“技术–市场成熟度”视角下颠覆性技术分类与特征：基于扎根理论的多案例分析

[目的/意义]为了弄清楚技术-市场成熟度视角下颠覆性技术的特征,从全新视角、有针对性地对颠覆性技术开展研究和管理,为政府对不同类别颠覆性技术的支持方案提出建议。[方法/过程]根据技术成熟度—市场成熟度工具对颠覆性技术开展分类研究,并基于扎根理论,选取互联网技术、基因编辑技术、增材制造技术和GPS技术这四种典型颠覆性技术开展案例分析。[局限]在案例选取、概念编码、译码归纳与分析方面还有一定的局限。[结果/结论]从“技术—市场成熟度”视角将颠覆性技术分为双成式颠覆性技术、双新式颠覆性技术、传统式颠覆性技术和新应用式颠覆性技术四类。发现不同类别的颠覆性技术特征是差异化的,双成式颠覆性技术有较强的跨领域技术融合能力,双新式颠覆性技术主要来自于重大的科技突破,新应用式颠覆性技术影响力较大,传统式的颠覆性技术基数大,进而提出了政府和企业对颠覆性技术创新发展的支持方案与措施。     

颠覆性技术识别方法述评

[目的/意义] 通过对国内外颠覆性技术概念和颠覆性技术识别方法进行文献梳理,分析存在的问题,提出未来颠覆性技术识别可能的研究视角。[方法/过程] 利用文献调研法归纳总结了6种颠覆性技术识别方法,分析各种识别方法目前存在的优势和不足。[结果/结论] 颠覆性技术识别方法还存在一些弊端,如颠覆性技术分类不明确、特征定量化研究缺乏、现有识别方法中缺乏考虑技术知识之间的关联性,未来研究应该进一步加强颠覆性技术特征研究,并考虑知识之间的关联特征,并且加强从功效性特征数值突破和技术融合视角来识别颠覆性技术,同时,深入挖掘更细粒度的技术主题。     

颠覆性技术识别模型研究——以工业机器人领域为例

识别和监测潜在的颠覆性技术,对于企业和国家在发展过程及未来规划中及时调整技术创新战略、规避风险具有重大战略意义.本文阐述颠覆性技术的概念及特征,对比分析颠覆性技术的识别方法,在技术特征和市场特征两个维度下以技术可行性、技术突破性、技术集成性、技术前沿性、技术影响力5个指标构建颠覆性技术评价指标体系,建立基于层次分析法的...     

国内外颠覆性技术发现方法研究综述

[目的/意义] 对国内外颠覆性技术发现方法进行系统梳理,分析存在问题,提出未来研究方向,为今后颠覆性技术识别方法的研究奠定基础。[方法/过程] 在辨析颠覆性技术与相关技术概念的基础上,分析总结目前各种颠覆性技术发现方法及优缺点,并整理归纳各方法所依据的主要评判思想和指标。[结果/结论] 现有的颠覆性技术发现方法主要是基于技术管理与应用角度的主观分析,基于专利或科学论文统计分析的客观性探测研究也开始少量出现,但均处于待发展阶段,仍然存在许多不足之处;颠覆性技术发现方法未来研究方向应该是利用情报学理论方法,基于专利与论文两者相结合的数据源,从客观性角度建立颠覆性技术识别的合理、适用的指标体系,提升技术发现的准确性和有效性。     

演绎逻辑与归纳逻辑视角下的颠覆性技术识别方法研究述评

在世界范围内技术竞争日趋激烈、技术发展日益复杂的趋势下,颠覆性技术识别受到国家和企业越来越多的重视。本文通过对国内外颠覆性技术识别方法的分析,发现颠覆性技术识别方法存在演绎逻辑与归纳逻辑两种不同的视角,并将识别方法在这两种视角下进行归类和述评,从研究前提、研究数据、研究结论严谨性、研究流程四个方面对两种视角进行比较,总结了两种视角下识别方法的优缺点,最后,对这两种视角下关于颠覆性技术识别方法的进一步研究进行了初步展望。本文希望通过比较两种视角下颠覆性技术识别方法的研究工作,为未来颠覆性技术识别方法的研究提供参考。     

颠覆性技术识别方法研究进展述评

颠覆性技术可能引发新一轮科技革命,是提升未来经济社会发展和国家竞争力的重要“利器”。通过对近5年颠覆性技术识别方法研究文献的梳理,归纳国内外学者关于颠覆性技术特征、颠覆性技术识别和预测方法的研究进展,为颠覆性技术的识别和培育提供参考与借鉴。重点运用文献调研的分析方法,总结5类颠覆性技术识别和预测方法的最新研究成果和局限性。结果表明,基于模型测度的分析方法、基于多维指标评估框架的分析方法和基于文献计量的分析方法仍然是颠覆性技术识别中比较常用的方法,基于大数据关联挖掘分析的方法开始被应用到颠覆性技术的识别中。由于颠覆性技术发展是一个动态的过程,未来应更多地考虑基于创新全过程,探索对颠覆性技术进行动态、分类识别。     

