高 敏 王秀紅,2

（1.江蘇大學(xué)科技信息研究所 鎮(zhèn)江 212013；2.江蘇大學(xué)圖書館 鎮(zhèn)江 212013）

1 引言

技術(shù)預(yù)測(cè)（technology forecasting）是描述一項(xiàng)技術(shù)在未來(lái)某個(gè)時(shí)間段的出現(xiàn)、性能、特征或影響的系統(tǒng)過程[1]，這一概念由美國(guó)學(xué)者Alan Porter于2003年提出。技術(shù)預(yù)測(cè)起源于美國(guó)政府二戰(zhàn)后對(duì)軍事領(lǐng)域相關(guān)技術(shù)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。1945年，美國(guó)空軍編寫了一份《走向新視野》的報(bào)告，調(diào)查了技術(shù)發(fā)展?fàn)顩r并討論了技術(shù)預(yù)測(cè)研究的重要性，預(yù)示著現(xiàn)代技術(shù)預(yù)測(cè)的開端[2]。20世紀(jì)50年代和60年代，蘭德公司開發(fā)了德爾菲方法，被廣泛應(yīng)用于技術(shù)評(píng)估，德爾菲法的應(yīng)用是技術(shù)預(yù)測(cè)史上的一個(gè)轉(zhuǎn)折點(diǎn)[3]。1970年，軍事領(lǐng)域以外的私營(yíng)部門和政府機(jī)構(gòu)開始廣泛開展技術(shù)預(yù)測(cè)活動(dòng)[4]，技術(shù)的快速發(fā)展及其對(duì)經(jīng)濟(jì)社會(huì)的深刻影響，使得技術(shù)預(yù)測(cè)愈發(fā)重要。由于技術(shù)發(fā)展涉及的因素頗為復(fù)雜，如何利用技術(shù)預(yù)測(cè)提供更精確可靠的預(yù)測(cè)，成為目前國(guó)內(nèi)外研究共同關(guān)注的焦點(diǎn)。

國(guó)內(nèi)已有學(xué)者針對(duì)技術(shù)預(yù)測(cè)相關(guān)的文獻(xiàn)計(jì)量及熱點(diǎn)分析開展研究。王翠波等針對(duì)國(guó)內(nèi)相關(guān)技術(shù)預(yù)測(cè)科學(xué)文獻(xiàn)，從文獻(xiàn)、內(nèi)容等角度進(jìn)行可視化分析，探索了國(guó)內(nèi)學(xué)者在技術(shù)預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀及未來(lái)發(fā)展趨勢(shì)[5]；汪雪鋒等對(duì)技術(shù)預(yù)測(cè)的概念進(jìn)行辨析，梳理了國(guó)內(nèi)外技術(shù)預(yù)測(cè)的發(fā)展歷程，總結(jié)了美國(guó)、英國(guó)、日本等國(guó)家技術(shù)預(yù)測(cè)項(xiàng)目，展望未來(lái)發(fā)展態(tài)勢(shì)[6]。雖然已有研究主要從技術(shù)預(yù)測(cè)概念、發(fā)展歷程、研究現(xiàn)狀以及研究項(xiàng)目等角度進(jìn)行梳理，對(duì)了解技術(shù)預(yù)測(cè)發(fā)展動(dòng)態(tài)具有參考價(jià)值，但目前對(duì)國(guó)內(nèi)外技術(shù)預(yù)測(cè)研究進(jìn)行系統(tǒng)性分析的尚少。因此本文對(duì)國(guó)際技術(shù)預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀、進(jìn)展以及更深層次的內(nèi)容進(jìn)行挖掘，展望國(guó)內(nèi)外技術(shù)預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)。

2 數(shù)據(jù)來(lái)源與研究方法

本研究以Web of Science核心合集數(shù)據(jù)庫(kù)為數(shù)據(jù)源，對(duì)技術(shù)預(yù)測(cè)領(lǐng)域相關(guān)研究進(jìn)行檢索。為確保文獻(xiàn)檢索盡可能的完整性與準(zhǔn)確性，基于已有研究總結(jié)出相關(guān)檢索詞，包括技術(shù)預(yù)測(cè)、技術(shù)識(shí)別、技術(shù)機(jī)會(huì)、新興技術(shù)、顛覆性技術(shù)、關(guān)鍵技術(shù)。經(jīng)過多次檢索和修訂，最終制定檢索式為“TI=（technolog* forecast*） OR （TI=（"technology identification"） OR TI=（"technological identification"） OR TS=（"technology identification"）OR TS=（"technological identification"）） OR （TI=（"technology opportunity"） OR TI=（"technological opportunity"） OR TS=（"technology opportunity"）OR TS=（"technological opportunity"） OR TI=（"technology opportunities"） OR TI=（"technological opportunities"） OR TS=（"technology opportunities"）OR TS=（"technological opportunities"）） OR TI=（"disruptive technolog*"） OR TI=（"emerging technolog*"） OR TI=（"core technolog*"）”，時(shí) 間跨度限定為2001-2020年（檢索日期為2020年11月20日），文獻(xiàn)類型選擇“Article”，語(yǔ)言選擇“English”，經(jīng)檢索總計(jì)獲得1 628條文獻(xiàn)記錄。通過人工干預(yù)方式對(duì)檢索結(jié)果進(jìn)行逐條數(shù)據(jù)清洗，剔除重復(fù)及不相關(guān)文獻(xiàn)，最終得有效文獻(xiàn)為1 504篇，以此作為國(guó)內(nèi)外技術(shù)預(yù)測(cè)領(lǐng)域研究的分析樣本。

