中美德日科技发展模式及评价

栾春娟

摘要：发现与评价中美德日四个国家的科学技术发展模式，有助于揭示不同的科技发展模式对其技术创新水平的影响。从科学技术发展趋势、科学技术发展模式及其對科技创新绩效的影响等诸多方面，对中美德日的科技发展模式进行了比较和评价。揭示了美国科学技术互相促进的发展模式对其强大技术全球影响力具有正向的、积极的影响;中国虽然专利总量位居第一，但其“技术与科学发展差距渐大的非均衡发展模式”需要尽快调整，以提高其全球技术影响力和竞争力。

关键词：科技发展模式;中美德日;SCI论文;DII专利;专利引证;h指数

中图分类号：G306;N18          文献标志码：A           DOI：10.3969/j.issn.1003-8256.2019.01.004

1    问题的提出与数据指标

近年来中国专利申请量突飞猛进的增长引起了全球的瞩目，如果以专利作为技术发展的代表[1-2]，以论文作为科学发展的代表[3-4]，那么中国的科学技术发展呈现怎样的发展模式呢？与世界科技强国美德日的科技发展模式相比较有何差异呢？科学与技术既有区别又有联系，二者的发展是一个辩证统一的整体[5-6]。科学的本质在于揭示自然的本质和内在发展规律，回答“是什么”和“为什么”;技术的任务在于改造自然，服务于社会生产和社会生活，回答“做什么”和“怎么做”。一般认为，科学是技术发展的前提和基础，科学的进步推动了技术的发展[7-9];同时，技术的发展又为科学发现提供了更先进的仪器设备和工具[10-11]，反作用于科学的进步。

本研究数据分别来源于《科学引文索引（扩展版）》数据库（Science Citation Index-Expanded， SCI-E）和《德温特创新索引数据库》（Derwent Innovations Index，DII）。我们以SCI-E数据库中的论文（article）代表科学，以DII数据库中的专利数据代表技术。指标主要选择了论文与专利的总数、专利他引总数、论文和专利的h指数等。基于这些指标，在进行全球科学技术发展趋势、中美德日科学发展趋势、中美德日技术发展趋势等分析的基础上，比较中美德日科学技术发展模式;最后对四个国家的不同发展模式进行评价。

2    科学技术发展趋势比较

2.1   全球科学技术发展趋势

图1显示了1990—2017年间全球科学技术的发展趋势，该趋势大致可以划分为三个阶段：第一阶段，1990—2000年，科学论文数量高于专利数量;第二阶段，2001—2006年，专利数量微超论文数量;第三阶段，2007—2017年，专利数量与论文数量之间差距越来越大。

1990—2000年间，全球的科学论文数量在每一个年度都高于专利数量;2001—2006年间，专利数量在每一个年度都略微高于论文数量;2007年之后的每一个年度，专利数量与科学论文数量之间的差距逐渐增大，到2017年，专利数据远远高于论文数量，是论文数量的两倍之多。

2.2   中美德日科学发展趋势

图2显示了1990—2017年间中美德日科学发展的趋势。从整体上看，美国 SCI 论文在此期间呈现出高速、稳步增长趋势;中国 SCI 论文呈现出快速增长趋势;德日 SCI 论文呈现出相对比较平稳的发展趋势。

1990—2004年间，中国 SCI 论文数量低于美德日三个国家，远远低于美国;2005年，中德日三个国家SCI 论文数量比较接近;2006年之后，中国 SCI 论文数量逐渐超越德日两个国家，呈现出迅猛的增长态势;至2017年，中国 SCI 论文数量已经基本与美国 SCI 论文数量持平，是德国SCI论文数量的3.36倍，是日本 SCI论文数量4.37倍。

2.3   中美德日技术发展趋势

图3显示了1990—2017年间中美德日技术发展的趋势。从整体上看，这一期间中国专利技术发展趋势波动最明显，呈现出强劲的上升发展趋势;美德日三个国家相对呈现出比较平稳的发展态势。

具体而言，1900—2003年间，专利技术发展的大致趋势和地位是日美德中，即日本高于美国，美国高于德国，德国高于中国;2004—2006年间，中国逐渐超过德国;2007年，美日中三个国家专利数量的差距缩小，甚至非常接近，但他们都远远高于德国专利数量;2007年之后，中国专利数量开始超过美日两国，并呈现出迅猛的增长趋势，而美日两国的发展趋势比较接近，都呈现出相对平缓的发展态势。