基于动态结构熵的颠覆性技术知识网络扩散特征识别方法研究

[目的/意义]利用动态结构熵探究颠覆性技术知识网络扩散过程中的结构变化并识别网络结构变化过程中的突变状态，以此发现颠覆性技术知识网络扩散特征，为颠覆性技术的早期识别提供方法借鉴。[方法/过程]首先，构建颠覆性技术在基础研究、应用研究、产业应用创新过程环节中的3种动态知识子网络；其次，利用动态结构熵探究颠覆性技术知识网络扩散特征；之后，通过突变函数模型分析颠覆性技术知识网络扩散过程中的结构突变特征；最后，利用动态时间规整法探析颠覆性技术各知识子网络间扩散的相关性及其与渐进性技术扩散特征的差异性。[结果/结论 ]实证研究表明利用提出的动态结构熵开展颠覆性技术知识网络扩散特征识别，能够发现颠覆性技术分别在基础研究、应用研究、产业应用知识子网络的微观结构、介观结构、微观与介观结构关系与网络结构突变等方面知识网络扩散特征，并通过3种网络扩散特征的综合分析，解析出颠覆性技术显著区别于渐进性技术的网络扩散特征。     

颠覆性技术产生过程的多源数据多特征项可视化研究

[目的/意义]颠覆性技术创新是最高阶的创新,基于多源科技文献挖掘对颠覆性技术产生过程进行可视化研究,能够更好地为各层各级的关键技术识别、预测和研发提供支撑。[方法/过程]通过构建科学-技术相关多源科技文献所组成的多特征项共现分析方法体系模型,对多源科技文献中的多特征项关联关系进行系统分析;利用此理论分析方法,构建颠覆性技术产生过程中科学技术多特征项共现的理论研究方法体系,并建立颠覆性技术演化过程中关键技术节点因素的可视化模型。[结果/结论]本研究为有效地监测和识别颠覆性技术产业创新的演化路径和绘制颠覆性技术的产业技术发展路线图提供研究基础,为颠覆性技术演化路径识别监测分析方法提供多数据来源、多维度数据分析、多层次知识发现的理论方法体系。     

基于弱信号的颠覆性技术早期识别研究

基于专利的弱信号探测模型与技术颠覆性潜力测度体系相结合的方法,开展颠覆性技术早期识别,为颠覆性技术的早期识别提供一套有效的方法和思路。利用专利信息进行领域弱信号探测,利用LDA (latent Dirichlet allocation)主题模型从领域专利内容中抽取主题,基于弱函数对主题进行过滤得到包含弱信号的主题集合,进一步通过预兆函数对弱信号主题包含的术语进行过滤,得到该研究领域弱信号术语集合及其对应的专利集合。基于技术颠覆性潜力测度指标体系,对包含弱信号术语的专利进行颠覆性潜力测度,最终得到目标领域具有颠覆性潜力的技术,为该领域颠覆性技术的早期识别提供参考。以incoPat专利数据库中2008—2019年基因编辑领域的专利数据作为研究对象,结合弱信号探测模型与技术颠覆性潜力测度体系,对该领域具有颠覆性潜力的技术进行早期识别,通过与基于关键词识别的弱信号结果对比,并利用CRISPR/Cas9技术对上述颠覆性技术识别结果进行验证,证明了本文方法的可行性和有效性。     

基于STM的颠覆性技术主题识别研究

[目的/意义]基于专利数据,探讨识别颠覆性技术主题并揭示主题关联的方法。[方法/过程]以人工智能领域为例,获取目标专利及其引用专利与施引专利,以此计算目标专利的颠覆性指数。基于目标专利摘要,建立以颠覆性指数为协变量的结构主题模型。对领域主题进行分类并构建主题关联网络,同时计算主题流行度,筛选出颠覆性技术主题。[局限]无法完全替代领域专家的经验和智慧,对颠覆性技术主题的预测能力相对有限。[结果/结论]得到人机交互、量子人工智能、机器阅读理解和推荐系统四个潜在颠覆性技术主题,发现当前人工智能领域的颠覆性技术创新聚焦于降低算力成本和优化人机互动两个方向。     

