基于SCI論文和專利數據的單項技術成熟度評估方法

， ，

高德納是世界著名的IT咨詢公司，其基于Hype Cycle的技術成熟度專題報告備受業界關注和推崇。Hype Cycle通過兩種方式展示技術成熟度，一是通過標定某領域多項技術在Hype Cycle曲線上的相對位置，展示某個時間節點各項技術不同的技術成熟度；二是通過標定某單項技術沿Hype Cycle曲線走向成熟的各個里程碑，展示該項技術的成熟歷程或對其發展趨勢進行預測。但截至目前，高德納并未公開其繪制Hype Cycle并生成報告的細節，使得高德納以外的研究人員難以基于Hype Cycle生成針對特定領域的個性化技術成熟度評估報告。因此，國內外眾多學者進行了一系列嘗試，試圖破解該技術“黑箱”[1-4]。本文依據Hype Cycle是由鐘形曲線和S形曲線復合而成的事實[5]，基于SCI論文和專利數據分別繪制鐘形曲線和S形曲線，對技術成熟度評估方法進行新嘗試。

1 單項技術成熟度評估方法的框架設計

本文采用兩種函數模型評估單項技術成熟度。一是鐘形曲線，由單項技術SCI論文的相關數據擬合而成，以反映人們對該項技術關注熱度的類正態分布；二是S形曲線，由單項技術相關專利的數據擬合而成，以表征其逐步成熟、固化與累積的客觀歷程。疊置鐘形曲線與S形曲線，獲得兩條曲線的交叉點，即可初步研判該單項技術的相對成熟度，并為進一步將這兩條曲線合成為一條Hype Cycle曲線奠定基礎。單項技術成熟度評估方法的框架設計和實現步驟如圖1所示。

圖1 單項技術成熟度評估方法的框架設計與實現步驟

第一步，數據采集。分別在Web of ScienceTM核心合集數據庫(限定文獻類型為Article)和Derwent數據庫中檢索相關技術的SCI論文和專利數據。選擇這兩類數據是因為SCI論文數據在一定程度上能夠表征科技人員對某項新技術基礎及應用基礎研究的關注熱度，而專利數據能夠較好地反映某項新技術向應用轉化和成熟的過程[6]。

第二步，數據預處理。通過人工檢查和清洗檢索結果，排除噪聲干擾。分別統計SCI論文數據、專利數據的頻數分布、累積分布，繪制散點圖觀察是否具有對稱性。若具有對稱性，選擇Logistic模型；反之選擇Gompertz模型，詳見表1[4，7]。

表1 鐘形曲線和S形曲線的函數模型比較

注：函數表達式中的x表示時間，a、b、k是方程的參數；f(x)表示SCI論文、專利的累積量，g(x)表示某一年度SCI論文、專利的數量

第三步，數據分析。一是根據數據預處理結果選定函數模型后，運用非線性回歸分析獲取參數取值，確立用于擬合鐘形曲線和S形曲線的函數表達式。其中SCI論文頻數分布擬合鐘形曲線，通常采用不可線性化的非線性回歸；專利累積分布擬合S形曲線，適合可線性化的非線性回歸[7-8]。二是運用標準差標準化方法，消除SCI論文和專利數據的量綱和數量級的差異后，分別繪制鐘形曲線和S形曲線。兩條曲線應處于同一坐標系，并盡可能疊置相交。三是進行統計學檢驗，判斷函數曲線模型的擬合優度，以及模型是否具有統計學意義。

第四步，評估描述。先確定評估的具體時刻或時間段，再通過與兩條曲線交點橫坐標的比較，以評估該單項技術是處于較低成熟度的前期研發階段，還是處于較高成熟度的后期開發階段。

2 單項技術成熟度評估方法的測試

為實現上述方法的路徑，宜選取成熟度較明確的技術進行測試性評估。因此，本文選取醫學影像領域中處于成熟度較高階段的傳統X線攝影技術與處于成熟度較低階段的光聲層析成像技術進行方法驗證。

2.1 數據采集

選取Web of ScienceTM核心合集數據庫和Derwent數據庫，分別檢索兩項技術的SCI論文和專利數據，檢索時間為2015年9月22日。

傳統X線攝影技術文獻的檢索策略。SCI論文數據：限定主題為radiography，排除含有comput*、digital*、tomography的記錄；精煉檢索結果，限定學科類別為放射核醫學與醫學影像，文獻類型為Article，共獲得4 277篇文獻。專利數據：限定主題為(X-ray OR radiography) AND “photographic film”，排除含有 “computed tomography”、comput*、 digit*的記錄，共獲得333項專利數據。

