The Impact of Technological Diversification of S&T Innovation Teams on Patent Disruption Level: The Pre-Event, During Event and Post-Event Perspectives

Zhao Youlin1,2, Zhang Zheng1, Wang Jiajie2, Feng Li3, Shi Yanqing4

(1.School of Business, Hohai University, Nanjing 211100, China;2.School of Information Management, Nanjing University, Nanjing 210023, China;3.Library of Hohai University, Nanjing 211100, China;4.School of Information Management, Nanjing Agricultural University, Nanjing 210095, China)

Abstract：With the trend of multi-technology products and multi-application technologies, technology diversification has become the basis for scientific and technological innovation teams (S&T innovation teams) to conduct research. S&T innovation teams are the main inventors of patents. Although some S&T innovation teams have mastered diversified technical knowledge, they cannot fully utilize the varied knowledge of their team members because they fail to understand how technology diversification affects the disruption of patents, leading them to fall into the 'technology diversification trap'. Therefore, it is of practical significance to study the impact mechanism of technology diversification within S&T innovation teams on the disruption of team patents.

Building on existing research into technology diversification and patent disruption, this paper makes two novel contributions. First, from the perspective of the scientific research subject of enterprises and other organizations—S&T innovation teams, this study focuses on the impact of the degree of technology diversification of S&T innovation teams on the disruption of their patents. Second, by drawing on the concepts of 'pre-event learning', 'during-event learning', and 'post-event learning' from knowledge management, the indicators of patent disruption are innovatively reorganized by logically structuring the events before the patent is generated, during the invention process, and after its publication. This leads to the development of corresponding multi-factor indicators of 'pre-event', 'during-event', and 'post-event', thereby proposing a three-stage factor indicator system of patent disruption from the perspective of S&T innovation teams. The aim is to explore the impact of the degree of technology diversification on the disruptive factors of the three stages of invented patents.

First, this study identifies and calculates the technological diversification levels of these innovation teams. Second, it proposes a three-stage factor indicator system for patent disruption from the perspective of innovation teams (pre-event, during event, post-event). Finally, statistical analysis methods are utilized to measure the effects of technological diversification on the three-stage factors of patent disruption and to conduct robustness tests. The phenomenon of technological diversification in the field of artificial intelligence, along with the evident data characteristics of relevant indicators across the three stages, is examined in this study.

Empirical results show that the technological diversity of S&T innovation teams in the field of artificial intelligence has different impacts on factors at various stages of team patent disruption. (1) Among pre-event factors, technological diversification shows a significant negative effect on the novelty of team patents. (2) In terms of during-event factors, the higher the team′s level of technological diversification, the lower its R&D coefficient; that is, the number of patents per inventor and applicant is low. (3) In terms of post-event factors, the higher the technological diversity of the S&T innovation teams, the greater the number of patent citations and market potential. (4) In addition, differing from existing literature, this study proves that the degree of team technological diversification has no significant correlation with the growth and scale of the team's patent disruptive pre-event factors. This demonstrates that the technological diversification of the S&T innovation teams does not increase the disruptive level of the patents invented by the team through selecting high-growth or large-scale subdivisions prior to invention.

This research enriches the existing logic for constructing indicator systems related to patent disruption by introducing the pre-event, during-event, and post-event concepts, and for the first time, analyzes the impact of technological diversification on patent disruption from the perspective of S&T innovation teams. This provides insights for assembling high-level S&T innovation teams and enhancing patent disruption levels: team members with different knowledge backgrounds are often better positioned to understand market demand and integrate multiple technologies, which can enhance the market potential and citation volume of patents, crucial for teams to distinguish themselves in competition. However, the negative impact of technological diversification on the novelty and R&D coefficients is also worthy of attention, indicating that in the process of pursuing technological diversification, S&T innovation teams should balance the pursuit of technological diversification with the maintenance of innovation uniqueness and the enhancement of R&D efficiency.

Key Words：Scientific and Technological Innovation Teams; Technological Diversification; Disruptive Innovation; Patent Disruption; Artificial Intelligence

收稿日期：2024-07-19

修回日期：2024-12-11

基金项目：中国博士后科学基金特别资助项目(2021T140311);中国博士后科学基金面上项目(2019M650108);中央高校基本科研业务经费专项资金项目(B230207061);江苏省高校图工委教改研究课题一般项目(2024JTYB07);江苏省高校哲学社会科学研究一般项目(2024SJYB0038)

作者简介：赵又霖(1986—),女,四川达州人,博士,河海大学商学院副教授、博士生导师,南京大学信息管理学院博士后,研究方向为信息管理、科技创新;张峥(2000—),女,黑龙江鸡西人,河海大学商学院硕士研究生,研究方向为科技创新;王嘉杰(2000—),男,浙江宁波人,南京大学信息管理学院博士研究生,研究方向为产业创新和复杂网络;封丽(1982—),女,江苏泰兴人,河海大学图书馆馆员,研究方向为专利分析与知识组织;石燕青(1989—),女,山西忻州人,博士,南京农业大学信息管理学院副教授、硕士生导师,研究方向为科学计量与科技评价。本文通讯作者:封丽。

