基于SCI论文和专利数据的单项技术成熟度评估方法

， ，

高德纳是世界著名的IT咨询公司，其基于Hype Cycle的技术成熟度专题报告备受业界关注和推崇。Hype Cycle通过两种方式展示技术成熟度，一是通过标定某领域多项技术在Hype Cycle曲线上的相对位置，展示某个时间节点各项技术不同的技术成熟度；二是通过标定某单项技术沿Hype Cycle曲线走向成熟的各个里程碑，展示该项技术的成熟历程或对其发展趋势进行预测。但截至目前，高德纳并未公开其绘制Hype Cycle并生成报告的细节，使得高德纳以外的研究人员难以基于Hype Cycle生成针对特定领域的个性化技术成熟度评估报告。因此，国内外众多学者进行了一系列尝试，试图破解该技术“黑箱”[1-4]。本文依据Hype Cycle是由钟形曲线和S形曲线复合而成的事实[5]，基于SCI论文和专利数据分别绘制钟形曲线和S形曲线，对技术成熟度评估方法进行新尝试。

1 单项技术成熟度评估方法的框架设计

本文采用两种函数模型评估单项技术成熟度。一是钟形曲线，由单项技术SCI论文的相关数据拟合而成，以反映人们对该项技术关注热度的类正态分布；二是S形曲线，由单项技术相关专利的数据拟合而成，以表征其逐步成熟、固化与累积的客观历程。叠置钟形曲线与S形曲线，获得两条曲线的交叉点，即可初步研判该单项技术的相对成熟度，并为进一步将这两条曲线合成为一条Hype Cycle曲线奠定基础。单项技术成熟度评估方法的框架设计和实现步骤如图1所示。

图1 单项技术成熟度评估方法的框架设计与实现步骤

第一步，数据采集。分别在Web of ScienceTM核心合集数据库(限定文献类型为Article)和Derwent数据库中检索相关技术的SCI论文和专利数据。选择这两类数据是因为SCI论文数据在一定程度上能够表征科技人员对某项新技术基础及应用基础研究的关注热度，而专利数据能够较好地反映某项新技术向应用转化和成熟的过程[6]。

第二步，数据预处理。通过人工检查和清洗检索结果，排除噪声干扰。分别统计SCI论文数据、专利数据的频数分布、累积分布，绘制散点图观察是否具有对称性。若具有对称性，选择Logistic模型；反之选择Gompertz模型，详见表1[4，7]。

表1 钟形曲线和S形曲线的函数模型比较

注：函数表达式中的x表示时间，a、b、k是方程的参数；f(x)表示SCI论文、专利的累积量，g(x)表示某一年度SCI论文、专利的数量

第三步，数据分析。一是根据数据预处理结果选定函数模型后，运用非线性回归分析获取参数取值，确立用于拟合钟形曲线和S形曲线的函数表达式。其中SCI论文频数分布拟合钟形曲线，通常采用不可线性化的非线性回归；专利累积分布拟合S形曲线，适合可线性化的非线性回归[7-8]。二是运用标准差标准化方法，消除SCI论文和专利数据的量纲和数量级的差异后，分别绘制钟形曲线和S形曲线。两条曲线应处于同一坐标系，并尽可能叠置相交。三是进行统计学检验，判断函数曲线模型的拟合优度，以及模型是否具有统计学意义。

第四步，评估描述。先确定评估的具体时刻或时间段，再通过与两条曲线交点横坐标的比较，以评估该单项技术是处于较低成熟度的前期研发阶段，还是处于较高成熟度的后期开发阶段。

2 单项技术成熟度评估方法的测试

为实现上述方法的路径，宜选取成熟度较明确的技术进行测试性评估。因此，本文选取医学影像领域中处于成熟度较高阶段的传统X线摄影技术与处于成熟度较低阶段的光声层析成像技术进行方法验证。

2.1 数据采集

选取Web of ScienceTM核心合集数据库和Derwent数据库，分别检索两项技术的SCI论文和专利数据，检索时间为2015年9月22日。

传统X线摄影技术文献的检索策略。SCI论文数据：限定主题为radiography，排除含有comput*、digital*、tomography的记录；精炼检索结果，限定学科类别为放射核医学与医学影像，文献类型为Article，共获得4 277篇文献。专利数据：限定主题为(X-ray OR radiography) AND “photographic film”，排除含有 “computed tomography”、comput*、 digit*的记录，共获得333项专利数据。