大视频时代内容生产方式的变革

大视频时代,数字互联网技术赋予广电改革新的意义。大数据的关键价值就是获取信息优势,从复杂的应用中把价值链清晰地解放出来,以此发现规律、预测未来。大视频将进一步以用户为中心,而不再以生产者为中心,由大数据推动的行业变革,将会对整个视频业格局产生颠覆性的影响。当前,各出奇招的电视媒体,在多年实践探索、试错前行之后,开始了新一轮的探索与试错。网络新媒体技术将所有媒体形态都消融在数字的汪洋大海之中,谁能借势发力、合纵连横、最有效地调动资源,谁就有可能获得发展的机会。     

基于LDA2Vec和DTM模型的颠覆性技术主题识别研究——以能源科技领域为例

[目的/意义]颠覆性技术关乎国家竞争力和国际地位,科学准确地识别出颠覆性技术主题,能够解决技术发展过程中主题不够明确、发展路径不够清晰等问题,以此有效把握技术发展动态,调整国家科技战略布局,更好地抢占国际竞争制高点。[方法/过程]以能源科技领域的专利文本数据为研究客体,构建基于Word2Vec词向量与LDA(Latent Dirichlet Allocation)主题向量的融合特征向量,并引入K-means算法优化主题聚类效果,最后结合颠覆性技术特征指标,识别颠覆性技术主题,利用DTM(Dynamic Topic Model)模型揭示该领域颠覆性技术主题的发展状况。[结果/结论]通过人工验证和模型结果对比可以发现,实证结果具有合理性,且模型的精准率、召回率、F1值均高于同类型的主题模型,证明该方法对颠覆性技术主题识别具有较好效果。     

融合专利数据与社交媒体数据的潜在颠覆性技术识别——基于深度学习模型

作为推动社会进步与经济发展的重要力量,如何快速且精确地识别潜在颠覆性技术对于提升企业竞争力、推动产业变革等具有关键意义。本文提出一种融合专利数据与社交媒体数据的潜在颠覆性技术早期识别方法,是对已有研究理论和方法的重要补充。第一,检索相关领域专利数据,对数据进行划分;第二,基于颠覆性技术的特征,选取与颠覆性技术相关的指标以构建指标体系,并计算其技术影响力;第三,依托Bi-LSTM (bi-directional long shortterm memory)训练专利指标与技术影响力之间的关系,预测出候选颠覆性技术,并结合BERTopic提取技术主题;第四,通过BERTopic主题建模基于社交媒体数据提取出社会主题,并通过关注度和情感倾向对社会主题进行评价;第五,通过语义相似度,将社会主题与技术主题匹配映射,以对技术主题进行分类,进而识别出潜在颠覆性技术;第六,以医疗机器人为例,阐述该识别方法的应用过程。研究结果表明,Bi-LSTM模型在准确率、精准率、召回率和F1-score上均超过90%,优于其他模型;将医疗机器人领域中的潜在颠覆性技术划分为高关注度-积极态度、低关注度-积极态度与低关注...     

基于离群点视角的颠覆性专利预测研究

[目的/意义]在日趋激烈的国际竞争背景下,颠覆性技术被认为是引领技术和产业发展方向、助推企业和产业实现“弯道超车”的绝佳机会窗口。为此,预测和部署颠覆性技术对于国家抢占科技制高点、重塑价值链均具有重大战略意义。[方法/过程]结合深度学习和离群点检测算法,构建基于离群点视角的颠覆性专利预测框架。该研究框架包括五个关键步骤：首先,利用BERT模型和TF-IDF算法将专利文本和专利分类号转化为可计算的高维向量表示,并结合PCA算法进行降维和特征融合;其次,采用三种离群点检测算法,以增量迭代的方式识别离群专利;再者,通过数据集修正,从离群专利中保留新技术专利;在此基础上,通过深度剖析新技术形式颠覆性专利的核心特征,构建有效的测度指标体系;最后,利用深度学习DNN模型拟合专利指标和颠覆性专利标签之间的关联关系,从而实现从大量的新技术专利中对潜在颠覆性专利的有效预测。[结果/结论 ]以人工智能为例,验证了该方法的有效性。结果共预测出411条颠覆性专利,这些专利主要涉及六大颠覆性方向：多模态预训练大模型、增强现实、生成式AI、自动驾驶、图像识别与处理和智能通信。这些技术的推广和应用,将对未来的科技和...     