3    中美德日科学技术发展四种模式

3.1   中国：技术与科学差距渐大的非均衡发展模式

图4显示了1990—2017年间中国科学技术发展模式，我们将其概括为“技术与科学差距渐大的非均衡发展模式”。1990—2006年间，中国的科学技术发展的趋势比较接近，期间每一年度专利数量略高于论文数量，差距基本保持在专利数量是论文数量2倍的范围之内。

2007年之后，专利数量开始迅猛增长，技术发展速度与科学发展速度之间的差距逐渐加大，从2007年专利数量是论文数量的3.78倍，到2017年专利数量突然200万件，是论文数量的6.39倍。

3.2   美国：科学与技术互相促进的发展模式

图5显示了1990—2017年间美国科学技术发展模式，我们将其概括为“科学与技术互相促进的发展模式”。1990—2001年间，每一年度的科学论文的数量高于专利的数量;2002—2015年，专利的数量在每一年度都高于科学论文的数量。

与其他几个国家相比较而言，美国科学技术发展的趋势比较接近，科学与技术似乎是相互促进的一种发展模式。科学论文的增长速度具有平稳持续的显著特征;专利技术的发展趋势虽然有波动，但波动不是很大，整体上具有持续增长的趋势。

3.3   德国：科学技术相互交织促进模式

图6显示了1990—2017年间德国科学技术发展模式，我们将其概括为“科学技术相互交织促进模式”。从整体上看，德国的科学发展呈现出明显的上升趋势，科学论文数量增长速度还是比较快的，2017年是1990年的2.41倍。技术发展趋势波动比较大，升降的幅度比较大，技术曲线的波动是围绕科学曲线的，二者呈现出相互交织、相互促进的发展模式。

1990—2008年间，每一年度的专利数量高于科学论文数量，基本保持在专利数量是论文数量两倍范围之内;2009—2017年间，科学论文数量在每一年度都高于专利数量，保持在论文数量是专利数量两倍的范围之内。

3.4   日本：技术领先发展模式

图7显示了1990—2017年间日本科学技术发展模式，我们将其概括为“技术领先发展模式”。从整体上看，相对于日本的科学论文发展趋势而言，日本在此期间技术发展趋势呈现出相对比较高速的状态，并且波动较大;而科学论文却呈现出相对低速的、比较平稳的、持续增长的发展态势。

1990—2017年间的每一年度，日本的专利数量一直保持着远远高于科学论文的数量的发展态势，差距最大的年份是2002年，专利数量是科学论文数量的5.52倍。技术的发展经历了上升-下降的趋势;科学的发展趋势始终是稳步上升的，呈现出比较平缓的发展态势。

4    不同发展模式的评价

不同的科学技术发展模式会有什么样的相应绩效呢？绩效的评价包括很多方面，广义上说，可以分为经济效益、环境效益与社会效益等[2， 12];狭义上可以具体包括科技成果产业化与商业化、论文与专利的引证指标等[13-15]。在此我们仅选择几个能够获得的科技相关指标，结合本文定量分析的中美德日科学技术发展趋势与模式，进行初步的评价。

4.1   对论文/专利总量的影响与评价

4.1.1对 SCI 论文总数的影响与评价

图8显示了1990—2017年间中美德日SCI论文总数的比较结果。从整体上看，美国 SCI 论文总数远远高于中德日三个国家。具体而言，1900—2017年间，美国 SCI 论文总数是中国的2.64倍，是德国的3.65倍，是日本的3.71倍。

美国科学与技术互相促进的发展模式，对美国取得 SCI 论文遥遥领先的国际地位具有重要的保障和推动作用。在第二次世界大战结束之后，联邦政府科学顾问 Vannevar Bush 就提出了基础科学研究对国家安全、社会福利、国民健康乃至整个国家经济和社会发展的重要性，强烈建议联邦政府加大对基础科学研究的投入等重要思想[16]。近年来，随着生物技术、信息技术和纳米技术的迅速发展，并且由于生物技术的革命非常依赖科学发展[17-18]，信息通信技术也是如此，而纳米技术与纳米科学几乎不可分割，被称为纳米科技。“基于科学的创新”思想[19-21]，越来越引起学术界和决策者们的关注，美国能源部科学用户设施对“基础能源科学”研究项目的创新培育，是“基于科学的创新”思想与实践的比较完美的结合。美国能源部作为一个政府科学机构，对美国科技经济创新发展发挥着重要的作用[22]，积极催化了基础科学和应用科学的转化、新兴能源产业技术的发现和发展，并将“基于科学的创新”（Scientific Innovation）放在优先发展的地位[23-24]，视其为国家经济繁荣的重要基石。

