新兴技术弱信号监测模型及其特点

党倩娜

(1.同济大学经济与管理学院，上海 200092；2.上海科技情报研究所，上海 200031)

新兴技术弱信号监测模型及其特点

党倩娜1,2

(1.同济大学经济与管理学院，上海 200092；2.上海科技情报研究所，上海 200031)

近年来，新兴技术弱信号的相关研究逐渐引起关注。本文对四个弱信号模型——安索夫模型、未来信号感知框架模型(FSSF)、德国联邦教育和研究部“边缘-种子”预见模型、韩国科学与技术信息研究院新兴趋势信号(NEST)模型的特点进行了分析，并通过比较分析发现，各模型主要架构基本遵循三层结构，构建宽口径水平扫描系统、发展整合性研究方法体系正在成为当前的方向。因此，在新兴技术监测面临环境日益复杂的情况下，有必要将新兴技术弱信号信息纳入到监测体系中，建立起一个包容性的地平线扫描系统。

弱信号；新兴技术；地平线扫描系统

目前，新兴技术探测主要有新兴技术演化、研究前沿、共性技术、关键技术等方面的研究，采用的方法多样，包括元数据统计分析、引用与耦合分析、聚类分析、相关分析等。但无论采用哪种方法，其探测的着眼点多数在于研究热点问题，即强信号的信息。而一些信息强度不高，或清晰度不高的信息，如引用率低、词频低的一些新兴主题，即弱信号的信息往往被排除在外。然而，包含弱信号信息的新兴主题真的就没有关注的价值吗？从大数据技术创新发展过程看，大数据的核心技术于2003年已由谷歌公司提出，2008年才出现高被引文献，而高被引文献则往往要经过一两年的时滞才能探测到，这样相关技术的探测至少出现了5年的时滞[1]。若2008年之前能够探测到相关弱信号，则有关技术的发展进程将可能大大提高。近年来，新兴技术弱信号的相关问题逐渐引起关注，正在由企业层面竞争战略的研究转向国家层面发展战略的系统发现，韩国、德国等国家相关政府研究机构相继提出要系统地探测新兴未来趋势的弱信号，要关注那些“被忽视的变化的种子”[2]。本文将对新兴技术弱信号监测的基本进展及当前一些主要的监测模型进行分析。

1 新兴技术弱信号监测的基本进展

目前，关于弱信号的研究可以分为三个层面，一是企业层面，包含在企业战略或技术竞争情报研究中；二是产业层面，包含在新兴产业或新兴技术的研究中；三是国家层面，包含在发展战略或创新战略的研究中。

而新兴技术弱信号的相关研究贯穿于这三个层面，主要集中在以下几点：

一是弱信号与新兴主题的关系。新兴主题一般是指代表着某个领域未来发展方向的，新出现的一类主题或趋势。这是未来研究的重点内容之一，也是新兴技术动态监测和技术预见的关注点之一。多名学者对这两个概念的关系进行了研究，大多认为弱信号和新兴领域密切相关。如Hiltunen从未来信号的角度来解释弱信号，一定程度上认为弱信号就是未来的新兴主题[3]。有部分研究者专门对一些新兴技术领域的弱信号进行了分析，Yoon[4]、D.Thorleuchter[5]等先后分析了数字媒体、太阳能电池等领域的弱信号及其发展趋势。

二是新兴技术弱信号的来源与扫描。多数企业战略研究中，新兴技术往往作为弱信号环境扫描的一个内容。Hiltunen[6]对弱信号来源进行了系统调查，并分不同的领域分析了各领域较好的弱信号信息源，如科技、教育、社会等几个领域较好的弱信号来源包括科学家或研究人员、未来学家、同事、学术期刊、研究机构报告等。而互联网的发展为弱信号的研究提供了新的信息源和研究工具，Romina Cachia等[7]较早地提出社交网络可以作为预见的一个专家工具。因此，新兴技术相关弱信号通常作为组织环境扫描系统的一部分。同时，多位学者或机构认为弱信号是技术预见和未来发展战略研究的一个重要组成部分，德国教育研究部、韩国科学与技术信息研究院、欧盟第七研究框架蓝天预见项目等机构的全球监测系统将弱信号纳入扫描系统中。

