新興技術弱信號監測模型及其特點

黨倩娜

(1.同濟大學經濟與管理學院，上海 200092；2.上海科技情報研究所，上海 200031)

新興技術弱信號監測模型及其特點

黨倩娜1,2

(1.同濟大學經濟與管理學院，上海 200092；2.上海科技情報研究所，上海 200031)

近年來，新興技術弱信號的相關研究逐漸引起關注。本文對四個弱信號模型——安索夫模型、未來信號感知框架模型(FSSF)、德國聯邦教育和研究部“邊緣-種子”預見模型、韓國科學與技術信息研究院新興趨勢信號(NEST)模型的特點進行了分析，并通過比較分析發現，各模型主要架構基本遵循三層結構，構建寬口徑水平掃描系統、發展整合性研究方法體系正在成為當前的方向。因此，在新興技術監測面臨環境日益復雜的情況下，有必要將新興技術弱信號信息納入到監測體系中，建立起一個包容性的地平線掃描系統。

弱信號；新興技術；地平線掃描系統

目前，新興技術探測主要有新興技術演化、研究前沿、共性技術、關鍵技術等方面的研究，采用的方法多樣，包括元數據統計分析、引用與耦合分析、聚類分析、相關分析等。但無論采用哪種方法，其探測的著眼點多數在于研究熱點問題，即強信號的信息。而一些信息強度不高，或清晰度不高的信息，如引用率低、詞頻低的一些新興主題，即弱信號的信息往往被排除在外。然而，包含弱信號信息的新興主題真的就沒有關注的價值嗎？從大數據技術創新發展過程看，大數據的核心技術于2003年已由谷歌公司提出，2008年才出現高被引文獻，而高被引文獻則往往要經過一兩年的時滯才能探測到，這樣相關技術的探測至少出現了5年的時滯[1]。若2008年之前能夠探測到相關弱信號，則有關技術的發展進程將可能大大提高。近年來，新興技術弱信號的相關問題逐漸引起關注，正在由企業層面競爭戰略的研究轉向國家層面發展戰略的系統發現，韓國、德國等國家相關政府研究機構相繼提出要系統地探測新興未來趨勢的弱信號，要關注那些“被忽視的變化的種子”[2]。本文將對新興技術弱信號監測的基本進展及當前一些主要的監測模型進行分析。

1 新興技術弱信號監測的基本進展

目前，關于弱信號的研究可以分為三個層面，一是企業層面，包含在企業戰略或技術競爭情報研究中；二是產業層面，包含在新興產業或新興技術的研究中；三是國家層面，包含在發展戰略或創新戰略的研究中。

而新興技術弱信號的相關研究貫穿于這三個層面，主要集中在以下幾點：

一是弱信號與新興主題的關系。新興主題一般是指代表著某個領域未來發展方向的，新出現的一類主題或趨勢。這是未來研究的重點內容之一，也是新興技術動態監測和技術預見的關注點之一。多名學者對這兩個概念的關系進行了研究，大多認為弱信號和新興領域密切相關。如Hiltunen從未來信號的角度來解釋弱信號，一定程度上認為弱信號就是未來的新興主題[3]。有部分研究者專門對一些新興技術領域的弱信號進行了分析，Yoon[4]、D.Thorleuchter[5]等先后分析了數字媒體、太陽能電池等領域的弱信號及其發展趨勢。

二是新興技術弱信號的來源與掃描。多數企業戰略研究中，新興技術往往作為弱信號環境掃描的一個內容。Hiltunen[6]對弱信號來源進行了系統調查，并分不同的領域分析了各領域較好的弱信號信息源，如科技、教育、社會等幾個領域較好的弱信號來源包括科學家或研究人員、未來學家、同事、學術期刊、研究機構報告等。而互聯網的發展為弱信號的研究提供了新的信息源和研究工具，Romina Cachia等[7]較早地提出社交網絡可以作為預見的一個專家工具。因此，新興技術相關弱信號通常作為組織環境掃描系統的一部分。同時，多位學者或機構認為弱信號是技術預見和未來發展戰略研究的一個重要組成部分，德國教育研究部、韓國科學與技術信息研究院、歐盟第七研究框架藍天預見項目等機構的全球監測系統將弱信號納入掃描系統中。