DOI：10.6049/kjjbydc.2024070595

开放科学(资源服务)标识码(OSID)：

中图分类号：G306

文献标识码：A

文章编号：1001-7348(2025)09-0119-11

0 引言

在产品技术化与技术应用化趋势下,技术多元化成为科技创新团队开展研究的基础。在智能终端、智慧医疗等复杂产品领域,单个产品由多种技术构成,需要各领域科研人员合作才能推进产品研发。技术多元化代表组织知识特征,用以衡量组织掌握知识领域的广度。技术多元化程度高的组织技术搜索范围广泛,有助于突破现有技术,创造出更具颠覆性的专利[1]。科研人员合作创新成为主流模式,并逐渐发展为科技创新团队[2](以下简称“科创团队”)。科创团队技术多元化有助于促进跨领域交叉创新,但也会加大技术重组难度[3]。部分科创团队虽然已经掌握多样化技术知识,但因未能充分理解技术多元化对专利的颠覆性影响而极易陷入“技术多元化陷阱”[4]。因此,研究科创团队技术多元化对团队专利颠覆性的影响机制具有重要意义。

颠覆性创新是指结合其它领域知识,突破行业现有技术限制,从而改变主流市场格局的新型产品、服务、技术或商业模式,是组织创新绩效的表现方式之一[5]。然而,现有研究重点关注颠覆性技术识别、预测等内容,鲜有文献探讨技术多元化对专利颠覆性的影响效果。已有研究大多运用统计分析法对科研团队多样性与学术创新成果质量关系进行探讨。如唐旭丽和李信(2022)探讨信息多样性、社会属性多样性和行为意愿多样性对学术颠覆性创新的影响机制;Freeman等(2014)探讨科研团队性别、机构或国家多样性与文献影响力间的关系;廖青云(2021)、张琳等(2018)探讨科研团队学科、国家或机构多样性与论文产出间关系。团队多样性概念较技术多元化更加宽泛,而相关研究并未关注团队技术多元化的作用。此外,已有研究虽然探究技术多元化对企业创新绩效的影响[4,6],但未聚焦科创团队这一创新主体,且仅用专利申请数或托宾Q值衡量创新绩效存在一定不足。因此,有必要从理论层面探究科创团队技术多元化对专利颠覆性的影响机制。

本文贡献主要体现在以下两个方面:一是从企业科研主体——科创团队视角出发,关注科创团队技术多元化程度对专利颠覆性的影响;二是借鉴知识管理事前学、事中学和事后学的概念[7],以专利产生前、发明过程中、发表后为逻辑,构建事前、事中、事后多因素指标体系,探究科创团队技术多元化程度对发明专利三阶段颠覆性因素的影响。本文以技术多元化和事前、事中、事后因素指标数据特征较为明显的人工智能领域专利数据为研究对象进行实证分析,可为提升该领域专利颠覆性水平提供启示。

1 研究现状

1.1 技术多元化

技术多元化最初由Kodama[8]于1986年提出,指企业在其主导产品以外的其它领域发起的技术研发活动。关于技术多元化的研究多以企业为主体,探究技术多元化与企业创新绩效之间的关系。多数学者认为技术多元化对企业创新绩效具有积极影响。然而,部分学者基于资源约束理论指出技术多元化会引致企业内部协调和管理成本上升(何郁冰等,2021),从而阻碍企业技术创新;此外,也有研究认为技术多元化与企业创新绩效之间呈复杂的曲线关系(杨博旭等,2021;Yoo等,2022)。存在这种分歧的原因可能在于,已有研究仅分析技术多元化与创新之间的关系,并未对创新进行具体分类。杨博旭等(2021)将创新划分为探索式创新和利用式创新,构建技术多元化与双元创新理论关系模型,试图揭示技术多元化与创新绩效之间的“黑箱”,但对创新绩效维度的研究较少。

综上所述,现有研究存在研究对象笼统、创新绩效衡量方式不具有代表性、技术多元化对创新绩效影响机制探讨不充分等问题。鉴于此,本研究从科创团队视角出发,用专利颠覆性衡量创新绩效,重点探讨技术多元化对团队专利颠覆性的影响,对于厘清技术多元化对科创团队创新绩效作用机制具有一定启发。

1.2 专利颠覆性

颠覆性技术概念最早由Bower &Christensen(1995)提出,指对传统或主流技术产生颠覆性效果的技术。目前,学界对颠覆性技术概念和内涵尚未形成统一定义。王志勇等(2015)将颠覆性技术界定为“基于全新概念的创新技术、支撑装备创新的使能技术或是多项技术交叉融合产生的新技术”;Nagy等(2016)从市场需求角度出发,认为颠覆性技术是通过提供全新功能改变市场性能指标或消费者预期,重构商业模式和市场格局的新技术;Kenagy(2001)从战略角度界定颠覆性创新内涵,并揭示颠覆性创新与组织创新绩效间关系。综上所述,本文认为颠覆性技术是指多项技术交融产生,对技术发展、市场格局变化具有影响力的新技术,可用来衡量组织创新绩效。

现有研究表明,团队主要通过获取、整合和配置资源提高颠覆性技术创新绩效(Cheng等,2016),知识整合能力显著影响团队创新绩效(裴云龙,2017),多学科交叉、汇聚和融合有利于产生前沿颠覆性技术(韩宇等,2016)。可见,已有研究虽对颠覆性技术识别及预测方法进行探讨,但未深入研究技术多元化对专利颠覆性的影响。因此,本文就技术多元化对专利颠覆性影响机制进行时序分段式剖析。知识管理事前学、事中学和事后学逻辑理念[8]适合本文所提出的时序分段式分析,因此构建专利颠覆性三段式(事前、事中、事后)因素指标体系,从微观视角探索技术多元化对专利颠覆性的影响,具有一定理论参考价值和实践意义。

