基于WoS的技术预测研究热点与前沿分析

高 敏 王秀红,2

（1.江苏大学科技信息研究所 镇江 212013；2.江苏大学图书馆 镇江 212013）

1 引言

技术预测（technology forecasting）是描述一项技术在未来某个时间段的出现、性能、特征或影响的系统过程[1]，这一概念由美国学者Alan Porter于2003年提出。技术预测起源于美国政府二战后对军事领域相关技术的发展趋势进行预测。1945年，美国空军编写了一份《走向新视野》的报告，调查了技术发展状况并讨论了技术预测研究的重要性，预示着现代技术预测的开端[2]。20世纪50年代和60年代，兰德公司开发了德尔菲方法，被广泛应用于技术评估，德尔菲法的应用是技术预测史上的一个转折点[3]。1970年，军事领域以外的私营部门和政府机构开始广泛开展技术预测活动[4]，技术的快速发展及其对经济社会的深刻影响，使得技术预测愈发重要。由于技术发展涉及的因素颇为复杂，如何利用技术预测提供更精确可靠的预测，成为目前国内外研究共同关注的焦点。

国内已有学者针对技术预测相关的文献计量及热点分析开展研究。王翠波等针对国内相关技术预测科学文献，从文献、内容等角度进行可视化分析，探索了国内学者在技术预测领域的研究现状及未来发展趋势[5]；汪雪锋等对技术预测的概念进行辨析，梳理了国内外技术预测的发展历程，总结了美国、英国、日本等国家技术预测项目，展望未来发展态势[6]。虽然已有研究主要从技术预测概念、发展历程、研究现状以及研究项目等角度进行梳理，对了解技术预测发展动态具有参考价值，但目前对国内外技术预测研究进行系统性分析的尚少。因此本文对国际技术预测领域的研究现状、进展以及更深层次的内容进行挖掘，展望国内外技术预测未来发展趋势。

2 数据来源与研究方法

本研究以Web of Science核心合集数据库为数据源，对技术预测领域相关研究进行检索。为确保文献检索尽可能的完整性与准确性，基于已有研究总结出相关检索词，包括技术预测、技术识别、技术机会、新兴技术、颠覆性技术、关键技术。经过多次检索和修订，最终制定检索式为“TI=（technolog* forecast*） OR （TI=（"technology identification"） OR TI=（"technological identification"） OR TS=（"technology identification"）OR TS=（"technological identification"）） OR （TI=（"technology opportunity"） OR TI=（"technological opportunity"） OR TS=（"technology opportunity"）OR TS=（"technological opportunity"） OR TI=（"technology opportunities"） OR TI=（"technological opportunities"） OR TS=（"technology opportunities"）OR TS=（"technological opportunities"）） OR TI=（"disruptive technolog*"） OR TI=（"emerging technolog*"） OR TI=（"core technolog*"）”，时 间跨度限定为2001-2020年（检索日期为2020年11月20日），文献类型选择“Article”，语言选择“English”，经检索总计获得1 628条文献记录。通过人工干预方式对检索结果进行逐条数据清洗，剔除重复及不相关文献，最终得有效文献为1 504篇，以此作为国内外技术预测领域研究的分析样本。

主要应用文献调研、文献计量和科学知识图谱分析方法对上述1 504条有效文献记录进行统计分析。借助CiteSpace、VOSviewer等工具，针对文献时空分布、核心研究作者、重要载文期刊、研究热点等维度，绘制相应的图表，并进行解读与分析，以揭示国外技术预测领域的研究热点、发展脉络及演化趋势。

3 技术预测研究概况

3.1 文献时空分布

技术预测研究在不同年份的发文量是文献计量中的重要指标之一，在一定程度上反映该领域的受重视程度及其发展趋势。为了解发文量的变化趋势，以年份为横轴，以发表论文的篇数为纵轴，绘制出2001-2020年技术预测研究发文量的变化曲线图，如图1所示。通过曲线图可以看出，国际技术预测研究在近20年间持续处于稳步发展状态，其间虽有所回落，但整体上增长幅度趋于平缓，并在2019年达到峰值134篇。因检索日期为2020年11月20日，非2020年整年数据，依照折线图的整体走势来看，2020年的总体研究成果有望创造新高。

