{"id":28464,"date":"2026-10-23T17:26:10","date_gmt":"2026-10-23T15:26:10","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/ruben-ogink\/"},"modified":"2026-10-31T11:40:59","modified_gmt":"2026-10-31T10:40:59","slug":"ruben-ogink","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/ruben-ogink\/","title":{"rendered":"Ruben Ogink"},"content":{"rendered":"","protected":true},"featured_media":28550,"template":"","meta":{"_acf_changed":false},"university_us_portfolio":[16],"class_list":["post-28464","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","university_us_portfolio-overig"],"acf":{"main_text":"","naam_van_het_proefschift":"THE HIDDEN DIMENSION OF OPEN INNOVATION","samenvatting":"Nederlandse samenvatting\n\nDit proefschrift, The Hidden Dimension of Open Innovation \u2013 Purposefully Managing Tacit Knowledge Flows, richt zich op een belangrijk maar relatief moeilijk zichtbaar onderdeel van open in novatie: de rol van impliciete of taciete kennis. Open innovatie gaat in essentie over het bewust benutten en uitwisselen van kennis over de grenzen van organisaties heen. Bedrijven ontwikkelen innovaties daarbij niet uitsluitend op basis van hun eigen kennis, maar werken bijvoorbeeld samen met andere bedrijven, universiteiten, kennisinstellingen, leveranciers of klanten.\n\nSinds Henry Chesbrough het begrip open innovation in 2003 introduceerde, is veel onderzoek gedaan naar deze manier van innoveren. Toch blijkt open innovatie in de praktijk niet automatisch succesvol. Samenwerking over organisatiegrenzen heen brengt bijvoorbeeld verschillen in belangen, expertise, taalgebruik en werkwijzen met zich mee. Bovendien is niet alle kennis eenvoudig overdraagbaar. Juist dat laatste vormt het vertrekpunt van dit proefschrift.\n\nDe centrale onderzoeksvraag luidt:\nHoe kunnen taciete kennisstromen binnen open innovatie context doelbewust worden gemanaged?\n\nDaarbij is taciete kennis: de kennis die mensen wel bezitten en gebruiken, maar die zij niet altijd eenvoudig onder woorden kunnen brengen. De klassieke formulering van Michael Polanyi: \u201cwe can know more than we can tell\u201d vat dit kernachtig samen. Denk bijvoorbeeld aan de ervaring van een vakman die aan het geluid van een machine hoort dat er iets niet goed zit, of een ervaren projectleider die intu\u00eftief aanvoelt dat samenwerking tussen bepaalde partijen dreigt vast te lopen. Zulke kennis is vaak bijzonder waardevol, maar veel moeilijker vast te leggen en over te dragen dan bijvoorbeeld een handleiding, rapport of dataset.\n\nHet proefschrift bestaat uit drie opeenvolgende studies. Samen bouwen deze studies op naar een antwoord op de centrale onderzoeksvraag.\n\nStudie 1: Welke mechanismen bepalen of open innovatie werkt?\nDe eerste studie onderzoekt de bredere wetenschappelijke literatuur over open innovatie. Hoe wel inmiddels veel bekend is over factoren die samenhangen met succesvolle innovatie, was minder duidelijk waarom bepaalde omstandigheden daadwerkelijk tot succes of falen leiden. Daarom richt de studie zich op zogenaamde generatieve mechanismen: onderliggende processen die verklaren waarom een bepaalde context of interventie tot een bepaalde uitkomst leidt.\n\nVoor deze studie werden 160 empirische onderzoeken naar open innovatie systematisch geana lyseerd. Daarbij werden mechanismen bekeken op vijf niveaus: individu, project of team, organi satie, interorganisationeel netwerk en maatschappij. Daarnaast werd onderscheid gemaakt tussen mechanismen die een rol spelen v\u00f3\u00f3rdat open innovatie tot stand komt, tijdens de uitvoering ervan en bij de uiteindelijke resultaten.\n\nDe analyse laat zien dat de empirisch wetenschappelijke literatuur een grote verscheidenheid aan factoren beschrijft. Uit deze factoren heb ik vijftien veel voorkomende mechanismen gedistilleerd en deze gegroepeerd in vier bredere categorie\u00ebn: governance en beleid; omgevingsdynamiek en interacties; kennis, vaardigheden en capaciteiten; en \u2018learning by doing\u2019.\n\nEen belangrijke conclusie voor de rest van het proefschrift is dat taciete kennisoverdracht een centrale en dus belangrijke rol speelt in open innovatie, vooral tijdens de daadwerkelijke uitvoering van gezamenlijke innovatieactiviteiten. Daarmee verschuift de aandacht van de vraag \u00f3f organisaties kennis uitwisselen naar een complexere vraag: wat voor soort kennis wordt uitgewisseld, en wat is nodig om die overdracht goed te laten verlopen?\n\nStudie 2: Niet alle kennis kan op dezelfde manier worden gemanaged\nDe tweede studie vormt het inhoudelijke hart van het proefschrift. Centraal staat hier de vraag hoe de mate van tacitness, oftewel hoe impliciet kennis is, invloed heeft op de manier waarop kennisstromen kunnen worden gemanaged.