调和H指数视角下的技术创新人才识别方法与实证研究

常鏐鏐，高继平，师丽娟

(1.中国农业大学情报研究中心，北京 100083；2.中国科学技术信息研究所，北京 100038)

0 引言

党的十九大报告明确提出： “创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。” 人才不仅是国家科技创新的根本，也是建设科技强国的关键。专利作为技术研究与开发最重要的成果表现形式，具有创新性、高质量和可商业应用等显著特点，是衡量技术创新产出的重要指标。Griliches[1]指出，专利数据作为技术创新重要的信息来源，在揭示技术创新方面具有其他文献数据所无法比拟的优越性。Gautam[2]认为，作为科技发明和技术创新的载体，专利已成为测度技术创新能力的一个重要指标。

基于专利信息，有学者对区域技术创新能力[3]、高校技术创新能力[4-6]、特定技术领域[7]的创新能力进行评价与分析；也有研究人员基于专利就科技创新人才识别与发现进行探索性研究，如涂湘波等[8]分析专利作为学术评价指标的可行性，提出将专利的质量、授权状态、有效性以及许可和转让情况等作为评价技术创新人才的指标。陈云伟等[9]结合科学家创新力特点，提出包含SCI 论文数、授权发明专利数、复合合作强度、篇均被引频次等多指标科学家创新力评价模型。田瑞强等[10]提出基于专利文献识别创新科技人才的三路径定位核心专利发明人方法。赵宁等[11]基于发明人技术创新能力评价指标体系，采用主成分分析法对智能机器人领域技术创新人才进行打分排序与评价。

人才评价是科学的教育发展观、人才成长观及社会选人用人观的方向盘。2020年10月13日中共中央、国务院印发《深化新时代教育评价改革总体方案》指出，教育评价事关教育发展方向，有什么样的评价指挥棒，就有什么样的办学导向。扭转不科学的教育评价导向，需坚决克服唯分数、唯升学、唯文凭、唯论文、唯帽子的顽瘴痼疾，同时指出改进高校教师科研评价，应突出质量导向，重点评价学术贡献、社会贡献以及支撑人才培养情况。

当前科学研究的综合性、复杂性、跨学科性、融合性等日益凸显，科研合作已经成为大科学时代的主要趋势，这样如何在提倡合作的情势下，同时又可以有效评估不同合作者间的贡献和质量，就成为一个难点。在学术论文视角，已经有不少的探索，如直接计算法 (Straight Counting，SC)、标准计算法 (Normal Counting，NC)、分数计算法 (Fractional Counting，FC)、调和计算法 (Harmonic Counting，HC)、几何计算法 (Geometric Counting，GC)、算数计算法 (Arithmetic Counting，AC)等[12]。在现有为数不多的发明人技术创新能力评价与识别的研究中，采用专利数量、专利被引频次、H指数等指标的计量均没有考虑到发明人署名数量及每位发明人的贡献度，无法客观反映发明人真实的技术创新能力。但是，专利作为高校科研人员的一种重要科研产出，不同于学术论文，具有经济属性、技术属性等特征。那么，一件专利该如何计算或者赋予不同发明人什么样的贡献呢？目前鲜有这样的研究且更少有实证分析。

为此，本文从发明人视角出发，充分考虑发明人专利产出合作因素，引入调和指数对发明人在专利合作中的贡献度进行差异化测度，进而综合发明人产出与发明人贡献度构建识别框架，藉此对不同类型人才进行识别，并通过实证分析对研究结果进行总结和思考。

1 技术创新能力测度指标

1.1 专利H指数及其衍生指数

2005年,美国物理学家Hirsch教授[13]首次提出用于量化分析研究人员的科研影响力指标——H指数，该指数的最大优势在于它是一个兼顾论文发表数量和质量的复合指标，一经提出很快引发学界的广泛关注。随着学者们对H指数的深入研究，针对H指数存在敏感度低、区分度差及缺乏波动性等问题提出一系列新的衍生指标，如G指数[14]、R指数[15]、P指数[16]等，统称H型衍生指数。对H指数的改进与应用，有学者认为，学界更多的建议是用一个新的文献计量指标来补充和完善H指数，以期弥补H指数在某些方面的不足，但到目前为止还没有哪个单一文献计量指数性能优于H指数且能够直接替代它[17]。关于H指数及其衍生指数G指数、R指数与P指数的主要观点见表1。