三是新兴技术弱信号识别与筛选。弱信号的识别方法有多种，不同信息源对应不同方法。针对专家等资源，德尔菲、头脑风暴、情景规划等方法发展为在线动态互动方法。针对文献和网络资源，正在由统计分析、文献计量、网络计量向数据挖掘发展。目前，德尔菲法仍然是应用较早，应用最广的一种方法，通常和识别矩阵结合起来，判断新兴技术弱信号的价值。目前，将定性和定量的各种方法结合起来，形成系统监测和分析方法正在成为一个方向。这一综合性趋势在下面的模型分析中将得到较好的体现。

总体上看，当前弱信号的研究还大多集中在企业战略研究领域中，而在中宏观层面上，有可能对产业发展或国家创新战略产生重大影响的新兴技术弱信号的研究，文献总量上较少，同时研究也较散落，部分研究将弱信号信息隐含其中，能够明确地提出从弱信号视角专门研究新兴技术的还较少。但是，弱信号与新兴技术的关系已引起关注，一些机构开始明确地提出将弱信号纳入到新兴技术或新兴趋势全球扫描体系中，进行探索性研究。

2 新兴技术弱信号监测模型及其特点

新兴技术弱信号的扫描、识别与筛选过程共同形成了监测模型的主要内容。目前，新兴技术弱信号监测模型是在借鉴了企业战略弱信号模型、未来研究模型的基础上逐渐发展起来的较为复杂的整合性系统。安索夫(Ansoff)模型是弱信号研究中的初始模型，尽管其最初是针对企业战略所做，但至今在理论上仍具有指导性意义。芬兰未来研究中心(The Finland Futures Research Centre)是北欧地区未来研究方面著名学术机构之一，建立了未来信号感知框架(FSSF)模型等。而德国教育研究部和韩国科学与技术信息研究院分别从边缘信息和系统扫描的角度，针对新兴技术弱信号构建了监测模型，是当前探测新兴未来趋势较为典型的两个模型，并运用于国家战略的制定中。

2.1 安索夫(Ansoff)模型

安索夫模型是初始的弱信号理论模型，并在安索夫自己的研究实践中应用，为弱信号的相关研究奠定了基础。这一模型由三层组成，即监测层、意识层、力量层[8]。监测层即数据层，主要用来从环境中捕获相关弱信号。意识层即知觉层，类似于一个心理模型，将有助于人们对新数据和弱信号的理解。力量层即信息层，通过对弱信号的过滤与判断，帮助决策，提供关键信息。这三层功能分别形成从环境到数据、到知觉、到信息的流动过程，其具体的模型如图1所示。此后，有多个学者参考这一模型进行了修正，如Leena Ilmola等提出根据不同团体的情况，对信号进行更宽或更深的筛选。

这一模型主要的主要特点是，在环境监测中，将相关弱信号分为外部弱信号和内部弱信号。外部弱信号即企业外部环境中的弱信号。针对外部弱信号，Ansoff建立了几个咨询小组，每个小组成员对社会、经济、政治和技术领域均有着广泛的知识，此外，公司内部还有一些与外部联系紧密的人员，如市场人员，这二者结合起来，一起成为Ansoff模型外部弱信号监测源。内部弱信号即企业内部环境中的弱信号，针对内部弱信号，Ansoff模型将公司内规划人员、开发人员等作为内部弱信号监测源。因此，Ansoff模型更多地依赖于相关专家的主观判断和分析。

2.2 未来信号感知框架模型

未来信号感知框架(Futures Signals Sense-making Framework，FSSF)由芬兰未来研究中心学者Tuomo Kuosa提出。Tuomo Kuosa认为[9]，未来发展中，巨大的转型过程或新兴图景将能以多种不同的方式得到反映，因此，要开展足够的环境扫描以集聚和感知如何创造新兴未来，未来信号感知框架就是这样一个启动工具。

