石靜　吳柯燁　孫建軍

關(guān)鍵詞： 科技創(chuàng)新； 知識采納； 來源特征； 效果評估；專利引用

ＤＯＩ：１０.３９６９ ／ ｊ.ｉｓｓｎ．１００８－０８２１.２０２３.０９.００１

〔中圖分類號〕Ｇ２０３ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０９－０００３－１２

科學(xué)知識在技術(shù)創(chuàng)新過程中被采納進(jìn)而推動創(chuàng)新， 作為基礎(chǔ)研究賦能社會發(fā)展的一種重要方式，在學(xué)界一直受到廣泛關(guān)注［１］ 。早在１９８５ 年， Ｎａｒｉｎ Ｆ等［２］ 就證明了技術(shù)創(chuàng)新發(fā)展對基礎(chǔ)科學(xué)研究的廣泛依賴。之后， Ｍｅｙｅｒ Ｍ Ｄ 等［３］ 進(jìn)一步指出科學(xué)技術(shù)依賴關(guān)系存在領(lǐng)域差異， 生物科技［４］ 、生物醫(yī)藥［５］ 、化學(xué)等領(lǐng)域的科學(xué)與技術(shù)， 具有較高的依賴與較強的聯(lián)系， 有的甚至已經(jīng)形成了獨特的轉(zhuǎn)化創(chuàng)新模式。例如醫(yī)學(xué)領(lǐng)域中的轉(zhuǎn)化醫(yī)學(xué)（Ｔｒａｎｓｌａ?ｔｉｏｎａｌ Ｍｅｄｉｃｉｎｅ）， 就是轉(zhuǎn)化創(chuàng)新的典型模式之一，這種模式下， 基礎(chǔ)研究與臨床研究緊密聯(lián)系、快速轉(zhuǎn)化， 大大提升了相關(guān)領(lǐng)域基礎(chǔ)研究成果向臨床研究的轉(zhuǎn)化效率［６］ ， 通過藥物研發(fā)、疾病診斷等方式為人類社會作出巨大貢獻(xiàn)。學(xué)者將生物醫(yī)學(xué)領(lǐng)域中此類“Ｂｅｎｃｈ ｔｏ Ｂｅｄｓｉｄｅ” 的研究稱為“轉(zhuǎn)化科學(xué)” （Ｔｒａｎｓｌａｔｉｏｎａｌ Ｓｃｉｅｎｃｅ）［７］ 。隨著研究的推進(jìn)，對技術(shù)對科學(xué)知識采納過程的關(guān)注逐漸擴散至廣泛的科學(xué)領(lǐng)域， 如何促進(jìn)科學(xué)知識的技術(shù)采納， 提升基礎(chǔ)研究的實踐價值與技術(shù)創(chuàng)新的研發(fā)效率， 成為重要議題。

然而， 在實際創(chuàng)新過程中， 并非所有有價值的科學(xué)知識都能被技術(shù)采納， 對被采納知識及其特征進(jìn)行研究， 有助于理解科學(xué)技術(shù)關(guān)聯(lián)創(chuàng)新機制， 提升科技轉(zhuǎn)化效率。知識采納模型（Ｋｎｏｗｌｅｄｇｅ Ａｄｏｐ?ｔｉｏｎ Ｍｏｄｅｌ， ＫＡＭ）強調(diào)信息接受者通過感知知識的有用性決定是否采納知識， 這種感知有用性的決定因素包括知識自身特征和信息來源特征［８］ 。前人關(guān)于科學(xué)知識采納的研究證明： 科學(xué)知識所處領(lǐng)域與其研究主題對采納過程有顯著影響， 生物醫(yī)藥領(lǐng)域、交叉學(xué)科領(lǐng)域［９］ ， 以及主題更加基礎(chǔ)、新穎的科學(xué)研究［１０］ ， 更容易取得較好的采納效果。但在實際的知識采納過程中， 質(zhì)量高的文章并不一定會給信息接受者更高的有用性感知。知識的來源特征或許能夠提供解釋， 其已經(jīng)被證明在信息選擇、傳播與接受過程中產(chǎn)生重要影響。因為相比較， 難直接觀測、需要耗費精力的內(nèi)容特征， 來源特征比較容易觀察， 以一種直觀便捷的方式（如來源可信度、社會聲望）反映知識價值， 用戶不需要具備大量知識存儲和付出過多的注意力， 就可以做出選擇［１１］ 。尤其是在當(dāng)前科學(xué)信息過載的時代， 人們更傾向于通過外圍因素（Ｐｅｒｉｐｈｅｒａｌ Ｃｕｅｓ）處理信息［１２］ 。