主要應(yīng)用文獻(xiàn)調(diào)研、文獻(xiàn)計(jì)量和科學(xué)知識(shí)圖譜分析方法對(duì)上述1 504條有效文獻(xiàn)記錄進(jìn)行統(tǒng)計(jì)分析。借助CiteSpace、VOSviewer等工具，針對(duì)文獻(xiàn)時(shí)空分布、核心研究作者、重要載文期刊、研究熱點(diǎn)等維度，繪制相應(yīng)的圖表，并進(jìn)行解讀與分析，以揭示國(guó)外技術(shù)預(yù)測(cè)領(lǐng)域的研究熱點(diǎn)、發(fā)展脈絡(luò)及演化趨勢(shì)。

3 技術(shù)預(yù)測(cè)研究概況

3.1 文獻(xiàn)時(shí)空分布

技術(shù)預(yù)測(cè)研究在不同年份的發(fā)文量是文獻(xiàn)計(jì)量中的重要指標(biāo)之一，在一定程度上反映該領(lǐng)域的受重視程度及其發(fā)展趨勢(shì)。為了解發(fā)文量的變化趨勢(shì)，以年份為橫軸，以發(fā)表論文的篇數(shù)為縱軸，繪制出2001-2020年技術(shù)預(yù)測(cè)研究發(fā)文量的變化曲線圖，如圖1所示。通過曲線圖可以看出，國(guó)際技術(shù)預(yù)測(cè)研究在近20年間持續(xù)處于穩(wěn)步發(fā)展?fàn)顟B(tài)，其間雖有所回落，但整體上增長(zhǎng)幅度趨于平緩，并在2019年達(dá)到峰值134篇。因檢索日期為2020年11月20日，非2020年整年數(shù)據(jù)，依照折線圖的整體走勢(shì)來(lái)看，2020年的總體研究成果有望創(chuàng)造新高。

圖1 技術(shù)預(yù)測(cè)期刊論文年發(fā)文量曲線圖

為了更加確切地反映技術(shù)預(yù)測(cè)研究的發(fā)展趨勢(shì)，本研究基于SPSS和EXCEL進(jìn)行函數(shù)曲線擬合，依次測(cè)試指數(shù)、對(duì)數(shù)、多項(xiàng)式等函數(shù)，測(cè)試后發(fā)現(xiàn)五次多項(xiàng)式曲線的擬合程度較好，擬合度擬合結(jié)果如圖2所示。采用的擬合公式為其中為年累積發(fā)文量，為論文發(fā)表年份。根據(jù)圖2中的擬合曲線可以看出，未來(lái)5年內(nèi)技術(shù)預(yù)測(cè)研究的累積發(fā)文量曲線預(yù)計(jì)會(huì)有明顯的上行趨勢(shì)，表明該領(lǐng)域的研究熱度會(huì)持續(xù)升溫，所以應(yīng)更加重視技術(shù)預(yù)測(cè)的相關(guān)研究，積極輔助調(diào)整政策及投資方案，為其發(fā)展?fàn)I造更加廣闊的空間。

圖2 技術(shù)預(yù)測(cè)發(fā)展趨勢(shì)擬合曲線圖

利用VOSviewer對(duì)Web of Science核心合集數(shù)據(jù)庫(kù)中各國(guó)在技術(shù)預(yù)測(cè)研究領(lǐng)域發(fā)表的論文數(shù)量進(jìn)行統(tǒng)計(jì)，得到排名前10的國(guó)家發(fā)文量統(tǒng)計(jì)表，并繪制出國(guó)家共現(xiàn)網(wǎng)絡(luò)知識(shí)圖譜，如表1、圖3所示。結(jié)果發(fā)現(xiàn)，技術(shù)預(yù)測(cè)領(lǐng)域的研究囊括了78個(gè)國(guó)家/地區(qū)，其中發(fā)文量不少于10篇的有32個(gè)國(guó)家/地區(qū)。美國(guó)是發(fā)文量最多的國(guó)家，達(dá)到504篇，占所有發(fā)文量的33.51%，是技術(shù)預(yù)測(cè)研究的先鋒；中國(guó)（包括香港、澳門、臺(tái)灣）的發(fā)文量排第二，總計(jì)263篇，僅次于美國(guó)，在技術(shù)預(yù)測(cè)領(lǐng)域的研究處于世界前列。除美國(guó)和中國(guó)外，英國(guó)、韓國(guó)、德國(guó)、澳大利亞等國(guó)家的研究也領(lǐng)先于其他國(guó)家。技術(shù)預(yù)測(cè)領(lǐng)域研究排名前10的國(guó)家，近20年的發(fā)文總量為1 369篇，接近樣本總量的91%，其他所有國(guó)家發(fā)文量總和僅為135篇，占樣本總量的9%，由此可以看出，技術(shù)預(yù)測(cè)研究成果在國(guó)家分布上極其集中。值得一提的是，雖然丹麥、法國(guó)的發(fā)文量并非名列前茅，但其發(fā)表的論文的被引頻次分別為2 315、2 002次，表明其研究成果具有較高的參考價(jià)值，引起國(guó)際眾多學(xué)者的關(guān)注，由此可見丹麥、法國(guó)在技術(shù)預(yù)測(cè)研究中占有重要地位。

表1 技術(shù)預(yù)測(cè)研究TOP10國(guó)家發(fā)文量統(tǒng)計(jì)