FSSF框架模型是一个“三横两纵”的矩阵式模型，横向包含了三层架构：弱信号、驱动主题、趋势；纵向分为两列，一列是具有非线性影响的破坏性信号，如新结构、趋势、现象、文化等的出现还是衰落，另一列是具有线性影响的推动性信号。在横向三层结构中，弱信号层主要是用来进行环境扫描，分析与变化有关的信息，对弱信号进行评估，粗略的弱信号评估框架包括四个类别-全部意外的、部分意外的、部分预期的、全部预期的；驱动层，主要是感知和相关主题的因果关系，可以分为推动因素和拉动因素；趋势层，主要是判断趋势，可以分为扰乱性趋势和线性趋势。通过横向和纵向的交叉分析，最终得出研究结果，具体框架见图2。

图2 未来信号感知框架模型(FSSF)

这一模型的主要特点是：第一，对安索夫模型进行了进一步的细化，将安索夫模型的数据层清晰化为弱信号层，将安索夫模型的知觉层从驱动主题的角度来明确，将安索夫模型的信息层理解为趋势的明晰，同时，在每一层中又对相关内容进行了具体的分类；第二，模型的基本思路，是从未来预见的角度，建立基本评估框架；第三，采用了模式管理理念，模式管理是建立在数据管理的基础上，当把近期的数据与历史数据进行合并处理时即为数据管理，而所有的数据分析进一步与历史模式合并分析时，就称为模式管理。这一模型曾在由芬兰教育部资助的关于劳动力市场2030的项目中采用，在对113名专家德尔菲法研究结果进行传统Excel分析和因果分析的基础上，进行了FSSF分析，最终形成未来劳动力市场的相关趋势判断。

2.3 德国联邦教育和研究部“边缘-种子”预见模型

德国政府的技术预见工作由德国联邦教育和研究部进行，已持续15年。预见研究从社会需求和技术推动两方面进行，整个过程主要包括：社会变化的识别与评估(需求拉动分析)、技术发展的回顾与更新(技术推动分析)、整合前述两点的发现以识别创新热点、推导德国研究与创新政策的新任务和优先领域，从而补充正在进行的德国高技术战略进程。近年来，德国在技术预见的过程中，比较注重以下几种社会发展现象，一是“开放趋势”；二是“被忽视的变化的种子”；三是新兴 “规范性趋势”。目前“开放趋势”和新兴“规范性趋势”较为容易分析，而“被忽视的变化的种子”是当前主流创新系统忽略的，因此，德国联邦教育和研究部“边缘-种子”预见模型主要关注的是“被忽视的变化的种子”，相关的方法也主要是面向“变化的种子”，而不是要寻找最好的预测。

德国联邦教育和研究部“边缘-种子”预见模型[2]包括五个环节(见图3)：①建立感知过滤器，从个人、机构、创新系统三个层次构建，并进行系统分析；②建立结构化搜索系统，在13个需求领域中搜索来自于边缘声音的相关主题；③建立筛选理论，形成新兴的“变化种子假设”；④建设需求专家对话，将假设结果进入对话系统，产生一个列表；⑤提取变化种子，近期一次预测大约有100个变化种子，最终约有60个整合进德国联邦教育和研究部战略中。

图3 德国联邦教育和研究部“边缘-种子”预见模型

这一模型的主要特点：第一，着重提出“被忽视的变化的种子”的理念，这一理念建立在弱信号理论的基础上，但是却与弱信号又有所不同，因为德国联邦教育和研究部相关项目研究人员认为，未来并不能真的发送或强或弱的信号暗示这些将会发生，而是人们当前的认知框架强力塑造了人们对未来的期望，因此，不是读来自未来的信号，而是要在制定研发创新政策中关注目前被忽视的变化的种子，成为“边缘-种子”预见模型的基本理念；第二，相关信息源主要是边缘信息源，即非主流媒体，一些边缘信息源集中特定的需求领域，如食品图片博客；第三，分析过程中的各类专家也不同于传统做法，不是科学研究优秀或经济领域成功的人，而是根据知识密度和多样性选择，“边缘-种子”预见模型的需求专家有三类，一是需求先锋，即在某一领域有着特别需求的人，二是领先用户，即需求没有被满足的人，三是敏锐直觉的人，即对社会变化感知较早的人，同时也更注重青年专家。

