技术预见|技术预见主要研究方法综述及可实施路径分析

摘要：技术预见活动起源于美国，随后逐渐被日本、德国、英国、法国等国家广泛应用。技术预见的研究方法主要分为定性分析方法和定量分析方法两大类，各有优缺点。本研究首先对当前国内外技术预见领域使用频率较高的德尔菲法、技术路线图、情景分析法、科学计量法进行详细介绍；最后以服务于我国中长期科技发展规划为目标，总结出一套多种分析方法综合使用的技术预见活动模型，旨在为国家级层面的技术预见活动提供理论依据。

关键词：技术预见，分析方法，分析模型

技术预测（Technology Forecast）最早应用于军事领域，只是对已有技术发展轨迹的外推，不考虑未来可能的发展方向和突破。后来，战略性预测的概念逐步形成，战略性预测与决策的进一步结合就形成了技术预见（Technology Foresight）[1]。技术预见的主要任务是研究当前技术发展的主要趋势和社会经济发展对技术的需求，分析妨碍技术发展的限制性因素，找到实现目标的途径，以确定未来技术发展的目标[2]。从技术预见的发展历程来看，技术预见经历了“始于美国→日本改进→欧洲跟进→世界各国开始加入”的历史进程[3]。

当前，国内外都对技术预见进行了研究，纷纷开展各种形式的技术预见活动，方法上也屡有创新。但是，限于技术预见活动的复杂性和实际可操作性，现有的技术预见活动往往方法单一或组合不够灵活，大大影响了技术预见活动的准确性和可靠性。因此，如何对大量已有技术数据进行分析，综合运用多种分析方法以完善技术预见流程，制定适用于不同预见目标的活动方案，是技术预见的一个发展方向。

1. 技术预见常见分析方法介绍

发展至今，技术预见已经具备了较丰富的方法理论体系，根据研究对象、研究层次的不同，分析方法也各具特色，具体使用上也各有侧重点（表1）。任海英等[4]以 Web of Science和CNKI数据库中技术预见研究的文献为数据来源，检索分析了1900年-2014年国内外相关文献，分析得出当前国内外技术预见领域使用频率较高的方法主要有德尔菲法、技术路线图、情景分析法、科学计量法（文献分析和专利分析）等。本文就以上分析方法进行简要介绍。

1.1 德尔菲法

德尔菲法（Delphi Method）作为最重要的技术预见研究方法之一，应用非常广泛。20世纪50年代，德尔菲法首次应用于军事研究；1964年，美国兰德 (RAND)公司首次将德尔菲法用于技术预测中。发展至今，以德尔菲法为主的技术预见活动在许多国家广泛开展。简单来讲，德尔菲法就是以不记名的方式征询专家对某类问题的看法。 此项调查需进行多轮（≥2），一般需要将前一轮的调查结果反馈给下一轮的征询专家，经过几次反馈，大多数专家的意见趋向集中[5]。

德尔菲法的一般工作程序如下：①成立专门的德尔菲调查委员会，确定调查目的，拟定调查提纲；②成立专家小组，确定调查问卷领域和主要内容；③选择一批领域内专家，以通信方式发出调查问卷，征询意见；④对返回的意见进行归纳综合、定量统计分析后再寄给有关专家，如此经过多 轮反复（至少2轮），使意见比较集中后进行数据处理并综合得出结果，再次与专家讨论确定最后结论（图1）[6]。德尔菲法依赖专家的主观判断与评估，其精确性取决于专家意见的集中程度。因此，准确地确定调查领域及条目，合理地设计德尔菲调查问卷，广泛而有效地选择参与德尔菲调查的专家将是德尔菲调查法能否成功的关键。

1.2 情景分析法

情景分析法（Scenario Building）是在经济、社会或技术持续性假设的基础上，对未来可能出现的情况进行推理和描述的过程[7]。该方法是一种适用于中期和长期规划的战略工具，在各种假设前提下综合考虑各种可能出现的偶然因素，通过描述出现可能性较高的未来情景来帮助规划者更好 地了解某一个研究领域未来发展的潜在路径。情景分析法是一种定性和定量相结合的方法，定性部分主要包括专家结论、技术发展的关键影响因素中无法定量分析的部分（如政治稳定性）等；定量部分主要包括将要判定结果的定量分析、关键影响因素发生概率的计算（如经济发展速度、企业研发速度）和情景概率的计算等[8]。用情景分析法分析未来发展趋势时，关键在于把握好未来变化过程中的主要驱动力量。而专家则是主要驱动力量识别的关键因素。

