1

Clusters, structural embeddedness, and knowledge: A structural embeddedness 

model of clusters 

 

 

Shaowei He 

Centre for Urban and Regional Studies 

University of Birmingham, U.K. 

Email: 

sxh219@bham.ac.uk

 

 

-Paper to be presented at the DRUID-DIME Winter PhD Conference, Skoerping

 

, Denmark, 26

th

 – 28

th

 January, 2006 

 

 

 

Abstract: The paper is concerned with network structure and its relation to clusters 

development with reference to knowledge creation and diffusion. Consciously trying 

to avoid ‘sloppy thinking’, it revisits the concept of ‘structural embeddedness’ and 

uses it as the analytical lens. The paper demonstrates that both cohesive internal 

linkages or ‘closure’ and diverse external linkages or ‘range’ are important for 

clusters development. While ‘closure’ is important for fine-grained information 

transmission and action coordination, ‘range’ brings into the cluster novel information 

and knowledge and therefore prevents the cluster being locked-in. As clusters and 

firms face both uncertainties in knowledge access and in action coordination, the 

network structure needs to strike an appropriate balance between ‘closure’ and ‘range’. 

The specific network structure of a cluster depends on the specific uncertainties it 

faces. When the prominent uncertainty is in accessing relevant knowledge, the 

balance may need to lean towards ‘range’. When the greatest uncertainty is in 

securing the coordination, the balance may need to lean towards ‘closure’. Finally, the 

paper shows that the appropriate mix of ‘range’ and ‘closure’ is contingent on clusters 

difference and cluster life cycles, which influence the uncertainties facing a cluster. 

 

Key words: clusters, knowledge, structural embeddedness, internal linkages, external 

linkages, range, closure,   

 

2

 

1. Introduction 

 

Arguably cluster theory has evolved towards an embeddedness approach, 

emphasizing the social context in knowledge creation and dissemination and 

innovation. Consequently, the analysis of networking relationships has become the 

core of various accounts of clusters. However, the arguments in current literature are 

to a large extent biased toward local embeddedness or geographic proximity for 

promoting and sustaining the kinds of relationship necessary for innovation. It has 

been noticed that a good part of the existing literature looks at clusters as isolated and 

self-contained entities (Breschi & Malerba, 2001). In particular, the growing emphasis 

of tacit knowledge and collective learning process helps to legitimize the arguments 

such as ‘localized capabilities’ (Maskell and Malmberg, 1999) and regional-specific 

assets, for example ‘untraded interdependencies’ (Storper, 1995), which are based 

upon intra-regional linkages. While there is recognition of the importance of external 

relationships and linkages, especially where clusters are export-oriented, the nature of 

extra-regional linkages is ‘characterized explicitly or implicitly as arm’s-length’ and 

the external world is described at most ‘as a market presenting competitive challenges 

that must be met through improved organization and effort within the cluster’ 

(Humphrey & Schmitz, 2002: 1019). 

 

This bias towards intra-regional linkages might be explained by the interest in the 

‘new regionalism’ (Lovering, 1999; MacLeod, 2001). In the ‘new regionalism’, it is 

argued that most of the essential determinants of economic performance reside in 

regions which are characterized as “containing the full range of activities required to 

produce finished products for the world market, or at the very least retaining the core 

functions’ (Humphrey & Schmitz, 2002: 1019). By presuming the importance of the 

‘local’ or the ‘region’, innovation is viewed ‘as a result of social processes which 

depend on close interaction and network linkages in localized production contexts’ 

(Bathelt, 2003: 769-770). Consequently, much of earlier work ends up with ‘find[ing] 

indicators that conforming this’ (Wolfe & Gertler, 2004). 

 

However, it has been pointed out how problematic this ‘new regionalism’ is and how 

rare it is to find a self-referential region, as regions are strongly dependent on national 

 

3

institutions and other external influences and lack important political decision-making 

competencies (Lovering, 1999; Hess, 2004; Bathelt, 2003;). In addition, numerous 

empirical studies have demonstrated that external or global linkages are as much 

important, if not more than, as internal linkages in the innovation processes (for 

instance, Hendry et al, 2000; Saxienian & Hsu, 2001; Britton, 2003; Simmie, 2004; 

Leibovitz, 2004). 

 

Despite the well-documented importance of external linkages in innovation and 

economic development (Grabher, 1993; Simmie, 2004) and a few recent attempts to 

conceptualize them into cluster models (Wolfe & Gertler, 2004; Bathelt et al., 2004), 

they are still ‘weakly theorized’ in the current cluster literature (Humphrey & Schmitz, 

2002). There still lacks systematic and dynamic conceptualization of ‘embeddedness’ 

and ‘structural embeddedness’ in particular. If we accept that ‘structural 

embeddedness’ is the structure of overall networking relations (Granovetter, 1992) 

and define it as the structure of internal linkages and external linkages in the case of 

‘clusters’, then the questions we need to ask are: What are the functions of internal 

linkages and external linkages in knowledge creation respectively? What is the 

relationship between these two kinds of linkages? What is the structure of the two 

linkages in clusters and what are its impacts on knowledge flow and innovation 

(Staber, 1996; Tracey & Clark, 2003).   

 

It is the objective of this paper, based on the deficit in the literature, to develop a 

systematic and dynamic analysis of clusters, using ‘structural embeddedness’ as the 

theoretical analyzing lens. The arguments moves as follows: The next section revisits 

the concepts of ‘embeddedness’ and ‘structural embeddedness’ in the economic 

sociology literature (where they originated), with the aim to avoid ‘fuzzy’ 

conceptualization of ‘embeddedness’ in regional sciences (Hess, 2004). In section 3, a 

structural embeddedness model of clusters is presented, discussing the functions of 

both internal and external linkages and the relationship and structure of the two 

linkages in regard to knowledge creation and diffusion. Section 4 moves on to discuss 

the contingent factors that influence the ‘optimal’ structure of internal and external 

linkages for clusters. The final section summarizes the argument of the paper and 

presents its implications for policy. 

 

 

4

2.  A brief introduction to embeddedness and structural embeddedness 

 

The concept of ‘embeddedness’ has gained much prominence in regional 

development studies including works in clusters. However, it is criticized that the 

concept has been applied with ‘spatial fetishization’ (Lewis et al., 2002: 441) and 

‘new regionalism’ is almost conceived as ‘the only spatial logic of embeddedness in 

an era of globalization’ (Hess, 2004: 167).    Particularly, as ‘many studies in the new 

regionalism tradition pay attention almost exclusively to local and regional systems of 

economic and social relations’ (Hess, 2004: 166) and overlooked the non-local 

relations, the ‘structural embeddedness’ elements, which is emphasized much by 

Granovetter (1992) is to a large extent neglected in regional studies until recently. It is 

therefore worth pausing for a while to revisit the concepts of ‘embeddedness’ and 

‘structural embeddedness’ and the basic ideas behind them. 

 

2.1  embeddedness and structural embeddedness 

 

According to Granovetter (1985, 1992), embeddedness refers to the fact that 

‘economic action and outcomes, like all social action and outcomes, are affected by 

actors’ dyadic (pairwise) relations and by the structure of the overall network of 

relations’ which he refers to relational embeddedness and structural embeddedness 

respectively (Granovetter 1992: 33). Therefore relational embeddedness reflects the 

nature of dyadic (pairwise) relations (through strong ties or weak ties), which has 

direct effects on individual’s economic action, while structural embeddedness goes 

beyond the immediate ties and refers to the aggregated impact of dyadic relations.   

 

By stressing structural embeddedness, Granovetter argues that not only do personal 

relations matter, but also the structure of the overall network of relations. If the pair of 

individual relations is abstracted out of the wider social context, the ‘atomization’ of 

human behaviour ‘has not been eliminated, merely transferred to the dyadic level of 

analysis’ (Granovetter, 1992: 34, emphasis original). The overall networks of 

relations has subtle and indirect impact on human behaviour. Granovetter (1992) 

explains this well: 

 

“A worker can more easily maintain a good relationship with a supervisor who has good relations with 

 

5

most other workers as well. If the supervisor is at odds with the others, and especially if those others 

are friendly with one another, they will be able to make life very difficult for the one worker who is 

close to the supervisor; pressures will be strong to edge away from this closeness’. (Granovetter, 1992: 

35) 

 

There is a general agreement that social structure is a kind of capital that can create, 

for certain individuals or groups, a competitive advantage in pursuing their ends (Burt, 

2000). Two contrasting arguments emerge in the literature that illustrate functions of 

different types of structural embeddedness. The first is Coleman’s (1988) closure 

argument, to which many current embeddedness models to regional development 

correspond. The other is Burt’s (1992) structure hole argument. Although it is highly 

influential in organization sciences and business literature, it is often neglected in the 

regional sciences. 