2 研究设计

本文研究思路如图1所示。首先,识别出科创团队并计算其技术多元化程度;其次,综合已有研究,按照专利产生前、发明过程中、发表后的逻辑顺序,构建专利颠覆性三段式因素指标体系;最后,探索技术多元化对专利颠覆性事前、事中和事后各因素的影响。

2.1 科创团队识别与技术多元化评估

科创团队识别是评估技术多元化程度的基础。对科创团队内涵的理解不同,对其识别方法也不同。有学者采用问卷调研法、专家访谈法确定团队类型,此方法的优势在于根据访谈数据理解团队构成,但存在数据源单一、数据采集效率低等不足。部分研究直接将科研成果共同作者作为一个团队,如项目团队和实验室团队等。但该方法存在如下问题:①由于署名人数有限,一项成果的署名通常无法涵盖团队所有成员;②有时会出现共同署名的情况,但这种共同署名不具备团队合作的可持续性。综合考虑各方因素,本文借鉴石静等(2022)的做法,将科创团队定义为“在较长一段时间内为同一科研目标持续合作的两人或两人以上的团体”。科研人员通常会进行多次合作或同时开展多项研究进而产出系列成果,在此过程中,少数重复参与合作的成员便作为“桥梁”牵引出整个团队。该思路与连通子图的概念相似(于硕,2019),故本文采用最大连通子图识别科研团队合作关系,进而确定科创团队。

最大连通子图隶属于网络分析,常用于识别多元合作关系(王超等,2020)。其主要思想是:对于一个无向图G,若从顶点i到j有路径相连,则认为其是连通的。网络节点或边在受到干扰后会分裂成若干子网络,含有节点数量最多的子网络即为最大连通子图S(李博等,2023)。一个不连通的大型网络可被分割为多个最大连通子图,子图内部各节点间存在直接或间接联系,但子群之间彼此断裂。本文运用Python中的pandas工具去重并构建发明人矩阵person_matrix,使用NetworkX软件构建无向图G,根据发明人矩阵person_matrix向无向图G中添加发明人节点,若两个节点之间存在共同署名的专利,则向G中添加连边。将重复出现的发明人作为中介,进一步识别出科创团队。

在识别出科创团队后,将科创团队与其发明的专利相关联,根据专利技术领域测算科创团队技术多元化水平。现有研究采用Hefindahl指数、Shannon-Wiener指数和熵(Entropy)指数等方法测量技术多元化程度,其中使用最广泛的为熵指数法(冯蕾,2018)。Hefindahl指数法无法解决多重共线性问题,而熵指数的可分解特性能有效解决该问题。同时,熵指数法与本文专利计量研究更为契合。该方法能对如下因素进行测算:①团队专利总量;②团队专利在某技术领域的比重;③团队专利技术领域数量。因此,本文采用熵指数法衡量科创团队技术多元化程度,如公式(1)所示。

技术多元化

(1)

其中,i表示科创团队所有专利按国际分类号前4位(IPC4,即主分类号)分类的结果;pi表示团队在i领域的专利数量占团队专利总量的比重;N表示团队专利共占据N个主分类号。熵指数取值范围为0到正无穷大,该值越趋近于0,表明团队技术越集中,技术多元化程度越小;反之,则表明团队技术领域越分散,技术多元化程度越高。

2.2 科创团队视角下专利颠覆性三段式因素指标体系构建

Mund等(2015)研究发现,大多数单一指标对颠覆性技术特征的表征不够充分,而多样性指标体系识别效果存在显著差异。现有研究将事前、事中、事后理念应用于专利监管、专利权利保护等法学领域,通过规范专利质量事前评估、事中检查、事后抽查来规避相关法律风险(吴常青,2022;蒋启蒙等,2022;岳宗全等,2023)。受此启发,本文将这一理念应用于专利颠覆性因素指标体系构建,结合科创团队内涵和特征,从专利产生全过程视角构建事前、事中、事后三段式因素指标体系,试图厘清颠覆性评价指标的内在逻辑。其中,事前是指科创团队在发明专利之前的准备阶段,事中是指专利发明人研究该专利的全过程,事后是指专利发表之后的阶段。

2.2.1 事前因素

Rogers(2003)指出,创新组织扩散起始阶段包括对信息的搜集、概念化、预测、可视化和规划。本文所定义的事前阶段是指科创团队在发明某专利之前的准备阶段,在这一阶段科创团队会进行选题调研、文献搜集、技术可行性分析、市场需求分析等活动以确定专利的创新性。参考现有研究,结合颠覆性创新内涵和特征,本文选取具有代表性的事前因素指标,包括增长性[9-10]、新颖性[11-13]和规模[6,14]。这些指标分别从不同角度衡量专利未被发明之前对颠覆性水平的影响。具体而言,增长性从生命周期视角出发,刻画专利所在细分领域增长趋势;新颖性从时间维度出发,判断专利新兴程度;规模则从市场需求密集程度和竞争激烈程度出发,判断科创团队技术创新程度。