4.1.2 对 DII 专利总数的影响与评价

图9显示了1990—2017年间中美德日 DII 专利总数的比较结果。从整体上看，中国DII专利总数高于日美德三个国家。具体而言，这期间中国 DII 专利总数是日本的1.50倍，是美国的2.05倍，是德国的5.22倍。

中国“技术与科学差距渐大的非均衡发展模式”导致近些年专利数量激增，而作为基础科学研究成果的科学论文数量却被高速增长的专利数量远远落在后面了。远离科学基础的创新发展是否是可行的、良性的发展呢？这种技术创新具有怎样的全球影响力呢？我们将在后面的引证指标里进一步分析。现实中的另一个比较突出的问题是专利成果转化。虽然没有准确的官方统计数据，但有关分析显示，中国科技成果转化率是比较低的，一般认为10%～15%，有的甚至不足5%，远远低于美国大学科技成果转化率60%～70%[25-26]，这一点也是需要引起中国政府高度重视的一个方面。

4.2   对几项引证指标的影响与评价

4.2.1对专利他引总数的影响与评价

一個国家专利的他引总数反映了该国技术的世界影响力和竞争力。图10显示了1990—2017年间中美德日四个国家的专利他引总数。从整体上看，四个国家之间的差距还是非常大的。

具体而言，排在第一位的美国的专利他引总数是排在第二位的日本的1.21倍;是排在第三位德国的2.77倍;是排在第四位中国的17.16倍。基于“中美德日科学发展趋势”和“中美德日科学论文总数”视角，美国一直以来高度重视基础科学研究的实践及其科学论文总数遥遥领先的地位，对其技术创新和技术的全球影响力产生了巨大的影响。从“中美德日技术发展趋势”和“中美德日专利总数”的视角，美日德相对平稳的专利技术发展速度，为其专利质量的保证提供了重要的基础;中国的专利总数虽然取得第一的地位，但其专利被引总数，即技术的全球影响力，仍然有非常大的差距。从“中美德日科学技术发展模式”看，科学技术互相促进的发展模式，应该是一种良性的发展模式，更有利于一个国家科技竞争力的提升。

4.2.2對 h 指数的影响与评价

2005年由美国加利福尼亚大学圣地亚哥分校的物理学家 Jorge Hirsch 提出的 h 指数，h-index，是一个混合量化指标。其原始定义是：一名科学家的h指数是指其发表的 N 篇论文中有h篇每篇至少被引 h 次、而其余 N-h 篇论文每篇被引均小于 h 次。h 指数多用于评价研究人员的学术产出数量与学术产出水平之间的关系。在此我们将 h 指数用于国家的科学论文产出数量与产出水平评价之间关系的评价指标，和国家层面的专利技术产出数量与产出质量之间关系的评价指标。图11列显示了中美德日 SCI 论文和 DII 专利的 h 指数。

图11显示，美日德中四个国家 SCI 论文 h 指数的排序与 DII 专利 h 指数的排序是一致的，这在一定程度上揭示了作为基础研究成果的 SCI 论文的质量，对作为技术创新成果的专利的质量的决定作用，即基础研究越扎实牢靠，技术创新的影响力和竞争力就会相应地越强大。就 SCI 论文的 h 指数而言，美国的数值遥遥领先于其他三个国家而位居第一位;日德的数值比较接近;中国的数值最低。尽管“中美德日科学发展趋势”揭示了2017年中国 SCI 论文的数量已经基本追赶上了美国当年的数量，但质量的进步和提高仍需继续努力。就 DII专利的 h 指数而言，四个国家的差距相对较小。

参考文献：

[1] Wong CY， Goh KL. Catch-up models of science and technology： A theorization of the Asian experience from bi-logistic growth trajectories[J]. Technological Forecasting and Social Change，2015， 95： 312-327.

[2]  Zhao QJ， Guan JC. Modeling the dynamic relation between science and technology in nanotechnology[J]. Scientometrics，2012， 90（2）： 561-579.

[3]  Xia GJ， Sun Y， Wu SQ et al. Model for evaluating the high-tech industry competitiveness of science and technology parks with fuzzy number intuitionistic fuzzy information[J]. Journal of Intelligent & Fuzzy Systems，2017， 33（4）： 2189-2197.

