颠覆性技术识别与扩散趋势预测：概念模型与实证分析

doi:10.3772/j.issn.1000-0135.2024.08.002

情报学报

2024, Vol. 43

Issue (8): 899-913 DOI: 10.3772/j.issn.1000-0135.2024.08.002

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

颠覆性技术识别与扩散趋势预测：概念模型与实证分析

王康, 陈悦, 王玉奇, 韩盟

大连理工大学科学学与科技管理研究所暨WISE实验室，大连 116024

Identification of Disruptive Technologies and Prediction of Diffusion Trends: Conceptual Model and Empirical Analysis

Wang Kang, Chen Yue, Wang Yuqi, Han Meng

The Institute of Science of Science and S&T Management & WISE Lab, Dalian University of Technology, Dalian 116024

摘要
图/表
参考文献
相关文章 (3)

全文: PDF (4776 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要发现并判断技术颠覆性潜力和扩散趋势，能够为国家和政府科技资源分配与未来产业的超前布局提供精准决策依据。首先，本文构建了颠覆性技术识别与扩散趋势预测的概念模型；其次，依据此模型以3D打印领域为例，从离群性和影响力维度识别颠覆性专利，提取颠覆性技术；最后，基于识别的颠覆性专利的施引专利，将自动标签和战略坐标应用于技术主题扩散路径绘制中，提出一种新的多位态自动标签技术主题扩散趋势预测方法，用于揭示核心、边缘、成熟、新兴等位态主题之间的动态扩散关系。研究发现，离群专利与颠覆性技术之间存在共生、匹配和关联的内在逻辑关系，从离群专利视角识别颠覆性技术具有可行性；1955—2017年，3D打印领域的颠覆性技术主要分布在高端装备制造、生物医药和材料3大方向，突出的技术领域是运输、发动机/泵/涡轮机、生物材料分析、半导体、环境技术；多位态自动标签技术主题扩散趋势预测结果显示，生物医疗3D打印技术主题未来发展潜力巨大。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	王康
	陈悦
	王玉奇
	韩盟

关键词 ：颠覆性技术识别, 颠覆性技术扩散, 离群专利, 概念模型, 3D打印

收稿日期: 2023-10-24

基金资助:国家重点研发计划项目“颠覆性技术识别理论、方法与专家预判系统”（2019YFA0707201）；教育部哲学社会科学研究重大课题攻关项目“基础研究领域颠覆性科研成果识别与我国基础研究能力提升研究”（22JZD021）；中央高校基本科研业务费专项资金资助项目“我国基础研究领域颠覆性科研能力评估”（DUT23RW302）。

作者简介: 王康，男，1992年生，博士研究生，研究方向为科学计量学、技术预见；陈悦，通信作者，女，1975年生，博士，教授，博士生导师，研究方向为科学计量学、科学学与科技创新管理，E-mail：chenyuedlut@163.com；王玉奇，男，1994年生，博士研究生，研究方向为科学计量、科技管理；韩盟，男，1996年生，博士研究生，研究方向为科学计量、科技管理；

引用本文:

王康, 陈悦, 王玉奇, 韩盟. 颠覆性技术识别与扩散趋势预测：概念模型与实证分析[J]. 情报学报, 2024, 43(8): 899-913.
Wang Kang, Chen Yue, Wang Yuqi, Han Meng. Identification of Disruptive Technologies and Prediction of Diffusion Trends: Conceptual Model and Empirical Analysis. 情报学报, 2024, 43(8): 899-913.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.08.002 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I8/899

