面向未来的技术分析概念、方法与应用研究进展，本文主要内容关键词为：研究进展论文,概念论文,未来论文,方法论文,技术论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
doi:10.3772/j.issn.1000-0135.2010.03.023
自第二次世界大战结束以来，随着公共资源对科学技术活动的投入不断增加，科学技术对经济和社会发展的影响日益增强，加上冷战期间美苏两大阵营在军事技术上的激烈竞争，政策领域开始对未来科学技术的发展方向和关键问题给予重视。在这一背景下，以美国兰德公司为代表的一些政策咨询机构开展了未来科技发展的研究和预测工作，并以此为基础形成了著名的德尔菲法和情景分析等方法。自此，对未来科学技术发展的学术和实践研究开始逐步展开，至今已形成了技术预见、技术预测、技术监测、技术评价和技术竞争情报等多个研究领域，且出现了大量的学术和实践研究成果。2004年，在欧盟委员会联合研究中心未来技术研究所(Joint Research Centre Institute for Prospective Technological Studies，JRC-IPTS)组织召开的IPTS研讨会中提出，用面向未来的技术分析(Future-oriented Technology Analysis，FTA)来涵盖上述各类面向未来的技术分析方法和实践，从而将此类研究与实践统一到FTA这一概念体系中。
1 FTA相关概念
FTA概念的提出最早可以追溯到2004年。在当年5月的欧盟委员会联合研究中心未来技术研究所组织研讨会的计划中，曾提出“面向未来技术分析的新视野和挑战：技术预见、预测和评价的新方法”。实际上，在当年研讨会的筹备阶段，曾由“2004年技术未来分析方法工作组”提出一份名为《技术未来分析：迈向集成的领域和新方法》(Technology Futures Analysis:Toward Integration of The Field & New Methods)的准备文件，该文件希望用“技术未来分析”(Technology Futures Analysis，TFA)一词来涵盖各类面向技术预测的方法和实践。有意思的是，在会议开始前，TFA一词被改为FTA，以表示研讨会将会把重点放在未来技术及研究构成未来技术有用信息的方法上[1,2]。在2004年欧盟-美国FTA研讨会成功的基础上，2006年又召开了一届研讨会，其重点为FTA对政策和决策制定的影响[3]。2008年，欧盟委员会联合研究中心未来技术研究所再次提出用FTA这一通用的名词将技术预见、技术预测和技术评价等名称统一起来，以便使这些不同名称的各类研究组织能够在这一通用的名称下展开对话和交流。2008年10月召开了新一届FTA研讨会，其重点仍是FTA对政策和决策制定的影响和隐含的意义[4]。
经过这三次研讨会，以及相关研究人员的努力，2008年由Cagnin等未来技术分析领域的专家共同编写了一本名为《面向未来的技术分析——创新型经济的战略情报》(Future-Oriented Technology Analysis:Strategic Intelligence for an Innovative Economy)的书，并对FTA的概念进行了明确的解释：“FTA认为，未来是无法预先确定的，而是随不同人的行动及当下所采取的决策而向不同方向演化。换句话说，至少在某种程度上，未来是可以被我们努力型范的，人们有一定的自由在多种可能出现的不同未来状态之间进行选择，从而增大达致自己所偏好的（选定）未来状态的概率。”FTA需要协调多方参与，必须依据可靠的信息，是一种具有多学科性质的、面向行动的研究与实践活动[5]。
从上述解释中可以看出，FTA主要是指与如何构建未来可能的备选技术，以及如何从中优选出更具价值的未来技术有关的理论、方法和实践。
2 FTA方法研究与应用发展
2.1 FTA方法应用研究历史概况