基于H指数在文献计量领域的成功应用，官建成等[18]率先将H指数拓展到专利领域，并将其定义为：对于某专利组合而言，如果有H项专利的每一项被后来专利至少引用H次，而剩下的专利被后来专利引用的次数都少于H 次，则称该专利组合的指数为H。在此基础上，有学者进一步比较分析了H指数及其衍生指数在评价专利权人创新绩效方面的有效性，如刘合艳等[19]采用H 指数及其衍生指数，对1990—2009 年间通讯领域专利总数排名前25 名的机构进行评价，指出H 指数及其衍生指数评价结果呈现很强的一致性，相关指数在专利评价方面是有效的。Kang等[20]选取传统专利计量指标与H指数及其衍生指数，实证分析了不同指标/指数在医学领域企业的技术创新效果的表现，指出与传统的专利技术指标相比，专利H指数及其衍生指数可有效揭示专利技术的创新性。也有学者[21]提出一种新的专利H指数，即IPCh指数 (表征专利技术宽度)与cIPCh指数 (表征技术扩散度)，经实证分析后认为，上述专利H型指数均可有效揭示企业技术创新绩效。

表1 H指数及其衍生指数

资料来源：根据参考文献13～16整理。

基于专利H型指数进行的研究目前多局限于机构、企业，且多为基于专利权人维度的评价，缺乏对真正技术创新主体——发明人维度的挖掘，对发明人合作署名影响力测度的研究更是未有涉及，这正是本研究所重点关注的。

1.2 发明人贡献度的测度

在科技领域，随着技术创新规模由小变大，一项专利的发明人合作已经由几个人演变成十几人，尤其在生物技术领域，合作的趋势仍在继续。专利的署名位置表明了发明人贡献的差异，这一点与学术界对合作发表论文的贡献度应该是一致的，本文通过下文的问卷调查得到印证。因此，发明人科技创新成果的贡献度测度在科技创新人才识别中就显得尤为重要了。

在学术领域，作者署名一般是按照重要性和贡献度大小进行排序[22]。因此，根据作者署名次序分配权重成为主流方法，这种情况同样也适用于专利文献中发明人的署名。其中，挪威学者Hagen 提出的调和式计量作者贡献度方法 (Harmonic Counting)相对较为科学、合理，尤其适于非大规模合著情况下使用[23]，在目前所有的权重分配方案中也被证实为一种最简便和能最大程度反映文章署名次序及贡献度信息的方法[24]。

在成果贡献量有界且恒定的前提下，调和式计量方法根据每一篇论文合著者的数量赋予每位作者相应的贡献份额，该方法综合考虑了合著者数量和合著者顺序，与实际科研活动中发生的作者贡献度更为接近。为衡量一项专利中发明人的合作规模与贡献度，本研究引入专利发明人合作度 (Co-inventor Degree)的概念，即以人为单位对专利的发明人合作规模进行度量，一项专利的发明人个数即为该专利的发明人合作度。依据发明人署名信息依次递减加以分配构建发明人调和贡献度分配函数，定义为：

通过对每位发明人申请的专利按照调和被引贡献度由高到低进行排序，可以定义与计算该发明人的调和H指数。同理，可计算获得调和G指数、调和R指数与调和P指数。

1.3 技术创新人才的识别

专利组合矩阵图有助于从发明人生产力和发明人贡献度维度来进行综合分类，立体化呈现发明人在创新队伍中的位置。以调和H指数为横轴 (表征发明人贡献度)，专利申请量为纵轴构建二维组合矩阵图，如图1所示，该图可有效识别四类不同的发明人。 “卓越型”发明人：位于第1象限，同时具有高专利申请量和高调和H指数； “参与型”发明人：位于第2象限，具有高专利申请量和低调和H指数； “一般型”发明人：位于第3象限，专利申请数量与调和H指数双低； “高质型”发明人：位于第4象限，具有低专利申请量和高调和H指数。

