摘要：文章旨在以《大數據時代圖書館服務體系的創(chuàng)新與發(fā)展》中知識資源體系框架為指導，從不同維度解讀國內外技術識別方法相關研究成果領域的發(fā)展進程，從宏觀層面把握發(fā)展脈絡，為創(chuàng)新研究方法等提供參考和借鑒。以CNKI和Web of Science（WoS）中的該領域相關文獻數據為研究對象，通過UCINET、VOSViewer等可視化工具展開分析，從年度趨勢、核心作者、發(fā)文機構、發(fā)文期刊、研究熱點5個維度展開分析。結果表明，國內外該領域相關研究均在不斷發(fā)展中，在發(fā)展速度、研究側重點等方法呈現出顯著不同。

關鍵詞：技術識別方法；文獻計量；可視化；研究概況

中圖分類號：G350 文獻標志碼：A

0 引言

關鍵技術領域的競爭日益激烈，國家對關鍵核心技術的重視也不斷提高。2021年，“十四五”規(guī)劃中專門列出7個重要領域的關鍵核心技術攻關項目［1］；2023年，政府工作報告提到科技創(chuàng)新的引領作用［2］。關鍵核心技術識別可以預測發(fā)展趨勢并補充空缺技術，為政府決策提供參考依據，給行業(yè)和學術界新研發(fā)方向提供啟示。

國內外學者圍繞機器學習、建立指標體系等展開該領域研究，且均以專利數據和文獻數據為分析源，但國外學者的數據源更加多元，包括評論數據和經驗數據?！洞髷祿r代圖書館服務體系的創(chuàng)新與發(fā)展》一書中指出：圖書館可根據海量用戶數據制定更個性化的知識管理策略。面向技術識別方法領域的科研人員對領域宏觀概覽的需求，本文從全局層面展開文獻計量分析，有助于對領域內研究成果有總體趨勢脈絡的掌握，從不同維度解讀領域發(fā)展進程。為更直觀地了解技術識別方法在國內外的研究現狀，本文從年度趨勢、核心作者、發(fā)文機構、發(fā)文期刊及主題聚類5個維度展開分析，望能為后續(xù)研究在總體脈絡梳理上提供新的思路、理論支持和參考。

1 數據來源與研究方法

本文國外文獻數據來源于Web of Science（WoS）核心合集中的SCI-E和SSCI，構造檢索式為TI=（（“techn* forecast*”） OR （“techn* detection”） OR （“techn* identification”） OR （“techn* discovery”） OR （“techn* opportunity”）），文獻類型article，“國家/地區(qū)”中排除China和Taiwan，共得到檢索結果515條。中文文獻數據來源于CNKI數據庫中的核心期刊，檢索詞為關鍵技術識別、核心技術識別、“卡脖子”技術識別、顛覆性技術識別、突破性技術識別、前沿技術識別。截至2023年11月15日，共得到檢索結果625條。

首先是數據預處理，將中文文獻數據導入SATI軟件進行字段抽取，分別抽取年份、作者、機構、來源、關鍵詞字段，統(tǒng)計年份、機構、來源字段頻次，繪制折線圖和表格，統(tǒng)計作者和關鍵詞字段頻次后形成共現矩陣。將共現矩陣導入Ucinet 6軟件進行格式轉換，將轉換格式后的共現矩陣導入Netdraw形成共現矩陣圖，最后利用VOSViewer構建知識圖譜，根據圖譜和結果對國內外技術識別方法研究進行分析和總結。

2 結果分析

2.1 年度趨勢分析

《大數據時代圖書館服務體系的創(chuàng)新與發(fā)展》第七章第一節(jié)指出：學科領域評價研究中，發(fā)文趨勢分析能揭示領域研究熱度和重要時間節(jié)點。根據不同年份發(fā)文量，可直觀看出隨時間變化，國內外技術識別方法研究的進程和趨勢。

1967—1996年是起步階段，國外最早于1967年開始相關研究，國內為1993年，相差約20年。20世紀60年代，以美蘇冷戰(zhàn)的技術競爭為背景，國外學者不斷產出研究成果；同時期，我國技術競爭意識滯后，研究成果偏少。1996—2006年是上升階段，國內外均有一定研究成果。這一時期也是我國的萌芽和緩慢發(fā)展時期，國內外研究仍存在差距。2006年以后是快速發(fā)展階段，尤其從2010年開始，我國發(fā)文趨勢顯著上升，與國外平緩趨勢形成鮮明對比，是我國的快速發(fā)展時期。我國從宏觀上重視關鍵核心技術競爭，出臺了很多政策和措施，提供多維度的支持與鼓勵。國外在該階段緩慢上升，成果增加趨于平緩。由此，我國有望在未來技術競爭中占據領先地位。綜上，國內外技術識別方法研究均在不斷發(fā)展和上升。