 

2.2 Closure 

 

Coleman’s (1988, 1990) basic conclusion is that actors are better off in networks with 

‘closure ‘ - a dense network in which actors are tied to multiple actors, who are 

connected to one another. The first advantage of ‘closure’ is that it affects access to 

information and speeds up information transmission. As Coleman (1988: p104) 

explains: ‘An important form of social capital is the potential for information inherent 

in social relations….A social scientist who is interested in being up-to-date on 

research in related fields can make use of everyday interactions with colleagues to do 

so, but only in a university in which most colleagues keep up-to-date’.   

 

The second advantage of ‘closure’ comes from the development of trust, norms and 

culture, which govern actions in the network. In a closed community, trust develops in 

the frequency of interaction, in ethnic and family ties, through religious affiliation and 

so on. An example of the Jews-dominated wholesale diamond market in New York 

City suffices to explain this (Coleman, 1988). There are close ties among these Jews 

as they live in the same community in Brooklyn, have a high degree of intermarriage, 

and go to the same synagogues. Precious stones could change hands for inspection 

without formal insurance because of the presence of the closed ties within the 

merchant community. Without these close ties, expensive insurance devices must be 

 

6

present to ensure the transaction to take place. 

 

‘Closure’ governs actions within the community not only through trust, but also 

through sanctions and monitoring. The news spread so quickly in the closed 

community that bad behaviour and malfeasance accumulate to bad reputation in the 

community which excludes the offender from the community. The economic and 

social costs of developing a bad reputation is so high that one seldom dare to offend 

(Granovetter, 1992). 

 

In addition, the pressure against cheating not only arises from direct sanctions, but 

also from the fact that ‘closure’ is more efficient than sparse relational networks at 

generating norms, culture, rules. ‘Closure’, through its long history of mutual 

interaction, has accumulated a set of ‘institutions’ such as conventions, rules (explicit 

or implicit) and culture. Individual members have absorbed a set of standards from the 

community because they have been in the community for so long, which means 

cheating is ‘literally unthinkable’ (Granovetter, 1992). 

 

Finally, we should also be reminded that the social capital derived from closure not 

only facilitates certain actions, it also constrains others. The norms in the diamond 

wholesale market for example may prevent members from transacting with dealers 

outside of the community. Also the obligation to the community may ‘prevent 

members from participating in broader social networks’ (Woolcock, 1998: 158). 

 

2.3 structure hole 

 

Rather than emphasizing the benefits of being within a cohesive network or ‘closure’, 

Burt (1992, 1997, 2000) argues that social capital also emerges from another 

particular type of network – network rich in structural holes. As ‘closure’ is often 

associated with strong ties, structure holes are mainly concerned with weak ties or 

nonexistent ties. Granovetter (1973) argues that weak ties are essential to the 

information flow between otherwise disconnected groups. Burt (1992, 1997) extends 

the argument. He claims that a structural hole exists wherever there is a gap between 

the otherwise disconnected groups. For Burt, it is structural holes that breed potential 

 

7

benefits. Hence once they are bridged, whatever by strong ties or weak ties

1

, there are 

advantages for the actors who bring the otherwise disconnected partners together. 

 

The first advantage concerns information access. As discussed in the ‘closure’ 

argument, ties to multiple actors, who are connected to one another, provide 

redundant information, as similar information circulate in the network (Granovetter, 

1973; 1992). A structural hole however, indicates that the people on either side of the 

hole circulate in different flows of information – nonredundant information, which is 

more additive than overlapping (Burt, 1992). Therefore, an actor who spans the 

structural hole has access to both information flows. This could be demonstrated in 

the Figure 1(see the appendix): 

 

In Figure 1, actor X in network A exists in a ‘closure’, which provide reliable, 

fast-transmitted information. However, everyone in the network tends to know the 

same. In network B, there are structural holes between groups K, L, M and N, while 

actor X spans the structural holes. Therefore X get access to four distinct information 

sources. The potential nonredundant information advantage that the structural holes 

generate has been confirmed in one of Granovetter’s (1973) widely known study – 

‘the strength of weak ties’, which demonstrates that white-collar workers find better 

jobs faster because of the weak ties that link otherwise disconnected social groups. 

 

In addition, actors spanning structural holes are awarded brokerage benefits, because 

the otherwise disconnected partners could only communicate through them (Burt, 

1992). Therefore they act as intermediaries or brokers who facilitate exchange flows 

across the network and broker tensions between other actors, ‘which gives them 

disproportionate say in whose interests are served when the contacts come together’ 

(Burt, 2000: 10). The brokerage role in turn presents opportunities for entrepreneurial 

activities (Burt, 1992). The brokers may be able to extract superior terms of trade 

because of possible control benefits (Gulati, 1998). 

 

Despite the nonredundant information and brokerage benefits, there is downside of 

structural holes: the sparse network in which structural holes exist cannot provide the 

                                                        

1

  Burt (1992) agrees that usually it is weak ties that span structural holes. 

 

8

governance mechanism to impede opportunism which is present in ‘closure’ (Rowley 

et al., 2000). 

 

3.  A structural embeddedness model of clusters 

 

If we view clusters as networks of firms and associated institutions, then there is 

much that structural embeddedness can tell about how particular network structure 

can lead to mutually adaptive learning processes, with consequences for innovation. 

In this section, a structural embeddedness model of clusters is presented, examining 

the role of internal linkages and external linkages as well as the impact of networking 

structure on cluster development, particularly in regard to knowledge creation and 

diffusion.  

 

A cluster is defined here as a network of proximate firms and associated institutions, 

linked by traded interdependence and untraded interdependence (Storper, 1995) 

around a core activity. It has a densely connected critical mass in a geographical area 

and is bridged through external linkages with the global production/innovation  

network. Ongoing interactions between internal actors and/or external actors 

determine the dynamics and evolution of the cluster (internal actors means actors 

within the geographically critical mass while external actors refers to those outside the 

critical mass). 

 

The definition describes a cluster as a network of internal actors and external actors. 

Therefore the network relationships could be grouped into internal linkages (linkages 

between internal actors) and external linkages (linkages between internal actors and 

external actors). Compared to those between internal actors and/or external actors, 

interactions between internal actors within the critical mass are usually very intensive 

and frequent. Hence a cluster could be conceived as a dense network of internal actors 

within the critical mass, linked through relatively sparse external linkages to other 

clusters or organizations and therefore embedded in the global production networks or 

global value chains (See figure 2). In this sense, a cluster is an ‘open system’ (Bathelt, 

2003). 

 

Figure 2 network structure of a cluster (sorry, I have to draw it manually) 

 

9

 

It is also worth noting that the definition talks about internal linkages and external 

linkages rather than intra- and extra-regional linkages, as the critical mass of a cluster 

rarely fits in well with the boundary of a region. External linkages may well include 

linkages with actors outside the critical mass but within the same region. On the other 

hand, some extra-regional actors may well be within the cluster critical mass. 

 

As it is well acknowledged that economic actions are embedded in social relationships 

and the ongoing network of social relationships, the following analysis adopts the 

language of ‘structural embeddedness’ and put social relationships between actors and 

networks of these social relationships at the center of the analysis. The focus is on the 

relevance of these relationships/linkages and structure of these linkages to knowledge 

creation, diffusion and exploitation. The analysis is not an attempt to explain the 

whole story behind clustering. Rather, the aim is to emphasize the upsides and 

downsides of both internal linkages and external linkages in knowledge generation 

and innovation and therefore the need to strike an appropriate balance between them. 

 

3.1  clusters, knowledge and network structure 

internal linkages, closure, and knowledge 

Firms and other organizations in a cluster are embedded in a dense critical mass of 

internal linkages. The dense network of internal actors is in effect a ‘closure’ in 

Coleman’s (1988) term. Each actor is not necessarily strongly connected to everyone 

else. However, there are many strong ties and there are multiple links between actors 

at multiple levels so that each members of the ‘closure’ is located ‘in a dense 

communal web of overlapping affiliations and obligations’ (Owen-Smith & Powell, 

2004). 

 

Within the cluster critical mass, a network of communication and information 

linkages develops among the densely connected internal actors as the result of the 

history of prior interactions. Information and knowledge is transferred in the daily 

interactions and face-to-face contacts. The rich history of social interaction within the 

‘closure’ generates multi-level relationships between individuals and organizations, 

 10

which link actors in multiple ways (as business partners, friends, agents, etc), offering 

a great deal of channels through which information is transmitted from one end to 

another (Uzzi, 1997). Over time, an ‘information and communication ecology’ 

(Bathelt et al., 2004), or ‘buzz’ to use Stoper & Venables’ (2002) terminology, is 

formed in which information and knowledge is transferred with high velocity and is 

continuously updated.   

 

Within the ‘closure’, trust is developed when extra effort is voluntarily given and 

reciprocated (Uzzi, 1997) and over time it is enhanced as misunderstanding and 

suspicions are gradually eliminated through the ongoing interactions (Gulati, 1998; 

Maskell & Lorenzen, 2004). In addition, ‘closure’ can also serve as a basis for 

‘enforceable’ or ‘deterrence-based’ trust (Gulati, 1998). The potential sanctions 

means that, even there is not real trust developed among actors in the ‘closure’, they 

can still behave as if they trust each other (Granovetter, 1985; Maskell & Lorenzen, 

2004).  