圖3 技術(shù)預(yù)測(cè)研究國(guó)家共現(xiàn)知識(shí)圖譜

3.2 核心研究作者

對(duì)1 504條文獻(xiàn)題錄數(shù)據(jù)的作者字段信息進(jìn)行統(tǒng)計(jì)，共獲得作者4 110名，其中第一作者1 013名，人均發(fā)文量為1.485。發(fā)文量為1篇的第一作者總計(jì)964名，占第一作者總數(shù)的95.16%，表明國(guó)際技術(shù)預(yù)測(cè)領(lǐng)域研究的作者較為分散。根據(jù)普賴斯定律的核心作者計(jì)算公式確定核心作者，其中表示作者的最高發(fā)文數(shù)量，其中為核心作者發(fā)文量的臨界值，計(jì)算可得取整可得可知技術(shù)預(yù)測(cè)領(lǐng)域研究核心作者的分布情況。統(tǒng)計(jì)得出排名前10的核心作者，并進(jìn)行h指數(shù)計(jì)算，結(jié)果見表2。發(fā)文量最多的是美國(guó)學(xué)者Alan Porter，共發(fā)表技術(shù)預(yù)測(cè)相關(guān)論文30篇，此外，韓國(guó)學(xué)者Yoon Byungun、Yoon Janghyeok的發(fā)文量均超過20篇，位居前列。排名前10的核心研究作者中，韓國(guó)學(xué)者有6位，美國(guó)學(xué)者3位，中國(guó)學(xué)者1位，可見韓國(guó)在技術(shù)預(yù)測(cè)研究中貢獻(xiàn)較大。從h指數(shù)的角度分析，能夠明顯看出Alan Porter、Yoon Byungun、Tugrul U Daim三位學(xué)者的學(xué)術(shù)影響力最強(qiáng)。

表2 TOP10技術(shù)預(yù)測(cè)領(lǐng)域核心研究作者統(tǒng)計(jì)列表

利用VOSviewer對(duì)Web of Science核心合集數(shù)據(jù)庫(kù)中作者在技術(shù)預(yù)測(cè)研究中的合作情況進(jìn)行可視化分析，繪制出作者合作網(wǎng)絡(luò)知識(shí)圖譜，如圖4所示。由圖4可知，作者之間的合作關(guān)系整體上較為疏散，但已形成了分別以Alan Porter、Yoon Byungun、Tugrul U Daim為首的作者集群。期望未來(lái)作者研究群體以及獨(dú)立作者間加強(qiáng)合作聯(lián)系，更好地推動(dòng)技術(shù)預(yù)測(cè)領(lǐng)域研究的發(fā)展。

圖4 技術(shù)預(yù)測(cè)領(lǐng)域作者合作網(wǎng)絡(luò)知識(shí)圖譜

Alan Porter，美國(guó)佐治亞理工學(xué)院（Georgia Institute of Technology）工業(yè)與系統(tǒng)工程學(xué)院的榮譽(yù)退休教授，同時(shí)指導(dǎo)技術(shù)政策與評(píng)估中心，研究領(lǐng)域?yàn)榧夹g(shù)預(yù)測(cè)與評(píng)估，目前的研究重點(diǎn)集中在技術(shù)機(jī)會(huì)分析上。由圖4可知，Alan Porter教授與Zhu Donghua、Shapira Philip等學(xué)者間形成了學(xué)術(shù)研究團(tuán)隊(duì)，致力于技術(shù)創(chuàng)新路徑預(yù)測(cè)方法研究、技術(shù)機(jī)會(huì)識(shí)別方法及實(shí)證研究、顛覆性技術(shù)與新興技術(shù)的理論研究以及新興技術(shù)評(píng)價(jià)指標(biāo)研究與評(píng)估。

Yoon Byungun，韓國(guó)東國(guó)大學(xué)（Dongguk University）工程學(xué)院工業(yè)與系統(tǒng)工程系教授，研究領(lǐng)域?yàn)閷＠治?、技術(shù)預(yù)測(cè)、可視化和數(shù)據(jù)挖掘等。Yoon Byungun同時(shí)任東國(guó)大學(xué)數(shù)據(jù)與技術(shù)情報(bào)實(shí)驗(yàn)室（Data &Technology Intelligence Lab）教授，該實(shí)驗(yàn)室旨在提出各種方法、策略、政策和理論，以實(shí)現(xiàn)國(guó)家和公司在新的范式中以數(shù)字、知識(shí)和信息為特征的技術(shù)創(chuàng)新目標(biāo)。Yoon Byungun與該實(shí)驗(yàn)室成員合作12年來(lái)研究成果眾多，豐富了技術(shù)識(shí)別方法體系，包括專利信息的形態(tài)分析與聯(lián)合分析的混合方法、專利地圖、專利網(wǎng)絡(luò)、主題建模、文本挖掘、自然語(yǔ)言處理等方法，還開發(fā)了Techpioneer工具以識(shí)別技術(shù)機(jī)會(huì)。

Tugrul U Daim，美國(guó)波特蘭州立大學(xué)（Portland State University）工程與技術(shù)管理系教授，曾任《國(guó)際創(chuàng)新與技術(shù)管理期刊》（International Journal of Innovation and Technology Management）主編，現(xiàn)任《IEEE工程管理學(xué)報(bào)》（IEEE Transactions on Engineering Management）主編，研究領(lǐng)域?yàn)閯?chuàng)新管理、技術(shù)管理、引文分析、專利、項(xiàng)目管理、戰(zhàn)略規(guī)劃等。Daim教授將文獻(xiàn)計(jì)量學(xué)和專利分析與情景規(guī)劃、增長(zhǎng)曲線和類比等著名技術(shù)預(yù)測(cè)方法相結(jié)合，對(duì)燃料電池、食品安全和光存儲(chǔ)技術(shù)三個(gè)新興技術(shù)領(lǐng)域進(jìn)行預(yù)測(cè)[7]，該研究引起國(guó)際眾多學(xué)者的關(guān)注，是一項(xiàng)具有國(guó)際影響力的研究成果。

