报的不确定性越强，则创业者对该萌业的投入度（承诺）就越低。以上可见，当同时存在多个机会时，创业者通过一个学习过程来调整对每个机会的投入度，从而做到对机会的淘汰和选择。

图1-7　创业中的项目创新模型（Ravasi & Turati，2005）

有趣的是，该模型潜在的观点更像是说，并非是创业者发现了好机会，而实际上是创业者在淘汰比较差的机会。另外，该模型中的五个变量，有两个变量（因果逻辑的不明确性、感知的回报不确定性）是内隐于创业者内心的主观变量，而其他的变量是外在的客观变量。因此，该模型与其他模型的一个重要区别是，其心理学特色明显淡化了些。

最后，Ravasi和Turati还认为，创业企业中的学习似乎更像管理学领域中曾提及的一种高层学习——能产性学习（generative learning），与低层次的适应性学习（Fiol & Lyles，1985；Miner & Mezias，1996）相对。适应性学习涉及开发行为惯例，使得组织在完成重复性任务时能采用不断提高效率和效果的方式（e.g.，Cyert & March，1963；Nelson & Winter，1982）。实际上，对支撑长期增长来讲，能产性学习和适应性学习之间的平衡结合是必要的，因为新点子的成功商业化开发能为新的探索提供资源支持（Mintzberg & Waters，1982）。然而探索新的资源组合形式是创业活动的一个本质特征（Schumpeter，1936；Kirzner，1977）。创业企业中的学习具有创造性的成分，突破了重复和渐进式的优化。它发生在模糊的背景中，涉及开发全新的解决办法或有根本性质的创新产品。由于要解决的问题不涉及重复问题，这样的能产性学习的结果不一定需要在惯例行为上发生变化。能产性学习的结果作为在知识结构上的变化支撑着理解和行动（Friedlander，1983；Lyles & Schwenk，1992）。