2021-09-30-兰德-一种评估国家科技地位的开源方法（英）_20页_1mb

方法概述

本研究提出了一种开源方法，用于评估特定科技领域的国家科技实力，以支持国防和情报部门决策。该方法使用四个指标：高影响力出版物、网络密度、质量调整专利和科技组织能力，分别衡量科学产出、国际合作、技术创新和组织基础。

关键指标

1. 高影响力出版物

   • 衡量一国在特定领域的科学产出和影响力，采用高被引论文（占前10%）进行计算。
   • 示例：2017–2018年，美国在AI/ML领域产出最高（41%高被引论文）。

2. 网络密度

   • 计算一国研究组织间合作关系的比例，反映协作强度。
   • 示例：2017–2018年，美国网络密度最高（0.027%）。

3. 质量调整专利

   • 通过专利家族大小调整，考虑国际专利质量差异。
   • 示例：美国专利质量较高，中国专利质量较低；经调整后，美中专利量差距缩小。

4. 科技组织能力

   • 统计拥有专利或出版物的组织数量，反映技术基础设施的实力。
   • 示例：美国拥有最多AI/ML相关组织（5,302个）。

应用案例：AI/ML 领域

• 美国在高影响力出版物（41%）和网络密度（0.027%）上领先。
• 中国在专利（未调整前）上占优，但美国专利质量更高（平均专利家族大小2.3, 中国1.1）。
• 中美在S&T组织能力上，美国领先（1），中国排名第二（2）。

方法特点

• 透明性和可扩展性：指标为开源数据，适用于多数科技领域。
• 避免复合指标：避免单一排名，提供多维度证据，防止掩盖国家优势的多样性。
• 局限性：不适用于机密技术领域，依赖公开数据，可能受语言偏好的影响。

扩展应用

• 国际合作分析：例如，中美AI/ML合作频繁。
• 组织与研究焦点分析：例如，斯坦福大学在AI高影响力论文中占比较高。
• 特定应用领域：例如，AI与网络安全交叉领域，中国近年专利增长迅速。

结论

该方法为评估国家科技实力提供了透明、可扩展的工具，适用于支持国防和外交政策决策。作为示例，美国在AI/ML领域综合实力领先，但需注意中美在不同指标上的优势差异。