科学研究的颠覆性创新测度——相对颠覆性指数

在破“五唯”的背景下,科学研究的创新性测度尤为重要,创新性较高的论文往往会对既有研究领域的学科范式产生颠覆性影响,甚至开创新的范式。颠覆性指数是近几年被提出的可以直接测度论文颠覆性创新程度的计量指标,基于网络中论文节点的深层引用关系,在一定程度上破除了单一维度评价的缺点,引起了文献计量学、信息科学和网络科学等多领域学者的广泛关注。本文对颠覆性指数的最新研究进行了总结和拓展,深入剖析了指标局限性及因素,并提出了新的计量指标——相对颠覆性指数（relative disruptive index,RDI）,它在颠覆性指数的基础上,涵盖了引文网络的深层引用比例,在一定程度上解决了颠覆性指数分布不均匀、评价不一致的问题,能够对科学研究的颠覆性创新程度进行更为精确和客观的衡量。实证结果表明,颠覆性指数的参数量级不一致,相对颠覆性指数可以更有效地衡量科学研究的创新性,且相比于原始颠覆性指数以及Bornmann等学者提出的修正颠覆性指数（DI5）具有更佳的评价一致性,巩固性论文的相对颠覆性指数较低,创新性论文的相对颠覆性指数较高。     

基于机器学习的人工智能技术专利数据集构建新策略

颠覆性技术是一个具有复杂的内在结构的技术群。从空间维度来看,颠覆性技术是包含了主导技术、辅助技术、支撑技术的复杂技术群,涉及多学科、多领域。在此背景下,运用科学计量的方法对颠覆性技术进行科技评价和科学技术演变规律探索面临挑战,实质表现为数据检索。本文探索了一种基于机器学习的专利数据集构建新策略,将专利检索任务作为机器学习的二分类任务,类似于信息检索中基于主动学习的查询分类思想,并提出了将F-measure特征最大化方法与CNN(convolutional neural networks)模型相结合的文本分类改进方法。本文以人工智能(artificial intelligence,AI)技术域为例进行训练实验,实验结果的准确率、召回率和F1值分别达到98.01%、97.04%和97.89%,这表明本文提出的策略能够精准地识别人工智能专利,提高了专利检索的准确率和召回率,以利于构建精、准、全的人工智能技术域专利数据集。     

科研团队多样性对学术颠覆性创新的影响研究——以人工智能领域为例

学术颠覆性创新作为科学创新的重要组成部分,已经成为当代科技进步和经济发展的新引擎。然而,我们对学术颠覆性创新产生的关键影响因素依然知之甚少。因此,本文以学术创新的主体即科研团队为研究对象,从信息多样性、社会属性多样性和行为意愿多样性三个层面,系统分析了科研团队的组成多样性对学术颠覆性创新的影响机制。首先,本文基于微软学术图谱中1950—2019年人工智能领域的合作文献为数据源,使用主题模型、文本挖掘等技术对作者特征进行抽取和表示,构建科研团队多样性指标体系;同时,通过计算每篇文献的颠覆性创新指数,以衡量其学术颠覆性创新程度。然后,采用相关性分析和OLS (ordinary least squares)回归分析,剔除与学术颠覆性创新显著不相关的科研团队多样性指标,得到候选指标集。最后,利用广义精确匹配方法,构建因果模型以揭示科研团队多样性与学术颠覆性创新之间的因果关系。研究结果表明,在人工智能领域,科研团队的主题多样性和国家多样性均与学术颠覆性创新程度呈现负向因果效应：科研团队主题多样性的增加,会使学术颠覆性创新程度下降8.776%～19.000%;科研团队国家多样性的增加,会使学术颠覆...     

区块链在学术出版领域的创新应用及展望

区块链被认为是一个具有颠覆性潜力的技术,将重新定义世界,改变经济、社会和生活,也将 为学术出版领域带来革命性影响。在系统阐述区块链概念、基本特征和优势的基础上,结合区块链研 究现状和学术出版领域的现实需求,提出了区块链技术在学术成果版权保护与学术不端行为治理、学 术出版同行评议、出版物影响力评价、科研的可重复性、期刊价值功能改造等方面应用的可行性。最后, 对区块链技术在学术出版领域应用面临的挑战和应对策略进行了展望。     

传统媒体的“大数据”变革路径

当下社会正在步入大数据时代。信息从量的规模增长,转向质的精髓变革。传媒业正在经历着颠覆性变化,大数据成为媒体发展的关键词。大数据伴随新媒体技术日益嵌入到人们的日常生活、工作中,不可避免地引发新闻传播理念、传播流程模式等的颠覆性变革。     

大数据时代的数字档案室建设初探——以南京市建邺区为例

大数据(BIG DATA)已成为当下最流行的一个词汇,在这个流行词汇的背后蕴含了一次颠覆性的革命,这一切可以从以下四个方面得以体现:一是大数据技术是继分布式云计算、全流程物联网技术之后互联网产业又一次颠覆性的技术进步和应用的变革;二是大数据的收集、积累、数据发掘和应用对国家的政策决策、公共治理模式、技术创新、一路一带的具体实施战略都具有根本的、不可替代性的作用;三是大数据的发掘应用为企业的业务方向、创新方向、运作模式、组织和业务体系架构流程指明了方向;四是大数据的发掘和应用必将对每个人的生活都将产生巨大的、颠覆性的影响.