 

The primary outcome of trust within the ‘closure’ is that it promotes greater exchange 

of knowledge and access to privileged and fine-grained information, which is difficult 

to obtain in other network structure (Uzzi, 1997). Trust not only affects information 

access, it also helps to smooth interactions and develop flexible expectations among 

partners (Gulati, 1998), all of which generate favorable conditions for the success of 

collaboration, joint-problem solving and collective learning. 

 

Apart from trust, ‘closure’ is conducive to the development of other institutions like 

norms, conventions and routines, which are established and modified through 

day-to-day interactions, regular meetings, collaborations and joint-problem solving. 

They help firms to understand their partners, to develop trust and flexible expectations, 

and to reduce uncertainty in knowledge transfer and economic transaction (North, 

1990; Lawson & Lorenz, 1999; Bathelt, 2003). Therefore the institutional framework 

serves as an enabler that facilitates the process of joint-problem solving and provides 

the basis of collaborating and learning between cluster actors.   

 

The previous discussion is a familiar story readers have seen in numerous studies in 

regional sciences. However, there are further points that this paper would emphasize. 

 11

The first concerns the mechanism by which ‘closure’ transmits information. 

Owen-Smith & Powell’s (2004) ‘irrigation’ metaphor is very illustrative in this sense. 

In a ‘closure’, fine-grained information is transferred between actors that are strongly 

connected. Trust derived from previous interaction means one side is more inclined to 

release information and the other side more willing to accept it (Reagans & McEvily, 

2003). Apart from this point-to-point transmission, information could also be 

transferred within the ‘closure’ through ‘irrigation’. Therefore within a ‘closure’, 

actor A need not to be directly connected to actor C to get information. As long as 

there is a co-partner B between them, B would pass by the information from C to A 

and vice versa. By the same mechanism, other actors within the ‘closure’ could also 

be ‘irrigated’ with the information originally from C. Hence the ‘closure’, which is 

rich in relational linkages, breeds potential collective information benefits for all the 

members within the community. As a result, firms not only benefits from greater and 

finer information exchange from direct contacts, but also could tap into the 

knowledge pool within the critical mass through ‘irrigation’.   

 

The second point that deserves attention is the fine-grained nature and quality of the 

information being transmitted in the ‘closure’ (Uzzi, 1997), particularly in the context 

of learning and innovation. Actors within the ‘closure’ are likely to be familiar with 

each other’s practices and behaviors. They may prescreen or sift information 

according to their partners’ needs before passing over the information, because 

through prior relation they know what their partners need. In addition, trust within the 

community reduces the risk for the receivers to accept the information. In other words, 

the receiver would accept the information because it believes the information is sent 

by ‘good will’. Moreover, familiarity also makes it easier for the receivers to correctly 

interpret the information that is passed over. Over time the ‘closure’ may even 

develop its own language through which very detailed information could be 

transferred. The information could be so subtle and implied than overtly expressed in 

conversation that it is hard for outsiders to understand. This is illustrated in Uzzi & 

Lancaster’s (2003) study on a local group of bank loan managers, which demonstrates 

that knowledge circulated in ‘closure’ could be very ‘private’ but critical to the 

learning process. 

 12

the downside of ‘closure’ 

Despite the well-acknowledged and documented benefits of being in the ‘closure’, it 

has been warned recently that there is a downside associated with densely networked 

firms. Research in the business literature has demonstrated that the same processes by 

which the ‘closure’ ‘creates a requisite fit with the current environment can 

paradoxically reduce an organization’s ability to adapt’ (Uzzi, 1997: 57). 

 

When embedded in dense internal linkages in a ‘closure’, firms are connected with 

one another through various relationships. While this network structure offers the 

advantage of getting fine-grained information, it can also reduce the flow of new or 

novel information into the ‘closure’. Because multiple links to the same network 

partners means there are many redundant ties within the ‘closure’ but few or no links 

to the outside members who can potentially contribute innovative ideas (Burt, 1992). 

In other words, there is a danger for the ‘closure’ to be ossified without the inflow of 

new or novel information.   

 

In addition, as time goes on, trust, conventions, norms, and other institutions, which 

are derived from the intensive interconnectedness, could become the very obstacles 

for further growth or the seed of decline. Within the ‘closure’, there is a tendency for 

homogeneity (Granovetter, 1992). Managers, engineers and workers tend to think and 

behave in a similar way and to adopt similar cognitive frameworks or ‘mental models’ 

(Pouder & St. John, 1996) to solve problems, conforming to the institutions. These 

‘mental models’ and institutions, once being formed, tend to persist, even in the face 

of contrary evidence (Pouder & St. John, 1996). Therefore when faced with an 

environmental jolt, firms within the ‘closure’ may not be able to recognize the need 

for radical change. They are less likely to challenge institutional norms. Hence the 

network structure of ‘closure’ may limit cluster firms’ ability to anticipate and react to 

environmental shocks and therefore their innovative potential. In other words, there is 

a real danger of homogeneity in relation to innovation (Tracey & Clark, 2003). This is 

the process through which a cluster decline over time, from ‘hot spots’ to ‘blind spots’ 

(Pouder & St. John, 1996). 

 13

external linkages, range, and knowledge 

 

Firms and other actors within the cluster critical mass are connected with each other 

by multiplayer relationships, which consist of the ‘closure’. At the same time, the 

‘closure’ is linked to the outside world through some external linkages established by 

some of its internal actors. They are the ones that bridge the ‘structure hole’ – the gap 

between other internal actors and external actors. They are therefore hole spanners. 

Without them, the critical mass would be insulated from the outside. In figure 2, 

actors a, b and c are hole spanners. They link other internal actors with external actors. 

At the aggregate level, they are also the channels of communication through which 

the whole internal critical mass is connected with the external world. However, the 

structure of these external linkages is likely to be different with that of the internal 

linkages. The overlapping, multilevel and cohesive relationships within the ‘closure’ 

are less likely to be found in the network of external linkages. There could be some 

strong ties involved in external linkages. However, it is rare to observe actors in the 

external linkages to be connected with one another. In another word, external linkages 

are more likely to be independent from each other. Reagans & McEvily (2003) use 

‘range’ to describe the structure of the external links outside a cohesive group which 

is rich in structural holes. Therefore, while ‘closure’ reflects the extent to which 

internal actors are connected with one another, ‘range’ indicates the extent to which 

the ‘closure’ spans structural holes between other clusters or groups. The different 

network structure implies that ‘range’ may function differently from ‘closure’ in 

terms of information and knowledge flow. 

 

According to Burt (1992, 2000), hole spanners bridge different flows of information. 

By building external relationships with actors outside the cluster critical mass, hole 

spanners tap into nonredundant sources of information. This gives hole spanners huge 

advantage. Through the internal mechanism of the ‘closure’, the nonredundant 

information from structural holes will finally diffuse across the critical mass’: other 

internal actors benefit the information through direct links with spanners and through 

referral and irrigation. The nonredundant information then becomes redundant after 

the process. 

 

 14

The external linkages that span structural holes could be strategic alliances, R&D 

collaboration projects, mobile labourers and so on. Hole spanners could be innovation 

centers of international companies, subsidiaries of TNCs, international logistics firms, 

and global component suppliers. They could also be key scientists and researchers 

who travel and meet other people around the world. These hole spanners therefore 

bring into the ‘closure’ new market information, new development of technologies in 

other places and in other but related technological areas, new ways of organizing 

production, new method of cost management, new production standards, etc. 

 

It is this novel information that deserves our special attention. We have known 

‘closure’ is good at circulating more reliable, more accurate but redundant 

information. In contrast, information transmitted through structural holes is more 

likely to be new and novel. Remember how important that new information is to 

innovation as innovation is very much about breaking up old tradition. The novel 

information coming from outside also provide stimulus to prevent the cluster from 

being ‘locked-in’. We have known ‘closure’ generates homogeneity over time. 

Cluster actors tend to conform to traditional rules and conventions formed through 

previous experience and interaction, using old ‘mental models’ to solve problems. 

Quite likely it is only through the injection of new ideas and knowledge through hole 

spanners can cluster actors challenge institutional norms, discard old ‘mental models’, 

and form new ones. 

 

Burt (1992) based his structural hole at the individual person or firm level. However, 

we could extend the argument to the aggregate group level or the cluster level. For 

example, again in figure 2, there is a structural hole between cluster B and C. Only 

through cluster A are they connected. Therefore cluster A is a hole spanner and it 

enjoys novel and diverse information and knowledge coming from both cluster B and 

C. According to Kaufmann & Tödtling (2001), the novelty of exchanged information 

fades over time as ‘partners become locked into well-established routine interactions’ 

(p796). Therefore one of the propositions for clusters would be to build up a broad 

range of diverse external linkages, widening the ‘range’. The wider the ‘range’, the 

broader and more diverse information the cluster embraces. Also note that cluster A 

also act as a broker between cluster B and C as otherwise B and C are disconnected. 