三是新興技術弱信號識別與篩選。弱信號的識別方法有多種，不同信息源對應不同方法。針對專家等資源，德爾菲、頭腦風暴、情景規劃等方法發展為在線動態互動方法。針對文獻和網絡資源，正在由統計分析、文獻計量、網絡計量向數據挖掘發展。目前，德爾菲法仍然是應用較早，應用最廣的一種方法，通常和識別矩陣結合起來，判斷新興技術弱信號的價值。目前，將定性和定量的各種方法結合起來，形成系統監測和分析方法正在成為一個方向。這一綜合性趨勢在下面的模型分析中將得到較好的體現。

總體上看，當前弱信號的研究還大多集中在企業戰略研究領域中，而在中宏觀層面上，有可能對產業發展或國家創新戰略產生重大影響的新興技術弱信號的研究，文獻總量上較少，同時研究也較散落，部分研究將弱信號信息隱含其中，能夠明確地提出從弱信號視角專門研究新興技術的還較少。但是，弱信號與新興技術的關系已引起關注，一些機構開始明確地提出將弱信號納入到新興技術或新興趨勢全球掃描體系中，進行探索性研究。

2 新興技術弱信號監測模型及其特點

新興技術弱信號的掃描、識別與篩選過程共同形成了監測模型的主要內容。目前，新興技術弱信號監測模型是在借鑒了企業戰略弱信號模型、未來研究模型的基礎上逐漸發展起來的較為復雜的整合性系統。安索夫(Ansoff)模型是弱信號研究中的初始模型，盡管其最初是針對企業戰略所做，但至今在理論上仍具有指導性意義。芬蘭未來研究中心(The Finland Futures Research Centre)是北歐地區未來研究方面著名學術機構之一，建立了未來信號感知框架(FSSF)模型等。而德國教育研究部和韓國科學與技術信息研究院分別從邊緣信息和系統掃描的角度，針對新興技術弱信號構建了監測模型，是當前探測新興未來趨勢較為典型的兩個模型，并運用于國家戰略的制定中。

2.1 安索夫(Ansoff)模型

安索夫模型是初始的弱信號理論模型，并在安索夫自己的研究實踐中應用，為弱信號的相關研究奠定了基礎。這一模型由三層組成，即監測層、意識層、力量層[8]。監測層即數據層，主要用來從環境中捕獲相關弱信號。意識層即知覺層，類似于一個心理模型，將有助于人們對新數據和弱信號的理解。力量層即信息層，通過對弱信號的過濾與判斷，幫助決策，提供關鍵信息。這三層功能分別形成從環境到數據、到知覺、到信息的流動過程，其具體的模型如圖1所示。此后，有多個學者參考這一模型進行了修正，如Leena Ilmola等提出根據不同團體的情況，對信號進行更寬或更深的篩選。

這一模型主要的主要特點是，在環境監測中，將相關弱信號分為外部弱信號和內部弱信號。外部弱信號即企業外部環境中的弱信號。針對外部弱信號，Ansoff建立了幾個咨詢小組，每個小組成員對社會、經濟、政治和技術領域均有著廣泛的知識，此外，公司內部還有一些與外部聯系緊密的人員，如市場人員，這二者結合起來，一起成為Ansoff模型外部弱信號監測源。內部弱信號即企業內部環境中的弱信號，針對內部弱信號，Ansoff模型將公司內規劃人員、開發人員等作為內部弱信號監測源。因此，Ansoff模型更多地依賴于相關專家的主觀判斷和分析。