图1 基于专利数量和调和指标的发明人组合矩阵

2 发明人合作署名问卷调查

为了印证上文提出的 “调和H指数”是否适用于测度专利发明人的贡献度，展开专利发明人署名顺序与其贡献度关系的问卷调查。调查通过微信问卷星方式展开，调查时间为2020-08-01至2020-08-05。笔者选择高校、企业、科研机构的工作人员为调查对象，包括老师、学生、技术人员和企业管理人员，涵盖理、工、农、医4个学科门类，共收到有效问卷161份，其中3份来自国外 (英国、瑞典与新加坡)。问卷共16个问题，涉及调查者的基本情况 (工作单位属性、学科、职业等)、单位科研绩效评价中对发明人署名顺序的规定、对发明人署名顺序的看法以及如何实践、对发明人贡献度测度计算方法的选择等。

从机构属性看，161份问卷中，来自科研机构的占37.89%，高校占45.96%，企业占16.15%；从学科属性看，占比最大的为工学 (60.25%)，其次为农学 (30.43%)、理学 (6.21%)和医学 (3.11%)，学科领域涵盖了专利申请所属的各个门类；除44名学生身份以外，117位被调查者身份为课题/项目负责人、课题组成员、企业管理人员、技术人员或导师一种或两种以上身份 (该选项为多选题)；所调查对象中，共有116人拥有发明与实用新型专利，占总人数的72.1% (其中，拥有发明专利的94人，拥有实用新型的96人，同时拥有发明与实用新型的74人)；有63人为课题/项目组负责人，其中来自高校36人，科研机构24人，企业3人。因此，无论从调查对象的机构、学科及人员身份属性看，还是从人员科技创新实践情况看，调查数据均具有一定的代表性和可信度。

关于专利申请中是否有2位甚至2位以上的发明人作为 “共同第一发明人” (简称 “并列第一发明人”)现象，有115人 (71.43%)持否定态度，46人认为有这种现象发生 (其中，33人觉得能够客观反映发明人的同等贡献，另有13人认为水分太大，发明人贡献度应该不等同)。此外，46中仅有4人为课题/项目负责人或导师，其他均为学生或参加课题的课题组人员/技术人员，结合后续电话访谈工学、医学与农学领域的5位研究人员，均持否定态度，由此推断持否定态度的实际比重应该要高于当前的调查数据。

针对申请专利时发明人署名顺序事实上的依据，有75.1% (121人)认为在自己所从事的学科领域中，申请专利时发明者的署名顺序基本上按对发明创新贡献的大小排序，第一发明人贡献度最大，依次递减，最后一位发明人贡献度最小；有27人认为第一发明人贡献最大，其他发明人没有依据可随意排列；有5名学生对导师始终排第一表达了不满，认为应该按照贡献度依次排列。关于个人对发明人署名顺序的看法以及如何实践，有87.04% (140人)的被调查人表示自己在申请专利时会考虑每位发明人的具体贡献细节及安排署名次序，因为自己所在单位在科研绩效评价或考核中有署名顺序要求。在对发明人技术创新贡献计算方法的调查中，有111人 (68.94%)认为调和计数法较为合理，22人 (13.66%)和25人 (15.53%)分别认为划一计数法、等同计数法更为合理，还有3人持其他看法。

综上所述，虽然在法律中没有明文规定发明人署名顺序，但在实际中 “署名顺序按照发明创新贡献度排列”属于约定俗成，既符合发明者的集体认知也符合工作单位要求，是大部分发明者认可的行为。相比其他贡献度计算方法，调和贡献度测算方法更为研究人员所认同。

3 实证研究

3.1 数据获取及预处理

2013年至今，《自然·生物技术》每年年底公布前一年度全球转化研究排名前20名的研究人员，在全球范围内产生了广泛影响。该榜单优先基于候选人前一年度的美国和欧洲授权发明专利数量从高到低进行排名，再综合发明专利引用情况、候选人论文H指数等指标进行最终排名。该榜单存在专利数据涵盖时间短、地域覆盖面窄 (仅限欧洲专利与美国专利)、划一计数及指标粒度过粗等不足。因此，本研究以该榜单2014—2018年度评选出的研究人员为典型案例，采用发明人贡献度指标对技术创新人才进行识别与发现，对上述评价体系进行测试与验证。

