基于W O S 数据库的创新政策研究热点及趋势分析

文/郭海轩 李小芬 柴 萍 王新钰 程钧令（天津市科学技术发展战略研究院）

一、研究方法与数据来源

1.数据来源

本文使用的分析数据选取自Web of Science（WOS）数据库，作为全球获取学术信息的重要数据库，其文献数据在各研究领域具备较高的权威性和代表性。数据筛选关键词参考国际权威刊物关于“创新策略”的表达形式，以“innovation policy&innovation policies”作为检索的主题词，通过高级检索功能，检索不设置起始时间，止期设置为2022 年8 月6 日。筛选其中的核心合集得到4434 条文献信息。

2.研究方法

本文采用Citespace 软件挖掘文献中的内在关联和规律，如作者、机构、国家/地区的合作关系等，并通过可视化的方式让研究者易于理解和开展进一步研究。具体分析路径是在软件“Node Types”功能中分别选择Author、Cited Author、Cited Journal、Reference 和Keyword 等信息条目进行分析，以得到相应的可视化图谱。在聚类分析中，采用LLR（LogLikelihood Ratio）算法计算和确定每种标签的类型，该算法用专业词汇展示了每个聚类的核心概念。

二、创新政策研究现状和脉络梳理

1.文献分布特征

通过借助WOS 数据库的基础分析功能，得到每年发表论文数和每年引文数的趋势图，如图1 所示，在2011 年、2014 年、2019 年分别出现了创新政策研究的波峰。同时，借助WOS 数据库“研究方向”的检索结果可获得分析样本的研究方向分布情况，其中研究方向最多的是商业经济学（1978 篇），其余依次为公共管理（781 篇）、生态环境科学（700 篇）和政府法律法规（456 篇）。文献主要集中于商业经济领域主要是由于创新政策兼具经济和科技双重属性，创新过程的复杂性以及结合时代背景会不断产生新的政策研究课题。

图1 创新政策研究每年发表论文数

2.作者合作分析

生成作者合作知识图谱共得到285 个节点，107条连线，网络密度值为0.0026，由于篇幅限制，本文主要展示关键作者的合作网络情况，如图2 所示。从发文数量来看，发文量最多的是Jakob Edler 和Dorothea Luebbe；其次是Jason Potts 和Meissner Dirk，分析发现，2004 年Jason Potts 发表了一篇重要论文，提出了新熊彼特学派与当代其他学派明显不同的分析框架；然后是Massimiliano Mazzanti，他作为费拉拉大学（University of Ferrara）经济政策方向的全职教授，以研究政策对发展、劳动力、创新和生态问题的经济、社会和环境影响为主。此外，这些作者处于关键节点的位置，是连接不同作者科研合作圈的重要节点，同时也是不同年份作者科研合作圈的重要连接点。

图2 2000-2022 年创新政策研究主要作者合作关系图谱

3.研究机构分析

根据生成的主要机构合作关系图谱，如图3 所示，发文量最多的是Lund University（隆德大学），与全球4 家机构合作；其次是University of Manchester（曼彻斯特大学），与全球9 家机构合作；排名第三的为University of Sussex（苏塞克斯大学），与全球5 家机构有过合作，苏塞克斯大学科技政策研究所（Science Policy Research Unit，以下简称SPRU）创始人是全球创新政策领域引文前三位的克里斯·费里曼（Chris Freeman），1963 年由他参与制定的全球公认的“研发调查”标准《弗拉斯卡蒂手册》（Frascati Manual）被世界经济合作与发展组织（Organization for Economic Co-operation and Development，以下简称OECD）采用，这对SPRU 建立国际联系至关重要。总体上来看，各机构间没有形成明显聚类，大部分重要研究机构间还未形成紧密合作的趋势，反映出国际创新政策领域研究机构间合作程度较低，更多为同一高校内部机构间的合作，或同一地区内的机构合作，知识共享与研究成果的流动性不强。

图3 2000—2022 年创新政策研究主要机构合作关系图谱

4.载文期刊分布

通过“来源出版物”类别分析，可获得创新政策领域研究载文期刊的具体信息。将发文量数据从高到低排列，得到发文量前10 位的期刊，如表1 所示。载文量最多的期刊为Research Policy，载文量高达87 篇，其他载文量较多的期刊有：Science and Public Policy、European Planning Studies、Technological and Social Change 等。

表1 创新政策发文量前10 位的来源期刊

三、创新政策研究的知识演进分析

1.作者共被引分析

生成主要作者共被引知识图谱，如图4 所示。结合被引次数从高往低排序，形成前10 位主要被引作者信息表，如表2 所示。排名前五的学者依次是Richard R.Nelson（413 次）、Michael E. Porter（330 次）、Chris Freeman（324 次）、Bengt-Ake Lundvall（322 次）、Charles Edquist（309 次）。被引次数在100 次以上的学者共有31 人，分成系统与功能两大学派，一是以Richard R.Nelson 和Bengt-Ake Lundvall 为代表的学者，研究创新体系及创新主体互动关系；二是以Charles Edquist 为代表的学者，关注创新系统运行绩效研究。这些学者都是创新政策研究领域的领军人物，应该重点关注。