2.2 核心作者分析

《大數據時代圖書館服務體系的創(chuàng)新與發(fā)展》第七章第四節(jié)指出：核心作者及合作團隊的挖掘能解析出該領域的核心研究力量。

根據普賴斯定律，核心作者一般指M=0.749×Nmax以上的作者，N表示最高產作者的發(fā)文量。統(tǒng)計得出，該領域國內625篇文獻共有作者1829位，國外515篇文獻共有作者934位，國內作者發(fā)文量最高為9篇，國外作者發(fā)文量最高為22篇。計算取整，國內核心作者發(fā)文量2篇，國外核心作者發(fā)文量4篇。據統(tǒng)計，該領域國外學者發(fā)文量超過4篇的共11人，我國學者發(fā)文量超過2篇的共66人。對國內外核心作者發(fā)表的論文進行研讀，總結其主要研究內容（見表1）。

綜上，通過對國內外技術識別方法研究的核心作者分析，發(fā)現該領域國內外研究均具有一定規(guī)模。我國研究團隊規(guī)模偏小，作者間合作廣泛性稍顯不足，作者研究較為分散，更傾向獨立研究。相比而言，國外作者合作相對穩(wěn)定和成熟，合作網絡關系更加清晰和緊密，其中韓國學者的合作更具顯著性和突出性。

2.3 發(fā)文機構

據統(tǒng)計，國外該領域研究機構共416個，高校205個，占比49.3%，非高校211個；國內該領域研究機構共590個，高校419個，占比71%，非高校171個。國外核心團隊包括高麗大學、韓國科學技術院、成均館大學、馬里蘭大學、韓國建國大學和仁荷大學，高校和非高校的合作主要為高麗大學和韓國海洋水產開發(fā)院，馬里蘭大學和微軟。高麗大學和韓國海洋水產開發(fā)院的Kwon等［3］認為隨著新商業(yè)模式和數字技術的出現，物流業(yè)面臨嚴峻挑戰(zhàn)，通過LDA聚類預測物流技術變化，識別出前景技術和空缺技術。馬里蘭大學和微軟的Gligor等［4］認為法律和監(jiān)管在技術發(fā)展中也不可或缺，為技術識別與預測提供新視角。結合數據分析，該領域內韓國科研機構產出更多，尤其是高麗大學和成均館大學，不僅與本國研究機構展開合作，還與國外高校有合作關系。

國內高校核心研究力量以北京工業(yè)大學經濟與管理學院為代表，中國科學技術信息研究所是非高校類機構代表，中國科學院各分支機構也活躍其中。北京工業(yè)大學經濟與管理學院發(fā)文量最高，創(chuàng)新地將物種入侵模型應用到技術識別中，提出一個顛覆性技術識別框架［5］。中國科學技術信息研究所將知識流動遷移到專利投入和產出，構建了一種顛覆性技術識別方法［6］。

綜上，該領域內國外非高校機構占比超50%，我國非高校機構僅29%，說明國外研究力量分布延展性較強，具有開放性和包容性，高校與非高校機構聯(lián)系緊密，并步入實踐應用階段。國內以高校為主導，不同類型機構間合作較少，相關研究更多聚焦于理論研究、模型創(chuàng)新，在應用和遷移方面仍待探索和延伸。

2.4 發(fā)文期刊

《大數據時代圖書館服務體系的創(chuàng)新與發(fā)展》第七章第一節(jié)指出：期刊作為學術論文的主要載體，通過分析能揭示領域學科聚焦，為學科交叉研究提供參考借鑒。據統(tǒng)計，國外技術識別方法的研究成果主要分布在商業(yè)和工程領域期刊上，商業(yè)領域期刊載文量占73%，工程領域占21%，社會領域占3%，環(huán)境科學領域占3%，說明商業(yè)和工程領域的學者更集中地研究技術識別方法的發(fā)展和趨勢，同時也關注社會和全球問題。商業(yè)領域期刊Technological Forecasting and Social Change刊載相關成果115篇，約占發(fā)文總量的49%，該期刊重點聚焦社會、環(huán)境和技術因素的相互關聯(lián)。相比而言，國內學科領域分布較平衡，以信息科技領域為主，領域期刊載文量占54%，經濟與管理科學領域占17%、基礎科學領域占16%、工程技術領域占13%。而信息科技領域期刊中以情報學和管理學為主，約占發(fā)文量的48%。《情報雜志》載文量第一，主要關注情報、智庫、輿情等。說明國內學者相關研究在學科分布上更傾向科學領域。