其他7位作者，結(jié)合發(fā)文量與h指數(shù)綜合分析，尚不具備明顯的學(xué)術(shù)影響力，但有望成為未來(lái)技術(shù)預(yù)測(cè)領(lǐng)域研究的重要骨干力量。從時(shí)間跨度來(lái)看，排名前10的核心研究作者對(duì)技術(shù)預(yù)測(cè)的研究均有起步早，延續(xù)時(shí)間長(zhǎng)的特征，沒有明顯的研究力量流失現(xiàn)象。但總體來(lái)看，技術(shù)預(yù)測(cè)領(lǐng)域研究力量較為薄弱，有待更多學(xué)者關(guān)注。

3.3 重要載文期刊

本研究通過對(duì)國(guó)際技術(shù)預(yù)測(cè)領(lǐng)域的期刊數(shù)據(jù)進(jìn)行提取，共獲得890種期刊，刊均載文量為1.670，載文量達(dá)到10篇的有9種期刊，具體統(tǒng)計(jì)結(jié)果如表3所示。《技術(shù)預(yù)測(cè)與社會(huì)變革》（Technological Forecasting and Social Change）近20年發(fā)表技術(shù)預(yù)測(cè)研究論文最多，數(shù)量115篇，占總樣本總量的比重為7.646%，處于領(lǐng)先地位。發(fā)文量排名前9的期刊總計(jì)發(fā)表了279篇，載文累計(jì)百分比為18.551%，這說(shuō)明技術(shù)預(yù)測(cè)領(lǐng)域目前尚未形成集中的載文期刊群，研究呈現(xiàn)多樣化與交叉融合的發(fā)展趨勢(shì)。

表3 技術(shù)預(yù)測(cè)載文期刊基本統(tǒng)計(jì)（載文量≥10）

從載文量、影響因子及時(shí)間跨度綜合來(lái)看，《技術(shù)預(yù)測(cè)與社會(huì)變革》（Technological Forecasting and Social Change）、《科學(xué)計(jì)量學(xué)》（Scientometrics）、《科研政策》（Research Policy）可作為國(guó)際技術(shù)預(yù)測(cè)研究領(lǐng)域的重要載文期刊。

《技術(shù)預(yù)測(cè)與社會(huì)變革》的載文量最高，達(dá)到載文量排名第二的《科學(xué)計(jì)量學(xué)》的3倍，在SSCI商業(yè)與經(jīng)濟(jì)學(xué)領(lǐng)域期刊中排名17/152，5年影響因子為5.846（根據(jù)2019年期刊引用報(bào)告，下同），可見該期刊是最為重要的國(guó)際期刊。其技術(shù)預(yù)測(cè)研究主要為技術(shù)機(jī)會(huì)分析、新興技術(shù)與顛覆性技術(shù)識(shí)別方法及其實(shí)證研究。Murat Bengisu等選擇土耳其2023預(yù)測(cè)研究中機(jī)器與材料類別下的20項(xiàng)新興技術(shù)進(jìn)行短期預(yù)測(cè)，利用S曲線對(duì)技術(shù)的增長(zhǎng)趨勢(shì)進(jìn)行預(yù)測(cè)[8]；Abdolreza Momeni等提出一種基于專利開發(fā)路徑、k核分析和主題建模的方法識(shí)別具有潛力的顛覆性技術(shù)[9]。諸多學(xué)者致力于豐富技術(shù)預(yù)測(cè)方法的相關(guān)研究，也有學(xué)者特別探討了如何評(píng)估技術(shù)預(yù)測(cè)效果，如何對(duì)技術(shù)的優(yōu)先級(jí)進(jìn)行排序，以選擇更具發(fā)展?jié)摿Φ男屡d技術(shù)等問題。

《科學(xué)計(jì)量學(xué)》是SSCI圖書情報(bào)學(xué)領(lǐng)域期刊，排名21/87，5年影響因子為2.867。其研究與《技術(shù)預(yù)測(cè)與社會(huì)變革》研究關(guān)注內(nèi)容大體一致，主要關(guān)注新興技術(shù)、核心技術(shù)、技術(shù)機(jī)會(huì)識(shí)別方法及其實(shí)證研究。Woo Hyoung Lee通過共詞分析測(cè)量信息安全領(lǐng)域相關(guān)出版物或通過其他文本中術(shù)語(yǔ)詞的關(guān)聯(lián)強(qiáng)度來(lái)揭示其發(fā)展模式與趨勢(shì)，為科技文獻(xiàn)研究人員和政策制定者提供衡量科技文獻(xiàn)最新研究趨勢(shì)和研究方向的指標(biāo)和可視化方法[10]；Zhou Yuan等利用半監(jiān)督主題聚類模型識(shí)別3D打印行業(yè)的新興技術(shù)，通過區(qū)分新主題與傳統(tǒng)主題從而成功地識(shí)別出新興技術(shù)[11]。

《科研政策》是SSCI管理學(xué)領(lǐng)域期刊，排名24/226，5年影響因子為5.351。其研究?jī)?nèi)容與前兩個(gè)期刊有所不同，側(cè)重于技術(shù)預(yù)測(cè)的理論、技術(shù)體制與政策的相關(guān)研究。Daniele Rotolo等研究總結(jié)出新興技術(shù)的五大特征：極致的新穎性、相對(duì)快速的增長(zhǎng)性、連貫性、顯著的影響力和不確定性[12]；Frank J.van Rijnsoever等將創(chuàng)新政策與社會(huì)網(wǎng)絡(luò)相結(jié)合，在微觀層面上論證了創(chuàng)新政策下如何孕育出多樣化的新興技術(shù)[13]。

