科学基金会已经变得越来越不可或缺的工业创新的过程。例如,基因组科学已经大大改变了研究与开发(R&D)制药业的过程。小型化的大规模集成电路制造工艺需要了解微小物质层的材料。此外,信息技术的发展对社会和经济产生重大影响。特别是,“大数据”的分析有助于业务和管理活动的科学认识(雷丁和温斯坦2016)。自科学领域,如大学和公共研究机构,由公共资金高额补贴,越来越多的测量产业创新的科学方面的兴趣和性能了解的经济影响公共研发,尽管严重限制公共开支。在此背景下,在最近的一篇论文里,我们提出学行业联系的新指标,反映了科学和工业之间的交互通过学术专利活动(Ikeuchi et al . 2017年)。
传统上,程度的科学依据,或“科学强度”行业一直用非专利文献引用由专利(1985年Narin和诺玛,Schmoch 1997)。这个指示器捕获的专利(技术用于工业)是基于科学研究论文的内容。或者,可以使用捕获的科技联系patent-publication对,即重叠内容之间关于研究输出/发明专利和研究论文(Lissoni et al . 2013年,Magerman et al . 2015年)。
这两个指标只反映一个方面科学的联系——非专利文献引用的程度的科学知识流入的专利,而patent-publication对表示同现的科学和发明活动在同一个研究。我们提出新的指标学行业联系可以捕获科学和技术之间的联系体现在人力资本(学术发明家)通过专利和指标数据集是基于一本小说结合科学(学术研究论文数据),技术(专利数据),和行业(经济普查数据)的作者/发明家和公司了解学科水平,技术,经济活动是相互关联的。
图1说明了数据集和指标之间的关系。而非专利文献引用的专利都是基于一个公司的专利引文的科学出版物在学术领域,我们的新指标学行业链接获取专利的工业和学术界之间的交互活动,即联合创新活动(被联合专利发明)和公司的专利引用学术专利。
图1框架的指标
行业引用学术发明人的专利和企业间联合专利发明等学者反映不同渠道的科学知识流从学术界到行业相比传统的衡量指标等非专利文献引用专利。此外,与过去的研究关于paper-patent联系研究员级别为特定技术,如生物技术(2002年穆雷)和纳米技术(2006年Meyer),我们的数据集涵盖所有技术领域构建一个大规模的数据库。
我们的新指标的目的是捕获机制涉及科学知识在学术界通过专利产业创新活动。虽然大学和公共研究机构主要提供科学出版物作为他们的研究成果,越来越多的全球专利申请趋势从这些机构(经合组织2013)。在日本国立大学,曾经是政府组织,在2004年成为独立机构。这个制度改革允许他们申请专利权,和大学专利申请(元桥和Muramatsu表示2012)显著增加。因此,再科学联系指标变得越来越重要。
通过在日本专利Academia-industry交互
根据我们的数据集,如表1所示,在日本学术界在发明家增加的比例从2000的3.2% - 03 2008 - 11年的5.4%。学术作者的专利发明的比例也增加3。在2000 - 03年的% 2008 - 11年的4.1%。此外,学术作者总发明家的比例在12年期间翻了一番,从1.4%上升至2.8%。
表1专利的发明家和学术作者活跃在2000 - 2011年在日本
源:作者的计算基于斯高帕斯和IIP专利数据库。
图2显示了聚合学术参与行业创新的趋势。它表明股票academia-industry联合应用和专利引用学术专利从2000 - 3 - 2004 - 7。在随后的时期(2008 - 11),联合应用的比例进一步提高,同时专利引用学术专利的份额下降。此外,每个员工的发明家数量(反映研发强度)随时间而下降的行业。
图2学行业关系的专利
新公司科学强度的指标
我们定义科学强度的新的科学知识(学术论文的数量)的发明家利用公司通过与学术界共同发明专利引用每个雇员和/或学术产业。图3显示了科学强度在日本经济总量,增加从2000 - 3 - 2004 - 7通过增加两个联合发明专利引文和学术。合并后,在2004年日本的国立大学,学术专利申请大幅提升。此外,工业大学合作活动已经提升了十多年,已导致2004年后科学强度指标的增加。
图3现行的科学总经济的强度
有关学术出版物的数量(平均每100名员工)
然而,科学的总强度下降从第二到最后。随着2004年的国立大学,大学的研究成果充分价值的集中了专利申请专利,专利引文,因此,学术专利暂时大幅增加在2004 - 7。出于这个原因,在过去的时期,研究成果适合大学专利可能已经精疲力竭。联合研究的下降可能会影响这一事实公司节省了研发投资由于经济衰退在2008年雷曼兄弟(Lehman Brothers)倒闭之后。
图4显示了行业现行的科学分解强度。它表明,化工和制药行业大幅领先其他行业。然而,科学强度指标通常增加在其他行业,这意味着“科学化”的工业创新可以观察到各个行业。一般来说,科学的跨行业分布强度变得平等。
图4现行的科学强度行业
有关学术出版物的数量(平均每100名员工)
利用科学知识
我们也从科学的角度定义了一个指标作为科学知识的利用率达到工业发明家的学术研究,通过与工业共同发明的发明家和/或工业专利引用学术专利。图5显示了这个指示器的聚合趋势。类似的趋势是在现行的科学强度,从2000 - 03年增加到2004 - 07年和减少在随后的时期。利用率达到科学知识的变化不仅仅是由于科学知识的需求方面因素在工业,而且还通过科学活动的供给方面的因素。利用利率的变动的趋势的科学知识是类似于现行的科学强度,但应该注意的是,任何供应方面的因素,如新的科学进步的变化可能影响趋势。