在技術(shù)創(chuàng)新過程中， 科學(xué)知識搜索是知識采納的首要環(huán)節(jié)， 且作為典型的知識密集型活動， 在海量的科學(xué)知識中檢索、篩選、定位到有用的知識，對技術(shù)人員的知識、精力要求均較高。技術(shù)人員進(jìn)行相關(guān)檢索后， 往往難以仔細(xì)考察每一條科學(xué)知識的具體內(nèi)容， 此時信息來源特征很可能通過較為省力的外圍路徑輔助知識篩選［１３－１４］ ?；诖耍?本文認(rèn)為類似于信息來源特征對傳播過程的影響機制，科學(xué)知識來源特征對其采納過程可能也存在超出預(yù)期的影響， 導(dǎo)致具有相同內(nèi)容的科學(xué)知識產(chǎn)生不同的技術(shù)采納效果。為了驗證這一假設(shè)， 本研究基于專利引用的視角， 構(gòu)建全領(lǐng)域技術(shù)采納科學(xué)知識的數(shù)據(jù)集， 測度科學(xué)知識的信息來源特征， 探究來源特征對技術(shù)采納效果的影響。

１相關(guān)研究綜述

１.１技術(shù)創(chuàng)新采納科學(xué)知識的影響因素

技術(shù)采納科學(xué)知識的影響因素主要可以分為兩類： 科學(xué)知識的自身特征、創(chuàng)新團隊的社會學(xué)特征?？茖W(xué)知識的自身特征主要基于知識視角， 關(guān)注科學(xué)知識自身的內(nèi)容特征。Ｋｅ Ｑ［１５－１６］ 的研究證明，科學(xué)知識的基礎(chǔ)性（Ｂａｓｉｃｎｅｓｓ）會影響技術(shù)對科學(xué)知識采納， 相比生物醫(yī)藥領(lǐng)域中的臨床研究， 基礎(chǔ)研究更容易通過被專利引用的方式支持技術(shù)創(chuàng)新； 基礎(chǔ)性更強的分子生物學(xué)和生物技術(shù)術(shù)語（如細(xì)胞、基因等）更易被專利引用， 但臨床性更強的術(shù)語（如病人等）更不易被引用， 進(jìn)一步證明了知識基礎(chǔ)性特征對科學(xué)知識采納的正向作用［１７］ 。此外， 科學(xué)知識的創(chuàng)新性（Ｎｏｖｅｌｔｙ）也被證明能夠促進(jìn)科學(xué)知識被技術(shù)利用， 產(chǎn)生直接的技術(shù)影響， 不僅能夠更多地被專利引用， 而且速度更快， 涉及技術(shù)領(lǐng)域更廣泛［１０］ 。

創(chuàng)新團隊的社會學(xué)特征則主要從社會學(xué)視角出發(fā)， 關(guān)注創(chuàng)新團隊的社會學(xué)特征。有研究證明， 團隊成員的種族差異性大， 不僅能帶來異質(zhì)化的知識，還能夠促進(jìn)國際合作， 擴大國際影響力， 因此更容易產(chǎn)生高質(zhì)量的科學(xué)知識， 產(chǎn)生更大的技術(shù)影響［１７］ 。性別作為一個在科學(xué)評價領(lǐng)域備受關(guān)注的特征， 也在科學(xué)知識采納中被證明有顯著的正向效應(yīng)， 科學(xué)論文中的第一作者往往是知識的主要貢獻(xiàn)者， 而最后一名作者往往是通訊作者， 對論文本身質(zhì)量和影響力有重要影響， 研究證明這兩個位置的作者性別為男性的科學(xué)論文更易被專利引用［１７］ 。

１.２ 信息來源特征及其影響

信息源選擇是信息搜尋行為的首要環(huán)節(jié)， 用戶通過觀察信息源的特征對信息質(zhì)量進(jìn)行感知， 進(jìn)而作出信息選擇［２０］ 。Ｗｅｓｔｅｒｗｉｃｋ Ａ 等［１１］ 提出， 來源特征與內(nèi)容特征對個體行為具有不同的影響機制，必須分開討論。最具代表性的解釋機制是詳盡可能性模型（Ｅｌａｂｏｒａｔｉｏｎ Ｌｉｋｅｌｉｈｏｏｄ Ｍｏｄｅｌ， ＥＬＭ）， 模型將用戶的信息處理模式分為中心路徑與邊緣路徑，內(nèi)容特征通過中心路徑起作用， 往往需要大量的精力與資源投入， 對用戶自身能力要求也較高； 來源特征通過外圍路徑產(chǎn)生影響， 對用戶能力、精力要求較低［１１，１３］ 。在信息量爆炸的當(dāng)今社會， 可選擇的知識來源很多， 因此， 為了降低信息處理成本， 人們在信息選擇時會更容易受到來源特征的影響［２１］ 。