对未来进行研究有着很长的历史。系统的FTA方法始于20世纪50年代。当时在美国国防部对新武器系统发展研制的需求下，兰德公司提出了德尔菲法、系统分析法和情景分析法。其中德尔菲法用于集中大量不同专家组的观点，而后两种方法则用于研究模拟未来环境的模型，进而分析各种政策选项及其结果。60年代，统计时间序列外推的方法开始用于预测，并开始构建一些用于分析各种变量间关联和因果关系的模型。70～80年代，欧美许多公司开展了预见活动。尤其是1974年石油危机发生以后，欧美许多大型资金密集型企业，如大型航天、化工和石油生产企业，在其规划过程中均积极应用了预见技术。到了90年代，技术预见活动开始繁荣，研究的重点也从方法驱动的预见，转向各种可以进行预见研究的工具上。这期间，由于国家层面的预见活动日益增多，以“关键技术选择”为重点的预见活动在许多国家得以开展。这些预见活动大多以日本的德尔菲法为主。如今，对于技术预见、技术预测和技术评价等的研究已成为学术研究的热点领域。
2.2 FTA方法体系及研究进展
由于FTA涉及许多与未来技术有关的研究和实践活动，因此拥有众多的FTA方法。有许多文献根据各自的理解，试着对现有的FTA方法进行梳理或分类，如Slocum[6]、Martino[7]和Yoon[8]等。其中，Porter等于2004年对ETA方法进行了比较系统且全面的总结，并将与FTA相关的方法分成了13大类共50多种方法[1]。在上述方法体系的基础上，Scapolo和Porter又提出了6种基本的FTA方法：监测、创造性、趋势分析、模拟与模型、专家观点和情景分析[5]。其他一些学者，如Yoon，对FTA方法的分类大体上与Porter的分类方法类似，只不过将FTA方法限定于技术预测或技术预见等特定FTA活动领域。下面简述几类FTA方法的研究与应用。
2.2.1 监测类方法是情报界的主要研究领域
情报学领域常用的计量方法和趋势外推等方法，分别被归入监测方法和趋势分析方法中。将计量方法作为主要的监测方法，是因为这类方法主要是用于跟踪研发活动的模式，而文本挖掘等新方法则可以对研发活动的趋势和关系进行评判。也就是说，这类方法主要是通过各种“描绘”的方式对科技领域的活动进行全面的了解，回答“谁、什么、在哪里和何时”等问题。情报计量方法是情报界的主要研究领域，基于此类方法，并结合丰富的可视化技术，使得近年来出现了大量有关科学技术发展演变及态势分析的研究成果。
2.2.2 创造性方法日益受到关注
创造性方法主要是指被称之为“突破性”技术的FTA分析方法。近年来，随着对创新的关注，面向问题解决的FTA方法日益受到关注。如何有效地为各类技术问题解决提供更加明确且标准化的分析结果，成为FTA研究的重点之一。其中，基于发明问题解决理论(Theory of Inventive Problem Solving(TRIZ))的创新方法自20世纪90年代从前苏联引入欧美后，对于创造性问题的系统化理论和解决方案在许多著名企业里取得了良好的应用效果。有越来越多FTA的研究人员开始关注并深入研究TRIZ的相关理论和方法。
2.2.3 基于时间序列的趋势分析方法缺点明显
基于时间序列数据的趋势分析可以通过成长曲线模拟和外推，对趋势进行预测。各类S曲线是主要的分析方法。这些方法虽然可以快速地实现预测，但对于未来技术分析来说仍显得十分不足。应用此类方法必须拥有可靠的、较长时期积累的历史性数据，而且通常只能回答现有条件不变的情况下，现有的技术在规模或速率上可能的变化。而且，长期的趋势分析结果往往并不可靠。
2.2.4 基于模型类的方法日益受到重视
复杂的模型与模拟类方法往往基于一些复杂的系统模型，更加关注未来的经济和社会影响。当需要历史数据支持时，这些方法通常会将文献计量和专利分析的结果集成到分析模型和工具中，如系统动力学模型。美国千年研究所(Millennium Institute)基于系统动力学T21模型开展的一系列研究，便是基于模型方法的典型代表。技术路线图是一种可以归为模型类的十分独特的方法。由于技术路线图方法将未来预测纳入到创新管理的范畴，因而受到了广泛的关注，有大量的文献对这种方法进行研究。
2.2.5 基于专家观点和情景分析的方法得到广泛的应用