(1)增长性。科创团队在选题之前需考量该领域发展前景,而增长性是新兴技术的本质特征之一。生命周期理论认为,相对增长性高意味着某项技术正处于成长阶段或恢复阶段,说明该技术机会更大。对于科创团队而言,技术多元化能够促进团队成员异质知识交叉互补,激发不同领域创新,创造新知识、新技术、新工艺和新产品,进而促进该领域专利数量增长[9]。现有研究一般用技术主题下专利年增长率衡量技术增长性,专利国际分类号前四位(IPC4,即主分类号)能够准确反映专利技术主题范畴[11],因此本文使用主分类号下专利数量增长率表征某项技术主题的增长性,如公式(2)所示。

专利数量增长率

(2)

其中,Ni为某主分类号在i年发表的专利数量,Ni-1为某主分类号在i-1年发表的专利数量。

(2)新颖性。技术多元化程度高的科创团队成员拥有更丰富的异质性知识。在发明过程中,各领域知识在跨学科应用中相互交融、碰撞,从而促进新兴技术的产生。已有研究将专利新颖度作为基于历史信息的事前分析指标,对专利在未来时期的表现有显著预测效果[12-13]。颠覆性技术往往具有“新”的特征,这里的“新”不仅表现在技术维度,也体现在时间维度。授权时间越晚的专利,贴合市场需求的可能性越大[15]。判断某一技术主题的新颖程度,最为直接的方法就是计算其平均授权年[16]。因此,本文用主分类号下专利平均授权年衡量技术主题新颖性,如公式(3)所示。

主分类号j平均授权年=

(3)

其中,Patentnumj表示第j类专利的个数。

(3)规模。规模指某领域专利数量,规模在一定程度影响专利主题的颠覆性。大规模专利主题通常包含广泛的技术应用领域,能够促进技术整合,使得该主题更有可能出现颠覆性强的技术[13]。科创团队在规模较大的主题下开展创新活动,能够提高专利技术领域密度,更容易发生知识关联,从而产生高水平创新知识。同时,专利规模越大,市场需求量越高,竞争也就越激烈。科创团队为保持领域内竞争优势,会倾向于进行大胆创新,其专利具有颠覆性的可能性也就越高。如杨博旭等(2021)将发明主体合作专利数量作为被解释变量,发现组织技术多元化程度能够显著增强技术临近性与合作创新绩效之间的倒U型关系;徐蕾等[6]用专利申请数量测量企业创新绩效,发现技术多元化对企业创新绩效具有显著正向影响。因此,本文将主分类号规模作为“事前”指标之一,并用主分类号下的专利数量衡量,公式如下:

主分类号j下专利数量=Patentnumj

(4)

2.2.2 事中因素

本文所定义的事中阶段是指科创团队发明专利阶段,该阶段科创团队利用专利权人提供的资金以及发明人所拥有的知识等有形或无形资源完成专利发明。本文着眼于科创团队视角,引用量体现科创团队专利知识基础扎实程度,研发系数体现科创团队发明专利知识类型丰富程度和物质支持程度[15]。因此,本文选取引用量[17]和研发系数[15,18]作为专利颠覆性三段式因素事中阶段的代表性指标。

(1)引用量。技术多元化程度高的科创团队能够引用不同领域专利、整合不同程度知识,这种综合创新有可能产生更具颠覆性的技术。专利引用行为表明该专利在创造过程中参考了现有技术知识,专利引用数量越多,说明理论基础越扎实[17]。鉴于专利引用量对专利价值和技术基础的重要性,为全面评估主分类号下专利的整体引用情况,将主分类号下所有专利引用量的总和除以专利总数,得出该主分类号下专利的平均引用量,如公式(5)所示。

平均引用量

(5)

(2)研发系数。科创团队专利技术研发涉及多个创新主体,需要高校、企业、政府机构科研人员协调配合。发明人数量和申请人数量一定程度上代表专利研发质量[17]。发明人数量越多,团队拥有的知识类型越丰富,技术多元化程度越高,技术融合和技术轨道跃迁潜力越大,从而产生颠覆性专利的可能性也就越大。因此,专利发明人数量在一定程度上代表技术知识基础。同时,申请人数量反映专利资金、资源等创新基础(蒋仁爱等,2020)。鉴于此,为评价科创团队专利研发情况,本文沿用龚花萍等[15]构建的研发系数指标,分别计算发明人系数和专利权人系数,用熵权法赋权加总后得到研发系数。其中,某主分类号的发明人系数和专利权人系数计算公式如下:

发明人系数

(6)

专利权人系数

(7)

2.2.3 事后因素

事后阶段是指科创团队专利发表之后的阶段,该阶段将满足市场需求,并被其它专利所引用。科创团队发明专利或满足市场需求的能力可用市场潜力衡量[19],其在领域内的影响力和前瞻性可用被引用量衡量(栾春娟等,2016)。因此,本文选取市场潜力[20-21]和专利被引用量[22]作为科创团队专利颠覆性三段式因素事后阶段的代表性指标。

(1)市场潜力。颠覆性创新需要足够大的市场需求[20],科创团队发明专利一方面是为解决市场已有需求,另一方面也需要激发目标群体新的需求。因此,专利发表后的市场潜力是衡量专利颠覆性程度的指标之一。拥有多元化技术的科创团队能够利用异质性知识进行技术轨道跃迁,挖掘新市场,进而扩展领域市场范围。IPC副分类号是专利技术应用终端的重要表征[21],副分类号数量多在一定程度上代表专利技术应用范围广,说明企业通过商业手段控制市场的能力强,因此根据IPC副分类号类别数反映专利技术发表后的市场占有性和排他性具有一定可行性[23]。本文采用副分类号数量表征主分类号的市场潜力。