作者特征在信息選擇與接受過程中的重要作用已經(jīng)在多個情境下得到驗證［２２］ 。例如， 在輿情信息傳播中， 新聞內(nèi)容相似的情況下， 用戶對來自權(quán)威機構(gòu)的政治新聞感知可信度更高［２３］ ； 在健康社區(qū)中， 信息傳播會受到信息發(fā)布者特征的影響， 來自權(quán)威機構(gòu)、知名醫(yī)生、專業(yè)醫(yī)護(hù)人員、高學(xué)歷醫(yī)療從業(yè)者的健康信息會獲得更多的關(guān)注與認(rèn)可［２４］ ；在社交網(wǎng)絡(luò)社區(qū)中， 來自意見領(lǐng)袖的信息更容易獲得用戶信任， 傳播范圍更廣［２５］ 。

除了作者之外， 對于科學(xué)知識而言， 期刊特征也是信息來源的重要標(biāo)志， 論文所屬期刊反映了科學(xué)共同對其傳遞科學(xué)知識相關(guān)性、專業(yè)性和可信度的判斷［２６］ 。例如， 發(fā)表在影響因子較高期刊上的文章往往被更多論文引用， 被認(rèn)為有更強的有用性［１８，２７］ ， 也更有可能被專利采納， 還更有可能激發(fā)突破性的技術(shù)創(chuàng)新［１７，１９，２８］ 。在高水平期刊多次發(fā)表文章的科研工作者， 往往被認(rèn)為有更多的知識積累、更強的創(chuàng)新能力， 其產(chǎn)出的創(chuàng)新成果往往被高估， 帶來額外收益［２９－３０］ 。

２研究設(shè)計

２.１數(shù)據(jù)獲取與處理

研究數(shù)據(jù)來自微軟學(xué)術(shù)知識圖譜（Ｍｉｃｒｏｓｏｆｔ Ａｃ?ａｄｅｍｉｃ Ｇｒａｐｈ， ＭＡＧ）、ＰＡＴＳＴＡＴ（２０２０ 年春季版）和專利論文引用數(shù)據(jù)（Ｐａｔｅｎｔ Ｃｉｔａｔｉｏｎｓ ｔｏ Ｓｃｉｅｎｃｅ，ＰＣＳ）， 關(guān)聯(lián)３ 個數(shù)據(jù)集共同構(gòu)建技術(shù)采納科學(xué)知識的數(shù)據(jù)集。ＭＡＧ 是目前最具規(guī)模與影響力的學(xué)術(shù)知識圖譜， 包含億級學(xué)術(shù)論文的元數(shù)據(jù)信息， 為學(xué)術(shù)研究提供了廣泛支持； ＰＡＴＳＴＡＴ 是來自歐洲專利局（ＥＰＯ） 的全球?qū)＠麛?shù)據(jù)庫， 包含全球?qū)＠暾埣跋嚓P(guān)活動的書目信息； ＰＣＳ 數(shù)據(jù)集則是Ｍａｒｘ Ｍ 等［３１－３２］ 關(guān)聯(lián)ＭＡＧ 數(shù)據(jù)與ＵＳＰＴＯ 數(shù)據(jù)， 基于概率算法所構(gòu)建的論文—專利引用數(shù)據(jù)集。本文首先從ＰＣＳ 數(shù)據(jù)提取截至２０１８ 年的全部專利—論文引用關(guān)系， 用于表征技術(shù)對科學(xué)知識的采納。刪除存在字段缺失的數(shù)據(jù)， 共得到２９ ２３８ ３１０條記錄，每條記錄稱為一次“采納事件”， 事件內(nèi)容為： ｛論文ＩＤ， 專利ＩＤ， 采納時間｝。之后， 將引用關(guān)系中的論文ＩＤ 與ＭＡＧ 數(shù)據(jù)進(jìn)行匹配， 得到這些論文的全部元數(shù)據(jù)， 將引用關(guān)系中的專利ＩＤ 與ＰＡＴＳＴＡＴ數(shù)據(jù)匹配， 得到專利的全部元數(shù)據(jù)， 以備后續(xù)指標(biāo)測度使用。數(shù)據(jù)集構(gòu)建過程如圖１ 所示。