情景分析法运用于技术预见通常分4个阶段（图2）[9]：第一，收集专家信息以及文献、数据信息等，明确将要做出的判定。第二，明确分析方法和分析要素，进行详细分析，包括：①确定社会、技术、环境、经济及政治驱动力量；②确定先决要素和必然因素；③确定影响未来趋势的关键因素。第三，构建3 4个场景，分析场景的发展状况，进一步描述未来变化的整体情景。第四，为跟踪监测计划目标确定最主要的参数，监测目标实现。

1.3 技术路线图

技术路线图（Technology Roadmap)在1970年代由摩托罗拉公司首先使用，继而被飞利浦电子公司（Philips Electronics）、朗讯科技公司（Lucent Technologies）等同行业公司采用。由于其操作的灵活性和对战略规划的可视性，技术路线图已被广泛应用于世界各地的中小型企业和大型组织中[10]。总体来说，技术路线图就是应用简洁的文字、图形、表格等形式描述技术变化的步骤或技术相关环节之间的逻辑关系，进而帮助使用者明确该领域的发展方向和实现目标所需的关键技术，提供了一种结构化的方法来映射复杂系统的演变和发展[11]。

Phaal Robert[12]提出了一种技术路线图通用的战略评估框架（图3），用以整合战略和创新计划。该评估框架主要包含两个关键轴： 水平轴主要体现时间，不仅描绘技术发展的现在水平、未来的发展方向，同时还延伸到过去，追溯技术发展的起源以及历史脉络；垂直轴上则是一组表征产业创新的主题或观点。技术路线图要根据客观因素的变化随时进行调整迭代。此外，还要重点考虑拉动因素和推动因素。

1.4 文献计量法

文献计量法（Bibliometrics）是一种利用出版物的历史数据（例如专利、科学论文、新闻等）作为科学或技术活动指标的分析方法[13]。作为一种定量的技术预见方法，文献计量法通过分析文献数据库中的客观信息来探索技术的隐藏模式，并预测其未来的发展趋势。技术创新的实现或可见性首先应该是在科学领域建立的，文献计量法可以通过分析科学论文、专利以及相关引文数据推断研究领域或技术的发展阶段，进而推断它们未来的发展方向[14]。技术创新是遵循一定的生命周期的，在技术萌芽阶段，论文或专利出版物的体量和增长率都比较低；随着创新在生命周期中进入应用研究阶段，出版物数量和增长率均不断增长；随着生命周期的发展，技术逐渐进入公共领域，如报纸、商业和大众媒体等（图4）[15]。因此我们可以 通过文献出版物的信息评估一项技术的当前发展状况，并且可以根据分析结果和技术研发的不同阶段制定研发战略和政策。

文献计量分析常用的聚类分析方法主要分为引文分析法和主题词分析法，其中引文分析法作为主要方法被研究和应用的最为广泛。引文分析法又根据文献间的引用关系分为共被引分析、直接引用和文献耦合，其中共被引分析应用最为广泛。常见的文献计量分析软件如Citespace、VOSviewer等均采用了文献 共被引分析原理作为理论依据。主题词分析法主要作为引文分析法的辅助手段出现，主要有词频分析法和共词分析法（表2）。

1.5 主要分析方法特点总结

对德尔菲法、情景分析法、技术路线图及文献计量法的优缺点进行对比分析，以便更好地了解这些方法的适用范围。由表3可知，四种主要的技术预见方法均有优点和不足，适用性各异。例如，德尔菲法作为一种经典的技术预见方法，被广泛应用于各种水平的技术预见活动，但是由于专家调查表对预测结果的影响较大，而调查条目的遴选标准往往不易把握。而文献计量法可以通过客观数据弥补其缺点，使得预见结果更具科学性。二者结合可有效提高准确性和可信度。因此，决策者不仅需要了解不同预见方法的目的、假设、局限性、使用时间和操作程序，而且还需要考虑将多种互补的预见方法结合起来以增强结果的可信度和有效性[18]。