市场潜力=主分类号j下副分类号数量

(8)

(2)被引用量。专利被引用量代表该项技术被领域内其他研究者认可的程度[22],若一个专利被频繁引用,说明该专利提出前瞻性技术思想、解决方案或创新模式,在该领域具有较高的引领力,通常具有较强的颠覆性。科创团队拥有多元化技术,其所发表的专利隶属于多个IPC分类号,能够被多领域专利引用,因此本文将其纳入科创团队专利颠覆性三段式事后影响因素,衡量科创团队专利在发表之后产生的影响力,并用主分类号下专利被其它专利引用数量的平均值表征该主分类号的专利被引用量。

平均被引用量=

(9)

综上所述,从对颠覆性技术特征的表征、与科创团队技术多元化的链接性两个方面选取事前、事中、事后因素所包含的指标,构建科创团队视角下专利颠覆性三段式因素指标体系,包括增长性、新颖性、规模、引用量、研发系数、市场潜力和专利被引用量,具体如表1所示。

2.3 科创团队技术多元化对专利颠覆性影响的计量模型构建

为检验科创团队技术多元化与专利颠覆性三段式因素之间的关系,构建计量模型如公式(10)所示。

Yi=α+βX+εi

(10)

其中,Yi为专利颠覆性三段式因素指标,包括:事前因素中的增长性、新颖性、规模;事中因素中的研发系数和引用量;事后因素中的市场潜力和被引用量。X为自变量即科创团队技术多元化。εi为常量,表示模型中除自变量之外影响因变量的其它因素。

3 实证结果分析

3.1 数据来源与样本选取

本文选取人工智能领域专利数据进行实证研究,主要基于以下考虑:首先,人工智能领域是一个发展较为成熟的领域,该领域专利规模大、创新行为活跃,专利引用与被引现象频繁,数据特征较为明显。其次,人工智能领域团队在科研活动中存在年长学者提携和带领后辈的现象(唐旭丽,2023),这与团队识别使用的最大连通子图法原理相似。最后,人工智能领域学者偏好跨学科或跨主题合作,领域内科创团队技术多元化程度较高(唐旭丽,2023)。因此,用人工智能领域专利验证科创团队技术多元化对专利颠覆性水平的影响具有合理性。具体而言,以PATSTAT全球专利数据库中2011—2021年人工智能领域专利作为数据来源,提取APPLN_ID、PERSON_ID、IPC_CLASS_SYMBOL、APPLN_FILING_YEAR、NB_APPLICANTS、NB_INVENTORS等字段,经数据清洗与处理后共得到有效专利数据2 051 094条。

相关研究发现,距今较近时间段内,若技术发展趋势良好,市场环境相对稳定,团队目标和成员组成能保持一定的连贯性,则有助于提高团队识别的准确性[24]。因此,选取2019—2021年专利数据构建子数据集1,来识别科创团队。其次,筛选符合实验要求的科创团队,将其所有专利组成专利数据集2,用来测算技术多元化水平。最后,用全量数据集计算专利颠覆性三段式因素指标值。数据集具体划分规则如表2所示。

3.2 科创团队识别与技术多元化评估结果

基于表2中的子数据集1,提取PERSON_ID和APPLN_ID字段,用最大连通子图识别人工智能领域科创团队。综合考量人工智能领域科创团队识别结果所具特征,对该领域科创团队识别结果作如下筛选:首先,大规模团队合作网络密度和合作强度明显较弱(汤志伟等,2021),仅有一位成员科创团队不具有研究价值,剔除大于30人和仅有一位成员的团队,将团队规模限制为2～30人。其次,拥有多项专利成果的科创团队更有研究价值,且只有一项专利的团队合作关系不稳定(石静等,2022),故剔除只包含一项专利的团队。最后,经筛选得到5 451个团队,包含17 100项专利,即子数据集2。图2为团队规模分布与专利数量情况,可见成员数量在10人及以下的团队接近70%,仅有约6%的团队成员数量多于20人。团队专利数量呈现明显的长尾现象,有55.6%的团队仅有两项专利。为验证该方法识别效果,本文根据团队规模分层抽取30个团队进行人工核验,结果通过校验,表3为部分团队抽取结果。

进一步,测算科创团队技术多元化程度。使用子数据集2,用熵指数法计算人工智能领域5 451个团队的技术多元化程度,表4展示了部分科创团队的技术多元化程度结果。从中可见,有67.2%的团队熵指数为0,说明这些团队发表专利均属于同一个IPC主分类号,团队技术领域高度集中;有20.82%的团队熵指数介于0～1之间;有11.32%的团队熵指数介于1～2之间;此外,还有0.66%的团队熵指数大于2,说明这些团队发表专利领域分布广泛,团队技术多元化程度较高。