綜上，國內外相關研究有明顯的學科差異：國外傾向于商業(yè)領域，同時也聚焦社會現實問題；國內在信息技術等領域著力更多，視角更多聚焦學術研究。

2.5 研究熱點分析

《大數據時代圖書館服務體系的創(chuàng)新與發(fā)展》第七章第二節(jié)指出：學科研究主題的精準把握對探析學科發(fā)展、預測研究前沿有重要意義。本文主要分析頻次≥4 的關鍵詞，其中，國外文獻有39個關鍵詞和國內文獻有31個關鍵詞。

通過解讀，將國外研究總結為4個熱點主題，主要內容如下：（1）基于專利和文本挖掘。學者通過專利和文本挖掘識別各領域新興技術。Chanchetti等［7］基于中美日歐專利數據，預測儲氫材料技術生命周期。（2）基于德爾菲法。學者主要圍繞專家咨詢、創(chuàng)新管理等展開。Lee等［8］提出技術轉化為研發(fā)計劃的方法，專家參與信息評估分析全流程，實證膜技術領域創(chuàng)新技術機會。（3）基于創(chuàng)新模型。學者通過建立科學模型展開研究。Golkar等［9］通過博弈論建模分析了32家汽車品牌的歷史數據，識別重要科學技術。（4）基于數據包絡分析。學者主要以飛機行業(yè)文獻數據開展研究。Lim等［10］以戰(zhàn)斗機和商用機數據集預測其技術發(fā)展和變革，識別飛機行業(yè)尖端技術。

通過解讀與分析，將國內研究總結為4個熱點主題，主要內容如下：（1）基于主題模型。學者主要圍繞LDA主題模型展開研究。劉自強等［11］提出了基于Chunk-LDAvis的技術主題識別方法，發(fā)現技術主題間的隱含關系從而識別核心技術。（2）基于技術生命周期。學者通過梳理技術生命周期展開研究。趙璞等［12］挖掘我國光伏領域專利數據，梳理其技術生命周期，識別不同階段的核心技術。（3）基于社會網絡分析。學者主要結合社會網絡分析法和專利共類識別核心技術。張迎新等［13］借助機床制造業(yè)專利數據，繪制貢獻網絡識別核心技術，結合社會網絡分析法厘清核心技術內部關聯(lián)。（4）基于指標體系。學者主要通過構建指標體系展開研究。周海球等［14］提出了識別、篩選兩階段指標體系，識別某地科技部門核心技術。

綜上，總結國內外熱點主題，對該領域聚焦點和側重點有基本了解。總結國內外研究的共性和差異，數據源方面，國內學者主要分析源是專利數據和文獻數據，這兩種數據源獲取性和操作性更具優(yōu)勢。相比而言，國外學者的數據源更具多樣性，評論數據和經驗數據等使用較多，國內僅有少數學者結合了不同類型的數據源。研究方法方面，構建模型和德爾菲法在通用性和易操作性上具有優(yōu)勢，是最常用的研究方法。相比而言，國內學者的研究方法類型更多。因此，國外學者更注重研究內容創(chuàng)新，國內學者更側重研究方法創(chuàng)新。

3 結語

縱觀國內外技術識別方法研究進展，本文從以下幾個方面對技術識別方法研究的啟示進行探討。

首先，需從更廣泛角度探索研究領域。綜上分析，國內外在研究的學科領域方面各具特色，但其共同點是研究領域的集中性，國外集中于商業(yè)領域，國內在信息科技的情報學和管理學領域著力最多。技術識別在各個領域都至關重要，關鍵核心技術的掌握有助于領域內技術競爭和突破性發(fā)展，應將視角轉移到更多領域，識別核心技術以提高核心競爭力，實現不同領域和產業(yè)的共同發(fā)展，從而應對快速變化的技術變革。其次，需更多類型研究主體參與。對比可見國內外研究主體的差異，縱觀國內外，高校仍是核心研究力量。高校和科研機構是技術識別的上游主體，企業(yè)和機構是技術識別的中下游主體。技術識別是極具實踐性的研究，離不開理論和實踐的雙重發(fā)展，高校是理論的核心，企業(yè)是實踐的基地。技術識別研究需形成科研機構和企業(yè)等多類型主體的研究共同體。最后，需緊跟趨勢、注重成果轉化研究。近些年，全球熱點事件屢見不鮮，技術識別除關注傳統(tǒng)學科領域外，還需及時聚焦全球熱點，快速預測和識別領域內核心技術、空缺技術，在研究基礎上注重技術的可遷移性，將研究成果應用到實踐和生產，實現技術識別從理論到實踐再到應用的全流程發(fā)展，把握技術變革機會，降低公共事件的沖擊和影響，提高抗風險能力。