2.4 韩国科学与技术信息研究院新兴趋势信号模型

韩国科学与技术信息研究院(Korea Institute of Science and Technology Information，KISTI)即原韩国国家信息中心，受国家科学和技术研究理事会监督和审计，长期致力于全球环境监测系统的建立，在全球扫描系统“全球趋势简报”(Global Trends Brieng，GTB)基础上构建了新兴趋势信号(New and Emerging Signals of Trends，NEST)模型[10]。NEST搜集来自于全球专家网络的信息，系统地探测新兴未来趋势的弱信号，运用大量数据分析、推理技术和德尔菲法，将定量和定性方法结合，以支持未来研究和技术预见的发展。

韩国科学与技术信息研究院建立NEST系统的原因在于，由于环境的变化，完全采用德尔菲法、专家头脑风暴等方法已经不能适应新的形势。德尔菲法成本高昂，研究进程比较缓慢，重复试验所进行的预见结果是不同和不一致的，且专家的知识有限。同时，研究院认为有必要利用GTB网络得到环境监测数据，以获得一致和快速的结果。

NEST模型有四个目标：建立一个系统的识别未来科技趋势弱信号的系统过程；建立一个参考系统以支持未来技术研究者和决策者；进行环境扫描，利用非结构化数据，如大数据、新闻、会议、工作组、学术论文、网络等；利用定量和定性方法。主要包含四个步骤：第一，全球监测，环境扫描，目的是消除重复和选择有意义的环境信息；第二，信息选择，进行各种定量数据分析，如聚类、模块识别、回归和异常检测等，用于探测信息的主题、结构、问题；第三，信号分析，将聚类后信息，运用概念评估指标和弱信号跟踪板决定未来趋势和新兴技术中的弱信号；第四，趋势分析，对新兴趋势进行专家组评审和评估。

图4 韩国科学与技术信息研究院NEST模型

这一模型的主要特点是：第一，建立全球扫描系统，系统有全球110个领域的专家，65%有博士学位，31%为海外专家，运行了16年，建立了专家间的在线评估和交叉检查的质量控制体系，先由专家对全球媒体、线上和线下资源进行扫描，上传自己的研究报告，再进行在线实时同行评估；第二，与传统方法相比，NEST模型是一个自下而上的分析过程，即由专家自由进行全球信息筛选，并没有限制主题或领域的选择，然后经过聚类等数据挖掘等方法，经过不断收敛，最后才由专家判断；第三，采用定量和定性结合的方法，在定量分析阶段，采用NEST运用贝叶斯网络的聚类分析、模式识别和交叉影响分析方法等数据挖掘方法，在定性分析阶段，引入环境扫描、头脑风暴和德尔菲法，形成整合性研究。

3 比较分析与基本趋势

3.1 主要架构基本遵循三层结构

从各模型的主要架构上看，基本的理论基础没有变化，尽管具体步骤有所不同，但总体上仍然遵循了Ansoff模型监测层-意识层-力量层三大层级结构体系。按照各个层级功能的不同，将其更确切地描述为扫描层、分析层和决策层。

扫描层是整个模型的基础层，主要是根据相应的需求，进行组织内外环境的扫描，从而获得所需要的弱信号信息，为进一步分析打下基础。如德国“边缘-种子”模型的“感知过滤器”、韩国NEST模型的全球扫描系统“全球趋势简报”系统。

分析层是整个模型主要的实施层，主要是对得到的信息，运用各种定量和定性方法进行分析。分析层大致分为两步，一是对搜集的原始信息进行一定的结构化或分类；二是进行具体的主题分析或数据分析。如FSSF框架模型的基本评估框架、韩国NEST模型的数据挖掘等。