图1 技术预测期刊论文年发文量曲线图

为了更加确切地反映技术预测研究的发展趋势，本研究基于SPSS和EXCEL进行函数曲线拟合，依次测试指数、对数、多项式等函数，测试后发现五次多项式曲线的拟合程度较好，拟合度拟合结果如图2所示。采用的拟合公式为其中为年累积发文量，为论文发表年份。根据图2中的拟合曲线可以看出，未来5年内技术预测研究的累积发文量曲线预计会有明显的上行趋势，表明该领域的研究热度会持续升温，所以应更加重视技术预测的相关研究，积极辅助调整政策及投资方案，为其发展营造更加广阔的空间。

图2 技术预测发展趋势拟合曲线图

利用VOSviewer对Web of Science核心合集数据库中各国在技术预测研究领域发表的论文数量进行统计，得到排名前10的国家发文量统计表，并绘制出国家共现网络知识图谱，如表1、图3所示。结果发现，技术预测领域的研究囊括了78个国家/地区，其中发文量不少于10篇的有32个国家/地区。美国是发文量最多的国家，达到504篇，占所有发文量的33.51%，是技术预测研究的先锋；中国（包括香港、澳门、台湾）的发文量排第二，总计263篇，仅次于美国，在技术预测领域的研究处于世界前列。除美国和中国外，英国、韩国、德国、澳大利亚等国家的研究也领先于其他国家。技术预测领域研究排名前10的国家，近20年的发文总量为1 369篇，接近样本总量的91%，其他所有国家发文量总和仅为135篇，占样本总量的9%，由此可以看出，技术预测研究成果在国家分布上极其集中。值得一提的是，虽然丹麦、法国的发文量并非名列前茅，但其发表的论文的被引频次分别为2 315、2 002次，表明其研究成果具有较高的参考价值，引起国际众多学者的关注，由此可见丹麦、法国在技术预测研究中占有重要地位。

表1 技术预测研究TOP10国家发文量统计

图3 技术预测研究国家共现知识图谱

3.2 核心研究作者

对1 504条文献题录数据的作者字段信息进行统计，共获得作者4 110名，其中第一作者1 013名，人均发文量为1.485。发文量为1篇的第一作者总计964名，占第一作者总数的95.16%，表明国际技术预测领域研究的作者较为分散。根据普赖斯定律的核心作者计算公式确定核心作者，其中表示作者的最高发文数量，其中为核心作者发文量的临界值，计算可得取整可得可知技术预测领域研究核心作者的分布情况。统计得出排名前10的核心作者，并进行h指数计算，结果见表2。发文量最多的是美国学者Alan Porter，共发表技术预测相关论文30篇，此外，韩国学者Yoon Byungun、Yoon Janghyeok的发文量均超过20篇，位居前列。排名前10的核心研究作者中，韩国学者有6位，美国学者3位，中国学者1位，可见韩国在技术预测研究中贡献较大。从h指数的角度分析，能够明显看出Alan Porter、Yoon Byungun、Tugrul U Daim三位学者的学术影响力最强。

表2 TOP10技术预测领域核心研究作者统计列表

利用VOSviewer对Web of Science核心合集数据库中作者在技术预测研究中的合作情况进行可视化分析，绘制出作者合作网络知识图谱，如图4所示。由图4可知，作者之间的合作关系整体上较为疏散，但已形成了分别以Alan Porter、Yoon Byungun、Tugrul U Daim为首的作者集群。期望未来作者研究群体以及独立作者间加强合作联系，更好地推动技术预测领域研究的发展。

图4 技术预测领域作者合作网络知识图谱

Alan Porter，美国佐治亚理工学院（Georgia Institute of Technology）工业与系统工程学院的荣誉退休教授，同时指导技术政策与评估中心，研究领域为技术预测与评估，目前的研究重点集中在技术机会分析上。由图4可知，Alan Porter教授与Zhu Donghua、Shapira Philip等学者间形成了学术研究团队，致力于技术创新路径预测方法研究、技术机会识别方法及实证研究、颠覆性技术与新兴技术的理论研究以及新兴技术评价指标研究与评估。