The information advantage and brokerage role partly explain the success of Silicon 

 15

Valley. According to Sturgeon’s (2003) analysis of the electronic industry, there has 

been a trend towards spatially dispersed clusters, with Silicon Valley emerging as the 

hub for the global network. The explanation from the ‘range’ perspective would be 

that Silicon Valley enjoys diverse information sources as other clusters are all 

connected with it (according to Bresnaham et al. (2001), the ICT clusters in Isarael, 

India, Ireland and Taiwan all had significant ties with the Silicon Valley). It also 

enjoys the benefits of its brokerage position, as it command and control the operation 

of the whole global production network. 

the downside of range 

 

Certainly a network structure with many structural holes has its disadvantages. Firstly, 

although ‘range’ may offer new and novel information which would not be circulated 

in the ‘closure’ before, information transferred is less likely to be as subtle and 

accurate as those diffused within a ‘closure’. Because many linkages that bridge 

structural holes are weak ties, partners are less motivated and obliged to transfer 

fine-grained information. The information is unlikely to be prescreened and 

preprocessed according to the receivers’ needs. The receiver might have to pick up the 

useful information from a lot of ‘noise’. Certainly overtime as more efforts are put in, 

more interactions will take place and partners may become more familiar with each 

other and therefore trust may develop with the relationship becoming more intimate. 

However first that entails huge costs because of the distance and the gap between 

different knowledge areas. Second, the novelty of exchanged information fades over 

time as interactions become routine (Kaufmann & Tödtling, 2001).   

 

The second disadvantage associated with ‘range’

 

is that it does not offer the same 

kind of trust and institutions that present in ‘closure’. Trust between partners that are 

distant and in different knowledge areas takes enormous time and efforts (Bathelt et. 

al., 2004; Morgan, 2004). Even though trust could be built between individual 

partners over time, there is no ‘public trust’ within ‘range’. As external partners are 

unlikely to be familiar with each other, there is no sanction and group monitoring 

mechanism in the ‘range’. Also as actors in the ‘range’ are less likely to be mutual 

interdependent on one another, less likely to have day-to-day and fact-to-face actions 

 16

and regular meetings, norms and conventions are not easy to develop. The uncertainty 

derived from the distrust and unfamiliarity forms the barrier to fine-grained 

information transfer and joint-problem solving. 

 

3.2 integration of ‘closure’ and ‘range’ 

mutual dependence between ‘closure’ and ‘range’ 

Knowledge flows through ‘closure’ and ‘range’ are indeed two distinct processes, but 

they are not independent on each other. On the contrary, they rely on each other. 

Firstly, ‘range’ provides opportunities to get access to novel knowledge, which is 

critical to clusters development and help the ‘closure’ avoid being rigid and 

‘locked-in’. There is similar thinking in Jessop’s (2001) “autopoietic system’ when he 

argues that ‘an autopoietic system always co-exist with other systems that constitute 

key elements in its environment and depends on them for essential conditions for its 

own operation” (p218). It is argued that few clusters possess in the ‘local’ the 

complete knowledge base they need to draw upon. On the contrary, the knowledge 

flows that feed innovation in a cluster are increasingly being found somewhere else 

(Wolfe & Gertler, 2004). Therefore clusters could only be successful if they can build 

a variety of channels for accessing relevant information and knowledge from around 

the world (Bathel et al., 2004), as demonstrated in the development of Taiwan’s 

Hsinchu cluster (Saxenian & Hsu, 2001). 

 

From a different perspective, Tracey & Clark (2003) explain how the ‘closure’ 

becomes rigid and ‘blinded’ if without external stimulus: individuals and firms are 

often convinced of the effectiveness of their existing ways of thinking and operation. 

They may continue to reply upon them and effectively make decisions within fixed 

frames of reference, as the norms and routines have been taken for granted. Through 

this negative ‘single-loop learning’, firms prison themselves in the existing patterns of 

behaviour, which impairs their abilities to formulate the necessary strategy. It is 

usually through the injection of external stimulus can the existing ‘mental model’ and 

institutions be updated, as demonstrated in the development of the Chilean tomato 

processing cluster where Japanese multinationals helped Chilean firms develop new 

quality management practices and solve the long suffering problem of coordinating 

 17

between processors and suppliers (Perez-Aleman, 2005). 

 

The other side of the mutual dependence between ‘closure’ and ‘range’ is that the 

novel information grasped by ‘range’ needs ‘closure’ to be exploited. This is in fact 

one of the central themes of Bathelt’s (2003) social systems model of geographies of 

production as he proposes that ‘systems collect information from their (external) 

environment, process and interpret this information and, subsequently, derive 

operations from this’ (p766). How effective and efficient the ‘closure’ responds to the 

new information and the change in its environment depends on its own ‘codes and 

programmes’ (Jessop, 2001). Wolfe & Gertler (2004) step further by pointing out the 

effectiveness of the ‘international pipelines’ depends on the quality of trust that exists 

between the firms in the ‘local buzz’. ‘Closure’ helps to generate trust. According to 

Krackhardt (1992), trust can reduce resistance and provide comfort in the face of 

uncertainty. This partly explains how ‘closure’ can facilitate the change that ‘range’ 

brings. 

 

Recent work in the business literature has corroborated the impact of ‘closure’ on the 

effectiveness of ‘range’. Gargiulo & Rus (2002) for example, address the issue of top 

management performance in terms of ‘access’ and ‘mobilization’: According to their 

argument, while ‘range’ confers competitive advantages through maximizing access 

to diverse information, ‘closure’ help to secure the mobilization necessary to reap the 

benefits created by such access. Therefore, a successful team or group needs to 

capture elements of both ‘range’ and ‘closure’ to achieve its goals. Similar 

conclusions have been reached by other scholars (for instance, Woolcock, 1998; Burt, 

2000; Rowley et al., 2000; Tracey & Clark, 2003; Reagans & McEvily, 2003;). 

 

Perez-Aleman’s (2003, 2005) account of the development of Chilean tomato 

processing cluster may suffice to explain this: New quality management practices was 

introduced into the cluster through two Chilean firms’ connection with Japanese 

companies. However, it was only through collective efforts of the local firms, 

including group-based discussions and the established business association – the 

Federation of Agro-industrial Food Processors that the novel knowledge spread and 

the new practices diffused in the cluster. In this case, the established trust among local 

players and the existing networking organizations helped the ‘internalization’ of new 

 18

knowledge, which in turn improved product quality and industrial productivity. For 

Perez-Aleman (2005: 671), ‘local upgrading and growth, however, depend on 

substantial indigenous efforts, rather than the classic story of multinationals 

transferring technology to a passive recipient setting’. 

Trade-off between ‘Closure’ and ‘Range’ 

While the mutual dependence between ‘closure’ and ‘range’ has attracted some 

scholars in regional sciences in recent years (e.g., Sturgeon, 2003; Bathelt et al., 2004; 

Wolfe & Gertler, 2004), the trade-off between the two has not been paid enough 

attention. However, research in other disciplines suggests that ‘closure’ and ‘range’ 

could also compete against each other (Granovetter, 1992; Burt, 2000). 

 

Firstly, too strong and too diverse external linkages may threaten the cohesion of 

internal linkages and therefore the existence of the cluster (Bathelt et al., 2004). The 

introduction of new ways of thinking from outside is usually different from what 

exists in the ‘closure’. In addition, they are first brought in by the hole-spanners and 

introduced to their direct contacts. Therefore, when the new and alien knowledge, 

norms and practices are introduced into ‘closure’ by the hole spanners to their direct 

contacts, there is a possibility that these new things would reduce the homogeneity of 

bahaviour (Granovetter, 1992) within the ‘closure’ and hence its cohesion, as other 

internal actors still stick to existing ‘frames of reference’. The impact of the ‘range’ 

could be so strong that the foundation of ‘closure’ could be wiped out. Bathelt et al. 

(2004) are aware of the danger to clusters when they argue that: 

 

“when actors focus primarily on external linkages, global pipelines begin to dominate the local milieu. 

Therefore, less attention is being paid to local communication and information flows and people are 

less interested to participate in local broadcasting. As a consequence, the local buzz becomes quieter 

and the reasons for firms to locate and remain in the cluster evaporate. Such ‘hollow clusters’ might not 

survive in the long-term as firms eventually shift to other locations” (page 48) 

 

Secondly, when connections between internal actors are too dense, ‘closure’ may 

become blinded to external knowledge and changes and therefore detrimental to the 

effectiveness of ‘range’. This has been explained before and has been shown in many 

other studies of the phenomena of ‘lock-in’, ‘blind-confidence’, and 

 19

‘overembeddedness’ (Uzzi, 1996; 1997; Grabher, 1993b). 