决策层是整个模型的结果层，主要根据分析层成果做出最终的选择与决定。决策层一般有两种做法，一是面向未来，由远及近；二是立足现在，由近及远。目前这两种方法均有应用，如FSSF框架模型主要是面向未来感知现在，而德国“边缘-种子”模型则立足现在信息，发现可能引起变化的种子。当前，这两种视角正在分析中进行融合。

3.2 构建宽口径的水平扫描系统

扫描系统是整体分析的基础。宽口径的扫描系统包含了各种弱信号，弱信号的类型与信息源息息相关。

从扫描系统的信息源上看，在弱信号早期的研究与实践中，信息源主要是来自于有关专家，如Ansoff模型以企业内外的专家为弱信号的主要信息来源。目前，信息源的范围在逐渐扩大，正在由传统信息源向非传统信息源扩展，如专业博客、研究社区、社交媒体等发表的观点及其浏览、转载、评论、链接等信息。

在具体信息源的选取上，各个机构和模型的侧重点又有所不同，德国强调关注非主流媒体，韩国强调关注非结构化数据。这些信息源的选择主要和其目的有关，但无论哪种扫描系统，宽口径正在成为扫描系统构建的基本原则，即扫描系统应当能够容纳足够多元化、多主题的信息，如韩国建立的全球扫描系统包含全球110个领域的信息。这主要是由于数据分析技术的发展为宽口径扫描系统的建立提供了分析的可能。

3.3 发展整合性研究方法体系，形成包容性分析框架

从各模型分析过程中采用的主要方法上看，尽管专家法具有一定的弱点，但专家法仍旧是主要的方法之一，这主要是由于弱信号和未来趋势的不明晰、不确定性所致。但是，基于数据的方法正在成为主要的方法之一。未来信号感知框架模型(FSSF)的运用也是建立在一定的数据分析基础上，而韩国NEST模型则将数据挖掘和专家方法在全过程进行一定的融合。因此，在大型的监测体系中，方法的综合运用正在成为一个趋势。而在小型监测体系中，由于个人资源有限，采用的方法还比较单一。

表1 弱信号部分模型比较分析

将多元化、多主题的宽口径水平扫描系统和整合性研究方法体系对接匹配起来，形成包容性分析框架，正在成为当前努力的方向。包容性主要体现在，一是信息源上，既包括强信号，也注重弱信号，既包括主流信息源，也包括通常可能忽视的信息源；二是专家来源上，既包括当前精英人士，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，二者互相支撑。目前，这些分析框架已经应用在企业战略、社会发展、研究和创新战略等领域的研究中。

4 结语

在开放式创新环境下，创新速度和应用不断加快，创新成果在开放社区和网络中得以快速传播和扩散，创新生态系统中，相关信息的传递呈现网络化与实时化，可用的信息源和信息工具日益多元化，这导致新兴技术监测环境日益复杂。为了提高新兴技术监测速度，降低监测时滞，加快新兴产业发展，有必要将新兴技术弱信号信息纳入到监测体系中，建立起一个具有包容性的地平线扫描系统和分析框架。

当前一些国家和地区正在致力于构建宽口径的全球扫描和分析体系，如英国地平线扫描中心(Horizon Scanning Center，The Centre for Future Studies)、美国战略商业洞察(Strategic Business Insights，SBI)、韩国的全球趋势简报(GTB)、新加坡风险评估和水平扫描系统(Risk Assessment and Horizon Scanning，RAHS)、荷兰水平扫描项目(The Horizon Scan 2007 Project)等。一些体系已明确提出将弱信号纳入其中，而中国在国家层面目前还没有一个明晰的地平线扫描系统，在新兴技术发展日益迅速的今天，有必要通过新兴技术弱信号监测体系的建立，来强化国家发展战略方向上更为前瞻性的系统发现能力 。

[1]党倩娜，罗天雨，曹磊.多维视角下大数据领域技术创新演进、前沿与特性[J].科学学与科学技术管理，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

上海市科技发展基金软科学研究项目“新兴技术弱信号监测机制研究”(16692107900)。

2017-01-24

党倩娜(1972-)，女，上海人，上海科技情报研究所副研究员，博士研究生；研究方向：科技与创新政策、新兴产业。

(责任编辑 沈蓉)