Yoon Byungun，韩国东国大学（Dongguk University）工程学院工业与系统工程系教授，研究领域为专利分析、技术预测、可视化和数据挖掘等。Yoon Byungun同时任东国大学数据与技术情报实验室（Data &Technology Intelligence Lab）教授，该实验室旨在提出各种方法、策略、政策和理论，以实现国家和公司在新的范式中以数字、知识和信息为特征的技术创新目标。Yoon Byungun与该实验室成员合作12年来研究成果众多，丰富了技术识别方法体系，包括专利信息的形态分析与联合分析的混合方法、专利地图、专利网络、主题建模、文本挖掘、自然语言处理等方法，还开发了Techpioneer工具以识别技术机会。

Tugrul U Daim，美国波特兰州立大学（Portland State University）工程与技术管理系教授，曾任《国际创新与技术管理期刊》（International Journal of Innovation and Technology Management）主编，现任《IEEE工程管理学报》（IEEE Transactions on Engineering Management）主编，研究领域为创新管理、技术管理、引文分析、专利、项目管理、战略规划等。Daim教授将文献计量学和专利分析与情景规划、增长曲线和类比等著名技术预测方法相结合，对燃料电池、食品安全和光存储技术三个新兴技术领域进行预测[7]，该研究引起国际众多学者的关注，是一项具有国际影响力的研究成果。

其他7位作者，结合发文量与h指数综合分析，尚不具备明显的学术影响力，但有望成为未来技术预测领域研究的重要骨干力量。从时间跨度来看，排名前10的核心研究作者对技术预测的研究均有起步早，延续时间长的特征，没有明显的研究力量流失现象。但总体来看，技术预测领域研究力量较为薄弱，有待更多学者关注。

3.3 重要载文期刊

本研究通过对国际技术预测领域的期刊数据进行提取，共获得890种期刊，刊均载文量为1.670，载文量达到10篇的有9种期刊，具体统计结果如表3所示。《技术预测与社会变革》（Technological Forecasting and Social Change）近20年发表技术预测研究论文最多，数量115篇，占总样本总量的比重为7.646%，处于领先地位。发文量排名前9的期刊总计发表了279篇，载文累计百分比为18.551%，这说明技术预测领域目前尚未形成集中的载文期刊群，研究呈现多样化与交叉融合的发展趋势。

表3 技术预测载文期刊基本统计（载文量≥10）

从载文量、影响因子及时间跨度综合来看，《技术预测与社会变革》（Technological Forecasting and Social Change）、《科学计量学》（Scientometrics）、《科研政策》（Research Policy）可作为国际技术预测研究领域的重要载文期刊。

《技术预测与社会变革》的载文量最高，达到载文量排名第二的《科学计量学》的3倍，在SSCI商业与经济学领域期刊中排名17/152，5年影响因子为5.846（根据2019年期刊引用报告，下同），可见该期刊是最为重要的国际期刊。其技术预测研究主要为技术机会分析、新兴技术与颠覆性技术识别方法及其实证研究。Murat Bengisu等选择土耳其2023预测研究中机器与材料类别下的20项新兴技术进行短期预测，利用S曲线对技术的增长趋势进行预测[8]；Abdolreza Momeni等提出一种基于专利开发路径、k核分析和主题建模的方法识别具有潜力的颠覆性技术[9]。诸多学者致力于丰富技术预测方法的相关研究，也有学者特别探讨了如何评估技术预测效果，如何对技术的优先级进行排序，以选择更具发展潜力的新兴技术等问题。

《科学计量学》是SSCI图书情报学领域期刊，排名21/87，5年影响因子为2.867。其研究与《技术预测与社会变革》研究关注内容大体一致，主要关注新兴技术、核心技术、技术机会识别方法及其实证研究。Woo Hyoung Lee通过共词分析测量信息安全领域相关出版物或通过其他文本中术语词的关联强度来揭示其发展模式与趋势，为科技文献研究人员和政策制定者提供衡量科技文献最新研究趋势和研究方向的指标和可视化方法[10]；Zhou Yuan等利用半监督主题聚类模型识别3D打印行业的新兴技术，通过区分新主题与传统主题从而成功地识别出新兴技术[11]。