綜上，國內外學者在技術識別方法方面均展開了一系列研究，隨著研究的不斷深入，快速識別領域內核心技術并應用于實際生產將逐漸成為常態(tài)。本文研究存在一定局限性，由于研究成果載體的單一性和研究工具數據支持的指定性，本文研究數據和工具僅選擇文獻和可視化軟件，這在一定程度上導致了研究的片面性。此外，研究僅從上述5個維度展開，技術識別方法是一個全周期的過程，需探索其更多維度從而剖析其發(fā)展脈絡。在此后的研究中，將探索更多類型的數據源，從更多視角開展對技術識別方法的研究。

參考文獻

［1］國務院.中華人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要［EB/OL］.（2021-03-13）［2023-12-04］.https：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

［2］國務院.2023政府工作報告［EB/OL］.（2023-03-05）［2023-12-04］. https：//www.gov.cn/zhuanti/2023lhzfgzbg /index.htm.

［3］KWON K， JUN S， LEE Y， et al.Logistics technology forecasting framework using patent analysis for technology roadmap［J］.Sustainability， 2022（54309）：806-822.

［4］GLIGOR V D， HAIGH T， KEMMERER D， et al. Information assurance technology forecast 2005［J］. IEEE Security & Privacy，2006（1）：62-69.

［5］黃魯成，成雨，吳菲菲，等.關于顛覆性技術識別框架的探索［J］.科學學研究，2015（5）：654-664.

［6］苑朋彬，邢曉昭.專利知識流動視角下的顛覆性技術方向識別研究：以6G太赫茲通信技術領域為例［J］.情報雜志，2023（11）：142-146.

［7］CHANCHETTI L F， OVIEDO D S M， MILANEZ D H， et al. Technological forecasting of hydrogen storage materials using patent indicators［J］. International Journal of Hydrogen Energy， 2016（41）：18301-18310.

［8］LEE J， KIM C， SHIN J. Technology opportunity discovery to R&D planning： key technological performance analysis［J］. Technological Forecasting and Social Change， 2017（119）：53-63.

［9］GOLKAR A， YUSKEVICH I， SMIRNOVA K， et al. Model-based approaches for technology planning and roadmapping： technology forecasting and game-theoretic modeling［J］. Technological Forecasting and Social Change， 2021（121082）：1-12.

［10］LIM D， ANDERSON T R， INMAN O L.Choosing effective dates from multiple optima in technology forecasting using data envelopment analysis （TFDEA）［J］.Technological Forecasting and Social Change， 2014（88）：91-97.

［11］劉自強，許海云，岳麗欣，等.基于Chunk-LDAvis的核心技術主題識別方法研究［J］.圖書情報工作，2019（9）：73-84.

［12］趙璞，林文，姜天潤，等.基于專利分析的我國太陽能光伏領域核心技術識別及演化研究［J］.科技管理研究，2022（2）：184-191.

［13］張迎新，劉翔宇.基于專利共類的高端機床制造核心技術關聯(lián)特征識別：以五軸聯(lián)動數控機床為例［J］.情報雜志，2018（2）：50-56.

［14］周海球，黃曉林，李維思，等.基于MD-AHP的關鍵核心技術攻關任務甄選方法研究［J］.情報雜志，2023（9）：149-154.

（編輯 姚 鑫編輯）

Visualization analysis of technology identification methods in the research field

both domestically and internationally

FENG Xuefei1， LIU Jie2

（1.Library， Jiujiang University， Jiujiang 332000， China; 2.Jinan Engineering Polytechnic， Jinan 250200， China）

Abstract： The article aims to use the knowledge resource system framework in Innovation and development of library service system in the era of Big data as a guide to interpret the development process of research results related to technology identification methods at home and abroad from different dimensions， grasp the development trend from a macro level， and provide reference and inspiration for innovative research methods. Using literature data related to this field from CNKI and Web of Science （WoS） as the research object， analysis was conducted using visualization tools such as UCINET and VOSViewer. The analysis was conducted from five dimensions： annual trends， core authors， publishing institutions， publishing journals， and research hotspots. The results indicate that relevant research in this field is constantly developing both domestically and internationally， with significant differences in methods such as development speed and research focus.

Key words： technical identification methods; bibliometrics; visualization research; research overview

基金項目：山東省自然科學基金青年項目；項目名稱：基于專利計量與機器學習的校企技術合作供需智能匹配方法研究；項目編號：ZR2023QG105。

作者簡介：馮雪飛（1994— ），女，館員，碩士；研究方向：計量分析，科技大數據。