3.3 科创团队视角下专利颠覆性三段式因素指标体系识别结果

本文用IPC主分类号划分不同知识领域,根据团队熵指数结果计算每个主分类号的平均团队熵指数。研究表明,知识基础会持续影响团队对复杂、动态情景的判断,进而影响团队行为和绩效(Milliken等,1996;岳增慧等,2015;侯楠等,2016)。科创团队专利具有技术继承性和连续性特征,团队成员往往根据当前市场需求,结合团队现有技术和知识发明新专利。团队最新专利代表团队研究成果,其实际应用更符合市场需求。根据每个团队最新专利所在主分类号,将该团队归为主分类号类,计算每个主分类号类别中所有团队的熵指数平均值,分别分析每个主分类号的平均团队熵指数与主分类号的事前因素得分、事中因素得分、事后因素得分之间的显著性和相关性,通过对表2数据集中的专利IPC号进行统计,共得到74个主分类号。根据科创团队专利颠覆性三段式因素识别结果所包含的指标,计算这74个主分类号的计量值。

进一步,分别计算专利权人系数和发明人系数,并用熵权法确定两者权重后,对其相加得到研发系数。再对指标进行无量纲化处理,得到主分类号的各个指标值,如表5所示。

3.4 科创团队技术多元化对专利颠覆性的影响测度

本文主要揭示科创团队技术多元化程度对其发明专利各阶段颠覆性的影响效应。首先,探究科创团队技术多元化程度与发明专利颠覆性事前、事中、事后因素指标之间的相关性,明确变量间相关强度和作用方向;其次,对相关部分采取合适的拟合方式进行回归分析,明晰科创团队技术多元化与专利颠覆性三段式因素指标之间的因果关系,并得到预测性信息;再次,替换解释变量和子样本区间检验方法进行稳健性检验;最后,根据回归结果解析科创团队技术多元化程度对专利各阶段的影响效果。

3.4.1 同源性方差检验

本研究采用Harman单因素法对可能存在的同源性偏差问题进行检验,对所有变量进行未旋转探索性因子分析[8]。结果显示,KMO=0.650,p<0.001,因此适合进行因子分析。未旋转状态下析出2个特征根大于1的因子,第一个因子方差解释率为34.601%,低于临界值40%,说明不存在严重的共同方法偏差问题,结果如表6和表7所示。

3.4.2 相关性分析

各变量描述性统计与相关性分析结果如表8所示。由表8可知,科创团队技术多元化与事前因素中的专利新颖性(-0.412,p<0.01)、事中因素中的研发系数(-0.329,p<0.01)负相关,与事中因素中的引用量(0.448,p<0.01)、事后因素中的市场潜力(0.292,p<0.05)和被引用量(0.410,p<0.01)正相关,与事前因素中的增长性、事中因素中的规模无相关关系。

3.4.3 回归分析

本文使用广义线性模型考察科创团队技术多元化对专利颠覆性各阶段因素的影响效应。由于科创团队技术多元化与事前因素中的增长性、事中因素中的规模不存在相关关系,因此在回归分析时予以剔除,团队技术多元化与团队专利颠覆性因素线性回归结果如表9所示。从中可见:在事前因素方面,技术多元化对新颖性具有显著负向影响(β=-0.363,p<0.01);事中因素方面,技术多元化对研发系数具有显著负向影响(β=-0.274,p<0.01),对引用量具有显著正向影响(β=0.443,p<0.01);事后因素方面,技术多元化对市场潜力(β=0.277,p<0.05)和专利被引用量(β=0.419,p<0.01)具有显著正向影响。

3.4.4 稳健性检验

(1)替换解释变量。通过更换不同解释变量进行回归分析以验证结论是否稳健。Shannon-Wiener指数用于衡量系统多样性,数值越大说明系统多样性越丰富[5]。相比于熵指数法,Shannon-Wiener指数对类别丰富度和均匀度较为敏感,可从不同角度对技术多元化进行度量[25]。因此,用Shannon-Wiener指数测算技术多元化,用公式(10)进行基准回归分析,结果见表10。从中可见,基准回归分析结果与表9基本一致,表明上述研究结论比较稳健。

(2)子样本区间检验。子样本区间检验用以考察研究结论在特定子样本群体中的适用性。以APPLN_AUTH字段为EP(欧洲专利局授权专利)作为子样本进行稳健性检验,通过改变样本区间检验研究结论的普适性。如果在特定区间样本下研究结论未发生实质性改变,说明研究结论具有一定稳定性和可靠性。运行公式(10)进行基准回归分析,可知表11结果与表9基本一致,表明在更改样本区间后,研究结论未发生实质性改变。

3.4.5 研究结果讨论

实证结果表明,人工智能领域科创团队技术多元化对团队专利颠覆性不同阶段因素具有不同影响。

(1)在事前因素中,技术多元化对团队专利新颖性呈现显著负向影响,这与王萍萍等(2020)的研究结论相似。即技术多元化有可能带来知识多样性,但也会增加吸收和消化异质性知识的成本,从而导致技术多元化难以有效促进新颖性技术的产生,因此无益于提高专利颠覆性水平。