本研究获取2014—2018年间上榜名单共计107人次 (因出现同一年度同一单位多人并列入选，实际入选人数并非每年固定的20位)，经姓名消歧、机构清洗后，共计发明人62位。发明人国别与机构分布在9个国家，美国最多，其次为日本与中国。人员主要集中在世界著名高校，另有5人来自研究机构，见表2。履历分析进一步表明，这些发明人与企业有直接或间接的联系，有多人甚至是世界著名生物技术公司，诸如BioNTech、Sequenom、Novartis、Ganymed Pharmaceuticals Ag等的创始人、合伙人或技术专家，对领域技术创新成果的转化与利用起到了直接的促进作用。

表2 研究人员的国别及机构分布

为了使数据能够真实反映发明人的生产力水平，选择德温特专利数据库 (Derwent Innovations Index，DII)中 “所有专利授权机构 with DWPI数据集合”进行检索，保证涵盖发明人全部专利申请。以发明人姓名与机构为检索词，检索62位发明人的专利。专利申请量与授权量是衡量技术创新能力的常用指标，考虑到不同国家与地区专利审查制度不同，专利授权有较长的审查期，时滞影响较大，本研究选择专利申请量作为发明人技术创新的数量指标。经数据清洗，最终获得相关专利34035项。

本研究主要通过两种方式进行姓名消歧：①结合发明人履历信息，采用 “发明人姓名+发明人机构+学科/研究方向”三路径定位的方式；②对个别已经退休/荣休多年或工作调动，无法获取发明人履历信息的，通过检索发明人专利与发表的学术论文，以5年时间窗倒推分别获取合作发明人信息与论文合作署名作者信息进行比对，结合发明人申请地址综合确认发明人身份信息。

3.2 指数相关性分析

为进一步考察不同指数在发明人绩效评价方面的有效性，本文以上述62位发明人数据为基础，分别对传统H、G、R、P指数及调和H、G、R、P指数进行相关性分析，结果见表3，不同指数间存在高度相关性，指数间高度相关性充分表明任何一个指数都能够有效揭示专利数量与质量之间的关系，均具备独立使用的条件，下文以调和H指数为例进行分析。

表3 不同指数的相关性分析

3.3 发明人表现分析

与传统H指数排名相比，62位发明人调和H指数的排名位次发生了显著变化。其中，25人位次出现上升，变化幅度最大的前进17个位次；28人出现下降，下降最多的降低了13个位次，见表4。总体看，独立专利较多、合作署名靠前发明人调和h指数位次上升相对显著；而合作专利比重较大、合作署名靠后发明人调和h指数位次下降较为明显。因此，专利调和H指数不仅能够有效反映发明人在技术创新中的贡献度，而且能够有效测度发明人所申请专利组合的质量。

表4 传统H指数与调和H指数及其排名位次的变化

以发明人调和H指数为横轴，发明人申请量为纵轴，以两项各自均值[17，383]为交叉点，绘制组合矩阵图，如图2所示。结果表明，4个象限均有发明人分布。其中，发明人中近半为专利数量与贡献度指标均位于平均水平以下的 “一般型”发明人，其次是 “卓越型”发明人， “参与型”发明人与 “高质型”发明人的数量相对较少。

图2 生物技术领域62位发明人生产力与贡献度的表现

第1象限： “卓越型”发明人。包括来自美国、德国、日本与中国共计19位发明人，其中，美国16位，德国、日本与中国各1位。Langer R S (Massachusetts Institute of Technology，美国)无论是专利数量还是专利质量表现均最优，专利申请量1035项，发明人调和H指数48，均居第2位，组合表现最优；Sahin U (University of Mainz，德国)专利申请量最多，高达1584项，少量独立专利，合作人数2～12人，署名顺序以首位为主；Zhang F (Massachusetts Institute of Technology，美国)为生物医学领域后起之秀，博士期间就有专利申请，技术创新年龄刚刚进入高峰期，专利申请量710，拥有较多独立发明，合作人数2至13，署名位次第1为主，调和H指数表现最佳为58，业界一直看好其后续表现；Wilson J M (University of Pennsylvania，美国)专利申请量952项，调和H指数36，合作专利为主，合作人数2到4人不等，且署名次第1位居多；Lo Y M D (Chinese University of Hong Kong，中国香港)专利申请共计679项，无独立专利，合作人数2至8为主，署名第1位居多，调和H指数29。总体看，本象限发明人在生物医学领域不仅有较多的专利申请数量，而且专利质量也高于平均水平，独立专利较多或合作署名中位置相对靠前，表明他们不仅在该领域占有重要地位且具有较大的影响力。