２.２變量定義與測度

在科學(xué)知識剛被生產(chǎn)出來時， 其影響力或價值指標(biāo)（例如引用量）無法被即時觀察， 此時人們更傾向使用與科學(xué)知識自身相關(guān)的特征協(xié)助判斷知識價值［３３］ ?；诖耍?本研究從知識生產(chǎn)者與知識傳播者兩個維度， 分別提出作者影響力與期刊影響力兩個指標(biāo)， 作為科學(xué)知識的來源特征。二者均是科學(xué)知識被生產(chǎn)出來時， 就已經(jīng)具備的“原生” 特征，不會受到刊載之后傳播過程的影響， 也不存在時滯性。其中， 作者影響力反映科學(xué)知識生產(chǎn)者在創(chuàng)新系統(tǒng)中的積累優(yōu)勢， 這種優(yōu)勢往往通過其歷史創(chuàng)新活動獲得， 可以增加其后續(xù)成果在系統(tǒng)內(nèi)的顯示度， 帶來更高的技術(shù)采納概率， 文中通過作者過去所發(fā)表的論文總量測度。而期刊影響力在很大程度上反映了科學(xué)知識的質(zhì)量， 在創(chuàng)新系統(tǒng)內(nèi)具有較強的引導(dǎo)性， 使用期刊影響因子測度。期刊影響因子（Ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ ｔｈｅ Ｊｏｕｒｎａｌ， ＪＩＦ）指特定期刊過去兩年中發(fā)表全部文章的年平均被引用次數(shù)， 是評估學(xué)術(shù)期刊影響力的有用工具。無論是作者影響力還是期刊影響力， 都是動態(tài)變量， 會隨著時間的推移發(fā)生變化， 為了更準(zhǔn)確地反映其對采納效果的影響， 均采用動態(tài)測度方法， 針對每條記錄， 計算截止論文被專利引用當(dāng)年， 作者和期刊的影響力。

針對采納效果， 本文從強度、速度、廣度３ 個維度進(jìn)行測度。采納強度， 通過科學(xué)論文在專利中的被引次數(shù)測度， 反映科學(xué)知識對技術(shù)創(chuàng)新所做的貢獻(xiàn)大小； 采納速度， 計算科學(xué)論文自發(fā)表到首次被專利引用時間差的倒數(shù)； 采納廣度， 計算引用該科學(xué)論文的技術(shù)領(lǐng)域個數(shù)， 反映科學(xué)論文的技術(shù)影響范圍。上述全部變量描述及測度方法如表１ 所示。

３結(jié)果分析

３.１描述性統(tǒng)計分析

３.１.１技術(shù)采納科學(xué)知識的發(fā)展趨勢

圖２ 展示了專利引用論文數(shù)據(jù)的時間分布情況，圖中紅色實線是引用數(shù)量， 黑色實線是每年被技術(shù)采納的科學(xué)論文數(shù)量， 黑色虛線是每年引用科學(xué)論文的專利數(shù)量。圖３ 展示了被采納的科學(xué)論文的比例變化， 綠色柱狀圖是各年全部科學(xué)論文的數(shù)量，黑色折線是當(dāng)年被采納的科學(xué)論文數(shù)量占全部論文數(shù)量的比例。

首先， 自１９８０ 年起至２０１０ 年， 技術(shù)創(chuàng)新采納科學(xué)知識一直呈現(xiàn)快速增長趨勢， 尤其是在２０００年后的１０ 年間大幅增長至１５０ 萬次。２０１０ 年后，采納次數(shù)驟降， 科學(xué)創(chuàng)新速度經(jīng)過早期爆發(fā)后增速放緩， 科學(xué)知識生產(chǎn)總量降低是其主要原因； 其次， 由于任一科學(xué)論文可能會被多次采納， 采納事件數(shù)量遠(yuǎn)超被采納論文數(shù)量， 前者大約是后者的１０ 倍， 且被采納論文占比最高也不超過５％， 尤其是在科學(xué)知識總量大爆發(fā)時期， 科學(xué)知識被采納的比例卻直線下降， 說明大多數(shù)科學(xué)知識并未直接發(fā)揮技術(shù)價值。

３.１.２ 技術(shù)采納科學(xué)知識的領(lǐng)域差異

圖４ 和圖５ 展示了采納事件的科學(xué)領(lǐng)域與技術(shù)領(lǐng)域分布。其中科學(xué)領(lǐng)域的劃分采取Ｍｉｌｏｊｅｖｉｃ＇ Ｓ［３４］所建立的映射， 將２５２ 個Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 的學(xué)科分類重新分類到１４ 個大領(lǐng)域， 消除了原本學(xué)科體系中的模糊分類， 整體準(zhǔn)確率達(dá)到９５％； 技術(shù)領(lǐng)域則采用施引專利所屬的ＩＰＣ 大類。

圖４ 展示了１４ 個科學(xué)領(lǐng)域中被專利引用的論文數(shù)量分布以及被引用論文占全部論文的比例分布。顯然， 醫(yī)學(xué)、生物學(xué)、化學(xué)、工程學(xué)和物理學(xué)等領(lǐng)域的采納事件發(fā)生較頻繁， 其中， 醫(yī)學(xué)領(lǐng)域有高達(dá)１２５ 萬科學(xué)論文被專利引用； 生物學(xué)論文被技術(shù)采納的比例最高， 有７.０７％的論文被專利引用。圖５ 顯示， “Ｃ 化學(xué)； 冶金” “Ａ 人類生活必需品”“Ｇ 物理” ３ 個技術(shù)領(lǐng)域?qū)茖W(xué)知識的吸收最多，無論是絕對數(shù)量， 還是相對比例均如此。