(2)在事中因素方面,团队技术多元化水平越高,其研发系数越低,即发明人和申请人人均专利数量越低。这一结论与杜玉申等(2021)的观点相似,即在团队中,技术多元化水平高意味着知识分散在多个领域,科创团队资源分散,导致在特定领域创新力度有所减弱,影响专利颠覆性。此外,在事中因素方面,科创团队对其它专利的引用量越高,越能提升自身发明专利颠覆性水平,这在某种程度上说明科创团队在创新过程中对已有知识的借鉴和整合能够创造出更具突破性的创新成果。引用其它专利意味着团队能够借助已有技术发现现有技术的不足,有针对性地进行创新,从而提高发明专利颠覆性水平。同时,高引用量反映出团队具有广阔的知识视野和较强的信息检索及分析能力,能够从众多专利中筛选出有价值的知识,为自身创新活动注入新思路。这种对外部知识的有效利用有助于打破传统思维束缚,推动技术跨越式发展,使团队发明专利在技术领域产生较大影响力和变革性。

(3)在事后因素方面,科创团队技术多元化程度越高,说明专利被引用量和市场潜力越大。即科创团队技术多元化通过对专利颠覆性事后因素产生正向影响来提高团队所申请专利的颠覆性水平。这可能是因为技术多元化程度高的团队涉足领域更宽泛,发明专利应用领域更广、被引用率更高。在专利被引量方面,Salatino等(2023)的研究也表明专业知识多样性与论文被引次数显著正相关。在技术多元化与市场潜力关系方面,与张利飞等(2017)的研究结论相似,即企业技术多元化程度越高越容易加入专利池,从而在一定程度上增加专利被引用概率,进而影响市场潜力。

(4)本文发现团队技术多元化程度与团队专利颠覆性事前因素中的增长性、规模无显著相关性,说明科创团队技术多元化并不能通过在发明前选择增长性高或规模大的细分领域来提高团队发明专利的颠覆性水平,该结论与Daiko et al及林春培等研究结论有所不同。根据生命周期理论,增长快但规模小的领域属于成长期,由于专利发明存在时间差,因此选择正在快速增长的领域未必会提高专利颠覆性程度。规模较大领域多处于成熟期或衰退期,选择此领域很难提高专利颠覆性水平。

综上所述,人工智能领域科创团队无法通过改变技术多元化程度,从专利颠覆性事前因素的增长性和规模两个方面提升发明专利的颠覆性水平,而只能通过专利颠覆性事中和事后因素两个角度改变发明专利的颠覆性水平。

4 结语

4.1 研究结论

本文从科创团队视角出发,首先识别出科创团队并测算其技术多元化水平,其次基于事前、事中、事后逻辑顺序构建科创团队视角下专利颠覆性三段式因素指标体系,包括增长性、新颖性、规模、引用量、研发系数、市场潜力和专利被引用量,最后测度科创团队技术多元化对专利颠覆性的影响效应。采用人工智能领域2011—2021年专利数据进行实证分析,得出如下结论:①团队技术多元化程度对团队专利颠覆性事中因素中的引用量和事后因素中的市场潜力、被引用量具有正向影响,对于事前因素中的新颖性和事中因素中的研发系数具有负向影响;②未发现科创团队技术多元化与专利颠覆性事前因素中增长性和规模之间的相关性,说明人工智能领域团队技术多元化程度对团队专利颠覆性增长性和规模影响不显著。

4.2 研究启示

(1)从理论价值看,以往研究存在对科创团队关注较少、专利颠覆性测度方式单一、对技术多元化影响团队创新绩效作用效果探讨不足等问题[4]。文献[25,29]虽然探讨科研团队多样性与学术创新成果质量之间的关系,但未揭示团队技术多元化的作用。文献[4]虽然探讨技术多元化对企业创新绩效的影响,但主要聚焦于企业层面,对科创团队的研究较少,且对创新绩效的衡量不够全面。文献[15][28][29]虽探讨颠覆性技术识别和预测方法,但未分析技术多元化对专利颠覆性的影响。本文立足于现有研究,以科创团队为研究对象,通过引入事前、事中、事后理念厘清专利颠覆性因素指标体系的内在逻辑,在此基础上验证科创团队技术多元化对专利颠覆性的影响。与以往观点不同,本文发现科创团队技术多元化程度与专利颠覆性事前因素中的增长性和规模无显著相关性,说明科创团队技术多元化并不能通过在发明前选择增长性快或规模大的细分领域来提高团队发明专利的颠覆性水平。

(2)在实践意义方面,为组建高水平科创团队提供如下启发:当前,人工智能技术处于高速发展阶段,市场竞争激烈。具有不同知识背景的团队成员往往能够更好地洞察市场需求,将多种技术融合在一起,在一定程度上提升专利市场潜力和被引用量,这对于团队在竞争中脱颖而出至关重要。然而,技术多元化对新颖性和研发系数的负向影响意味着科创团队需要在追求创新独特性和提高研发效率之间找到平衡。本文使用人工智能领域专利数据展开研究,发现技术多元化对专利市场潜力和被引用量具有正向影响,该结论在生物医药、新能源等技术密集型领域同样存在(胡双钰等,2023)。这些领域跨学科合作和知识融合越来越普遍,技术多元化团队更有优势创造出具有高影响力的专利。而技术多元化与新颖性、研发系数之间的复杂关系说明,其他领域科创团队在追求技术多元化的同时,也要关注创新质量和效率的提升。

4.3 不足与展望

本文存在如下不足:尽管本研究已尽可能减少专利被引滞后性对科创团队专利颠覆性识别结果的影响,但由于专利审查、公开、出版等流程带来的时间限制,可能导致近年专利被引数量存在一定误差。未来应尝试从多源Web实时信息等数据入手,进一步提高专利颠覆性因素指标结果的时效性和准确性。此外,本研究仅采用人工智能领域专利数据进行实证研究,导致研究结论具有一定局限性。未来应基于全领域数据进行对比分析,以得出更具普适性的结论。

参考文献：

[1] 杨博旭, 王玉荣, 李兴光. 多维邻近与合作创新[J]. 科学学研究, 2019, 37(1): 154-164.