 

Thirdly, internal linkages and external linkages compete for investment of time and 

resources. Bathelt et al. (2004) are right to point out that the establishment and 

maintenance of global pipelines is not free. The process entails enormous amount of 

investment and resources, as the partners on both ends need to develop special 

schemes to understand each other’s institutional context and a certain degree of trust 

in order to engage interaction (Owen-Smith & Powell, 2002). However, it may be 

arbitrary to allege that ‘participating in the buzz does not require particular 

investment’ (Bathelt et al., 2004: 38). The nature of buzz or ‘closure’ is indeed 

spontaneous and fluid. However, this is the result of a long history of interaction, 

which takes a good deal of time and effort. To enjoy the fine-grained information 

flowed in the ‘closure’, firms need the ‘insider’ identity, which is not free-given. 

Reciprocity is present in the ‘closure’ because ‘we have been close for so long that we 

expect this of one another’ (Granovetter, 1992: 42). In addition, the establishment of 

norms, conventions and common rules should be the result of a long process of 

meeting and negotiation. Furthermore, relationships between the internal actors also 

need time and resources to maintain; otherwise they may fade over time. To 

summarize, the central theme is that clusters and firms may need to choose between 

internal linkages and external linkages as time, investment and other resources are 

limited. 

Integrating ‘closure’ and ‘range’ 

 

There has been dispute in the literature in what is the right network structure for 

individuals or groups to be in. More sophisticated arguments suggest though, that an 

optimal network structure is a combination of ‘range’ and ‘closure’ as both have 

advantages and disadvantages (Woolcock, 1998; Burt, 2000; Reagans & McEvily, 

2003). It is argued that the ‘closure’ perspective emphasizes ‘dense patterns of local 

interaction as the basis for coordination and collective action’, while the ‘range’ 

perspective focuses on ‘bridge across global divisions as the basis for information 

transfer and learning’ (Reagans & Zuckerman, 2001: 512). Similar but more 

embryonic thinking could also be found in economic geography, for example ideas of 

 20

‘neo-Marshallian nodes in global networks’ (Amin & Thrift, 1992; Coenen et al., 

2004) and ‘local buzz, global pipeline’ (Bathelt et al., 2004).   

 

For Gargiulo & Rus (2002), the controversy on the right type of network structure 

with which actors are better off conceals a fundamental difference in the assumption 

about the type of uncertainty to which ‘closure’ or ‘range’ is a solution

2

. The ‘closure’ 

perspective implicitly assumes the uncertainty facing actors is how to secure 

coordination between cluster members. The uncertainty is reduced if actors are 

embedded in a densely connected network that facilitates information flow and trust 

generation. The ‘range’ perspective assumes that the greatest uncertainty is how to 

economically secure privileged access to relevant knowledge and information. Thus 

actors that can bridge structural holes have a competitive advantage in pursing their 

interests. 

 

Yet clusters and firms may face both uncertainty in having access to the right 

knowledge and information and uncertainty in their ability to secure coordination and 

collective actions to exploit the knowledge. An integration model of clusters therefore 

needs to incorporate these two uncertainties into the equation. While the ‘range’ of 

external linkages ensures the cluster’s access to diverse knowledge and information, 

‘closure’ of internal linkages secures the necessary coordination and cooperation to 

pursue the opportunities created by such access. For a given cluster, the appropriate 

network structure would then be a function of the criticality of these two distinct 

uncertainties. When there is no difficulty to get access to the right knowledge and 

information but the coordination is crucial, ‘closure’ of internal linkages will provide 

the mechanism to overcome the problem. On the contrary, when accessing to the 

necessary information and knowledge rather than the need for coordination appears to 

be the critical, ‘range’ of external linkages will be the solution. 

 

4.  Contingent factors of structural embeddedness 

 

As time and resources devoted to their networks are limited, clusters and firms need 

                                                        

2  Gargiulo & Rus (2002) discuss the uncertainty that ‘network closure’ and structural hole theory implicitly 

assume in the case of top managers’ performance rather than clusters. 

 21

to strike a balance between ‘range’ and ‘closure’. However, because of the complex 

relationship between ‘closure’ and ‘range’, the proper match between the type of 

uncertainty and the type of network structure is not easy. Recent work indicates that 

the optimal mix of ‘range’ and ‘closure’ is contingent on a number of factors

3

, among 

which are type of region, type of industry, type of activity, type of knowledge, type of 

learning, etc (Ahuja, 1997; Oinas, 1999; Rowley et al., 2000; Breschi & Malerba, 

2001). Obviously this paper cannot discuss all these contingent factors. It hence 

chooses to address two important factors: cluster difference and cluster life cycle. The 

proposition is that, the criticality of uncertainties in knowledge access and action 

coordination is different across different clusters and various cluster life stages, which 

requires different structures of ‘closure’ and ‘range’ to facilitate cluster development. 

 

4.1 cluster difference 

 

Clusters vary with the core sectors they are around

4

. To a large extent, the difference 

between clusters is determined by the difference between the core sectors they are 

based upon. Therefore the cluster difference addressed here is very much similar to 

sectoral difference, with particular attention being paid to the fact that clusters are 

usually broader than sectors. 

 

Previous empirical studies suggest that the degree of importance of ‘range’ and 

‘closure’ is different for different clusters or sectors. Freel (2003), for example, 

indicates that, novel innovators have greater geographical reach of their innovation 

links, while incremental product innovators appear to be more locally embedded. This 

seems to suggest that the ‘range’ of non-local linkages is more important for 

research-intensive sectors and local linkages are more important for other sectors. 

This is echoed in a study of a biotechnology cluster in Scotland (Leibovitz, 2004) 

                                                        

3  According to Owen-Smith & Powell (2004), this is a proposition that has not been well attended

 

to in literatures. 

There are some embryonic ideas though. For example, Bathelt et al. (2004) agree that a mix of ‘local buzz’ and 

‘global pipeline’ is necessary to ensure continued growth and innovation. they also argue that the particular mix 

can vary across value chains, technologies and markets segments. they suspect some industries require more buzz 

while others need more pipelines, but they do not provide any answer to why that should be the case. 

 

4

  Clusters vary along at least three dimensions: the core sectors they are based, the space they are concentrated in, 

 22

which finds that local interactions are surprisingly weak and that many of the key 

relationships operate at an international scale. Hendry et al., (2000), in their study on 

opto-elctrinics clusters in six locations also demonstrate stronger global relations vs. 

local relations. However, opposite arguments and observations exist. Some studies 

have shown that the local environment, and the relative propinquity of innovation 

partners, is likely to be more important for novel innovators than for incremental 

innovators (Baptista and Swann, 1998; Nooteboom, 1999). 

 

It seems that without clear theoretical guidance, it is very easy for empirical studies to 

be biased towards either the ‘range’ argument or the ‘closure’ argument because of 

the specific nature of the clusters being investigated and the feature of the locality. 

The existing literature can hardly answer the question of ‘why there is cluster 

difference in terms of relative importance of closure or range’. Probably the best we 

could found is the embryonic idea that ‘some industries require more buzz while 

others need more pipelines’ (Bathelt et al., 2004). To find the answer of why, one of 

the key questions we need to ask first is, from the knowledge and learning perspective, 

what differentiates clusters from each other? In this respect, recent research on 

Sectoral Systems of Innovation (SSI) provides important food for thoughts (for SSI, 

see Breschi & Malerba, 1997; Malerba, 2001, 2002). 

 

Based on the empirical evidence of sectoral patterns of innovative activities and the 

notion of ‘technological regime’ (Nelson & Winter, 1982; Winter, 1984), the concept 

of SSI lays out five aspects in which sectoral systems of innovation and production 

are different from each other: knowledge base and learning processes; basic 

technologies, inputs and demand, with key links and dynamic complementaries; type 

and structure of interactions among firms and non-firm organizations; institutions; 

processes of generation of variety and selection (Malerba, 2002).   

 

From the knowledge and learning perspective, the discussion on knowledge and 

learning processes in the SSI literature is of particular interest as it sheds light on why 

and how different clusters may have different emphasis on ‘range’ or ‘closure’. 

Following Nelson & Winter (1982)’s idea of technological regime, Malerba (2001, 

                                                                                                                                                               

and the time dimension, i.e., the dynamic evolution process.   

 23

2002) maintains that, accessibility, appropriability and cumulativeness are key 

dimensions of knowledge, which differ across sectors. Technology accessibility 

reflects the likelihood of gaining knowledge that is external to firms. Accessible 

knowledge could be internal and external to the sector. Cumulativeness refers to the 

degree by which new knowledge builds upon current knowledge or the possibility of 

innovating along specific trajectories. Appropriability of innovation reflects the 

possibility of profiting from innovative activities by constraining imitation and other 

opportunitistic behaviour. It is argued that these specificities of knowledge and 

technological regimes “provide a powerful restriction on the patterns of firms’ 

learning, competencies, behaviours and organization of innovative and production 

activities in a sectoral system” (Malerba, 2002: 254). Support for the argument could 

be found in Pavitt’s sector taxonomy, which demonstrates the contrasting sectoral 

patterns in terms of sources of technology, cumulativeness in development and 

possibilities for appropriation (Pavitt, 1984). 