《科研政策》是SSCI管理学领域期刊，排名24/226，5年影响因子为5.351。其研究内容与前两个期刊有所不同，侧重于技术预测的理论、技术体制与政策的相关研究。Daniele Rotolo等研究总结出新兴技术的五大特征：极致的新颖性、相对快速的增长性、连贯性、显著的影响力和不确定性[12]；Frank J.van Rijnsoever等将创新政策与社会网络相结合，在微观层面上论证了创新政策下如何孕育出多样化的新兴技术[13]。

4 国际技术预测研究热点及趋势分析

4.1 研究热点

关键词作为文献主体的高度概括，通过关键词共现分析可以明确技术预测的研究热点。本研究对国际技术预测研究期刊论文应用CiteSpace进行关键词共现分析，并统计出高频关键词列表，结果如表4、图5所示。其中最大的节点是技术预测，但由于本文的研究内容即为技术预测，因此对该节点不作分析，此外较为显眼的节点有“创新”“新兴技术”“模型”“绩效”“专利”“纳米技术”“工业”“管理”等关键词，这些关键词反映了技术预测研究的三大研究热点。

表4 技术预测研究高频关键词列表

图5 技术预测研究关键词共现知识图谱

（1）新兴技术（emerging technology）

新兴技术是增长速度快、新颖性强且又具有待开发的市场潜力和高科技基础的技术，但尚未显露出开发价值，在业界内未达成共识[14]。新兴技术的出现有助于管理人员和决策者识别新兴技术的发展趋势，这对政府研究、战略规划、社会投资和企业实践至关重要。Li Xin等提出了一个利用专利分析与Twitter数据挖掘来监控新兴技术的出现，并识别这些新兴技术的变化趋势的框架，并选择钙钛矿太阳能电池技术作为案例研究[15]。目前多学科知识的融合是一大趋势，融合过程可能会刺激新兴技术的发展，应理解这种融合过程对于识别新兴技术十分重要。因此，Zhou Yuan等集成了机器学习拓扑聚类和可视化方法，对论文引用网络进行分析，选择生物信息学领域进行实证分析[16]。随着技术预测理论与方法的进一步深化，其将会在更多技术领域得以应用。

（2）模型（model）

传统的技术预测研究主要是以专家意见为主的定性研究，为避免专家参与带来的主观性，技术预测方法逐渐发展为定性与定量预测方法相结合。在大数据的背景下，技术预测可以最大限度地利用已有数据，基于数学理论构建预测模型，提高技术预测结果的精准度。Po-Hsuan Hsu等提出了一种基于产业集群相互作用的LBVAR生产预测模型，将产业集群内的相关产业纳入LBVAR模型，以台湾光电子产业及半导体产业为研究对象，结果发现LBVAR模型相比AR模型和VAR模型能够做出更出色的预测[17]；Jeong Yujin等开发了一个基于浴缸曲线的模型来估计技术的危险率，该模型在开发技术时考虑了不确定性、风险和效用三个影响因素，以预测现有技术和新兴技术的替代，可以作为判断何时开发一项技术、何时申请专利的决策工具[18]。未来技术预测研究有待引入更多数学模型，加强预测结果的可信度。

（3）专利（patent）

世界知识产权组织研究指出专利包含了全世界90%以上最新的科技信息，专利文献作为一手数据可靠性更高，其最能体现科技前沿动态，因此学者大多基于专利数据开展技术预测的相关研究。Chen Hongshu等以2000-2014年间在美国专利商标局发布的由澳大利亚受让人拥有的13 910项实用专利为研究对象，利用主题模型揭示专利权利要求书隐含的特定主题趋势[19]；Kim Gabjo等提出了一种通过专利分析预测有前景技术的新方法，首先在合作专利分类的基础上对专利文献进行聚类，形成技术集群，然后定义技术集群的过程，最后分析专利的正向引用、专利家族和独立权利要求书等专利指标，以评估技术集群是否具有发展前景，并以健康护理行业的专利数据为例验证该方法的有效性[20]。随着专利数据的逐年累积，基于大量专利数据能够挖掘出更有价值的专利隐性知识，提升技术预测研究价值。