2. 技术预见可实施路径分析

根据技术预见活动的不同阶段和不同任务目标，选用适宜的技术预见方法是保证其科学性和有效性的关键之一[19]。当前，技术预见方法的组合和集成研究是国内外的一个研究热点和趋势。在具体方法的选择上，主要应考虑以下几种因素[20]：①概念验证，即技术预见方法在已开展的技术预见活动中的成功应用；②信息/知识/金钱/技能/设施等关键资源的可获得性；③完成技术预见所需时间的紧迫性；④期望的参与水平（参与广度和深度）；⑤参与类型；⑥是否适合与其他方法组合使用；⑦先前的经验和熟悉程度；⑧技术预见的目标；⑨定量和定性的数据要求，专业知识的可用性以及使用权；⑩组织者的方法论水平。总体而言，技术预见方法的选择应满足技术预见面向未来、广泛参与、基于证据、跨学科和战略性实施的基本要求。

2.1 技术预见方法组合研究案例分析

日本的“技术预测调查”始于1971年，主要负责机构是日本科学技术署（Science and Technology Agency，STA）下属的日本国家科学技术政策研究所（National Institute of Science and Technology，NISTEP）。该项目已经逐步形成了规范化、体制化的技术预见体系，主要对今后30年各个领域的科技发展方向进行技术预见调查，结果将为日本科技政策的制定和科学技术基本计划等提供支持，截至目前共进行11次（2019年日本发布第11次技术预见报告）。以日本第8次技术预见活动为例（2004－2005年），其在方法论上实现重大突破和创新。首次将改良版的德尔菲调查法与文献计量分析、情景分析和社会经济需求研究相结合，以评估与技术发展相关的社会，经济，政治和文化因素，避免了使用单一方法的缺陷，兼顾了主观与客观、宏观与微观、近期与中远期等多对范畴的要求，从方法论上保证了科学（基础研究）、技术（应用）、社会（影响）三大领域预见内容的深入研究和相互支持[21]。

德国于1993年效仿日本第5次技术预见模式开展了第1次技术预见活动[22]，至今已组织了多次国家层面的技术预见活动。21世纪以来，德国联邦教育与研究部（Bundesministerium für Bildung und Forschung ，BMBF）采用周期性方法开始预见工作，分别于2007－2009年（Foresight Cycle I）、2012－2014年（Foresight Cycle Ⅱ）开展了两轮技术预见活动，在德尔菲调查法的基础上运用情景分析、重点课题研究和专题研究相结合的模式。其中，2012－2014年（Foresight Cycle Ⅱ）开展的第二轮技术预见活动是对2007－2009年（Foresight Cycle I）技术预见活动的补充，在第一轮德尔菲调查法确定的未来发展趋势和挑战的基础上借助研讨会形式的情景分析法，让未来的形象跃然纸上（图5），确定9大创新的萌芽，旨在寻找2030年之前德国将要面对的全球性社会挑战[23]。

2.2 国家级层面的技术预见活动模型

国家级层面的技术预见属于以社会构建论为基础的技术预见活动，因此需要考虑多方面的复杂因素。随着第四次工业革命的到来，如何调整科技发展战略和政策以适应新一轮科技革命和产业变革，进而掌握全球科技竞争的主动权，成为世界各主要国家的重要命题。十九大报告指出，到2035年我国要跻身创新型国家前列、到2050年成为世界科技强国等宏伟目标，而技术预见活动的大力开展有助于精准识别国家创新战略重点，合理配置科技资源，全面提升国家科技创新能力。2013 －2014年研究编制的《“十三五”国家科技创新规划》已经将政府组织开展的国家技术预见活动结果纳入其中，可见技术预见已经对我国科技政策的制定产生重要影响。目前科技规划研究制定存在的技术问题主要体现在目标、任务与发展重点之间的关系是隐性的，规划与计划关系也是隐性的，而技术预见恰恰可以将这些潜在的隐性关系显现出来。