３.1.３ 科學(xué)知識的相對影響力分析

進(jìn)一步地， 本節(jié)考察不同領(lǐng)域的科學(xué)知識對技術(shù)領(lǐng)域的影響力。借鑒相對消費指數(shù)（Ｒｅｌａｔｉｖｅ Ｃｏｎ?ｓｕｍｐｔｉｏｎ Ｉｎｄｅｘ， ＲＣＩ）測度某領(lǐng)域科學(xué)知識對某領(lǐng)域技術(shù)創(chuàng)新的相對影響力［３５］ ， 對于一個給定的技術(shù)領(lǐng)域（ｔ）和科學(xué)領(lǐng)域（ｓ）， ＲＣＩ 測度科學(xué)領(lǐng)域ｓ 的論文被技術(shù)領(lǐng)域ｔ 引用的相對比例， 具體見式（１）。

圖６ 顯示， 化學(xué)領(lǐng)域、物理領(lǐng)域的整體技術(shù)影響力較高。其中， 化學(xué)領(lǐng)域?qū)Α埃?化學(xué)； 冶金” “Ｄ紡織； 造紙” “Ｂ 作業(yè)； 運輸” ３ 個技術(shù)領(lǐng)域具有較強影響； 物理學(xué)知識雖然整體被采納比例并不高， 但對“Ｈ 電學(xué)” 與“Ｇ 物理” 技術(shù)領(lǐng)域的創(chuàng)新具有較強影響。同時值得注意的是， 知識采納比例最高的醫(yī)學(xué)與生物學(xué)， 在８ 個技術(shù)領(lǐng)域均未產(chǎn)生較高影響力； 采納比例最低的心理學(xué)與天文學(xué)， 在技術(shù)影響力中也并未表現(xiàn)很差。

３.１.４被采納科學(xué)知識的來源特征分析

圖７ 展示了被專利引用的論文的來源特征， 一個很明顯的趨勢是無論是作者影響力還是期刊影響力， 均隨著時間的推移持續(xù)增長。對比圖２ 與圖３中整體采納事件時間分布后期的下降趨勢， 這樣的持續(xù)增長側(cè)面反映出科學(xué)系統(tǒng)內(nèi)部的“馬太效應(yīng)”?？茖W(xué)系統(tǒng)的長期發(fā)展帶來了不同維度的優(yōu)勢積累，已經(jīng)獲得優(yōu)勢的主體可以借助這種“地位” 獲得更多的關(guān)注， 創(chuàng)造更大的影響［３８］ 。從知識生產(chǎn)者——論文作者來看， 在其歷史職業(yè)生涯中， 可以通過知識生產(chǎn)數(shù)量的積累獲得這種優(yōu)勢， 而科學(xué)知識交流系統(tǒng)的重要中介和信息傳播者——學(xué)術(shù)期刊［３７］ ， 則可以通過引用行為獲得更高的地位與聲望。占據(jù)優(yōu)勢地位的作者和期刊， 在科學(xué)系統(tǒng)內(nèi)的可見度大大提高， 這可能也吸引了技術(shù)人員的注意力， 導(dǎo)致其在技術(shù)系統(tǒng)中的影響力隨之提升。

３.１.５科學(xué)知識被采納的效果分析

圖８展示了不同領(lǐng)域科學(xué)知識被采納效果的時間變動趨勢。圖８（ａ）采納強度與圖８（ｃ）采納廣度整體趨勢波動下降， 但在２０００年前后差別較大。２０００年之前， 強度與廣度均波動上升， 尤其是生物醫(yī)學(xué)與計算機領(lǐng)域。１９世紀(jì)的三大發(fā)現(xiàn)（Ｘ射線、放射性、電子）導(dǎo)致了２０ 世紀(jì)前３０ 年的物理學(xué)革命， 隨后產(chǎn)生的重大理論成果， 如熱力學(xué)與電磁學(xué)理論、化學(xué)原子論、生物進(jìn)化論與細(xì)胞學(xué)說、相對論和量子力學(xué)， 作為２０世紀(jì)科學(xué)發(fā)展的先導(dǎo)和基礎(chǔ)， 直接促使未來兩百年人類科技大爆發(fā)， 知識總量快速積累。得益于此， 越來越多的科學(xué)知識被用于技術(shù)創(chuàng)新， 科學(xué)知識被技術(shù)采納的強度與廣度也隨之增加。２０００ 年之后， 雖然科學(xué)知識總量仍在增長， 但其增速放緩。創(chuàng)新越來越復(fù)雜， 真正有技術(shù)價值的科學(xué)發(fā)現(xiàn)減少， 不僅整體采納率下降， 采納強度與廣度也快速下降。