2.2 未來信號感知框架模型

未來信號感知框架(Futures Signals Sense-making Framework，FSSF)由芬蘭未來研究中心學者Tuomo Kuosa提出。Tuomo Kuosa認為[9]，未來發展中，巨大的轉型過程或新興圖景將能以多種不同的方式得到反映，因此，要開展足夠的環境掃描以集聚和感知如何創造新興未來，未來信號感知框架就是這樣一個啟動工具。

FSSF框架模型是一個“三橫兩縱”的矩陣式模型，橫向包含了三層架構：弱信號、驅動主題、趨勢；縱向分為兩列，一列是具有非線性影響的破壞性信號，如新結構、趨勢、現象、文化等的出現還是衰落，另一列是具有線性影響的推動性信號。在橫向三層結構中，弱信號層主要是用來進行環境掃描，分析與變化有關的信息，對弱信號進行評估，粗略的弱信號評估框架包括四個類別-全部意外的、部分意外的、部分預期的、全部預期的；驅動層，主要是感知和相關主題的因果關系，可以分為推動因素和拉動因素；趨勢層，主要是判斷趨勢，可以分為擾亂性趨勢和線性趨勢。通過橫向和縱向的交叉分析，最終得出研究結果，具體框架見圖2。

圖2 未來信號感知框架模型(FSSF)

這一模型的主要特點是：第一，對安索夫模型進行了進一步的細化，將安索夫模型的數據層清晰化為弱信號層，將安索夫模型的知覺層從驅動主題的角度來明確，將安索夫模型的信息層理解為趨勢的明晰，同時，在每一層中又對相關內容進行了具體的分類；第二，模型的基本思路，是從未來預見的角度，建立基本評估框架；第三，采用了模式管理理念，模式管理是建立在數據管理的基礎上，當把近期的數據與歷史數據進行合并處理時即為數據管理，而所有的數據分析進一步與歷史模式合并分析時，就稱為模式管理。這一模型曾在由芬蘭教育部資助的關于勞動力市場2030的項目中采用，在對113名專家德爾菲法研究結果進行傳統Excel分析和因果分析的基礎上，進行了FSSF分析，最終形成未來勞動力市場的相關趨勢判斷。

2.3 德國聯邦教育和研究部“邊緣-種子”預見模型

德國政府的技術預見工作由德國聯邦教育和研究部進行，已持續15年。預見研究從社會需求和技術推動兩方面進行，整個過程主要包括：社會變化的識別與評估(需求拉動分析)、技術發展的回顧與更新(技術推動分析)、整合前述兩點的發現以識別創新熱點、推導德國研究與創新政策的新任務和優先領域，從而補充正在進行的德國高技術戰略進程。近年來，德國在技術預見的過程中，比較注重以下幾種社會發展現象，一是“開放趨勢”；二是“被忽視的變化的種子”；三是新興 “規范性趨勢”。目前“開放趨勢”和新興“規范性趨勢”較為容易分析，而“被忽視的變化的種子”是當前主流創新系統忽略的，因此，德國聯邦教育和研究部“邊緣-種子”預見模型主要關注的是“被忽視的變化的種子”，相關的方法也主要是面向“變化的種子”，而不是要尋找最好的預測。

德國聯邦教育和研究部“邊緣-種子”預見模型[2]包括五個環節(見圖3)：①建立感知過濾器，從個人、機構、創新系統三個層次構建，并進行系統分析；②建立結構化搜索系統，在13個需求領域中搜索來自于邊緣聲音的相關主題；③建立篩選理論，形成新興的“變化種子假設”；④建設需求專家對話，將假設結果進入對話系統，產生一個列表；⑤提取變化種子，近期一次預測大約有100個變化種子，最終約有60個整合進德國聯邦教育和研究部戰略中。