光声层析成像技术文献的检索策略。SCI论文数据：限定主题为“photoacoustic tomography”；精炼检索结果，限定文献类型为Article，共获得500篇文献。专利数据：限定主题为“photoacoustic tomography”，共获得73项专利数据。

2.2 数据预处理

人工检查和清洗两项技术的SCI论文和专利数据后，绘制散点图(图2)。

从图2可看出，两项技术的论文和专利的频数分布均不具有对称性，因而选用Gompertz模型进行非线性回归分析。

图2 传统X线摄影技术和光声层析成像技术的频数分布散点图

2.3 数据分析

数据分析主要包括三个步骤。

一是确定函数模型表达式。使用SAS 9.3软件进行非线性回归分析，获取两项技术S形曲线、钟形曲线的参数取值，最终确定函数模型表达式(表2、表3)。

表2 传统X线摄影技术函数模型的参数取值

注：a、b、k是表1中f(x)和g(x)的函数参数

表3 光声层析成像技术函数模型的参数取值

注：a、b、k是表1中f(x)和g(x)的函数参数

二是标准化处理后绘制曲线。为确保从同一时间段观察两项技术的发展变化趋势，采用标准差标准化方法，消除两项技术SCI论文和专利数据的量纲和数量级差异，并使用Matlab R2014a软件绘制1990-2014年的钟形曲线和S形曲线(图3和图4)。

其中纵轴代表SCI论文和专利的相对数量，横轴代表技术发展的时间。横轴中2014-2050年的曲线是依据函数公式计算获得的外推结果。

图3 标准化处理后传统X线摄影技术的钟形曲线和S形曲线

图4 标准化处理后光声层析成像技术的钟形曲线和S形曲线

三是统计学检验。对两项技术的钟形曲线和S形曲线函数模型进行统计学检验，结果如表4所示。

表4 函数模型的统计学检验

其中，P值均小于0.0001，说明所拟合的模型有统计学意义；决定系数R2均大于0.8，说明模型的拟合优度较高。

2.4 评估描述

图3显示，1990-2014年传统X线摄影技术两曲线交点对应的时刻早于2014年，因而可以判断，传统X线摄影技术成熟度较高，已经进入技术发展的后期应用推广阶段。图4显示，1990-2014年光声层析成像技术两曲线的交叉点在2014年之后，表明光声层析成像技术处于技术发展的前期研发阶段。用于拟合曲线的数据中，该技术的SCI论文数据最早出现于2002年，专利数据最早出现于1996年。因此，2002年前的钟形曲线和1996年前的S形曲线代表回归拟合的结果。

为判断上述结果的可靠性，从SCI数据库中选择相关领域发表时间最新和被引频次较高的20篇综述文献[9-17]，获取技术发展的专业评述。经认真研读比较发现，上述关于技术成熟度的判断与专家文字性评述的意见基本一致。因而认为传统X线摄影技术已经成熟，正处于稳定发展阶段；而光声层析成像技术尚处于人们期望的高潮期，发展尚不成熟。

3 讨论

本文依据Hype Cycle曲线本质上是由钟形曲线和S形曲线复合而成的事实，基于传统X线摄影和光声层析成像技术的SCI论文和专利数据分别绘制这两条曲线，实现了对单项技术成熟度的初步评估，为进一步将这两条曲线合成为一条Hype Cycle曲线打下了基础，打开了高德纳公司技术成熟度评价方法“黑箱”的一条缝。

本方法成本较低、评估快速、结果较直观，但与Hype Cycle相比尚有3点局限。一是仅适用于单项技术评估。若逐一评估多项技术后，则能为多项技术的综合评估提供支撑。二是分辨率不够高，只划分为两个成熟程度。若要提高分辨率，则需要引入专家咨询。三是评估对象的选择受限。由于单项技术评估方法只采用了论文和专利两项指标，因而对评估对象的选择，还要考虑该项技术是否对这两项指标具有较高灵敏度，是否能获得足够的数据。

下一步研究的重点，一是针对不同的技术成熟度评估对象，选取更加灵敏、更加合适的钟形曲线和S形曲线指标，如网络计量数据等，而不局限于SCI论文和专利数据；二是将钟形曲线和S形曲线进一步合成为一条Hype Cycle曲线，走通整条技术路径；三是选择合适的技术领域，与高德纳基于Hype Cycle技术成熟度评价报告进行对比研究，完善我们的技术成熟度评价方法。