4 國(guó)際技術(shù)預(yù)測(cè)研究熱點(diǎn)及趨勢(shì)分析

4.1 研究熱點(diǎn)

關(guān)鍵詞作為文獻(xiàn)主體的高度概括，通過關(guān)鍵詞共現(xiàn)分析可以明確技術(shù)預(yù)測(cè)的研究熱點(diǎn)。本研究對(duì)國(guó)際技術(shù)預(yù)測(cè)研究期刊論文應(yīng)用CiteSpace進(jìn)行關(guān)鍵詞共現(xiàn)分析，并統(tǒng)計(jì)出高頻關(guān)鍵詞列表，結(jié)果如表4、圖5所示。其中最大的節(jié)點(diǎn)是技術(shù)預(yù)測(cè)，但由于本文的研究?jī)?nèi)容即為技術(shù)預(yù)測(cè)，因此對(duì)該節(jié)點(diǎn)不作分析，此外較為顯眼的節(jié)點(diǎn)有“創(chuàng)新”“新興技術(shù)”“模型”“績(jī)效”“專利”“納米技術(shù)”“工業(yè)”“管理”等關(guān)鍵詞，這些關(guān)鍵詞反映了技術(shù)預(yù)測(cè)研究的三大研究熱點(diǎn)。

表4 技術(shù)預(yù)測(cè)研究高頻關(guān)鍵詞列表

圖5 技術(shù)預(yù)測(cè)研究關(guān)鍵詞共現(xiàn)知識(shí)圖譜

（1）新興技術(shù)（emerging technology）

新興技術(shù)是增長(zhǎng)速度快、新穎性強(qiáng)且又具有待開發(fā)的市場(chǎng)潛力和高科技基礎(chǔ)的技術(shù)，但尚未顯露出開發(fā)價(jià)值，在業(yè)界內(nèi)未達(dá)成共識(shí)[14]。新興技術(shù)的出現(xiàn)有助于管理人員和決策者識(shí)別新興技術(shù)的發(fā)展趨勢(shì)，這對(duì)政府研究、戰(zhàn)略規(guī)劃、社會(huì)投資和企業(yè)實(shí)踐至關(guān)重要。Li Xin等提出了一個(gè)利用專利分析與Twitter數(shù)據(jù)挖掘來(lái)監(jiān)控新興技術(shù)的出現(xiàn)，并識(shí)別這些新興技術(shù)的變化趨勢(shì)的框架，并選擇鈣鈦礦太陽(yáng)能電池技術(shù)作為案例研究[15]。目前多學(xué)科知識(shí)的融合是一大趨勢(shì)，融合過程可能會(huì)刺激新興技術(shù)的發(fā)展，應(yīng)理解這種融合過程對(duì)于識(shí)別新興技術(shù)十分重要。因此，Zhou Yuan等集成了機(jī)器學(xué)習(xí)拓?fù)渚垲惡涂梢暬椒ǎ瑢?duì)論文引用網(wǎng)絡(luò)進(jìn)行分析，選擇生物信息學(xué)領(lǐng)域進(jìn)行實(shí)證分析[16]。隨著技術(shù)預(yù)測(cè)理論與方法的進(jìn)一步深化，其將會(huì)在更多技術(shù)領(lǐng)域得以應(yīng)用。

（2）模型（model）

傳統(tǒng)的技術(shù)預(yù)測(cè)研究主要是以專家意見為主的定性研究，為避免專家參與帶來(lái)的主觀性，技術(shù)預(yù)測(cè)方法逐漸發(fā)展為定性與定量預(yù)測(cè)方法相結(jié)合。在大數(shù)據(jù)的背景下，技術(shù)預(yù)測(cè)可以最大限度地利用已有數(shù)據(jù)，基于數(shù)學(xué)理論構(gòu)建預(yù)測(cè)模型，提高技術(shù)預(yù)測(cè)結(jié)果的精準(zhǔn)度。Po-Hsuan Hsu等提出了一種基于產(chǎn)業(yè)集群相互作用的LBVAR生產(chǎn)預(yù)測(cè)模型，將產(chǎn)業(yè)集群內(nèi)的相關(guān)產(chǎn)業(yè)納入LBVAR模型，以臺(tái)灣光電子產(chǎn)業(yè)及半導(dǎo)體產(chǎn)業(yè)為研究對(duì)象，結(jié)果發(fā)現(xiàn)LBVAR模型相比AR模型和VAR模型能夠做出更出色的預(yù)測(cè)[17]；Jeong Yujin等開發(fā)了一個(gè)基于浴缸曲線的模型來(lái)估計(jì)技術(shù)的危險(xiǎn)率，該模型在開發(fā)技術(shù)時(shí)考慮了不確定性、風(fēng)險(xiǎn)和效用三個(gè)影響因素，以預(yù)測(cè)現(xiàn)有技術(shù)和新興技術(shù)的替代，可以作為判斷何時(shí)開發(fā)一項(xiàng)技術(shù)、何時(shí)申請(qǐng)專利的決策工具[18]。未來(lái)技術(shù)預(yù)測(cè)研究有待引入更多數(shù)學(xué)模型，加強(qiáng)預(yù)測(cè)結(jié)果的可信度。