[2] WUCHTY S, JONES B, UZZI B. The increasing dominance of teams in production of knowledge[J]. Science, 2007, 316: 1036-1039.

[3] CHEN Y M, YANG D H, LIN F J. Does technological diversification matter to firm performance? the moderating role of organizational slack[J]. Journal of Business Research, 2013, 66(10): 1970-1975.

[4] 黄灿, 徐戈. 技术多元化能够促进企业绩效提升吗——技术重组模式与科学知识搜索的调节作用[J]. 科技进步与对策, 2024, 41(2): 108-118.

[5] CHRISTENSEN C. The innovator′s dilemma: when new technologies cause great firms to fail[M]. Harvard:Harvard Business Review Press,1997.

[6] 徐蕾, 李明贝, 李靖华. 基于技术多元化的企业创新绩效研究:技术重构与开放度视角的剖析[J]. 商业经济与管理, 2022,42(10): 51-61.

[7] 杜新星. DK武汉公司营销系统基于经验萃取的培训设计研究[D]. 武汉:华中科技大学,2023.

[8] KODAMA F. Technological diversification of Japanese industry[J]. Science, 1986, 233(4761): 291-296.

[9] KIM J, LEE C-Y, CHO Y. Technological diversification, core-technology competence, and firm growth[J]. Research Policy, 2016, 45(1): 113-124.

[10] 罗建, 廖婷, 史敏, 等. 新兴技术视域下潜在竞争对手识别研究——以智能驾驶领域为例[J]. 情报科学, 2021, 39(12): 98-104.

[11] 张彪, 吴红, 高道斌, 等. 基于潜在高被引论文与高价值专利的创新前沿识别研究[J]. 图书情报工作, 2022, 66(18): 72-83.

[12] 黄先海,王瀚迪,孙涌铭,等.数字技术与企业出口质量升级——来自专利文本机器学习的证据[J].数量经济技术经济研究,2023,40(12):69-89.

[13] 孙晓玲, 陈娜, 丁堃. 基于组合概率的技术主题新颖性研究[J]. 情报学报, 2022, 41(10): 1015-1023.

[14] EUSEBI C, SILBERGLITT R. Identification and analysis of technology emergence using patent classification[R]. Rand Corporation, 2014.

[15] 龚花萍, 袁丽哲, 周江涌. 区域科技创新视角下新兴技术竞争情报识别框架构建[J]. 现代情报, 2022, 42(9): 91-102.

[16] 杨思洛,江曼,高强.基于知识重组和变异的技术新颖性评估——以数字医疗技术为例[J].数据分析与知识发现,2023,7(12):52-63.

[17] MOMENI A, ROST K. Identification and monitoring of possible disruptive technologies by patent-development paths and topic modeling[J]. Technological Forecasting and Social Change, 2016, 104: 16-29.

[18] 曹晓辉, 段异兵. 基因工程专利维持特征及影响因素分析[J]. 科研管理, 2012, 33(2): 26-32.

[19] 朱月仙, 张娴, 李姝影, 等. 国内外专利产业化潜力评价指标研究[J]. 图书情报工作, 2015, 59(1): 127-133.

[20] 赵祥. 准确把握战略性新兴产业发展的路径与政策重点[J]. 中州学刊, 2023,45(10): 48-56.

[21] VERSPAGEN B. Measuring intersectoral technology spillovers: estimates from the european and US patent office databases[J]. Economic Systems Research, 1997, 9(1): 47-65.

[22] 宋凯, 朱彦君. 专利前沿技术主题识别及趋势预测方法——以人工智能领域为例[J]. 情报杂志, 2021, 40(1): 33-38.

[23] VAN ZEEBROECK N, VAN POTTELSBERGHE DE LA POTTERIE B, GUELLEC D. Claiming more: the increased voluminosity of patent applications and its determinants[J]. Research Policy, 2009, 38(6): 1006-1020.

[24] SALAS J A C-B EDUARDO. Teamwork competencies: the interaction of team member knowledge, skills, and attitudes[M]. England:Psychology Press,1997.

[25] FREEMAN R B, HUANG W. Collaboration: strength in diversity[J]. Nature, 2014, 513(7518): 305.

[26] DAIKO T, KAJIKAWA Y. Team and members' contribution to inventions: diversity from individual and team[C]. Portland International Conference on Management of Engineering and Technology (PICMET),2022.

[27] 林春培, 朱晓艳, 余传鹏, 等. 跨界团队网络特征对其颠覆性创新绩效的影响研究[J]. 情报学报, 2024, 43(4): 391-404.

[28] 安欣, 刘迪航, 徐硕. “双碳”领域颠覆性技术度量与识别——基于多源数据融合方法[J]. 科技进步与对策, 2024, 41(17): 1-11.

[29] MUND C, NEUHAUSLER P. Towards an early-stage identification of emerging topics in science——the usability of bibliometric characteristics[J]. Journal of Informetrics, 2015, 9(4): 1018-1033.

(责任编辑:王敬敏)