4.2 研究前沿

运用CiteSpace以4年为单位对技术预测领域期刊论文的关键词绘制出时间脉络演进图，如图6所示。图中关键词投射至以时间为横坐标的坐标系中，更为直观地反映出技术预测研究在2001-2020年间的发展趋势。在2017-2020年间，出现了“人工智能”“大数据”“区块链”“生命周期评估”等关键词，可见近年技术预测的研究前沿为人工智能、大数据与区块链技术。

图6 技术预测研究关键词时间脉络演进知识图谱

人工智能与大数据是近年技术预测研究最新关注的领域。大数据背景下，有关学科领域研究涉及到海量数据的抽取、清洗、分析等研究流程，均需依赖于人工智能与大数据技术，包括文本分析、数据挖掘、机器学习和深度学习等。技术预测领域的学者敏锐地察觉到人工智能、大数据与技术预测研究相结合的可能性，并开展了广泛研究。例如，Zhou Yuan等提出了一种融合数据增强和深度学习的新方法，克服了深度学习在预测新兴技术时缺乏训练样本的问题[21]；Kim Taesan等提出一个基于机器学习的技术预测框架，该框架使用语义分析和传统方法识别技术[22]。随着人工智能的不断发展，技术预测研究与其结合的广度与深度将会愈发深入。

区块链技术是近年技术预测研究又一最新关注的领域。相关学者识别出区块链技术是一项新兴技术，基于此诸多学者对区块链开展了深入研究。例如，Ducas Evangeline等阐述了区块链技术在加拿大及国外各地的发展潜力，并研究了政府在促进区块链技术创新的同时加强监管、维护公共安全以及确保金融系统的完整性方面的作用[23]；Oscar Shin Don D.H.通过分析区块链的隐私和安全问题如何影响用户的态度和行为，提出了将安全和隐私作为信任和行为意图的主要影响因素的区块链用户模型[24]。

4.3 研究方向

利用关键词聚类能够有效反映文本关键词之间的关联强度，本研究利用CiteSpace对技术预测领域的期刊论文关键词进行聚类分析，统计出各个聚类的具体信息，绘制出关键词聚类知识图谱，具体结果如表5、图7所示。本研究得到9个面积不同的聚类区域，对其中关键词及聚类信息进行综合分析，并结合相关文献，可以归纳出国外技术预测的研究方向主要为技术机会分析、技术预测方法及实证研究、技术识别研究三个方面。

表5 技术预测研究关键词聚类统计表

图7 技术预测研究关键词聚类知识图谱

（1）技术机会分析

技术机会分析是技术预测研究的重要方向之一，通过技术机会分析可以帮助决策者或管理者做出战略性的技术决策，从而提高其技术创新能力和国际竞争力。在竞争激烈的环境中及早确定技术机会对技术战略的制定和发展规划至关重要，因此相关专家和学者十分重视技术机会分析的相关研究，主要包括技术机会分析方法及实证研究。Ma Tingting等基于一个多层次的框架模型对中国染料敏化太阳能电池领域系统地检测识别技术机会[25]。Yoon Janghyeok等提出了一种基于SAO的语义专利分析和离群点检测来检测技术机会的方法，并利用有机光伏电池的相关专利验证了该方法的有效性[26]。从现有研究成果来看，技术机会分析已成为一个重要的研究课题，未来很长一段时间都将是技术预测领域的研究重点。

（2）技术预测方法及实证研究

在技术预测的研究过程中，除了传统的德尔菲法、情景分析法、形态分析法、趋势外推法等研究方法外，很多新的研究方法被应用其中，包括文献计量、技术路线图、数据包络分析、技术指标、专利分析、主题模型、社会网络分析、文本挖掘、机器学习、深度学习等方法，并以此对薄膜晶体管、液晶显示和闪存系统技术、高层建筑施工技术、自动驾驶汽车技术、钙钛矿太阳能电池技术、医疗保健技术等领域进行预测，提升了技术预测的准确性，扩展了技术预测的实证研究领域。Li Shuying等提出了一种基于社会网络分析和专利分析的技术预测方法，用于选择类比技术，并以自动驾驶汽车为例，比较了三种与目标技术相似的候选技术，从中选择了最佳候选技术[27]；Erzurumlu S.Sinan等提出了一个集成主题建模和专家判断的框架模型，以专利为数据源，对有前景的医疗保健技术进行预测[28]。随着技术预测研究的发展，人工智能、大数据等新兴研究技术将会推动技术预测研究迈向一个新的高度。