 

Extending the argument to cluster difference and exploring its implication to the 

structure of ‘range’ and ‘closure’, one could propose that the specificities of 

technological regimes and the knowledge base condition the environment within 

which clusters and firms operate. A given technological regime and knowledge base 

sets the parameters for specific uncertainties in knowledge access and action 

coordination. Therefore clusters may be better off with some distinct mix of ‘range’ 

and ‘closure’ but not with others. 

 

For those clusters characterized by high levels of technological accessibilities, 

knowledge is relatively easy to obtain. Clusters and firms hence should endeavor to 

build up the necessary coordination mechanism to exploit the knowledge, which 

requires frequent and intensive interaction and therefore ‘closure’ of internal linkages. 

For those clusters characterized by low level of appropriability of innovation and 

opportunistic behaviour, ‘closure’ will help to establish norms, common rules, 

regulations, and other institutions, which provide the necessary protection. ‘Closure’ 

also helps to ease information flows, which is another barrier to appropriability 

(Robertson & Langlois, 1995). For those clusters with low level of cumulativeness at 

the cluster level, the necessary information and knowledge that is critical to cluster 

development is more likely to be found outside the cluster critical mass. Therefore 

 24

these clusters would benefit more from ‘range’ of external linkages, which provide 

the critical new and novel information from many different alternatives.   

 

4.2 cluster life cycle 

 

Obviously the uncertainty problem facing clusters is not static. The structural 

embeddedness model therefore needs to consider clusters development over time and 

the evolving match between the network structures and the uncertainties they are 

aligned to. It is not the case that previous studies paid no attention to the time 

dimension of cluster development. Audertsch & Feldman (1996) for example, have 

found empirical support for their argument that innovative activity tends to cluster 

more during the early stages of the industry life cycle, but has the propensity to be 

more dispersed during the mature and declining stages. In the OECD proceedings on 

innovative clusters, Peneder (2001) presents a stylized industry life-cycle model to 

illustrate the development of culture industry-based clusters. Although these studies 

are highly illustrative, it is maintained here that the more direct and relevant subject of 

inquiry is cluster life cycle rather than general industry life cycle. 

 

Some cluster life cycle models have emerged in the literature in recent years (for 

example, Pouder & St. John, 1996; Klink & Langen, 2001). It is usually proposed that 

clusters evolve through stages of emergence, expansion, mature and transition or 

decline. While a stage approach has clear limitations

5

, this perspective is useful in 

framing the general processes of cluster evolution and the characteristics of each 

process. The key point here is that, from a knowledge and learning point of view, each 

stage represents a unique, strategic context with particular uncertainties in knowledge 

and coordination, which needs appropriate network structure for a given cluster to 

successfully survive and grow. 

 

A stylized three-stage model is proposed here: origination, convergence, and 

reorientation or decline. The stages are named following Pounder & St. John (1996), 

while they are assigned to different characteristics here. The origination stage 

concerns the emergence of the core or anchor firms as the result of successful initial 

                                                        

5

  For example, how to define the boundaries between stages 

 25

entrepreneurial efforts and the follow up of a few similar firms and suppliers and so 

on in the same location. As the critical mass has not been achieved, the ‘cluster’ at 

this stage is not a cluster in the real sense. Although much has been written about the 

fully-fledged clusters, how clusters emerge or originated has been less theorized. 

Some case studies show that agglomeration economics and external effects that are 

often associated with clusters play only a small role in the origination stage. Drawing 

on case studies on the emergence of various new clusters, the AIM research (Andriani 

et al., 2005) summarizes that different conditions may underpin the emergence of 

clusters such as a lead or anchor firm, public sector investment and activities, shocks 

and precipitating events, and local demand and market patterns. The main theme of 

these case studies is that the engines that foster the rise of a cluster can be very 

different from those that keep it going. Indeed, it is argued that the critical factor 

common in emerging clusters is the efforts of pioneering entrepreneurs to take 

advantage of new technological and market opportunity that had not already been 

exploited (Bresnahan et al, 2001; Feldman, 2001). Certainly, both uncertainties in 

knowledge accessibility and in coordination are high at this stage. In addition, the 

cluster critical mass has not being formed. Therefore it is difficult to discuss the 

structure of ‘closure’ and ‘range’ at the origination stage. 

 

At the convergence stage, an agglomeration of firms has begun to from. A critical 

mass has come into being and is continuing growing. In addition, the knowledge base 

of innovative activities is evolving towards a dominant design (Malerba, 2002). In 

other words, knowledge is rather cumulative at the cluster level. Based on past 

successful experience, ‘current innovative firms are more likely to innovate in the 

future in specific technologies and along specific trajectories’ (Malerba & Orsennigo, 

2000:302). Moreover, a mobile labour force, cooperative alliances, personal 

relationships, direct observation and monitoring, and also local media lead to a high 

level of information exchange among the cluster internal actors (Pouder & St. John, 

1996; Maskell, 2001; Bathelt et al., 2004). Face-to-face interaction, the intimacy 

involved in the interaction, and the similar ‘mental models’ (Pouder & St. John, 1996) 

make the information being exchanged highly interpretable. Therefore knowledge 

circulated in the critical mass is abundant and highly accessible. In summary, the 

convergence stage could be characterized by high accessibility and cumulativeness of 

knowledge. The prominent uncertainty facing the cluster at this stage is how to secure 

 26

the coordination among members to exploit the opportunities derived from the 

available knowledge. As has been discussed before, the cluster will be better off if the 

network structure is leaned towards ‘closure’ to establish the necessary institution. 

 

After a ‘long time spans of incremental change and adaptation which elaborate 

structure, systems, controls, and resources toward increased coalignment’ (Tushman 

& Romanelli, 1985: 215, quoted from Pouder & St. John, 1996: 1205), clusters enter 

into the reorientation or decline stage. The availability and richness of information 

about internal actors is still high and may still increase over time. However, ‘as 

innovation process changes to involve the development of more complex technologies, 

the production of these technologies requires the support of sophisticated 

organizational networks that provide key elements or components of the overall 

technology … increasingly the components of these networks are situated across a 

wide array of locations’ (Wolfe & Gertler, 2004: 1077). At this stage, the ‘closure’ is 

neither large enough nor heterogeneous enough to provide the necessary knowledge 

and resources for more complex innovation and production. Information within the 

dense internal network is ‘high in redundancy and low in diversity’ (Hite & Hesterly, 

2001). In other words, the self-sufficiency or cumulativeness of knowledge is 

declining at the cluster level

6

. Moreover, as internal actors tend to stick to the 

established norms, institutions and the ‘mental models’ (Pouder & St. John, 1996), 

which are primarily based on what happened in the critical mass, they become more 

homogeneous and less sensitive to external stimulus. Therefore information and 

knowledge from the outside will be subject to less rigorous scrutiny (Pouder & St. 

John, 1996), which effectively reduces the accessibility of external knowledge. In 

summary, at the reorientation/decline stage, knowledge has begun to be less 

cumulative and the accessibility of knowledge becomes lower. The main uncertainty 

facing the cluster is therefore shifting to how to secure the necessary information and 

knowledge. As has been discussed before, the only chance for the cluster to 

restructure or to rise ‘like phoenix from the ashes’ (Tödtling & Trippl, 2004), is to 

have a network structure leaning towards ‘range’.   

 

                                                        

6

  of course, as the cluster grows, there are more external actors being involved, but the necessary horizon could 

still beyond the reach of the cluster if no particular efforts is made. and the decline of the self-sufficiency and 

 27

The above discussion gives a rudimentary answer to Malerba’s (2002:259) question: 

“do relationships among agents and networks show a great stability or do they change 

over time, and if so, in which direction?” The analysis demonstrates that clusters’ 

network structure co-evolve with their development and the changing uncertainties in 

knowledge and in coordination. As clusters move from origination stage to 

convergence stage, they need to build up ‘closure’ to reduce the uncertainty in 

coordination and exploit the rich information circulated within the network. As the 

cluster become matured and shows signs of decline, it needs special efforts to 

diversify the ‘range’ of external linkages, in order to get access to the relevant 

knowledge to restructure itself. This is captured in Granovetter’s ‘coupling and 

decoupling’ solution to the network structure problem facing ethnic entrepreneurs, “in 

which members of economic groups draw initially upon the resources of family and 

peers but then attempt to forge broader and more autonomous ties beyond the group 

as their need for lager markets and more sophisticated inputs expands” (Woolcock, 

1998: 175). 

 

5.  Conclusion and policy implications 

 

Starting from the debate around internal and external linkages in clustering, this paper 

addresses the relationship between network structure and cluster development. With a 

theoretical core based upon ‘structural embeddedness’, a knowledge-based model of 

clusters is presented, aiming at clarifying functions and structure of internal and 

external linkages in knowledge creation and the learning process. 

 

The model demonstrates that both cohesive internal linkages and diverse external 

linkages are important for cluster development. Cohesive internal linkages, or 

‘closure’ are important for fine-grained information transmission and generating trust, 

norms and other institutions and therefore facilitating coordination and collective 

actions. In contrast, ‘range’, or network of diverse external linkages rich in structural 

holes, brings into the cluster critical mass novel information, new ways of doing and 

thinking, and therefore prevents the critical mass being locked-in. 