（3）專利（patent）

世界知識(shí)產(chǎn)權(quán)組織研究指出專利包含了全世界90%以上最新的科技信息，專利文獻(xiàn)作為一手?jǐn)?shù)據(jù)可靠性更高，其最能體現(xiàn)科技前沿動(dòng)態(tài)，因此學(xué)者大多基于專利數(shù)據(jù)開展技術(shù)預(yù)測(cè)的相關(guān)研究。Chen Hongshu等以2000-2014年間在美國(guó)專利商標(biāo)局發(fā)布的由澳大利亞受讓人擁有的13 910項(xiàng)實(shí)用專利為研究對(duì)象，利用主題模型揭示專利權(quán)利要求書隱含的特定主題趨勢(shì)[19]；Kim Gabjo等提出了一種通過專利分析預(yù)測(cè)有前景技術(shù)的新方法，首先在合作專利分類的基礎(chǔ)上對(duì)專利文獻(xiàn)進(jìn)行聚類，形成技術(shù)集群，然后定義技術(shù)集群的過程，最后分析專利的正向引用、專利家族和獨(dú)立權(quán)利要求書等專利指標(biāo)，以評(píng)估技術(shù)集群是否具有發(fā)展前景，并以健康護(hù)理行業(yè)的專利數(shù)據(jù)為例驗(yàn)證該方法的有效性[20]。隨著專利數(shù)據(jù)的逐年累積，基于大量專利數(shù)據(jù)能夠挖掘出更有價(jià)值的專利隱性知識(shí)，提升技術(shù)預(yù)測(cè)研究?jī)r(jià)值。

4.2 研究前沿

運(yùn)用CiteSpace以4年為單位對(duì)技術(shù)預(yù)測(cè)領(lǐng)域期刊論文的關(guān)鍵詞繪制出時(shí)間脈絡(luò)演進(jìn)圖，如圖6所示。圖中關(guān)鍵詞投射至以時(shí)間為橫坐標(biāo)的坐標(biāo)系中，更為直觀地反映出技術(shù)預(yù)測(cè)研究在2001-2020年間的發(fā)展趨勢(shì)。在2017-2020年間，出現(xiàn)了“人工智能”“大數(shù)據(jù)”“區(qū)塊鏈”“生命周期評(píng)估”等關(guān)鍵詞，可見近年技術(shù)預(yù)測(cè)的研究前沿為人工智能、大數(shù)據(jù)與區(qū)塊鏈技術(shù)。

圖6 技術(shù)預(yù)測(cè)研究關(guān)鍵詞時(shí)間脈絡(luò)演進(jìn)知識(shí)圖譜

人工智能與大數(shù)據(jù)是近年技術(shù)預(yù)測(cè)研究最新關(guān)注的領(lǐng)域。大數(shù)據(jù)背景下，有關(guān)學(xué)科領(lǐng)域研究涉及到海量數(shù)據(jù)的抽取、清洗、分析等研究流程，均需依賴于人工智能與大數(shù)據(jù)技術(shù)，包括文本分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等。技術(shù)預(yù)測(cè)領(lǐng)域的學(xué)者敏銳地察覺到人工智能、大數(shù)據(jù)與技術(shù)預(yù)測(cè)研究相結(jié)合的可能性，并開展了廣泛研究。例如，Zhou Yuan等提出了一種融合數(shù)據(jù)增強(qiáng)和深度學(xué)習(xí)的新方法，克服了深度學(xué)習(xí)在預(yù)測(cè)新興技術(shù)時(shí)缺乏訓(xùn)練樣本的問題[21]；Kim Taesan等提出一個(gè)基于機(jī)器學(xué)習(xí)的技術(shù)預(yù)測(cè)框架，該框架使用語(yǔ)義分析和傳統(tǒng)方法識(shí)別技術(shù)[22]。隨著人工智能的不斷發(fā)展，技術(shù)預(yù)測(cè)研究與其結(jié)合的廣度與深度將會(huì)愈發(fā)深入。

區(qū)塊鏈技術(shù)是近年技術(shù)預(yù)測(cè)研究又一最新關(guān)注的領(lǐng)域。相關(guān)學(xué)者識(shí)別出區(qū)塊鏈技術(shù)是一項(xiàng)新興技術(shù)，基于此諸多學(xué)者對(duì)區(qū)塊鏈開展了深入研究。例如，Ducas Evangeline等闡述了區(qū)塊鏈技術(shù)在加拿大及國(guó)外各地的發(fā)展?jié)摿?，并研究了政府在促進(jìn)區(qū)塊鏈技術(shù)創(chuàng)新的同時(shí)加強(qiáng)監(jiān)管、維護(hù)公共安全以及確保金融系統(tǒng)的完整性方面的作用[23]；Oscar Shin Don D.H.通過分析區(qū)塊鏈的隱私和安全問題如何影響用戶的態(tài)度和行為，提出了將安全和隱私作為信任和行為意圖的主要影響因素的區(qū)塊鏈用戶模型[24]。

4.3 研究方向

利用關(guān)鍵詞聚類能夠有效反映文本關(guān)鍵詞之間的關(guān)聯(lián)強(qiáng)度，本研究利用CiteSpace對(duì)技術(shù)預(yù)測(cè)領(lǐng)域的期刊論文關(guān)鍵詞進(jìn)行聚類分析，統(tǒng)計(jì)出各個(gè)聚類的具體信息，繪制出關(guān)鍵詞聚類知識(shí)圖譜，具體結(jié)果如表5、圖7所示。本研究得到9個(gè)面積不同的聚類區(qū)域，對(duì)其中關(guān)鍵詞及聚類信息進(jìn)行綜合分析，并結(jié)合相關(guān)文獻(xiàn)，可以歸納出國(guó)外技術(shù)預(yù)測(cè)的研究方向主要為技術(shù)機(jī)會(huì)分析、技術(shù)預(yù)測(cè)方法及實(shí)證研究、技術(shù)識(shí)別研究三個(gè)方面。