光聲層析成像技術文獻的檢索策略。SCI論文數據：限定主題為“photoacoustic tomography”；精煉檢索結果，限定文獻類型為Article，共獲得500篇文獻。專利數據：限定主題為“photoacoustic tomography”，共獲得73項專利數據。

2.2 數據預處理

人工檢查和清洗兩項技術的SCI論文和專利數據后，繪制散點圖(圖2)。

從圖2可看出，兩項技術的論文和專利的頻數分布均不具有對稱性，因而選用Gompertz模型進行非線性回歸分析。

圖2 傳統X線攝影技術和光聲層析成像技術的頻數分布散點圖

2.3 數據分析

數據分析主要包括三個步驟。

一是確定函數模型表達式。使用SAS 9.3軟件進行非線性回歸分析，獲取兩項技術S形曲線、鐘形曲線的參數取值，最終確定函數模型表達式(表2、表3)。

表2 傳統X線攝影技術函數模型的參數取值

注：a、b、k是表1中f(x)和g(x)的函數參數

表3 光聲層析成像技術函數模型的參數取值

注：a、b、k是表1中f(x)和g(x)的函數參數

二是標準化處理后繪制曲線。為確保從同一時間段觀察兩項技術的發展變化趨勢，采用標準差標準化方法，消除兩項技術SCI論文和專利數據的量綱和數量級差異，并使用Matlab R2014a軟件繪制1990-2014年的鐘形曲線和S形曲線(圖3和圖4)。

其中縱軸代表SCI論文和專利的相對數量，橫軸代表技術發展的時間。橫軸中2014-2050年的曲線是依據函數公式計算獲得的外推結果。

圖3 標準化處理后傳統X線攝影技術的鐘形曲線和S形曲線

圖4 標準化處理后光聲層析成像技術的鐘形曲線和S形曲線

三是統計學檢驗。對兩項技術的鐘形曲線和S形曲線函數模型進行統計學檢驗，結果如表4所示。

表4 函數模型的統計學檢驗

其中，P值均小于0.0001，說明所擬合的模型有統計學意義；決定系數R2均大于0.8，說明模型的擬合優度較高。

2.4 評估描述

圖3顯示，1990-2014年傳統X線攝影技術兩曲線交點對應的時刻早于2014年，因而可以判斷，傳統X線攝影技術成熟度較高，已經進入技術發展的后期應用推廣階段。圖4顯示，1990-2014年光聲層析成像技術兩曲線的交叉點在2014年之后，表明光聲層析成像技術處于技術發展的前期研發階段。用于擬合曲線的數據中，該技術的SCI論文數據最早出現于2002年，專利數據最早出現于1996年。因此，2002年前的鐘形曲線和1996年前的S形曲線代表回歸擬合的結果。

為判斷上述結果的可靠性，從SCI數據庫中選擇相關領域發表時間最新和被引頻次較高的20篇綜述文獻[9-17]，獲取技術發展的專業評述。經認真研讀比較發現，上述關于技術成熟度的判斷與專家文字性評述的意見基本一致。因而認為傳統X線攝影技術已經成熟，正處于穩定發展階段；而光聲層析成像技術尚處于人們期望的高潮期，發展尚不成熟。

3 討論

本文依據Hype Cycle曲線本質上是由鐘形曲線和S形曲線復合而成的事實，基于傳統X線攝影和光聲層析成像技術的SCI論文和專利數據分別繪制這兩條曲線，實現了對單項技術成熟度的初步評估，為進一步將這兩條曲線合成為一條Hype Cycle曲線打下了基礎，打開了高德納公司技術成熟度評價方法“黑箱”的一條縫。

本方法成本較低、評估快速、結果較直觀，但與Hype Cycle相比尚有3點局限。一是僅適用于單項技術評估。若逐一評估多項技術后，則能為多項技術的綜合評估提供支撐。二是分辨率不夠高，只劃分為兩個成熟程度。若要提高分辨率，則需要引入專家咨詢。三是評估對象的選擇受限。由于單項技術評估方法只采用了論文和專利兩項指標，因而對評估對象的選擇，還要考慮該項技術是否對這兩項指標具有較高靈敏度，是否能獲得足夠的數據。

下一步研究的重點，一是針對不同的技術成熟度評估對象，選取更加靈敏、更加合適的鐘形曲線和S形曲線指標，如網絡計量數據等，而不局限于SCI論文和專利數據；二是將鐘形曲線和S形曲線進一步合成為一條Hype Cycle曲線，走通整條技術路徑；三是選擇合適的技術領域，與高德納基于Hype Cycle技術成熟度評價報告進行對比研究，完善我們的技術成熟度評價方法。