 

                                                                                                                                                               

cumulativeness of knowledge is an inevitable trend as demonstrated by the Silicon Valley case. 

 28

The relationship between ‘closure’ and ‘range’ is very complicated. On one hand, 

‘closure’ and ‘range’ are mutual dependent on each other. ‘Range’ could bring in 

novel knowledge, which is crucial to the critical mass. The information through 

‘range’ however, needs ‘closure’ to coordinate cluster members in order to develop 

action and exploit the novel information. On the other hand, there is trade-off between 

‘closure’ and ‘range’. Too diverse external linkages may threaten the cohesion of 

‘closure’ and therefore the existence of the cluster. When the internal connections 

become too dense, ‘closure’ may become blinded to external knowledge and change 

and therefore detrimental to the effectiveness of ‘range’. In addition, as relationships 

need time and efforts to build up, maintain and improve, ‘range’ and ‘closure’ 

compete for the limited resources. 

 

The advantages and disadvantages associated with ‘closure’ and ‘range’ and the 

complex relationship between them imply that clusters need to integrate both of them. 

According to the integration model, the network structure of a cluster should 

facilitates access to a diverse range of contacts outside the critical mass who might 

provide the necessary information on one hand, and on the other hand provide 

mechanisms to coordinate firms and other organizations within the critical mass to 

secure the execution of the intended strategies. 

 

Finding an appropriate mix of ‘range’ and ‘closure’ though is problematic as it 

depends on the specific uncertainties facing the cluster. When the prominent 

uncertainty is in accessing relevant knowledge, the balance may need to lean towards 

‘range’. When the greatest uncertainty is in securing the coordination, the balance 

may need to lean towards ‘closure’. 

 

In addition, an appropriate balance is contingent on a number of factors, among which 

are cluster difference and cluster life cycle. Different clusters belong to different 

technological regimes and have a different knowledge base, and are therefore facing 

different degree of uncertainty in knowledge access and in action coordination. 

Consequently, the ‘ideal’ mixes of ‘range’ and ‘closure’ are different. Similarly the 

uncertainties facing clusters also vary along cluster life stages. Hence the appropriate 

network structure should co-evolve with the development of the cluster. 

 

 29

The model has important implications for cluster policies. It calls for attention to be 

paid to the network structure of internal and external linkages when designing cluster 

policies. It proposes the inclusion of external linkages into policy consideration. The 

model demonstrates both internal linkages and external linkages could be beneficial 

as well as detrimental to cluster development. Therefore it suggests the importance of 

striking the right balance between ‘closure’ and ‘range’ in regard to knowledge 

creation and interactive learning.   

 

The inclusion of external linkages is worth particular attention of policy makers, as 

the majority of current policies are still focusing on local networking and overlooking 

the importance of external communication channels (Bathelt et al., 2004). In addition, 

the model emphasizes the importance of building up diverse or range of external 

linkages. The implication is that it may not be a good idea for clusters to be linked 

with one or several dominant external actors. 

 

Finally, the model suggests that the appropriate mix of ‘range’ of external linkages 

and ‘closure’ of internal linkages is a subtle balancing act and contingent on a number 

of factors. Therefore standard ‘one-fits-all’ (Martin & Sunley, 2003) cluster policy 

may not be successful. In particular, the model reminds policy makers that the balance 

between ‘range’ and ‘closure’ may be different for clusters based on different sectors 

and even for the same cluster but at different cluster life stages. 

 

 

Acknowledgement: 

 

I would like to thank Stewart MacNeill and Alex Burfitt for their useful comments. 

The usual disclaimer applies. Sponsorship from the School of Public Policy 

Studentship and the Pat Cam Award is gratefully acknowledged.   

 

 30

 

Reference: 

Ahuja, G. 2000 ‘Collaboration networks, structural holes, and innovation: A longitudinal study’, 

Administrative Science Quarterly 45 (3): 425-455 

Audretsch, D.B. & Feldman, M. 1996 ‘Spillovers and the geography of innovation and 

production’, American Economic Review 86: 630-40. 

Baptista, R., Swann, P., 1998. ‘Do firms in clusters innovate more?’ Research Policy 27: 525-540 

Bathelt, H. 2003 ‘Geographies of production: growth regimes in spatial perspective 1 – innovation, 

institutions and social systems’, Progress in Human Geography 27 (6): 763-778 

Bathelt, H., Malmberg, A. and Maskell, P. 2004 ‘Clusters and knowledge: local buzz, global 

pipelines and the process of knowledge creation’, Progress in Human Geography 28 (1): 31-56 

Bathelt H. and Taylor M.(2002): ‘Cluster, Power and Place: inequality and local growth in 
time-space’, Geografiska Annaler 84B: 93-109 
Breschi, S. & Malerba, F. 1997 ‘Sectoral innovation systems: Technological regiomes, 

Schumpeterian dynamics, and spatial boudaries’, in Charles Edquist (ed.), Systems of Innovation: 

Technologies, Institutions and Organizations, London: Pinter, 130-156 

Breschi, S. & Malerba, F. 2001 ‘The geography of innovation and economic clustering: some 

introductory notes’, Industrial and Corporate Change 10(4):817-833 

Bresnaham, T., Gambardelia, A., and Saxenian, A. 2001 ‘old economy inputs for ‘new economy’ 

outcomes: cluster formation in the new Silicon Valleys’, Industrial and Corporate Change 10 (4): 

835-860 

Britton, J. N.H. 2003 ‘Network structure of an industrial cluster: electronics in Toronto’, 
Environment and Planning A, 35: 983-1006 
Burt, R.S. (1992): The Social Structure of Competition. In Nohria, N. & Eccles, R. (Eds) 
Networks and Organization: Structure, firm and action. Harvard Business School Press, Boston, 
MA. 
Burt, R.S. 1997 ‘The contigent value of social capital’, Administrative Science Quarterly 42 (2): 
339-365 
Burt, R.S. (2000): The network structure of social capital. In Robert I. Sutton and Barry M. Staw. 
Greewich (eds) Research in Organizational Behavior, CT: JAI Press 
Coenen, L., Moodysson, J. and Asheim, B. 2004 ‘Nodes, Networks and proximities: on the 
knowledge dynamics of the medicon valley biotech cluster’, European Planning Studies 12 (7): 
1003-1018  
Coleman, J.S. (1988): ‘Social capital in the creation of human capital’, American Journal of 
Sociology, 94, pp. 95-120 
Coleman, J.S. (1990): Foundations of Social Theory. Cambridge, MA. Harvard University Press 
Cooke, P. 2004b Evolution of regional innovation systems – emergence, theory, challenge for 
actions, in Cooke, P., Heidenreich, M. and Braczyk, H-J. (Eds) Regional Innovation Systems (2nd 
ed). London: Routledge 
Dicken, P. Kelly, P.F. Olds, K. and Yeung, H.W.-C. 2001 ‘Chains and networks, territories and 
scales: towards a relational framework for analyzing the global economy’. Global Networks 1: 

 31

89-112 
Feldman, M. ‘The entrepreneurial event revisited: Firm formation in a regional context’, 

Industrial and Corporate Change 10 (4): 861-891 

Freel, M.S., 2003. ‘Sectoral patterns of small firm innovation, networking and proximity’. 
Research Policy 32, 751-770 
Gargiulo, M. & Rus, A. 2002 ‘Access and Mobilization: Social capital and top management 
response to market shocks’, Working Paper, INSED 
Granotvetter, M. (1973): ‘The strength of weak ties’, American Journal of Sociology, 78, pp. 
1360-1380 
Granovetter, M.(1985): ‘Economic action and economic structure: the problem of embeddedness’, 
American Journal of sociology 91, 481-510 
Granovetter, M.(1992): Problems of explanation in economic sociology, in Nohria, N. and Eccles, 
R.(eds), Networks and Organizations: Structure, Form and Action (Boson, MA: Harvard Business 
School Press)   
Grabher, G.(1993a): ‘Rediscovering the social in the economics of interfirm relations’, in Grabher, 
G.(ed): The Embedded Firm. On the Socioeconomics of Industrial Networks, Routledge, London 
and New York, 1-31 
Grabher, G. (1993b): ‘The weakness of strong ties: the lock-in of regional development in the 
Ruhr area’, in Grabher, G.(ed): The Embedded Firm. On the Socioeconomics of Industrial 
Networks, Routledge, London and New York, 1-31 
Grabher, G. 2002 ‘Cool projects, boring institutions: temporary collaboration in social conetxt’, 
Regional Studies 36: 205-14 
Gulati, R. 1998 ‘Alliances and networks’, Strategic Management Journal, 19: 293-317 
Hendry, C., Brown, J. and Defillipi, R. 2000 ‘Regional clustering of high technology-based firms: 