\n\nDe studie maakt gebruik van de kennistypologie\u00ebn van Collins en plaatst verschillende vormen van kennis op een continu\u00fcm van tacitness. Aan het ene uiteinde staat expliciete kennis: kennis die relatief eenvoudig kan worden vastgelegd in bijvoorbeeld documenten, data of modellen. Vervolgens worden drie vormen van taciete kennis onderscheiden, die steeds moeilijker onder woorden te brengen zijn..\n\nRelationele taciete kennis is kennis die in principe wel expliciet kan worden gemaakt, maar die vaak gemakkelijker via directe interactie wordt overgedragen. Somatische taciete kennis zit sterker verankerd in persoonlijke vaardigheden en vooral ook in je lijf. Leren vindt vooral plaats door te doen (learning by doing). Collectieve taciete kennis is het meest impliciet: deze is ingebed in gedeelde routines, gedragingen en opvattingen van groepen en is daardoor zeer moeilijk volledig te verwoorden of codificeren.\n\nOm te onderzoeken hoe deze verschillende soorten kennis in de praktijk worden gemanaged, is gedurende vijf jaar een longitudinale case study uitgevoerd binnen een open-innovatiepro gramma. De dataset bestond onder andere uit 25 interviews met 19 personen uit 12 organisaties, aangevuld met documenten en participerende observaties.\n\nUit deze analyse zijn vijf mechanismen ge\u00efdentificeerd die helpen om kennisstromen met verschil lende niveaus van tacitness te managen:\n1. gezamenlijk formuleren van radicale, gedeelde doelen;\n2. het managen van cognitieve afstand tussen deelnemers;\n3. social brokering, oftewel het bewust verbinden van personen en organisaties;\n4. het gezamenlijk ontwikkelen van cross-functionele datamodellen en visualisaties;\n5. het gezamenlijke bouwproces rondom fysieke of virtuele testfaciliteiten.\n\nDeze mechanismen werken niet allemaal op dezelfde manier. Social brokering en het managen van cognitieve afstand cre\u00ebren vooral de omstandigheden waarin kennisuitwisseling mogelijk wordt. Cognitieve afstand is belangrijk, aangezien partners voldoende van elkaar moeten verschil len om daadwerkelijk iets nieuws van elkaar te kunnen leren, maar ook voldoende overeenkomst moeten hebben om elkaar nog te begrijpen. Social brokering, ofwel het actief verbinden van men sen, vergroot vervolgens de kans op nieuwe kennisuitwisseling.\n\nDe andere drie mechanismen spelen een directere rol bij het expliciet maken en toepassen van kennis. Een gezamenlijk ambitieus doel kan impliciete idee\u00ebn en belangen vertalen naar een ge deelde richting. Datamodellen en visualisaties kunnen experts helpen om hun ervaringskennis te vergelijken met data en hierdoor impliciete aannames bespreekbaar te maken. De bouw van gezamenlijke testfaciliteiten ondersteunt juist learning by doing. Het interessante hierbij is dat het gezamenlijk doorlopen van het bouwproces misschien nog wel waardevoller blijkt te zijn voor overdracht van taciete kennis als, de testfaciliteiten zelf, en dus het resultaat ervan.\n\nDe belangrijkste theoretische conclusie is dat kennis niet als \u00e9\u00e9n homogeen geheel kan worden behandeld. Er bestaat geen universele managementaanpak voor alle kennisstromen. Hoe kennis doelbewust kan worden gestuurd, hangt af van de aard en mate van tacitness van die kennis. Daarmee nuanceert het proefschrift een belangrijke impliciete aanname binnen de open inno vatie literatuur: dat kennisstromen door een uniforme set managementpraktijken kunnen worden bestuurd.\n\nStudie 3: Kan AI helpen taciete kennis zichtbaar te maken?\nDe derde studie richt zich op een methodologisch probleem dat uit de eerdere studies voortkomt. Als taciete kennis zo belangrijk is, hoe kunnen onderzoekers en professionals deze kennisstro men dan systematisch waarnemen en analyseren?\n\nHier wordt onderzocht welke rol kunstmatige intelligentie en specifiek Large Language Models (LLM\u2019s) kunnen spelen. De studie vindt plaats binnen een netwerk van zogenaamde Innovatieta fels, waar ondernemers en andere professionals regelmatig concrete praktijkvraagstukken be spreken. Met behulp van een Design Science Research-aanpak werd in vier opeenvolgende ont werpiteraties een methode ontwikkeld om transcripties van dergelijke gesprekken te analyseren op verschillende vormen van kennisoverdracht.\n\nDit resulteerde onder meer in een coderingsschema waarmee expliciete kennis en verschillende vormen van taciete kennis systematisch kunnen worden herkend. De resultaten laten zien dat LLM\u2019s potentie hebben om met name relationele en somatische taciete kennis in grote hoeveel heden gesproken tekst te detecteren. Daardoor ontstaat de mogelijkheid om veel meer primaire data over daadwerkelijke kennisuitwisseling te verzamelen dan met uitsluitend menselijke analyse praktisch haalbaar zou zijn.\n\nIn het onderzoek werd ook een duidelijke grens zichtbaar. Collectieve of sterke taciete kennis bleek nauwelijks betrouwbaar te detecteren. Dat is logisch gezien de aard ervan: deze kennis zit juist verankerd in gedeelde gewoonten, sociale context en niet-verbale interacties en verschijnt daarom niet noodzakelijk expliciet in gesproken tekst.