沙振江等总结了国内技术预见活动方法的综合使用情况，其中两种方法组合和三种方法组合的技术预见活动最为常见[8]。综合国内外的研究进展，结合我国当前创新战略重点布局的特点，以服务于我国中长期科技规划为目标，在1 2年内能够完成，充分考虑到专家、数据、金钱等关键资源的可获得性，同时，满足定量和定性的数据要求以及方法之间的可融合度，构建了基于“德尔菲法+科学计量+情景分析”三种方法组合的技术预见活动模型（图6），旨在为国家级水平的技术预见活动奠定理论依据。该模型具有定量方法与定性方法相结合，方法之间可融合度高，参与主体类型、参与广度和深度调节可控等优点，具有较高的准确性和效率，更适用于政府为主体的技术预见活动。

2.2.1 技术预见目标的确定

首先应明确预见技术的实现时间，为服务于我国中长期科技发展规划的目标，预见时间一般选定为未来530年[24]。其次，技术预见活动的目标应重点考虑国家战略发展需求、经济发展需求、社会发展需求等。技术预见研究目的主要集中在三个方面：一是国家战略层面，二是重点领域，三是技术产业。不同层面的技术预见适用的研究方法、参与广度、领域深度等也不尽相同。因此，在技术预见活动开始之前一定要明确技术预见的目标，确定服务对象。对于国家战略层面的技术预见活动，更应该考虑国家的发展水平，基本国情，根据实际情况制定实施方案，才能确保技术预见活动顺利有效的开展。

2.2.2 成立专门技术预见负责组

国家层面的技术预见活动具有战略定位高、涉及面广、参与人多的特点。为服务于我国中长期科技发展规划的目标，精准识别国家创新战略重点，该级别的技术预见活动参与广度和深度均应为最高级别。因此成立专门技术预见负责组，加强顶层设计和统筹规划，做好前期准备工作并负责推进具体方案的实施以及预见结果的解释，非常必须。前期准备工作主要包括设计预见方案、组建工作团队、收集相关资料等。其中，技术预见方案设计是该阶段的核心环节，预见方案应反复论证，小范围试验，以确保方案的科学合理性。预见实施阶段是整个技术预见活动的核心部分，在确保预见实施方案切实可行的前提下，技术预见负责组应做好统筹管理工作，确定关键的时间节点，做好干预和监督，确保各项工作按时有效地完成。技术预见项目完成后，负责组对预见结果有最终解释权。

2.2.3 构建合理的专家资源库

专家是技术预见活动中最重要的角色。因此建立科学合理、响应及时的专家资源库显得尤为重要。根据技术预见的目标以及使用方法的不同，专家的组成结构也会有很大不同。服务于中长期科技发展规划的国家级水平的技术预见活动，对于涉及专家的研究领域、研究水平、战略眼光均有较高要求。此外，在德尔菲调查法中，学术型专家与战略型专家的合理配比对调查问卷的统计结果有决定性影响，因此如何最大程度地确保专家组成员结构的合理性非常重要；此外，响应及时的专家库也能一定程度上保证调查问卷的有效回收。在情景分析法中，由于情景分析法考虑因素较为广泛，各类型专家的配比选择也非常有艺术性。程家瑜[25]的实证研究表明在确保熟悉专家人数在21 25之间的基础上，应尽量增加一般专家的人数，但专家总数不必超过100。

3. 结语

自20世纪50年代源自美国的第一代技术预测发展到现在，技术预见经历了两次大的演进。第一次是兴起于20世纪70年代的日本，以资源稀缺论为理论基础的技术预见的出现；第二次是当前大部分国家都在进行的以社会构建论为理论基础的技术预见的出现[26]。自20世纪90年代至今，我国已经开展了各种水平的技术预见活动，技术预见的研究方法、实施路径、活动规模等研究已日趋完善，但是在技术预见的质量和效率方面仍有待提高。本文比较分析了国际通用的四种技术预见方法并以服务于我国中长期科技发展规划为目标，总结出一套多种分析方法综合使用的我国国家层面的技术预见活动模型，旨在为国家级层面的技术预见活动提供理论支撑。同时我们也应该注意到，技术的发展受多种因素的影响，因此，技术预见的结果并不是一成不变的，如何保持预见活动的连续性和可迭代性，也是未来的研究方向。

参考文献

[1] 方伟，曹学伟，高晓巍. 技术预测与技术预见：内涵、方法及实践[J]. 全球科技经济瞭望. 2017(3): 46-53.

[2] 郭卫东. 技术预见理论方法及关键技术创新模式选择研究[M].北京：北京大学出版社. 2013年8月第一版.