[4]  Hassanzadeh A， Namdarian L， Majidpour M et al. Developing a model to evaluate the impacts of science， technology and innovation foresight on policy-making[J]. Technology Analysis & Strategic Management，2015， 27（4）： 437-460.

[5]  Lee A. Multilevel Structural Equation Models for Investigating the Effects of Computer-Based Learning in Math Classrooms on Science Technology Engineering and Math （STEM） Major Selection in 4-Year Postsecondary Institutions[J]. Teachers College Record，2017， 119（2）.

[6]  Bozeman B， Slade CP， Hirsch P. Inequity in the distribution of science and technology outcomes： a conceptual model[J]. Policy Sciences，2011， 44（3）： 231-248.

[7]  Baakini AI. Science and technology in middle-east - conflict model for development[J]. International Review of History and Political Science，1974， 11（1）： 28-53.

[8] Kivinen O， Hedman J， Kaipainen P. Productivity analysis of research in Natural Sciences， Technology and Clinical Medicine： an input-output model applied in comparison of Top 300 ranked universities of 4 North European and 4 East Asian countries[J]. Scientometrics，2013， 94（2）： 683-699.

[9] Lent RW， Sheu HB， Miller MJ et al. Predictors of Science， Technology， Engineering， and Mathematics Choice Options： A Meta-Analytic Path Analysis of the Social-Cognitive Choice Model by Gender and Race/Ethnicity[J]. Journal of Counseling Psychology，2018， 65（1）： 17-35.

[10]  Vazquez-Alonso A， Manassero-Mas MA. Response and scoring models for the 'Views on Science-Technology-Society' Instrument[J]. International Journal of Science Education，1999， 21（3）： 231-247.

[11]  Stone VI， Lane JP. Modeling technology innovation： How science， engineering， and industry methods can combine to generate beneficial socioeconomic impacts[J]. Implementation Science，2012， 7.

[12]  Wong CY， Mohamad ZF， Keng ZX et al. Examining the patterns of innovation in low carbon energy science and technology： Publications and patents of Asian emerging economies[J]. Energy Policy，2014， 73： 789-802.

[13]  Borycki EM， Kushniruk AW， Bellwood P et al. Technology-induced Errors The Current Use of Frameworks and Models from the Biomedical and Life Sciences Literatures[J]. Methods of Information in Medicine，2012， 51（2）： 95-103.

[14]  Greenseid LO， Lawrenz F. Using Citation Analysis Methods to Assess the Influence of Science， Technology， Engineering， and Mathematics Education Evaluations[J]. American Journal of Evaluation，2011， 32（3）： 392-407.

[15]  Garfield E， Welljamsdorof A. Citation data - their use as quantitative indicators for science and technology evaluation and policy-making （reprinted from science and public-policy[J]. Current Contents，1992， 49： 5-13.

[16]  Bush V. Science. The endless frontier. A report to the president. Washington， DC： United States Government Printing Office，1945.

[17]  Hall BH， Helmers C. Innovation and diffusion of clean/green technology： Can patent commons help？[J]. Journal of Environmental Economics and Management，2013， 66（1）： 33-51.

[18]  Hall BH. The assessment： Technology policy[J]. Oxford Review of Economic Policy，2002， 18（1）： 1-9.

[19]  陳劲， 赵晓婷， 梁靓. 基于科学的创新[J]. 科学学与科学技术管理，2013（6）： 3-7.

[20]  Dedrick J， Kraemer KL. Who captures value from science-based innovation？ The distribution of benefits from GMR in the hard disk drive industry[J]. Research Policy，2015， 44（8）： 1615-1628.

[21]  Loveridge D. The dynamics of science-based innovation - grupp，h[J]. R & D Management，1994， 24（1）： 115-117.

[22]  Science & Innovation. 2017. https：//energy.gov/science-innovation

[23]  Lin GTR， Lee YC. Scientific Innovation of Bioremediation Technologies[J]. Journal Of Scientific & Industrial Research，2015， 74（4）： 197-201.

[24]  Liebman M， Baraibar B， Buckley Y et al. Ecologically sustainable weed management： How do we get from proof-of-concept to adoption？[J]. Ecological Applications，2016， 26（5）： 1352-1369.

[25]  张婧. 大学与社会：完善大学外部治理结构路径研究 [D].重庆大学，2016.

[26]  王建中. 教育公共服务视域下的大学责任研究 [D].山东师范大学，2015.