第2象限： “参与型”发明人，共6人。由于专利发明中不同人承担的角色不同，有提出技术创新理论、方法或概念的、有设计实验的、有提出改进意见的、有进行实验并分析数据、有专利文本撰写的，不同角色发挥的作用不同，贡献度不一样，在专利署名顺序中会有一定的体现。尽管该类发明人在本领域拥有较多的专利，但是发明人在合作中的贡献度并不是最高。以Koslowski M (University of Mainz，德国)与Türeci Ö (University of Mainz，德国)为例，两人的专利基本上是与Sahin U合作完成且署名明显靠后。Koslowski M (University of Mainz，德国)，614项申请，独立申请1项，合作人数2至11，署名顺序靠后，调和H指数7；Türeci Ö (University of Mainz，德国)831项申请，无独立专利，合作2～10人，署名顺序靠后，调和H指数10，属于典型的 “参与型”发明人。所以说，专利数量不一定能够真实反映发明人的贡献度，根据其署名顺序来评价更为合理。

第3象限： “一般型”发明人。本象限中共有30位发明人，无论是专利申请数量还是调和H指数，均位于平均水平以下，表明该生物医学领域的发明人无论是专利数量还是专利质量表现位于较低特征，有进一步提升的空间。履历分析表明，该类发明人中三分之一为2000年之后博士毕业，刚刚进入科研上升期的科研人员，未来会有很大的发展空间。

第4象限： “高质型”发明人。包括来自美国、日本与意大利共计7人，含3名诺贝尔奖得主。Baltimore D (California Institute of Technology，美国)为加州理工学院生物学教授，在免疫学、病毒学、癌症研究、生物技术等领域都做出过重要贡献，获1975年生理学或医学奖诺奖，专利申请232项，专利数量低于平均水平，调和H指数与平均水平持平；Arnold F H (California Institute of Technology，美国)，为加州理工学院化学工程、生物工程和生物化学教授，因其在酶的定向进化方面的开发工作，荣获2018年诺贝尔化学奖，专利申请195项，专利数量低于平均，调和H指数20高于平均水平；Yamanaka S (Kyoto University，日本)，现任京都大学IPS细胞研究所所长，美国加州大学旧金山分校教授及下属的格拉德斯通研究所高级研究员，因在 “体细胞重编程技术”方面的重大发现获2012年诺贝尔生理或医学奖，专利申请294项，专利数量低于平均水平，但调和H指数25显著高于平均水平。其他4位发明人同样具有专利数量虽低，但独立专利或合作署名首位居多，专利整体质量高，表明该类发明人专利申请数量虽少，但其专利具有较高的影响力，在技术领域创新中具有明显优势，属于领域技术创新中的少而精，高质型人才。

4 结论

科研人员无论何时合作，都应将成果的一定比例分配给合作者[25]。随着科研资助力度的加大，发明人之间的合作将变得愈发密切，合作专利所占比重也越来越大，同科研论文一样，计数方法在技术创新评价中的重要性也将日益突出。本研究提出基于发明人维度识别技术创新人才，并考虑到合作署名次序对发明人实际贡献度的影响，引入合作贡献度与调和计数法对发明人贡献进行测度。

实证分析表明，相较传统H指数排名，独立专利较多、合作署名靠前发明人调和H指数位次上升相对显著；而合作专利比重较大、合作署名靠后发明人调和H指数位次下降较为明显。由此可以看出，调和指数能够很好地测度发明人的贡献差异性，通过发明人生产力与发明人贡献度双重测度可以有效甄别发明人 “挂名”现象，区分不同类型发明人。但本研究也存在一定的局限，一方面是数据方面，样本量偏小；另一方面是表征发明人贡献度的指标仅选择了调和H指数，且没有考虑发明人自引问题；此外，评价技术创还需重点关注创新成果的市场价值，本文在专利成果转化与应用方面未有涉及。下一步研究需要在增加样本量的基础上，尽可能排除自引来验证不同指数在发明人贡献度测度上的适用性，并进一步结合专利成果转化与应用综合分析与研究。