圖3 德國聯邦教育和研究部“邊緣-種子”預見模型

這一模型的主要特點：第一，著重提出“被忽視的變化的種子”的理念，這一理念建立在弱信號理論的基礎上，但是卻與弱信號又有所不同，因為德國聯邦教育和研究部相關項目研究人員認為，未來并不能真的發送或強或弱的信號暗示這些將會發生，而是人們當前的認知框架強力塑造了人們對未來的期望，因此，不是讀來自未來的信號，而是要在制定研發創新政策中關注目前被忽視的變化的種子，成為“邊緣-種子”預見模型的基本理念；第二，相關信息源主要是邊緣信息源，即非主流媒體，一些邊緣信息源集中特定的需求領域，如食品圖片博客；第三，分析過程中的各類專家也不同于傳統做法，不是科學研究優秀或經濟領域成功的人，而是根據知識密度和多樣性選擇，“邊緣-種子”預見模型的需求專家有三類，一是需求先鋒，即在某一領域有著特別需求的人，二是領先用戶，即需求沒有被滿足的人，三是敏銳直覺的人，即對社會變化感知較早的人，同時也更注重青年專家。

2.4 韓國科學與技術信息研究院新興趨勢信號模型

韓國科學與技術信息研究院(Korea Institute of Science and Technology Information，KISTI)即原韓國國家信息中心，受國家科學和技術研究理事會監督和審計，長期致力于全球環境監測系統的建立，在全球掃描系統“全球趨勢簡報”(Global Trends Brieng，GTB)基礎上構建了新興趨勢信號(New and Emerging Signals of Trends，NEST)模型[10]。NEST搜集來自于全球專家網絡的信息，系統地探測新興未來趨勢的弱信號，運用大量數據分析、推理技術和德爾菲法，將定量和定性方法結合，以支持未來研究和技術預見的發展。

韓國科學與技術信息研究院建立NEST系統的原因在于，由于環境的變化，完全采用德爾菲法、專家頭腦風暴等方法已經不能適應新的形勢。德爾菲法成本高昂，研究進程比較緩慢，重復試驗所進行的預見結果是不同和不一致的，且專家的知識有限。同時，研究院認為有必要利用GTB網絡得到環境監測數據，以獲得一致和快速的結果。

NEST模型有四個目標：建立一個系統的識別未來科技趨勢弱信號的系統過程；建立一個參考系統以支持未來技術研究者和決策者；進行環境掃描，利用非結構化數據，如大數據、新聞、會議、工作組、學術論文、網絡等；利用定量和定性方法。主要包含四個步驟：第一，全球監測，環境掃描，目的是消除重復和選擇有意義的環境信息；第二，信息選擇，進行各種定量數據分析，如聚類、模塊識別、回歸和異常檢測等，用于探測信息的主題、結構、問題；第三，信號分析，將聚類后信息，運用概念評估指標和弱信號跟蹤板決定未來趨勢和新興技術中的弱信號；第四，趨勢分析，對新興趨勢進行專家組評審和評估。

圖4 韓國科學與技術信息研究院NEST模型

這一模型的主要特點是：第一，建立全球掃描系統，系統有全球110個領域的專家，65%有博士學位，31%為海外專家，運行了16年，建立了專家間的在線評估和交叉檢查的質量控制體系，先由專家對全球媒體、線上和線下資源進行掃描，上傳自己的研究報告，再進行在線實時同行評估；第二，與傳統方法相比，NEST模型是一個自下而上的分析過程，即由專家自由進行全球信息篩選，并沒有限制主題或領域的選擇，然后經過聚類等數據挖掘等方法，經過不斷收斂，最后才由專家判斷；第三，采用定量和定性結合的方法，在定量分析階段，采用NEST運用貝葉斯網絡的聚類分析、模式識別和交叉影響分析方法等數據挖掘方法，在定性分析階段，引入環境掃描、頭腦風暴和德爾菲法，形成整合性研究。