专家观点和情景分析类方法注重参与者的思想，通常主要利用标准化的程序和方法，将参与未来技术分析的各类专家意见综合起来，以明确对未来的判断。这两类方法由于科学而系统地综合了各领域专家对未来的分析和判断，得到了广泛的认可和应用，从政府到企业均在不同程度上采用这些方法做FTA。其中，以德尔菲方法为主的政府级大规模技术预见活动在许多国家得到了系统的开展，并在此基础上对德尔菲方法进行了系统的研究与完善。在我国，中国科学技术发展战略研究院近年来也在开展基于德尔菲法的技术预见活动，并取得了一些研究成果。当然，这些基于专家观点的方法也有其自身的缺点，虽然应用这些方法得到的结果更加可靠和准确，但由于这类方法的实施需要大量的专家参与，因而成本较高，耗时较长，通常只适用于规模较大的国家级技术预见活动。
3 情报学领域的FTA方法研究概况
3.1 专利信息是主要的研究资源
在各种FTA方法中，可用的资源对于分析结果的可靠性十分重要。这些资源包括恰当的领域专家，以及各类文本信息资源。在各类基于情报分析方法的FTA研究中，专利信息无疑是使用最多的信息资源。世界知识产权组织的报告曾指出，几乎90%～95%的世界研发产出包含在专利出版物中，其余的5%～10%在其他技术文献（论文和图书）中。20世纪60年代，专利数据已开始用于对技术变化进行经济分析。70年代以后，随着专利信息的电子化，获取专利数据十分方便，从而促进了此类数据在经济分析中的应用。与此同时，专利引用信息也因电子化而便于使用，专利数据的信息可用性有了显著的提高。许多基于情报分析的FTA方法将专利指标或基于专利的计量分析结果作为重要定量依据。通过对专利信息的定性、定量和关联分析，可以获得技术能力指标，指导并聚焦新技术，了解技术开发及其资源分布，评价专利技术隐含的经济价值，用作战略规划和技术开发的精确数据，以及作为改善和创造其他新技术专利的重要基础。
3.2 用于FTA的情报分析方法
从情报学的角度看，可以将FTA方法分为计算型情报分析类方法和其他方法。其中计算型情报分析方法主要包括文献计量指标方法和基于文本挖掘的方法。文献计量指标方法主要是指基于论文和专利的计量指标的分析方法，如利用专利指标来描绘技术发展的生长曲线，并做外推分析。基于文本挖掘的方法主要包括由Swanson提出的非相关文献的知识发现方法，和基于文本关键词共词的统计分析方法等。
基于计量指标的方法取得过大量的研究成果，并与许多其他FTA方法混合使用，但往往作为其他分析方法的一个辅助的指标。基于文本挖掘的方法中，非相关文献的知识发现方法得到了情报学界的重视，获得了许多研究成果。但此类方法主要是针对论文的单个主题概念之间可能隐含的关系，用于揭示未来可能的主题概念（知识）间的联系。这种方法虽然已被认为是一种成功的知识发现方法，但其揭示的主题概念间的关系相对简单，而且在挖掘主题概念间关系的过程中存在着大量的不确定因素，仍需要对其中的一些发现环节做深入的研究。另外，由于利用这种方法发现的主题概念间的关系较简单，对于由此得出的研究结果的实验验证相对困难，因而也限制了这种方法的进一步推广应用。
在现有的研究中，基于共词的各种统计分析和可视化方法，在揭示现有技术热点领域、技术发展的演变态势以及各技术领域间关系等方面产生了大量研究成果，也是当前情报分析方法中的一个热点研究领域。但是，现有的基于共词的分析方法缺少对未来技术信息的揭示，难以为未来技术的开发和优选提供更有价值的信息。
我国情报学界对基于情报分析的FTA方法做了许多研究工作，但大多是一些应用研究，即利用已有的FTA方法做实证研究。对于方法本身的研究，国内尚处于系统的推介国外一些计量方法，或是对一些方法进行优化和探讨性研究的阶段。其中，北京理工大学朱东华等提出了基于专利分析的技术监测方法和指标体系[9]；张树良和冷伏海对非相关文献知识发现进行了系统的梳理[10]；黎江将基于专利分析的一些FTA方法在TRIZ九窗口理论的基础上进行了系统的整合[11]；杨立英、魏晓俊和冯璐等对基于共词的各种分析方法和应用进行了较为系统的总结[12～14]。
3.3 计算型情报分析方法和其他方法混合的FTA研究进展
情报计量方法是一种比较典型的定量分析方法。传统的文献计量方法对于科学技术领域的发展现状、规律和趋势均有很好的揭示作用。这些方法的分析结果可以产生技术情报，但无法为解决未来技术问题提供更有价值的信息。对于FTA而言，由于需要对未来技术的一些特征作更深入的分析，并提出一些可供选择的方案，仅有对现状的揭示和简单的外推是不够的。因此，有越来越多的研究人员将情报分析方法与其他方法结合使用，并取得了一些有价值的研究成果。