但圖８（ｂ）中的采納速度變動趨勢完全不同，整體持續(xù)上升。尤其是在２０１０年后， 速率翻了１０倍（上方子圖展示了近５年的速率變化）， 以農(nóng)學(xué)為例， 其平均被采納時間間隔從１９８０年的１６.９２年下降到２０１８ 年的１.８８年?？紤]到專利文獻(xiàn)公開的１８個月時滯， 科學(xué)領(lǐng)域的創(chuàng)新幾乎一經(jīng)產(chǎn)出就立即被技術(shù)引用， 采納效率提升， 淘汰迭代加速。

３.２回歸分析

３.２.１整體回歸

通過３.１中對科學(xué)知識采納事件的分析， 可以看到隨著時間的推移， 科學(xué)知識被技術(shù)創(chuàng)新采納的比例正在降低； 同時， 科學(xué)知識淘汰加速， 無法被及時發(fā)現(xiàn)與應(yīng)用的知識很快湮沒在知識洪流中。進(jìn)一步探究科學(xué)知識來源特征與其采納效果的因果關(guān)系， 可以幫助厘清影響科學(xué)知識采納的關(guān)鍵因素，有針對性地指導(dǎo)有價值的科學(xué)知識生產(chǎn)， 挖掘已有科學(xué)知識的潛在價值。本節(jié)在原本數(shù)據(jù)集的基礎(chǔ)上進(jìn)一步提取數(shù)據(jù)進(jìn)行因果分析， 考慮到過早的科學(xué)知識發(fā)現(xiàn)模式與當(dāng)今差異較大， 且早期數(shù)據(jù)規(guī)模較小， 因此只使用２００９—２０１８共計１０年的數(shù)據(jù)， 合計８０６７３４采納事件。

采用ＯＬＳ最小二乘回歸模型， 回歸結(jié)果如表３所示。結(jié)果顯示， 作者影響力對采納強度和廣度均有顯著影響（β ＝ １.０７１， ｐ＜０.０１， 模型（２）； β ＝１.２１８， ｐ＜０.０１， 模型（６））。知識生產(chǎn)者過去在科學(xué)系統(tǒng)內(nèi)積累的優(yōu)勢， 能夠為其新生產(chǎn)的知識在更廣泛的技術(shù)領(lǐng)域帶來更多的技術(shù)采納。但這種技術(shù)積累降低了知識被采納的速度， 技術(shù)對該知識的吸收需要更長的時間。相比作者影響力， 期刊影響力在采納強度與廣度上都具有更強的影響， 學(xué)術(shù)期刊作為科學(xué)系統(tǒng)重要的交流中介， 承擔(dān)著重要角色，長期聲望的累積使得其在科技領(lǐng)域的可見性更強，為其知識的廣泛、深遠(yuǎn)傳播奠定了基礎(chǔ)。令人意外的是， 與作者影響力不同， 期刊影響力與采納速度呈正向關(guān)系， （β ＝１.１７３， ｐ＜０.０１， 模型（４））。

３.２.２分組回歸： 學(xué)科領(lǐng)域異質(zhì)性

３.２.１ 的分析中沒有區(qū)分學(xué)科領(lǐng)域， 但不同領(lǐng)域的科技創(chuàng)新活動差異較大， 為進(jìn)一步探究研究領(lǐng)域的異質(zhì)性， 本節(jié)按照１４個大領(lǐng)域進(jìn)行分組回歸。圖９展示了分組回歸的系數(shù)及標(biāo)準(zhǔn)差。

分組回歸結(jié)果顯示， 整體來看， 期刊聲望對采納強度和廣度影響更大， 對速度影響較小。具體到各個領(lǐng)域， 期刊對交叉科學(xué)、計算機科學(xué)、農(nóng)學(xué)、社會科學(xué)等領(lǐng)域的科學(xué)知識被采納強度影響較大，而對天文學(xué)、數(shù)學(xué)、工程學(xué)的影響較??； 對交叉學(xué)科、物理學(xué)、計算機科學(xué)、地理學(xué)的知識采納廣度影響較大， 對天文學(xué)、數(shù)學(xué)的廣度影響較小。

作者聲望在３ 個維度均有相似程度的顯著影響， 但與采納速度是負(fù)向關(guān)系。具體來看， 作者聲望對數(shù)學(xué)、工程學(xué)、物理學(xué)的采納強度影響較大，對醫(yī)學(xué)、化學(xué)的影響較?。?對工程學(xué)、物理學(xué)、數(shù)學(xué)的采納廣度影響較大， 但對計算機科學(xué)的影響較小。較為意外的是， 作者聲望對醫(yī)學(xué)的采納廣度呈負(fù)向影響。