表5 技術(shù)預(yù)測(cè)研究關(guān)鍵詞聚類統(tǒng)計(jì)表

圖7 技術(shù)預(yù)測(cè)研究關(guān)鍵詞聚類知識(shí)圖譜

（1）技術(shù)機(jī)會(huì)分析

技術(shù)機(jī)會(huì)分析是技術(shù)預(yù)測(cè)研究的重要方向之一，通過技術(shù)機(jī)會(huì)分析可以幫助決策者或管理者做出戰(zhàn)略性的技術(shù)決策，從而提高其技術(shù)創(chuàng)新能力和國(guó)際競(jìng)爭(zhēng)力。在競(jìng)爭(zhēng)激烈的環(huán)境中及早確定技術(shù)機(jī)會(huì)對(duì)技術(shù)戰(zhàn)略的制定和發(fā)展規(guī)劃至關(guān)重要，因此相關(guān)專家和學(xué)者十分重視技術(shù)機(jī)會(huì)分析的相關(guān)研究，主要包括技術(shù)機(jī)會(huì)分析方法及實(shí)證研究。Ma Tingting等基于一個(gè)多層次的框架模型對(duì)中國(guó)染料敏化太陽(yáng)能電池領(lǐng)域系統(tǒng)地檢測(cè)識(shí)別技術(shù)機(jī)會(huì)[25]。Yoon Janghyeok等提出了一種基于SAO的語(yǔ)義專利分析和離群點(diǎn)檢測(cè)來(lái)檢測(cè)技術(shù)機(jī)會(huì)的方法，并利用有機(jī)光伏電池的相關(guān)專利驗(yàn)證了該方法的有效性[26]。從現(xiàn)有研究成果來(lái)看，技術(shù)機(jī)會(huì)分析已成為一個(gè)重要的研究課題，未來(lái)很長(zhǎng)一段時(shí)間都將是技術(shù)預(yù)測(cè)領(lǐng)域的研究重點(diǎn)。

（2）技術(shù)預(yù)測(cè)方法及實(shí)證研究

在技術(shù)預(yù)測(cè)的研究過程中，除了傳統(tǒng)的德爾菲法、情景分析法、形態(tài)分析法、趨勢(shì)外推法等研究方法外，很多新的研究方法被應(yīng)用其中，包括文獻(xiàn)計(jì)量、技術(shù)路線圖、數(shù)據(jù)包絡(luò)分析、技術(shù)指標(biāo)、專利分析、主題模型、社會(huì)網(wǎng)絡(luò)分析、文本挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法，并以此對(duì)薄膜晶體管、液晶顯示和閃存系統(tǒng)技術(shù)、高層建筑施工技術(shù)、自動(dòng)駕駛汽車技術(shù)、鈣鈦礦太陽(yáng)能電池技術(shù)、醫(yī)療保健技術(shù)等領(lǐng)域進(jìn)行預(yù)測(cè)，提升了技術(shù)預(yù)測(cè)的準(zhǔn)確性，擴(kuò)展了技術(shù)預(yù)測(cè)的實(shí)證研究領(lǐng)域。Li Shuying等提出了一種基于社會(huì)網(wǎng)絡(luò)分析和專利分析的技術(shù)預(yù)測(cè)方法，用于選擇類比技術(shù)，并以自動(dòng)駕駛汽車為例，比較了三種與目標(biāo)技術(shù)相似的候選技術(shù)，從中選擇了最佳候選技術(shù)[27]；Erzurumlu S.Sinan等提出了一個(gè)集成主題建模和專家判斷的框架模型，以專利為數(shù)據(jù)源，對(duì)有前景的醫(yī)療保健技術(shù)進(jìn)行預(yù)測(cè)[28]。隨著技術(shù)預(yù)測(cè)研究的發(fā)展，人工智能、大數(shù)據(jù)等新興研究技術(shù)將會(huì)推動(dòng)技術(shù)預(yù)測(cè)研究邁向一個(gè)新的高度。

（3）技術(shù)識(shí)別研究

國(guó)際技術(shù)預(yù)測(cè)研究中，有關(guān)核心技術(shù)、新興技術(shù)、顛覆性技術(shù)和空白技術(shù)的識(shí)別研究成果眾多，識(shí)別這些重要技術(shù)是制定國(guó)家技術(shù)戰(zhàn)略與政策，追求技術(shù)競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵。根據(jù)已有研究結(jié)果可知，其主要涉及識(shí)別方法及實(shí)證研究、新興技術(shù)評(píng)估及優(yōu)先級(jí)排序等相關(guān)研究。Cho Tashun等提出用專利引文網(wǎng)絡(luò)分析方法識(shí)別臺(tái)灣科技創(chuàng)新體系中的核心技術(shù)與新興技術(shù)[29]；Kyebambe Moses Ntanda等提出基于專利分析的監(jiān)督學(xué)習(xí)方法預(yù)測(cè)新興技術(shù)，該方法將預(yù)測(cè)精準(zhǔn)度提升至70%[30]；Lee Changyong等基于機(jī)器學(xué)習(xí)方法使用多個(gè)專利指標(biāo)在早期階段識(shí)別新興技術(shù)，并以藥物技術(shù)為實(shí)例表明該方法可以促進(jìn)技術(shù)預(yù)測(cè)和規(guī)劃[31]。這些研究有助于國(guó)家和企業(yè)掌握重要技術(shù)的未來(lái)發(fā)展方向，搶占競(jìng)爭(zhēng)優(yōu)勢(shì)。技術(shù)識(shí)別持續(xù)受到國(guó)際學(xué)者的重視，將來(lái)也會(huì)是長(zhǎng)期備受關(guān)注的研究方向。