表2 被引次数排前10 位的主要被引作者信息

图4 创新政策研究主要作者共被引知识图谱

2.期刊共被引分析

生成主要期刊共被引知识图谱，如图5 所示，结合具体引文数据分析，被引次数较多的期刊依次为Research Policy（1452 次）、American Economic Review（560 次）、Technol Forecast Soc（556 次）、Sci Publ Policy（418 次）、Technovation（416 次）、Energy Policy（401次）。这些都是国际影响力较大的顶级期刊，也是创新政策研究领域的核心期刊，具有较高的专业性和权威性，值得被认真研究和重点关注。

图5 创新政策研究主要期刊共被引知识图谱

3.基于突现分析方法的前沿分析

突现分析（Citation Burst）可以对某一主题研究的关键节点进行分析，从而挖掘当前活跃或前沿主题。通过突现率可以研究在某一时间段较为活跃的关键词或被引文献，并根据关键词了解未来的变化趋势，通过被引文献了解到哪些是该研究中里程碑式的重要文献，从而获取关键节点的重要信息。如图6 所示，2000—2022 年间以创新政策为主题的研究中，突现强度最大的关键词是environmental regulation（环境监管），其次为spillover（溢出）、cluster（集群）、sustainability（可持续性）、eco innovation（生态创新）和firm（企业）。突现时间跨越排前三的分别是SME（中小企业，2001—2011）、model（模式，2000—2012）和location（空间，2005—2012）。

图6 2000—2022 年全球创新政策研究被引文献突现图谱（前25 个）

四、创新政策研究的发展趋势分析

1.基于关键词共现网络的研究热点分析

在关键词共现图谱中，频次及其中心性是研究热点的重要指标。基于研究样本生成的关键词共现图谱，如图7所示，结合图谱生成属性，2000—2022 年间以创新政策为关键词的文献共现聚类网络共有199 个节点，229 条连线，网络密度值为0.0116。共现频次和中介中心性较高的热点词包括system（系统，Frequency=301，Centrality=0.52）、R&D（ 研 发 ，Frequency=268，Centrality=0.37）、technology（科技，Frequency=218，Centrality=0.05）、impact（ 影响，Frequency=185，Centrality=0.02）、performance（绩效，Frequency=155，Centrality=0.11）等。

图7 2000—2022 年创新政策研究的关键词共现图谱

如图8 所示，在Timeline 视图中，最顶层为时间轴，从左到右代表着时间依次递进，每一条水平线放置着相同聚类，可以体现某一聚类的研究和演进过程。2000—2022 年全球创新政策研究关键词共现Timeline 视图共分为10 个共被引集群，以R&D 为核心向knowledge（知识）、smart specialization（精明化专业政策）、diffusion（扩散）、technological innovation（技术创新）、social innovation（社会创新）、policy mix（政策组织）等多方向发散。在网络结构中，对于所生成的聚类网络的稳定度可以用模块值（Modularity Q，Q 值）来度量，一般认为Q 值大于0.3，则表示聚类结构显著，效果较好。聚类的清晰度，即聚类内部节点的相似程度，则是通过平均轮廓值（Weighted Mean Silhouette，S 值）来度量，一般认为S 值大于0.5 则表示聚类内部匹配程度高，聚类合理。根据图谱生成数据Q 值=0.7714＞0.3，S 值=0.9376＞0.5，表示该研究聚类结构显著且合理。

图8 2000—2022 年国际创新政策研究关键词时间线知识图谱

2.创新政策发展脉络

如图9 所示，2000—2022 年关键词路径的演化过程包含不同时间段下创新政策领域研究的热点主题。可将2000 年以来的创新政策研究脉络分为三个阶段：第一阶段为探讨创新政策理论、方法与经验阶段（2000—2011 年）；第二阶段为创新政策研究的发展转变阶段（2012—2015 年）；第三阶段为政策研究的深化和应用阶段（2016 年至今），这一阶段学者们的研究主题与时代背景紧密相连，集中在负责任创新、碳中和碳达峰等实践领域。

图9 2000—2022 年创新政策研究的关键词时区图谱

3.研究内容

如图10 所示，研究内容聚类图谱共有209 个网络节点，274 条连线，网络密度为0.0126；ModularityQ 的值为0.7625，聚类效果较好；Weighted Mean Silhouette 值为0.9297，聚类结果合理。采用LLR 算法共导出11 个主要聚类，为能够清晰地突显重要信息，图中隐藏了离散的聚类#3 和#11，展示了创新政策研究领域的四大类研究内容，如表3 所示。