３.２.３魯棒性檢驗： 匹配策略

上述模型中， 考慮了學(xué)科領(lǐng)域與時間的影響，但仍有可能受到知識內(nèi)容本身異質(zhì)性的干擾。為了進(jìn)一步控制研究內(nèi)容的影響， 本節(jié)采用匹配方法構(gòu)建實驗組和控制組， 進(jìn)行回歸驗證。匹配是在條件獨立假設(shè)上發(fā)展出的用于控制協(xié)變量的研究策略，通過計算每個協(xié)變量的特定值所決定的個體實驗組與控制組的平均差異， 利用加權(quán)平均的方法將平均因果效應(yīng)匯總到總的因果效應(yīng)中［３６］ 。本節(jié)以論文發(fā)表時間、所屬學(xué)科領(lǐng)域與主要研究內(nèi)容為協(xié)變量進(jìn)行數(shù)據(jù)匹配， 構(gòu)建實驗組和對照組。這些值在科學(xué)知識被生產(chǎn)出來時就已經(jīng)確定， 滿足條件獨立假設(shè)， 可以賦予匹配結(jié)果因果解釋。具體來看， 對１９８０—２０１８ 年的全部論文， 按照各年各科學(xué)領(lǐng)域分組， 組內(nèi)論文進(jìn)行兩兩匹配， 選擇研究內(nèi)容最相似的一對作為一組對照， 最終得到７６６４對論文。實驗組與控制組數(shù)據(jù)的變量統(tǒng)計結(jié)果如表４ 所示。

基于此匹配數(shù)據(jù)集， 直接進(jìn)行廣義線性回歸?；貧w結(jié)果如表５ 所示， 作者特征的影響結(jié)果穩(wěn)定，整體結(jié)果與３.２.１ 結(jié)果相似， 但期刊特征的影響差異較大。表５ 顯示， 期刊聲望在強度、速度與廣度上均呈現(xiàn)顯著的正向影響， 也就是說對于一組發(fā)表在同一時間、同一領(lǐng)域、研究內(nèi)容相似的論文， 來自較高影響力的期刊會提升被采納速度， 在更廣泛的技術(shù)領(lǐng)域， 產(chǎn)生更大的技術(shù)影響。

４討論

４.１技術(shù)采納科學(xué)知識成為重要的創(chuàng)新方式

本研究通過專利對論文的引用關(guān)系識別采納事件， 并在較長的時間尺度上觀察其變化， 結(jié)果顯示： 科學(xué)與技術(shù)的界限逐漸模糊， 技術(shù)采納科學(xué)知識已經(jīng)成為重要的技術(shù)創(chuàng)新方式。這不僅體現(xiàn)在采納事件數(shù)量的增長上， 也體現(xiàn)在采納速度的提升上， 尤其是在２０１０ 年之后， 科學(xué)知識一經(jīng)產(chǎn)出， 幾乎立刻被技術(shù)引用， 尤其是在某些創(chuàng)新密集的領(lǐng)域，技術(shù)研發(fā)活動自身具有較強的創(chuàng)新依賴于知識密集特征， 科學(xué)與技術(shù)之間的互動較為活躍。但由于科學(xué)知識總量的爆發(fā)式增長， 整體采納事件的占比仍在降低。同時， 總量的增長也降低了采納事件的強度與廣度， 人們獲取有用知識的成本增加， 單一知識的不可替代性降低［３９］ ， 導(dǎo)致大量知識湮沒在知識海洋中。這種降低趨勢與科技創(chuàng)新的精細(xì)化趨勢有關(guān)。隨著科學(xué)大爆發(fā)時代結(jié)束， 無論是學(xué)科還是技術(shù)領(lǐng)域分類均快速增長［４０］ ， 多數(shù)科學(xué)研究活動在有限領(lǐng)域中開展， 為少部分技術(shù)創(chuàng)新服務(wù)。

雖說技術(shù)創(chuàng)新采納科學(xué)知識有利于挖掘科學(xué)知識價值、節(jié)省成本、提升創(chuàng)新效率， 但在實踐過程中應(yīng)該時刻警醒浮于表面的“形式化轉(zhuǎn)化”。本文發(fā)現(xiàn)， 科學(xué)知識被技術(shù)采納的數(shù)量多并不等同于技術(shù)影響力大， 例如知識被采納比例最高的醫(yī)學(xué)與生物學(xué)， 并未對技術(shù)創(chuàng)新產(chǎn)生較高的影響力； 采納比例最低的心理學(xué)與天文學(xué)， 反倒影響力較強。以實踐中重要的科技轉(zhuǎn)化方式——產(chǎn)學(xué)研合作為例， 不少研究發(fā)現(xiàn)， 合作過程存在流于形式、知識共享度低、資源流動性差的問題［４１］ 。