5 結(jié)論

本研究利用文獻(xiàn)調(diào)研、文獻(xiàn)計(jì)量和科學(xué)知識(shí)圖譜等方法，通過VOSviewer、CiteSpace可視化軟件，基于Web of Science核心合集數(shù)據(jù)庫(kù)中2001-2020年關(guān)于技術(shù)預(yù)測(cè)領(lǐng)域的國(guó)內(nèi)外期刊論文進(jìn)行統(tǒng)計(jì)，從時(shí)空分布、核心研究作者及其合作情況、研究熱點(diǎn)、研究前沿、研究方向等角度分析與解讀，主要得到以下結(jié)論。

（1）技術(shù)預(yù)測(cè)研究發(fā)展迅猛。世界各國(guó)對(duì)技術(shù)預(yù)測(cè)關(guān)注程度不斷加深，技術(shù)預(yù)測(cè)領(lǐng)域的研究成果不斷增加；美國(guó)和中國(guó)是開展技術(shù)預(yù)測(cè)研究的領(lǐng)頭羊，發(fā)表論文量和增長(zhǎng)勢(shì)頭迅猛。其中，我國(guó)發(fā)文量高居第二，但論文被引頻次總體水平較低，可見我國(guó)具有影響力的研究成果較少，與國(guó)際還有一定差距，鑒于此應(yīng)重視質(zhì)與量并行，創(chuàng)造更大的學(xué)術(shù)研究?jī)r(jià)值。

（2）關(guān)注與投入不斷加大。美國(guó)和韓國(guó)擁有最多的核心研究作者，對(duì)于技術(shù)預(yù)測(cè)領(lǐng)域的關(guān)注及投入力度不斷加大。國(guó)際上已形成了分別以Alan Porter、Yoon Byungun、Tugrul U Daim為首的作者合作群。但我國(guó)的核心作者較少，研究力量分散，尚未形成核心的研究集群，針對(duì)該現(xiàn)狀，可通過制定國(guó)家政策，加大研究資金投入，加強(qiáng)國(guó)內(nèi)外合作力度等手段，推動(dòng)國(guó)家、企業(yè)、創(chuàng)新和科研機(jī)構(gòu)在技術(shù)預(yù)測(cè)領(lǐng)域的研究。

（3）發(fā)展態(tài)勢(shì)呈交叉融合狀。技術(shù)預(yù)測(cè)研究重要載文期刊為《技術(shù)預(yù)測(cè)與社會(huì)變革》《科學(xué)計(jì)量學(xué)》《科研政策》，從期刊分布來(lái)看，研究呈現(xiàn)學(xué)科交叉融合的發(fā)展態(tài)勢(shì)。在國(guó)際上，我國(guó)尚無(wú)具有影響力的技術(shù)預(yù)測(cè)領(lǐng)域期刊。在當(dāng)前學(xué)科交叉融合的發(fā)展態(tài)勢(shì)下，我國(guó)應(yīng)迎合趨勢(shì)，大力推進(jìn)國(guó)內(nèi)技術(shù)預(yù)測(cè)研究，開創(chuàng)以該領(lǐng)域內(nèi)容為主的期刊，提升我國(guó)在該領(lǐng)域的學(xué)術(shù)影響力。

（4）熱點(diǎn)與前沿開始明朗。技術(shù)預(yù)測(cè)的研究方向主要集中在技術(shù)機(jī)會(huì)分析、技術(shù)預(yù)測(cè)方法及實(shí)證研究與技術(shù)識(shí)別等，對(duì)新興技術(shù)的預(yù)測(cè)、技術(shù)預(yù)測(cè)的方法模型、基于專利的技術(shù)預(yù)測(cè)是目前的主要研究熱點(diǎn)；人工智能、大數(shù)據(jù)、區(qū)塊鏈與技術(shù)預(yù)測(cè)的融合成為未來(lái)的發(fā)展前沿?；诖耍瑖?guó)內(nèi)的技術(shù)預(yù)測(cè)研究需重視關(guān)鍵核心技術(shù)的識(shí)別及其方法的創(chuàng)新優(yōu)化研究；此外，還需關(guān)注人工智能、大數(shù)據(jù)、區(qū)塊鏈與技術(shù)預(yù)測(cè)相融合的研究，探索如何在大數(shù)據(jù)背景下，利用人工智能技術(shù)做出更為精準(zhǔn)確切的技術(shù)預(yù)測(cè)。

由于本研究的數(shù)據(jù)來(lái)源僅限定于Web of Science核心合集數(shù)據(jù)庫(kù)，因此數(shù)據(jù)源有限，樣本量相對(duì)較少。后續(xù)的研究將進(jìn)一步擴(kuò)大樣本量，綜合考慮ScienceDirect、Elsevier、EBSCO等大型數(shù)據(jù)庫(kù)出版商的數(shù)據(jù)，融合國(guó)內(nèi)外技術(shù)預(yù)測(cè)研究文獻(xiàn)進(jìn)行全面分析，克服現(xiàn)有文獻(xiàn)計(jì)量與知識(shí)圖譜分析軟件對(duì)數(shù)據(jù)的兼容性與局限性，基于PYTHON 或R語(yǔ)言等分析工具，進(jìn)一步深入分析，從而為技術(shù)預(yù)測(cè)研究人員和決策者提供參考與決策依據(jù)。