（3）技术识别研究

国际技术预测研究中，有关核心技术、新兴技术、颠覆性技术和空白技术的识别研究成果众多，识别这些重要技术是制定国家技术战略与政策，追求技术竞争优势的关键。根据已有研究结果可知，其主要涉及识别方法及实证研究、新兴技术评估及优先级排序等相关研究。Cho Tashun等提出用专利引文网络分析方法识别台湾科技创新体系中的核心技术与新兴技术[29]；Kyebambe Moses Ntanda等提出基于专利分析的监督学习方法预测新兴技术，该方法将预测精准度提升至70%[30]；Lee Changyong等基于机器学习方法使用多个专利指标在早期阶段识别新兴技术，并以药物技术为实例表明该方法可以促进技术预测和规划[31]。这些研究有助于国家和企业掌握重要技术的未来发展方向，抢占竞争优势。技术识别持续受到国际学者的重视，将来也会是长期备受关注的研究方向。

5 结论

本研究利用文献调研、文献计量和科学知识图谱等方法，通过VOSviewer、CiteSpace可视化软件，基于Web of Science核心合集数据库中2001-2020年关于技术预测领域的国内外期刊论文进行统计，从时空分布、核心研究作者及其合作情况、研究热点、研究前沿、研究方向等角度分析与解读，主要得到以下结论。

（1）技术预测研究发展迅猛。世界各国对技术预测关注程度不断加深，技术预测领域的研究成果不断增加；美国和中国是开展技术预测研究的领头羊，发表论文量和增长势头迅猛。其中，我国发文量高居第二，但论文被引频次总体水平较低，可见我国具有影响力的研究成果较少，与国际还有一定差距，鉴于此应重视质与量并行，创造更大的学术研究价值。

（2）关注与投入不断加大。美国和韩国拥有最多的核心研究作者，对于技术预测领域的关注及投入力度不断加大。国际上已形成了分别以Alan Porter、Yoon Byungun、Tugrul U Daim为首的作者合作群。但我国的核心作者较少，研究力量分散，尚未形成核心的研究集群，针对该现状，可通过制定国家政策，加大研究资金投入，加强国内外合作力度等手段，推动国家、企业、创新和科研机构在技术预测领域的研究。

（3）发展态势呈交叉融合状。技术预测研究重要载文期刊为《技术预测与社会变革》《科学计量学》《科研政策》，从期刊分布来看，研究呈现学科交叉融合的发展态势。在国际上，我国尚无具有影响力的技术预测领域期刊。在当前学科交叉融合的发展态势下，我国应迎合趋势，大力推进国内技术预测研究，开创以该领域内容为主的期刊，提升我国在该领域的学术影响力。

（4）热点与前沿开始明朗。技术预测的研究方向主要集中在技术机会分析、技术预测方法及实证研究与技术识别等，对新兴技术的预测、技术预测的方法模型、基于专利的技术预测是目前的主要研究热点；人工智能、大数据、区块链与技术预测的融合成为未来的发展前沿。基于此，国内的技术预测研究需重视关键核心技术的识别及其方法的创新优化研究；此外，还需关注人工智能、大数据、区块链与技术预测相融合的研究，探索如何在大数据背景下，利用人工智能技术做出更为精准确切的技术预测。

由于本研究的数据来源仅限定于Web of Science核心合集数据库，因此数据源有限，样本量相对较少。后续的研究将进一步扩大样本量，综合考虑ScienceDirect、Elsevier、EBSCO等大型数据库出版商的数据，融合国内外技术预测研究文献进行全面分析，克服现有文献计量与知识图谱分析软件对数据的兼容性与局限性，基于PYTHON 或R语言等分析工具，进一步深入分析，从而为技术预测研究人员和决策者提供参考与决策依据。