\n\nDe bijdrage van deze studie is daarom niet dat AI taciete kennis volledig kan ontsluiten. De bijdra ge is vooral methodologisch: de studie biedt een manier om delen van taciete kennisoverdracht op grote schaal, consistenter en systematischer te observeren. Daarmee ontstaat een nieuwe databron voor vervolgonderzoek naar hoe kennisstromen daadwerkelijk verlopen en hoe hierop kan worden ge\u00efntervenieerd.\n\nOverkoepelende bijdrage\nDe drie studies leiden samen tot drie centrale bijdragen.\n\nTen eerste toont het proefschrift aan dat taciete kennis en taciete kennisoverdracht geen randver schijnselen zijn, maar centrale elementen van open innovatie. Wie open innovatie wil begrijpen of managen, moet daarom niet alleen kijken naar formele afspraken, structuren, contracten en expliciete informatie, maar ook naar de impliciete kennis die tussen mensen en organisaties wordt uitgewisseld.\n\nTen tweede introduceert het proefschrift het knowledge tacitness continuum als manier om ver schillende soorten kennis te begrijpen en identificeert het vijf mechanismen in twee categorie\u00ebn waarmee kennisstromen met uiteenlopende niveaus van tacitness doelbewust kunnen worden gemanaged. Daarmee verschuift de managementvraag van \u201choe organiseren we kennisdeling?\u201d naar \u201cwelk type kennis proberen we hier eigenlijk te delen, en welk mechanisme past daarbij?\u201d\n\nTen derde ontwikkelt het onderzoek een AI- en LLM-ondersteunde methode waarmee delen van taciete kennisoverdracht systematisch uit daadwerkelijke gesprekken kunnen worden gehaald. Dat cre\u00ebert nieuwe mogelijkheden om kennisuitwisseling niet alleen achteraf via interviews of vra genlijsten te onderzoeken, maar dichter bij het daadwerkelijke moment waarop die kennis wordt gedeeld.\n\nDe kern van het proefschrift is daarmee ook praktisch relevant. Open innovatie betekent niet sim pelweg dat organisaties hun deuren moeten openzetten en meer kennis moeten delen. Succes volle samenwerking vraagt om een veel genuanceerder begrip van kennis. Sommige kennis laat zich documenteren, andere kennis ontstaat pas tijdens gezamenlijke interactie, experimenten of jarenlange ervaring. Bewust en houdbaar management van kennisstromen betekent daarom niet dat alle kennis volledig beheersbaar kan worden gemaakt. Het betekent vooral dat organisaties bewust kunnen nadenken over \u2018welke kennis moet stromen, hoe impliciet die kennis is, welke omstandigheden nodig zijn om haar overdracht mogelijk te maken en welke interventies daarbij passen\u2019.\n\nJuist deze grotendeels onzichtbare laag vormt de *Hidden dimension of open innovation* waar naar de titel van het proefschrift verwijst.","summary":"Summary\n\nThis dissertation, titled \"The Hidden Dimension of Open Innovation \u2013 Purposefully Managing Tacit Knowledge Flows,\" focuses on a significant yet relatively invisible component of open innovation: the role of implicit or tacit knowledge. Open innovation essentially concerns the deliberate utilization and exchange of knowledge across organizational boundaries. In this approach, companies do not develop innovations solely based on their own knowledge but collaborate with other firms, universities, knowledge institutes, suppliers, or customers.\n\nSince Henry Chesbrough introduced the concept of open innovation in 2003, much research has been conducted on this method of innovating. However, practice shows that open innovation is not automatically successful. Collaboration across organizational boundaries brings challenges such as differences in interests, expertise, language use, and working methods. Furthermore, not all knowledge is easily transferable. This latter point forms the starting point of this dissertation.\n\nThe central research question is: How can tacit knowledge flows within an open innovation context be purposefully managed?\n\nTacit knowledge is defined as the knowledge that people possess and use but cannot always easily articulate. Michael Polanyi's classic formulation, \"we can know more than we can tell,\" captures this succinctly. Examples include the experience of a craftsman who hears by the sound of a machine that something is wrong, or an experienced project leader who intuitively senses that collaboration between certain parties is about to stall. Such knowledge is often highly valuable but much harder to record and transfer than, for example, a manual, report, or dataset.\n\nThe dissertation consists of three consecutive studies that build toward answering the central research question.\n\nStudy 1: Which mechanisms determine whether open innovation works?