1 Defense Advanced Research Projects Agency. Advancing national security through fundamental research[EB/OL]. [2023-05-10]. https://www.darpa.mil/about-us/advancing-national-security-through-fundamental-research.
2 曹晓阳. 通过重大颠覆性技术把握产业未来、抓住未来产业[J]. 科技中国, 2023(8): F0002.
3 潘一如, 毛进, 李纲. 基于引文网络的高颠覆性专利知识扩散特征研究[J]. 数据分析与知识发现, 2023, 7(10): 1-14.
4 王康, 陈悦, 宋超, 等. 颠覆性技术: 概念辨析与特征分析[J]. 科学学研究, 2022, 40(11): 1937-1946.
5 Barnett V, Lewis T, Abeles F. Outliers in statistical data[J]. Physics Today, 1979, 32(9): 73-74.
6 Lee J, Park S, Lee J. Technology opportunity analysis based on machine learning[J]. Axioms, 2022, 11(12): 708.
7 Chandola V, Banerjee A, Kumar V. Anomaly detection: a survey[J]. ACM Computing Surveys, 2009, 41(3): Article No.15.
8 Hawkins D M. Identification of outliers[M]. Dordrecht: Springer, 1980.
9 Kneeland M K, Schilling M A, Aharonson B S. Exploring uncharted territory: knowledge search processes in the origination of outlier innovation[J]. Organization Science, 2020, 31(3): 535-557.
10 Yoon J, Kim K. Detecting signals of new technological opportunities using semantic patent analysis and outlier detection[J]. Scientometrics, 2012, 90(2): 445-461.
11 Song K, Kim K, Lee S. Identifying promising technologies using patents: a retrospective feature analysis and a prospective needs analysis on outlier patents[J]. Technological Forecasting and Social Change, 2018, 128: 118-132.
12 Jee J, Shin H, Kim C, et al. Six different approaches to defining and identifying promising technology through patent analysis[J]. Technology Analysis & Strategic Management, 2022, 34(8): 961-973.
13 Zhou Y, Dong F, Liu Y F, et al. A deep learning framework to early identify emerging technologies in large-scale outlier patents: an empirical study of CNC machine tool[J]. Scientometrics, 2021, 126(2): 969-994.
14 王康, 陈悦. 基于异质性专利的颠覆性技术早期识别研究[J]. 科学学研究, 2023, 41(8): 1364-1375.
15 Aharonson B S, Schilling M A. Mapping the technological landscape: measuring technology distance, technological footprints, and technology evolution[J]. Research Policy, 2016, 45(1): 81-96.
16 Gibbert M, Nair L B, Weiss M, et al. Using outliers for theory building[J]. Organizational Research Methods, 2021, 24(1): 172-181.
17 Rodriguez A, Tosyali A, Kim B, et al. Patent clustering and outlier ranking methodologies for attributed patent citation networks for technology opportunity discovery[J]. IEEE Transactions on Engineering Management, 2016, 63(4): 426-437.
18 Jeon D, Ahn J M, Kim J, et al. A doc2vec and local outlier factor approach to measuring the novelty of patents[J]. Technological Forecasting and Social Change, 2022, 174: 121294.
19 Milovidov V. Hearing the sound of the wave: what impedes one’s ability to foresee innovations?[J]. Foresight and STI Governance, 2018, 12(1): 88-97.
20 伊惠芳, 刘细文, 龙艺璇. 技术创新全视角下技术机会发现研究进展[J]. 图书情报工作, 2021, 65(7): 132-142.
21 Zanella G, Liu C Z, Choo K K R. Understanding the trends in blockchain domain through an unsupervised systematic patent analysis[J]. IEEE Transactions on Engineering Management, 2023, 70(6): 1991-2005.
22 Li X, Wu Y D, Cheng H L, et al. Identifying technology opportunity using SAO semantic mining and outlier detection method: a case of triboelectric nanogenerator technology[J]. Technological Forecasting and Social Change, 2023, 189: 122353.
23 罗素平, 寇翠翠, 金金, 等. 基于离群专利的颠覆性技术预测——以中药专利为例[J]. 情报理论与实践, 2019, 42(7): 165-170.
24 Kaplan S, Vakili K. The double-edged sword of recombination in breakthrough innovation[J]. Strategic Management Journal, 2015, 36(10): 1435-1457.
25 纪亚琨, 余翔, 张奔, 等. 专利网络视角下的潜在颠覆性技术识别——以自动驾驶领域为例[J]. 情报杂志, 2022, 41(12): 46-50, 139.
26 Jia W F, Xie Y P, Zhao Y N, et al. Research on disruptive technology recognition of China’s electronic information and communication industry based on patent influence[J]. Journal of Global Information Management, 2021, 29(2): 148-165.
27 Bloodworth I. A search for discriminative linguistic markers in ICT practitioner discourse, for the ex-ante identification of disruptive innovation[J]. Proceedings of the IEEE, 2012, 6(9): 1511-1519.
28 黄鲁成, 蒋林杉, 吴菲菲. 萌芽期颠覆性技术识别研究[J]. 科技进步与对策, 2019, 36(1): 10-17.
29 刘玉梅, 温馨, 孟翔飞. 基于技术轨道跃迁的突破性技术预测方法及应用研究[J]. 情报杂志, 2021, 40(11): 39-45, 15.
30 范明姐. 基于多源异构数据的颠覆性技术早期识别研究[D]. 北京: 北京工业大学, 2020.
31 李乾瑞, 郭俊芳, 黄颖, 等. 基于专利计量的颠覆性技术识别方法研究[J]. 科学学研究, 2021, 39(7): 1166-1175.
32 王康, 陈悦. 技术融合视角下基于专利的颠覆性技术识别研究[J]. 情报杂志, 2022, 41(4): 29-36, 134.
33 韩芳, 张生太, 冯凌子, 等. 基于专利文献技术融合测度的突破性创新主题识别——以太阳能光伏领域为例[J]. 数据分析与知识发现, 2021, 5(12): 137-147.
34 Narin F, Hamilton K S, Olivastro D. The increasing linkage between U.S. technology and public science[J]. Research Policy, 1997, 26(3): 317-330.
35 王雪冰. 复杂网络视角下颠覆性技术创新扩散机制研究[D]. 长春: 吉林大学, 2022.
36 王丽, 刘细文. 基于专利数据的技术主题扩散量化研究与实现[J]. 数据分析与知识发现, 2022, 6(6): 1-10.
37 黄鲁成, 王宁. 专利视角下的技术扩散研究综述[J]. 科学学与科学技术管理, 2011, 32(10): 27-34.
38 陈悦, 王康, 宋超, 等. 一种用于技术融合与演化路径探测的新方法: 技术群相似度时序分析法[J]. 情报学报, 2021, 40(6): 565-574.
39 颜端武, 苏琼, 张馨月. 基于时序主题关联演化的科学领域前沿探测研究[J]. 情报理论与实践, 2019, 42(7): 144-150.
40 吴可凡, 王伟, 张世玉, 等. 技术不连续性视角下颠覆性技术识别方法研究[J]. 情报理论与实践, 2022, 45(10): 125-131.
41 于光辉, 宁钟, 李昊夫. 基于专利和Bass模型的颠覆性技术识别方法研究[J]. 科学学研究, 2021, 39(8): 1467-1473, 1536.
42 梁镇涛, 毛进, 李纲. 融合“科学-技术”知识关联的高颠覆性专利预测方法[J]. 情报学报, 2023, 42(6): 649-662.
43 陈育新, 卢俊, 韩毅. 基于专利文献的颠覆性技术识别研究——以人工智能为例[J]. 情报学报, 2022, 41(11): 1124-1133.
44 邓建军, 刘安蓉, 曹晓阳, 等. 颠覆性技术早期识别方法框架研究——基于科学端的视角[J]. 中国科学院院刊, 2022, 37(5): 674-684.