表3 2000—2022 年创新政策研究领域聚类标识

图10 2000—2022 年创新政策研究内容聚类图谱

（1）研究内容聚类Ⅰ：创新政策3.0 研究。如表3所示，聚类Ⅰ主要包括子聚类#0 R&D 和#2 Porter hypothesis，主要关键词包含“sustainbility transition”“health”“environment”等。创新政策3.0 出现是为了解决日益严峻的社会、环境问题，相比于1.0 和2.0，它关注的重点是实现负责任的创新、包容性创新，随着两项全球性创新政策的出台——《创新使命》和《全球气候与能源市长公约》，现代创新策略逐渐呈现出系统的、动态的、非线性的特征。同时，Franco Malerba（2004）将可持续性纳入创新系统的重要分析要素。现在与可持续发展相关的创新政策受到全球关注，根据2016—2019 年联合国可持续发展高级别政治论坛上公开的联合国可持续发展目标各国执行进展报告，有108 个国家提及创新驱动可持续发展的相关政策工具和案例做法。

（2）研究内容聚类Ⅱ：服务创新体系构建的创新政策研究。如表3 所示，聚类Ⅱ主要包括子聚类#1 Reform、#7 Governance、#9 Model，主要关键词包含“system”“impact”“institution”等。近年来，源于演化理论的“创新系统”方法在科学界和政策领域越来越受到专家学者的认可。OECD 在《国家创新体系》报告中指出，创新是不同类别知识在过程中互相作用的结果。Anna J.Wieczorek 等（2012）认为政策只能通过结构要素来影响功能，提出“结构- 功能”分析框架来识别系统问题，并给出解决系统问题的政策工具建议。R.Arnkil 等人（2010）提出，创新范式3.0 突出了产学研用等创新主体的“共生演化”，并由“需求+科研+竞争+共生”四螺旋共同驱动。

（3）研究内容聚类Ⅲ：政策工具与创新价值链协同研究。如表3 所示，聚类Ⅲ主要包括子聚类#4 Firm、#5 Cluster 和#10 Economy，主要关键词包含“absorptive capacity”“SME”“investment”等。在该类研究内容下，学者们的主要方向是与教育、环境、就业、低碳等社会热点问题相关的实践研究。黄钢等（2006）指出，创新价值链是指“创新源—转化为新产品—市场化”的价值实现过程，是由一系列独立并相互联系的创新主体链接起来的链条式集合体。

（4）研究内容聚类Ⅳ：教育创新政策研究。如表3所示，聚类Ⅳ主要包括子聚类#6 Patent 和#8 Knowledge，主要关键词包含“incentive”“collaboration”“performance”等。教育创新政策凭借其特有的知识创新、人才培养性质，成为连接知识、技术、国防科技、区域和科技中介五个部分构成创新体系的纽带。一个国家的创新能力在很大程度上取决于创新主体在创造知识的大系统中如何发生作用，推动国家创新体系协调运行。

五、结语

创新在全球范围内的地位日益重要，作为领域内的研究者在关注国际动态的同时，更需要与中国特有的实践问题相结合，努力从以下三方面提升研究水平，让研究成果更具有实践意义，更有助于建设具有中国特色的创新生态与创新系统，为国家实现高质量创新发展贡献力量。

1.持续关注创新驱动可持续发展相关议题

进入新时代，我国发展的不平衡不充分问题仍然突出，发展的环境和条件已发生变化。人民对美好生活的要求不断提高，改善生态环境、完成碳达峰碳中和、实现全体人民共同富裕等目标让全社会对科技创新的需求更加迫切。参考国外经验，进一步完善我国创新驱动可持续发展政策体系，为构建人类命运共同体贡献科技创新方案；面向生产生活方式绿色化和低碳化体系，构建绿色低碳创新政策体系；面向以人为核心的创新型城市建设，实现城市群和都市圈生态、能源、资源等优化配置。

2.注重工具的多元化应用

在研究方法和工具不断改进，大数据、人工智能等应用场景日益广泛的形势下，创新政策研究要更加注重新方法和新工具的应用。要积极关注国际公共政策的方法前沿，充分运用实验研究和数据挖掘等多样化工具和技术；提升科技信息的数据深加工和知识组织能力，突破科技信息数据挖掘和情报分析等关键核心技术；开展科研院所等大型科研平台开放共享绩效评估，加强国家科技资源调查。

3.关注不同政策间的协同创新

在政策实践中存在着将财政机构作为单独协同各领域政策的部门，制定不同政策只关注本领域目标，对于总体目标关注不够的问题。需要从创新能力和创新质量提升入手，通过跨部门和跨学科的协作互补，制定出适应当下创新系统发展趋势的创新政策。为此，研究人员应积极更新和丰富数据来源，不断改进创新研究的实证分析方法，并结合创新政策发展的时代背景（共同富裕、碳达峰碳中和等）不断拓宽研究视角。[本文系天津市科技发展战略研究计划项目“天津市中长期科学和技术发展规划纲要（2006—2020年） 评估及新一轮规划编制思路研究”（项目编号：19ZLZDZF00100）、“2021 年天津市科技创新‘十四五’ 规划的实施跟踪研究” （ 项目编号：21ZLZKZF00020）的研究成果。 ]