\nThe first study examines the broader scientific literature on open innovation. While much is known about factors related to successful innovation, it was less clear why certain circumstances lead to success or failure. Therefore, the study focuses on generative mechanisms: underlying processes that explain why a specific context or intervention leads to a particular outcome.\n\nFor this study, 160 empirical studies on open innovation were systematically analyzed across five levels: individual, project or team, organization, inter-organizational network, and society. A distinction was also made between mechanisms playing a role before open innovation is established, during its execution, and in the final results.\n\nThe analysis reveals a wide variety of factors in the literature. Fifteen common mechanisms were distilled and grouped into four broader categories: governance and policies; environmental dynamics and interactions; knowledge, skills, and capabilities; and \u2018learning by doing.\u2019 A key conclusion is that tacit knowledge transfer plays a central and crucial role in open innovation, shifting focus from *whether* organizations exchange knowledge to *what type* of knowledge is exchanged and what is needed for its successful transfer.\n\nStudy 2: Not all knowledge can be managed in the same way\nThe second study is the substantive heart of the thesis, examining how the degree of tacitness influences the way knowledge flows can be managed.\n\nUsing Collins\u2019 knowledge typologies, the study places various forms of knowledge on a continuum of tacitness. At one end is explicit knowledge, which is relatively easy to capture in documents or models. Three forms of tacit knowledge are then distinguished: relational tacit knowledge (easier to transfer via interaction), somatic tacit knowledge (embedded in personal skills and the body, learned through practice), and collective tacit knowledge (the most implicit, embedded in group routines and behaviors, and very difficult to verbalize).\n\nThrough a five-year longitudinal case study of an open innovation program, five mechanisms were identified to manage these different knowledge flows: (1) jointly formulating radical, shared goals; (2) managing cognitive distance between participants; (3) social brokering; (4) jointly developing cross-functional data models and visualizations; and (5) the joint construction process of physical or virtual test facilities.\n\nStudy 3: Can AI help make tacit knowledge visible?\nThe third study addresses a methodological problem: how can researchers and professionals systematically observe and analyze tacit knowledge flows?\n\nIt investigates the role of Artificial Intelligence, specifically Large Language Models (LLMs). Using a Design Science Research approach, a method was developed to analyze meeting transcripts for various forms of knowledge transfer. The results show that LLMs have the potential to detect relational and somatic tacit knowledge in large volumes of text, enabling the collection of more primary data than human analysis alone. However, collective or strong tacit knowledge remains difficult to detect reliably due to its embedded and non-verbal nature.\n\nOverall Contribution\nThe three studies combined offer three central contributions. First, they demonstrate that tacit knowledge transfer is a central element of open innovation, not just a side effect. Second, the \"knowledge tacitness continuum\" is introduced as a way to understand different types of knowledge and match them with appropriate management mechanisms. Third, an AI- and LLM-supported method is developed to systematically extract tacit knowledge transfer from real-world conversations.\n\nThe core of the dissertation is practically relevant: successful collaboration requires a nuanced understanding of knowledge. Purposeful management means organizations must consciously consider which knowledge should flow, how implicit it is, and what circumstances and interventions are needed to enable its transfer. This largely invisible layer forms the \"Hidden Dimension of Open Innovation.\"","auteur":"Ruben Ogink","auteur_slug":"ruben-ogink","publicatiedatum":"4 december 2026","taal":"NL","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/rubenogink?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/7ac074d7-d10c-40ff-8699-c614bc5498b7\/highres","url_epub":"","ordernummer":"19670","isbn":"978-94-6534-691-5","doi_nummer":"","naam_universiteit":"Overig","afbeeldingen":28550,"video_url":"","podcast_url":"","naam_student:":"","binnenwerk":"","universiteit":"Overig","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/28464","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/28550"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=28464"}],"wp:term":[{"taxonomy":"university_us_portfolio","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/university_us_portfolio?post=28464"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}