[3] 王伟. 文献计量法在技术预见中的应用[D].大连：大连理工大学. 2008.

[4] 任海英，于立婷，王菲菲：国内外技术预见研究的热点和趋势分析[J]. 情报杂志，2016(2): 81-87.

[5] 袁志彬，任中保：德尔菲法在技术预见中的应用与思考[J]. 科技管理研究，2006(10):217-219.

[6] Technology foresight manual. Volume 1 Organization and Methods [Z]. United Nations Industrial Development Organization. 2005: 142-160.

[7] 娄伟. 情景分析方法研究[J].未来与发展，2012(9): 17-26.

[8] 沙振江，张蓉，刘桂锋：国内技术预见方法研究述评[J]. 情报理论与实践，2015(6):140-144.

[9] Snoek M. The use and methodology of Scenario making [J/OL]. European Journal of Teacher Education. 2003 26(1). DOI: 10.1080/0261976032000065607.

[10] Vinayavekhin S, Phaal R. Synchronization in Strategic Planning: A Roadmapping Framework [J/OL]. International Journal of Innovation and Technology Management. 07 March, 2019.DOI: 10.1142/S0219877019500445.

[11] Alcantara D P, Martens M L. Technology Roadmapping (TRM): a systematic review of the literature focusing on models [J/OL]. Technological Forecasting & Social Change. 14 August, 2018.DOI: 10.1016/j.techfore.2018.08.014.

[12] Phaal R, O'Sullivan E, Routley M, et al. A framework for mapping industrial emergence[J]. Technological Forecasting & Social Change. 2011 (78): 217-230.

[13] Paananen A, Ma¨kinen S J. Bibliometrics-based foresight on renewable energy production [J]. Foresight. 2013 (15): 465-476.

[14] Martino J P. A review of selected recent advantages in technological forecasting [J]. Technological Forecasting & Social Change. 2003 (70): 719-733.

[15] Lee L C, Lee Y Y, Liaw Y C. Bibliometric analysis for development of research strategies in agricultural technology: the case of Taiwan[J]. Scientometrics. 2012 (93):813-830.

[16] 马瑞敏，倪超群. 作者耦合分析：一种新学科知识结构发现方法的探索性研究[J]. 中国图书馆学报，2012 (3): 4-11.

[17] Kleinberg J. Buraty and hicrarchical structure in streams[J]. Data Mining and Knowledge Discovery, 2003(7): 7-15.

[18] Ventura O N, MombruA W. Use of bibliometric information to assist research policy making. A comparison of publication and citation profiles of full and associate professors at a school of chemistry in Uruguay[J]. Scientometrics, 2006(69): 287-313.

[19]王金鹏. 基于科学计量的技术预见方法优化研究[D]. 上海：华东师范大学. 2011.

[20] Ozcan S, Serhat B. The evolution of the use of Foresight methods: a scientometric analysis of global FTA research output [J]. Scientometrics, 2015(105): 497-508.

[21] 陈峰. 日本第八次技术预见方法的创新[J].中国科技论坛，2007(8): 132-135.

[22] Hariolf Grupp. Status and Prospects of technology foresight in Germany after ten years [R]. Japan. The proceeding of international Conference on technology foresight. March 2001.

[23] Zweck A, Holtmannsptter D, Braun M, et al. Stories from the Future 2030. Volume 3 of results from the search phase of BMBF Foresight Cycle II. 2017.http://www.isi.fraunhofer.de/isi-en/v/projekte/highlight-projects/ski-bmbf-foresight-zyklus-2.php.

[24] Mu R, Ren Z, Yuan Sida,et al. Technology Foresight towards 2020 in China: the Practice and its Impacts [J]. Technology Analysis & Strategic Management. 2008(20): 287-307.

[25] 程家瑜. 技术预测中咨询专家人数权重和评价意见的讨论[J]. 中国科技论坛，2007(5): 24-26.

[26]简兆权，柳仪. 技术预见共识形成机制[J]. 科学学与科学技术管理，2014(9): 37-47.

作者简介

曹学伟，女，博士（后），中国科协创新战略研究院，研究方向为创新战略、农业政策、技术预见。

高晓巍，女，博士，副研究员，中国科协创新战略研究院，研究方向为农业科技人力资源、科技政策等。

责任编辑：梁帅

封面图片：来源网络