opto-electronics in three countries’, Regional Studies 34 (2): 129-144 

Hess, M. 2004 ‘’Spatial’ relationships? Towards a reconceptualization of embeddedness’, 
Progress in Human Geography 28 (2): 165-186   
Hite J.M. & Hesterly, W.S. 2001 ‘The evolution of firm networks: from emergence to early 
growth of the firm’, Strategic Management Journal 22: 275-286 
Hudson, R. (1999): ‘The learning economy, the learning firm and the learning region: A 
sympathetic critique of the limits of learning’, European Urban and Regional Studies, 6(1): 59-72 
Humphrey, J. & Schmitz, H. 2002 ‘How does insertion in global value chains affect upgrading in 

industrial clusters?’, Regional Studies 36 (9): 1017-1027 

Jessop, B. 2001 ‘Regulationist and autopoieticist reflections on Polanyi’s account of market 
economics and the market society’, New Politics Economy 6 (2): 213-232 
Kaufmann, A. & Tödtling, F. 2001 ‘Science-industry interaction in the process of innovation: the 
importance of boundary-crossing between systems’, Research Policy 30:791-804 
Klink, A.V. and Langen, P.D. (2001): ‘Cycles in industrial clusters: the case of the shipbuilding 
industry in the Northern Netherlands’. Tijdschrift voor Economische en Sociale Geografie 92(4): 
449-463 
Krackhardt, D. (1992): The strength of strong ties: The importance of Philos in organizations. In 
Nohria, N. and Eccles, R.(eds), Networks and Organizations: Structure, Form and Action(Boson, 
MA: Harvard Business School Press) 

 32

Lawson, C. & Lorenz, E. 1999 ‘Collective learning, tacit knowledge and regional innovative 
capacity’, Regional Studies 33: 302-317 
Leibovitz 2004. ‘Embryonic knowledge-based clusters and cities: the case of biotechnology in 

Scotland’ Urban Studies 41, 5/6, 1133-1155 

Lewis, N., Moran, W., Perrier-Cornet, P., and Barker, J. 2002 ‘Territoriality, enterprise and ré

glementation in industry governance. Progress in Human Geography 26: 433-62   

Lonrenz, E.H. 1992 ‘Trust, community and cooperation. Towards a theory of industrial districts’. 

In Storper, M. & Scott, A.J. (Eds) Pathways to Industrialization and Regional Development. 

Routledge: London 

Lovering, J. (1999): ‘Theory led by policy: the inadequacies of the new regionalism’, International 
Journal of Urban and Regional Research 23(2): 379-395 
MacLeod, G. 2001 ‘New regionalism reconsidered: Globalization and the remaking of political 

economic space’, International Journal of Urban and Regional Research 25 (4): 804-829 

Malerba, F. 2001 ‘Sectoral systems of innovation and production: Concepts, analytical framework 

and empirical evidence’, Paper prepared for the ECIS Conference “The Future of Innovation 

Studies”, Eindhoven, September 20-23, 2001 

Malerba, F. 2002 ‘Sectoral systems of innovation and production’, Research Policy 31: 247-264 

Malerba, F. & Orsenigo, L. 2000 ‘Knowledge, innovative activities and industrial evolution’, 

Industrial and Corparate Change 9 (2): 289-314 

Martin, R. & Sunley, P. 2003 ‘Deconstructing clusters: chaotic concept or policy panacea?’. 

Journal of Economic Geography 3:5-35 

Maskell, P.(2001): Towards a knowledge-based theory of the geographical cluster, Industrial and 
Corporate Change 10(4), 921-43 
Maskell, P. & Lorenzen, M. 2004 ‘The cluster as market organization’, Urban Studies 41 (5/6): 
991-1009 
Maskell, P. and Malmberg, A. (1999): ‘The competitiveness of firms and regions’, European 
Urban and Regional Studies 6(1): 9-25 
Morgan, K. 2004 ‘The exaggerated death of geography: learning, proximity and territorial 

innovation systems’, Journal of Economic Geography 4: 3-21 

Nooteboom, B., 1999. ‘Innovation, learning and industrial organization’. Cambridge Journal of 
Economics 23, 127-150 
Nelson, R. & Winter, S.G. 1982 An Evolutionary Theory of Economic Change. Cambridge, MA: 
Belknap Press 
North, D.C.(1990): Institution, Institutional Change and Economic Performance, Cambridge 
University Press, Cambridge 
Oinas, P. 1999 ‘Activity-specificity in organizational learning: implications for analyzing the role 
of proximity’, Geojournal 49: 363-372 
Owen-Smith, J. & Powell, W. 2004 ‘Knowledge networks as channels and conduits: The effects 
of spillovers in the Boston Biotechnology community’, Organization Science 15 (1): 5-21 
Pavitt, K. 1984 ‘Sectoral patterns of technical change: Towards a taxonomy and a theory’. 
Research Policy 13: 343-373 

 33

Peneder, M., 2001 ‘Dynamics of initial cluster formation: the case of multimedia and cultural 
content’, in Innovative Clusters: Drivers of National Innovation Systems, OECD 
Perez-Aleman, P. 2003 ‘A learning-centred view of business associations: Building 
business-government relations for development’, Business and Politics 5: 195-215 
Perez-Aleman, P. 2005 ‘Cluster formation, institutions and learning: the emergence of clusters and 
development in Chile’, Industrial and Corporate Change 14 (4): 651-667 
Pouder, R. & St. John, C.H. 1996 ‘Hot spots and blind spots: geographical clusters of firms and 

innovation’, Academy of Management Review, 1996 21 (4): 1192-1225 

Reagans, R. and Zuckerman, E., 2001. ‘Networks, diversity and productivity: The social capital of 
corporate R&D teams’. Organization Science 12 (4), 502-517 
Reagans, R. & McEvily, B. 2003 ‘Network structure and knowledge transfer: The effects of 
cohesion and Range’, Adminstrative Science Quarterly 48: 240-267 
Robertson, P.L. & Langlois, R.N. 1995 ‘Innovation, networks, and vertical integration’, Research 
Policy 24: 543-562 
Rowley, T., Beherns, D., and Krackhardt, D. 2000 ‘Redundant governance structures: an analysis 

of structural and relational embeddedness in the steel and semiconductor industries’, Strategic 

Management Journal 21: 369-386 

Saxenian, A. & Hsu, J-Y 2001 ‘The Silicon Valley – Hsinchu connection: technical communities 

and industrial upgrading’, Industrial and Corporate Change 10 (4) 

Simmie, J. 2004 ‘Innovation and clustering in the globalised international economy’, Urban 

Studies 41 (5/6): 1095-1112 

Staber, U. 1996 ‘Networks and regional development: perspectives and unresolved issues’, in 

Staber, U., Schaefer, N. and Sharma, B. (Eds) Business Networks Prospects for Regional 

Development, Berlin: Walter de Gruyter 

Storper, M. (1995): ‘The resurgence of regional economics Ten years later: The region as a nexus 

of untraded interdependence’. European Urban and Regional Studies 2(3): 191-221 

Stoper, M. & Venables, A.,J. 2002 ‘Buzz: the economic force of the city’, Paper presented at the 

DRUID Summer Conference on ‘Industrial Dynamics of the New and Old Economy – Who is 

Embracing Whom?’, Copenhagen, Elsinore, 6-8 June 

Sturgeon, T. J. 2003 ‘What really goes on in Silicon Valley? Spatial clustering and disperal in 

modular production networks’, Journal of Economic Geography 3: 199-225 

Tödtling, F. & Trippl, ‘Like Phoenix from the ashes? The renewal of clusters in old industrial 
areas’, Urban Studies 41 (5/6): 1175-1195 
Tracey, P. & Clark, G.L. 2003 ‘Alliances, networks and competitive strategy: rethinking clusters 
of innovation’, Growth and Change 34 (1): 1-16   
Tushman, M.L. & Romanelli, E. 1985 ‘Organizational evolution: A metamorphosis model of 
convergence and reorientation’, in L.L. Cummings & B.M. Staw (Eds), Research in 
Organizational Behaviour, Vol. 7: 171-222. Greenwich, CT: JAI Press 
Uzzi, B. (1997): ‘Social structure and competition in interfirm networks the paradox of 
embeddedness’, Administrative Science Quarterly 42: 35-67 
Uzzi, B. & Lancaster, R. 2003 ‘Relational embeddedness and learning: The case of bank loan 

 34

managers and their clients’, Management Science 49 (4): 383-399 
Winter, S.G. 1984 ‘Schumpeterian competition in alternative technological regimes’, Journal of 

Economics Behaviour and Organization 5: 287-320 

Wolfe, D.A. & Gertler, M.S. 2004 ‘Clusters from the inside and out: local dynamics and global 
linkages’, Urban Studies 41 (5/6): 10711093 
Woolcock, M. (1998): Social capital and economic development: toward a theoretical synthesis 
and policy framework. Theory and Society 27 (2): 151-208 
 

 35

Appendix: 

Figure 1 closure and structural hole 

 

 

X

X

L

K

M

N

 

 

Network A     

 

 

 

 

 

 

 

 

 

 

 

 

Network B