４.２科學(xué)知識來源特征的重要影響

本研究發(fā)現(xiàn)， 在廣泛的創(chuàng)新領(lǐng)域中， 科學(xué)知識的來源特征對其采納效果具有顯著影響?？茖W(xué)歷史上存在很多“背靠背” 創(chuàng)新， 每時每刻世界各地都有不同的研究人員圍繞同一問題開展相似研究，他們的創(chuàng)新成果相似， 卻獲得不同的影響力［４２］ 。這也體現(xiàn)了創(chuàng)新系統(tǒng)中的“馬太效應(yīng)”， 包括期刊和作者在內(nèi)的創(chuàng)新主體， 都可以通過歷史創(chuàng)新活動累積優(yōu)勢， 在科學(xué)系統(tǒng)中獲得較高的“Ｓｔａｔｕｓ”［４３－４５］ ，使其生產(chǎn)出的知識在同等條件下獲得更多關(guān)注， 也更容易被技術(shù)創(chuàng)新活動采納。來源特征對采納效果的顯著影響， 從本質(zhì)上看也是“馬太效應(yīng)” 的體現(xiàn)：更有經(jīng)驗、更活躍的知識生產(chǎn)者， 影響因子更高、更有聲望的期刊， 更有可能依賴過去的累積優(yōu)勢，憑借“馬太效應(yīng)” 使得原本相似的科學(xué)知識， 獲得不同的影響力。

在采納效果的３ 個維度中， 速度展示出一些不同的特點。首先， 雖然“期刊聲望越高， 速度越快” 這一結(jié)論是顯著的， 但相比之下， 采納速度、廣度的回歸系數(shù)是速度的幾十倍。一個可能的解釋是， 當(dāng)前創(chuàng)新系統(tǒng)中的知識采納速率已經(jīng)到達(dá)一個較高的閾值， 因此能夠提升的空間本就很?。郏矗叮?；其次， 作者影響力與采納速度呈負(fù)向關(guān)系， 這可能是因為產(chǎn)量較高的學(xué)者在知識原創(chuàng)性、新穎性方面較強， 但技術(shù)成熟度較弱， 從而對知識轉(zhuǎn)化造成阻礙［４７］ 。

４.３科學(xué)知識采納的領(lǐng)域異質(zhì)性

科技創(chuàng)新活動的領(lǐng)域特征一直是備受關(guān)注的問題， 不同領(lǐng)域的異質(zhì)性較強， 在研究過程中值得對比分析。雖然整體來看， 科學(xué)知識的來源特征與采納效果的關(guān)系在大部分領(lǐng)域一致， 但其系數(shù)存在較大差別。本研究通過分組回歸發(fā)現(xiàn)， 新興學(xué)科、實踐性更強、知識更新速度更快的領(lǐng)域， 知識的采納受到期刊聲望影響較大， 而基礎(chǔ)學(xué)科、理論性更強、知識更新相對較弱的學(xué)科， 其知識的采納受到作者聲望影響較大。例如交叉學(xué)科， ２０２１年在我國才被稱為正式的學(xué)科門類， 是知識更新迅速的新興代表， 其被技術(shù)采納的效果受期刊特征影響很大。在知識更新較快的新領(lǐng)域， 知識大量快速積累帶來檢索困境， 但又尚未培養(yǎng)起具有絕對優(yōu)勢“地位” 的作者， 讀者會更多依賴期刊地位初篩知識。

５結(jié)論與展望

本文通過對１９８０—２０１８年的技術(shù)對科學(xué)知識的采納事件進(jìn)行分析， 探索了科學(xué)知識的作者、期刊影響力等來源特征對采納效果的影響。研究結(jié)果發(fā)現(xiàn)： ①隨著時間推移， 科學(xué)知識被技術(shù)利用的速度加快， 但強度與廣度降低； ②實踐性較強的領(lǐng)域， 被技術(shù)采納的科學(xué)知識的確更多、更迅速， 但這些知識往往不能產(chǎn)生較強的技術(shù)影響力； ③科學(xué)知識的來源特征對其采納強度和廣度具有顯著促進(jìn)作用， 但在提升采納速度上影響有限， 甚至?xí)鸬揭种谱饔谩?/p>

上述結(jié)論對科學(xué)知識生產(chǎn)與技術(shù)采納具有啟發(fā)意義。首先， 無論是科學(xué)研究還是技術(shù)創(chuàng)新活動，都應(yīng)當(dāng)有組織、有策略地開展， 不僅應(yīng)該提升科學(xué)知識的質(zhì)量， 在產(chǎn)學(xué)研合作中更應(yīng)提升技術(shù)創(chuàng)新對科學(xué)知識的吸收質(zhì)量， 提升科學(xué)知識的技術(shù)影響力； 其次， 信息過載導(dǎo)致了知識價值的大幅折損問題也值得重視， “交叉科學(xué)” “融合創(chuàng)新” 等措施有望成為打破有限領(lǐng)域創(chuàng)新瓶頸的對策。此外， 管理者在政策制定時有必要考慮領(lǐng)域特征， 針對性地設(shè)計資源配置策略， 利用有限資源最大化科學(xué)知識生產(chǎn)及技術(shù)轉(zhuǎn)化的收益。