图5利用科学知识
(分享相关的学术出版物行业总学术刊物)
观看这一趋势从学术的角度来看,情况更加复杂。一般来说,如图6所示,该行业利用速率随着时间的增加,而急剧下降,从2004 - 7到2008 - 11是发现在某些领域(如化学、物理和天文学)。相比之下,一些学术领域,比如数学和社会科学,显示出强劲的增长趋势。因此,总体不平等在学术领域URSK减少2000 - 3至2008 - 11。
图6利用科学知识的科学领域
(分享相关的学术出版物行业总学术刊物)
讨论和结论
在本专栏文章中,我们提出了新的指标来衡量日本产业的科学化,通过连接一篇科学论文数据库(科学),专利信息(技术)和经济普查数据(行业)。科学的新指标反映出一种机制科学和工业活动之间的联系,不能测量基于非专利文献引用现有的指标。
这些新指标的科学联系在日本表现出增加的趋势在过去的十年。这些趋势背后的原因之一是日本的学术领域的体制改革,也就是2004年的国立大学和各种政策刺激产学合作从1990年代末开始(Muramatsu表示2012元桥)。这些政策措施诱导学术领域与行业工作,涉及专利活动。
此外,日益增长的重要性科学工业创新投入也产生影响。在我们的分析中,发现科学连锁行业不仅在以科学为基础的行业,如医药和电子产品,但是也在许多其他行业。我们的研究表明,科学知识变得通用输入在几乎所有行业,这一趋势可以被称为“以科学为基础的经济”,非科学的基础产业。
编者注:这篇专栏文章是基于一个研究项目的一部分进行的实证研究在“日本式”开放创新项目研究所采取的经济,贸易和工业曾(意大利俱乐部打)的联合研究项目的结果和国家科技政策研究所(NISTEP)曾与意大利俱乐部打。
引用
Breschi,年代和F Malerba(1997),“部门创新体系:技术体制,熊彼特的动力学和空间界限”,在C Edquist (ed)。系统的创新、技术机构和组织伦敦:卡塞尔。
欧洲专利局(2015),全球专利统计数据库(PATSTAT),秋季版。
Goto,和K元桥(2007),“日本专利数据库建设,第一次看日本专利活动”,研究政策36 (9),1431 - 1442。
Ikeuchi, K, K元桥,R (N Tsukada (2017),“测量科学强度有关的行业使用数据集科学、技术和产业曾”,意大利俱乐部打讨论文件系列17 - e - 056。
李,G C, R赖,似幻,D M, Y,我Torvik V, Z,和L弗莱明(2014),“消歧和共同创作的美国专利发明者网络数据库(1975 - 2010)”,研究政策,43 (6),941 - 955。
Lissoni, F, F Montabio, L Zirulia (2013),“Inventorship和作者归属权利:调查的经济学科学信贷”,经济行为和组织杂志》上,95年,49 - 69。
Looy、V B、E齐默尔曼,,鲍尔R维格勒Verbeek,和K Debackere(2003),“科技互动偿还在开发技术吗?”,科学计量学57 (3),355 - 367。
Magerman T、B V Looy和K Debackere(2015),“参与专利损害一个人的学术足迹吗?分析patent-paper对生物技术”,研究政策44 (9),1702 - 1713。
Mayer, K(2006),“专利科学家更好的学者吗?一个探索性的比较inventor-authors non-inventing同行在纳米科学和技术”,研究政策,35 (10),1646 - 1662。
元桥、K和S Muramatsu表示(2012),“检查大学产业合作政策在日本:专利分析”,技术在社会34 (2),149 - 162。
穆雷F(2002),“创新科技的共同进化网络:探索组织工程”,研究政策32 (8 - 9),1389 - 1403。
Narin F和E诺玛(1985),“技术成为科学?”科学计量学,368 - 381。
经合组织(2013),商业化的公共研究:新趋势和策略、巴黎。
Pavitt K(1984),“行业创新模式:分类和理论”,研究政策,28 (6),643 - 660。
整理,S和D温斯坦(2016),“大数据告诉我们什么真正的收入增长”,VoxEU.org,十月。
Sagara T M Arikawa,和M Sakauchi(2001),“分布式位置参考咨询服务”,日本信息处理社会事务,42 (12),2928 - 2940。
Schmoch U(1997),“指标和科学和技术之间的关系”,科学计量学38岁的(1),103 - 116。
Tamada年代,Y Naito F玉K玄叶光一郎,铃木和J(2006),“依靠科学知识的显著差异在不同技术”,科学计量学68 (2),289 - 302。
Torvik V我M Weeber D R Swanson,和N R Smalheiser(2005),“一个概率相似性度量Medline记录:作者姓名消歧模型”,《美国社会信息科学和技术,56 (2),140 - 158。
Torvik、vi和N R Smalheiser(2009),“作者姓名在MEDLINE消歧”,ACM交易从数据知识发现,3(3),第十一条。