3 比較分析與基本趨勢

3.1 主要架構基本遵循三層結構

從各模型的主要架構上看，基本的理論基礎沒有變化，盡管具體步驟有所不同，但總體上仍然遵循了Ansoff模型監測層-意識層-力量層三大層級結構體系。按照各個層級功能的不同，將其更確切地描述為掃描層、分析層和決策層。

掃描層是整個模型的基礎層，主要是根據相應的需求，進行組織內外環境的掃描，從而獲得所需要的弱信號信息，為進一步分析打下基礎。如德國“邊緣-種子”模型的“感知過濾器”、韓國NEST模型的全球掃描系統“全球趨勢簡報”系統。

分析層是整個模型主要的實施層，主要是對得到的信息，運用各種定量和定性方法進行分析。分析層大致分為兩步，一是對搜集的原始信息進行一定的結構化或分類；二是進行具體的主題分析或數據分析。如FSSF框架模型的基本評估框架、韓國NEST模型的數據挖掘等。

決策層是整個模型的結果層，主要根據分析層成果做出最終的選擇與決定。決策層一般有兩種做法，一是面向未來，由遠及近；二是立足現在，由近及遠。目前這兩種方法均有應用，如FSSF框架模型主要是面向未來感知現在，而德國“邊緣-種子”模型則立足現在信息，發現可能引起變化的種子。當前，這兩種視角正在分析中進行融合。

3.2 構建寬口徑的水平掃描系統

掃描系統是整體分析的基礎。寬口徑的掃描系統包含了各種弱信號，弱信號的類型與信息源息息相關。

從掃描系統的信息源上看，在弱信號早期的研究與實踐中，信息源主要是來自于有關專家，如Ansoff模型以企業內外的專家為弱信號的主要信息來源。目前，信息源的范圍在逐漸擴大，正在由傳統信息源向非傳統信息源擴展，如專業博客、研究社區、社交媒體等發表的觀點及其瀏覽、轉載、評論、鏈接等信息。

在具體信息源的選取上，各個機構和模型的側重點又有所不同，德國強調關注非主流媒體，韓國強調關注非結構化數據。這些信息源的選擇主要和其目的有關，但無論哪種掃描系統，寬口徑正在成為掃描系統構建的基本原則，即掃描系統應當能夠容納足夠多元化、多主題的信息，如韓國建立的全球掃描系統包含全球110個領域的信息。這主要是由于數據分析技術的發展為寬口徑掃描系統的建立提供了分析的可能。

3.3 發展整合性研究方法體系，形成包容性分析框架

從各模型分析過程中采用的主要方法上看，盡管專家法具有一定的弱點，但專家法仍舊是主要的方法之一，這主要是由于弱信號和未來趨勢的不明晰、不確定性所致。但是，基于數據的方法正在成為主要的方法之一。未來信號感知框架模型(FSSF)的運用也是建立在一定的數據分析基礎上，而韓國NEST模型則將數據挖掘和專家方法在全過程進行一定的融合。因此，在大型的監測體系中，方法的綜合運用正在成為一個趨勢。而在小型監測體系中，由于個人資源有限，采用的方法還比較單一。

表1 弱信號部分模型比較分析

將多元化、多主題的寬口徑水平掃描系統和整合性研究方法體系對接匹配起來，形成包容性分析框架，正在成為當前努力的方向。包容性主要體現在，一是信息源上，既包括強信號，也注重弱信號，既包括主流信息源，也包括通常可能忽視的信息源；二是專家來源上，既包括當前精英人士，也包括草根人士，多方交流；三是研究方法上，既包括定性研究方法，也注重定量研究，二者互相支撐。目前，這些分析框架已經應用在企業戰略、社會發展、研究和創新戰略等領域的研究中。

4 結語

在開放式創新環境下，創新速度和應用不斷加快，創新成果在開放社區和網絡中得以快速傳播和擴散，創新生態系統中，相關信息的傳遞呈現網絡化與實時化，可用的信息源和信息工具日益多元化，這導致新興技術監測環境日益復雜。為了提高新興技術監測速度，降低監測時滯，加快新興產業發展，有必要將新興技術弱信號信息納入到監測體系中，建立起一個具有包容性的地平線掃描系統和分析框架。