基于文本挖掘的方法引入情报分析方法后，使得对信息资源的挖掘可以深入到文本内容的层次，因此可以深入到文献的知识特征中，也为未来技术分析带来了新的视角。一些基于文本内容的知识发现和未来技术分析的研究，开始受到情报界的关注。其中，Yoon等提出了一种基于专利关键词共词分析和形态分析的混合技术预测方法，并进行了完整的实证研究[8]。我国的王吉武等利用Yoon的方法进行了实证研究[15]。Lee利用基于关键词共词分析的方法进行了技术路线图的研究。该研究利用产品资料、科技论文和专利文献中提取的关键词，并利用关键词的共现关系，通过多维标度分析，将三类关键词关联起来，同时将时间维纳入多维标度分析，制作出了基于关键词的技术路线图[16]。Yoon等提出了基于本文挖掘、形态学分析的技术路线图方法，并对移动电话技术进行了实证研究[17]。国内的刘兰等对基于文本挖掘的技术路线图方法进行过介绍[18]。
总体上看，情报学领域的文献计量和专利分析等方法通常关注于对现状的解释，除了在规模上做一些外推外，对于未来技术的分析尚有许多不足之处。非相关文献知识发现方法也存在着对新知识关联的解释相对简单，难以用实证进行验证等缺点。情报分析方法与其他方法混合使用中，基于论文和专利文献指标的定量方法往往仅作为其他方法的辅助方法，方法的核心功能的实现仍取决于其他方法。基于文本挖掘的方法是当前研究的热点，但仍需要与其他方法相结合，以实现对未来技术信息的分析。
4 FTA方法的发展趋势
由于FTA对于政府政策和企业战略决策的制定日益重要，从政府、部门、行业到企业均开展了各式各样不同规模的FTA活动。因此，FTA方法与FTA实践活动是息息相关的，不同决策者的战略需求决定着不同FTA方法的使用。总体上看，国家政府层面开展的FTA活动以大规模技术预见为主，其采用的方法也主要是基于专家观点的方法，如得到各国广泛采用的德尔菲法。部门和行业层面的FTA则主要以情景分析和各类基于模型的方法为主，希望能够得到本部门或行业较为准确的未来技术信息。而企业则往往采取效率更高的趋势外推和一些计量的方法，以便能够及时应对瞬息万变的市场竞争。
越来越多的研究和实践表明，尽管许多FTA方法在实际应用中发挥了重要作用，但单一的FTA方法难以解决FTA所面临的所有问题。例如，广为应用的基于专家观点的方法（德尔菲法和情景分析法）虽然取得了很好的应用效果，但这些方法往往需要较长的时间且成本很高。基于复杂模型的分析可以比较系统地模拟未来技术的发展，但这些方法往往比较难以实施，而且对于输入变量的准确性和精度要求较高，模型的某个变量的细微变化均会对分析结果产生较大的影响。因此，这些方法通常也需要专家一定程度的介入，并需要精细的量化测度变量，实施起来比较困难。而基于计量数据的趋势外推的方法虽然可以以较低的成本迅速开展，但此类分析只能大略地对现在技术状态的近期趋势做出简单的判断，难以为解决未来技术问题提供更有价值的信息。
由于研究新的FTA方法需要大量的时间和资源，因此，近些年来FTA方法日益倾向于将多种分析方法混合使用，以相互弥补缺点，从而获得更好的分析结果。在最新的与FTA相关的研究中，均十分注重多种方法的混合使用，而且往往是将定性和定量（经验分析和专家观点）的方法结合使用。这样的话，可以提供更有力的结果和信息，可以给决策制订者提供更加可靠的支持信息，用于制定战略和决策。例如日本的第八次技术预见就突破了原来单一使用德尔菲法，而是将引文分析和情景分析等方法与德尔菲法结合使用。
对于基于情报分析的方法来说，在充分发挥对现有技术状态信息揭示方面优势的基础上，如何更好地与其他方法（如创造性方法和模型类方法）相结合，从而实现对未来技术信息的揭示与分析，是此类方法发展的主要趋势。另外，随着科学与技术之间发展演变的日益加快，如何利用基于论文的文献计量分析中反映的科学进步信息，结合对专利信息的分析，发掘与揭示未来可能的“突破性”技术，也将是情报学的重要研究方向。
收稿日期：2009年2月13日