當前一些國家和地區正在致力于構建寬口徑的全球掃描和分析體系，如英國地平線掃描中心(Horizon Scanning Center，The Centre for Future Studies)、美國戰略商業洞察(Strategic Business Insights，SBI)、韓國的全球趨勢簡報(GTB)、新加坡風險評估和水平掃描系統(Risk Assessment and Horizon Scanning，RAHS)、荷蘭水平掃描項目(The Horizon Scan 2007 Project)等。一些體系已明確提出將弱信號納入其中，而中國在國家層面目前還沒有一個明晰的地平線掃描系統，在新興技術發展日益迅速的今天，有必要通過新興技術弱信號監測體系的建立，來強化國家發展戰略方向上更為前瞻性的系統發現能力 。

[1]黨倩娜，羅天雨，曹磊.多維視角下大數據領域技術創新演進、前沿與特性[J].科學學與科學技術管理，2015(8)：49-60.

[2]WARNKE Philine，SCHIRRMEISTER Elna.Small seeds for grand challenges—exploring disregarded seeds of change in a foresight process for RTI policy[J].Futures，2016(77)：1-10.

[3]HILTUNEN Elina.The future sign and three dimensions of it[J].Futures，2008，40(3)：247-260.

[4]YOON Janghyeok.Detecting weak signals for long-term business opportunities using text mining of web news[J].Expert systems with applications，2012，39(39)：12543-12550.

[5]THORLEUCHTER D，POEL Van Den D.Idea mining for web-based weak signal detection[J].Futures，2015(66):25-34.

[6]HILTUNEN Elina.Where do future-oriented people find weak signals?[M].Turku:Finland Futures Research Centre，2007.

[7]CACHIA Romina，COMPANó Ramón，DA COSTA Olivier.Grasping the potential of online social networks for foresight[J].Technological forecasting and social change，2007，74(8)：1179-1203.

[8]ILMOLA Leena，KUUSI Osmo.Filters of weak signals hinder foresight:monitoring weak signals efciently in corporate decision-making[J].Futures，2006(38):908-924.

[9]KUOSA Tuomo.Futures signals sense-making framework(FSSF):a start-up tool to analyse and categorise weak signals，wild cards，drivers,trends and other types of information[J].Futures，2010(42)：42-48.

[10]KIM Seonho，KIM You-Eil，BAE Kuk-Jin，et al.NEST:a quantitative model for detecting emerging trends using a global monitoring expert network and Bayesian network[J].Futures，2013(52)：59-73.

WeakSignalsModelforDetectingEmergingTechnologies

Dang Qianna1,2

(1.School of Economics and Management，Tongji University，Shanghai 200092,China;2.Institute of Scientific and Technical Information of Shanghai，Shanghai 200031,China.)

In recent years，the weak signals of emerging technology has gradually gotten attention.The paper introduces four weak signal models:Ansoff model，Futures signals sense-making framework(FSSF)，“edge-seed”foresight model of BMBF，New and Emerging Signals of Trends(NEST)of KISTI，and analyzes their characters.The main structure of each model basically follows three layers.The construction of wide-caliber horizontal scanning system and integrated research method system are becoming the direction.Therefore，it is necessary to bring weak signals into emerging technology monitoring system and establish an inclusive horizon scanning system under the increasingly complex circumstances.

Weak signals；Emerging technology；Horizon scanning system

G312

A

上海市科技發展基金軟科學研究項目“新興技術弱信號監測機制研究”(16692107900)。

2017-01-24

黨倩娜(1972-)，女，上海人，上海科技情報研究所副研究員，博士研究生；研究方向：科技與創新政策、新興產業。

(責任編輯 沈蓉)