基于PMC指数模型的机器人产业政策量化评价——以8项机器人产业政策情报为例
发布时间：2021-12-31 04:39
[目的/意义]机器人产业政策是保障机器人产业高质量发展的战略指南。对机器人产业政策进行量化评价可以为政策的制定、调整、完善提供重要的理论支撑和决策依据。[方法/过程]从情报需求识别、规划、搜集、加工、分析、演示的过程视角对机器人产业政策文本进行量化评价。通过PMC指数模型,结合文本挖掘,计算出8项机器人产业政策的PMC指数,提出政策改进路径,并绘制PMC曲面图。[结果/结论]机器人产业政策总体设计较为合理,其中4项政策等级为优秀,4项为可接受。但同时,政策仍存在一些亟待改善的问题:一是政策缺少监管性和诊断性;二是具有长期时效的政策空缺;三是政策工具运用失衡。并针对上述问题,提出对策建议。
【文章来源】：情报杂志. 2020,39(01)北大核心CSSCI
【文章页数】：10 页
【部分图文】：
P7的PMC曲面
机器人产业的火爆也带动了机器人产业研究的大热。不过,目前机器人产业研究主要集中在产业技术、产业演进、进出口贸易等方面,尤其是通过各种情报手段分析和判断机器人技术及研究进展是当前的一个热点方向。Daim等开发了包括5个维度和20个具体指标的HDM模型,对电力行业所使用的机器人技术进行了价值评估,并指出该方法适用于其他领域新兴机器人技术的评价[13]。Kose和Sakata通过使用基于模块的挖掘方法分析机器人领域的技术融合,并具体剖析了机器人研究领域技术融合的模式和过程[14]。陈悦等基于技术传递系统(TDS)提供的技术机会理论,通过专利数据分析了工业机器人领域的技术机会[15]。袁立科和尹志欣基于预测专家调查数据,通过层次聚类法,将智能机器人技术群分为4类[16]。Kong等引入了一种包括5个关键属性(平台技术所有权、国际化目标、全球知识定位、产学联合、跨学科技术发展)的数据挖掘方法,考察了各国在发展新兴产业方面的创新差距,通过实证研究指出中国在工业机器人领域与发达经济体之间存在显著的创新差距[17]。Ghiasi和Larivière综合运用内容分析、文献计量学、文本挖掘的方法,衡量了全球主要国家在机器人学术领域的表现,并通过技术优势指数(RTA)比较了各国在机器人技术方面的差距。通过研究,指出亚洲尤其是日本在全球机器人研究中发挥了重要作用。中国在机器人研究中呈现快速增长的态势,且其增速已经超越美国和日本[18]。与机器人产业及相关研究的热度形成对比的是,有关机器人政策的研究却十分“冷清”。与此同时,机器人政策研究主要存在2个问题:一方面,关于机器人产业政策的系统性研究不多,大部分涉及机器人政策的分析都只是散见于机器人领域的其他研究中[19-21]。另一方面,在为数不多的专门探讨机器人产业政策的研究中,主要以定性地回顾与评述机器人产业政策为主[22-24],而采用定量方法系统研究机器人产业政策的文章则非常少见,且主要采用较为常用的内容分析法对机器人产业政策文本进行编码分析[2,25],视角相对较为单一,基本还未见对单项机器人产业政策进行量化评价的研究。因此,本文采用PMC指数模型,选取8项较有代表性的机器人产业专项政策计算其PMC指数,逐一分析每项政策文本,并据此绘制PMC曲面图,从而更加直观、深入地展现机器人产业政策的评价结果,为机器人产业政策的后续改进、完善等提供理论依据和决策支持。此外,本文以竞争情报过程视角为全文的研究流程(见图1),从情报需求识别、规划、搜集、加工、分析、演示的过程视角切入,更完整、客观地展现机器人政策情报的分析和评价过程。
在经过情报的需求识别、规划、搜集、加工、分析等流程之后,最终进入最后一个阶段——情报演示,即通过政策文本评价模型的可视化(PMC曲面图)直观展示评价结果。其中,计算PMC矩阵是绘制PMC曲面图的基础[32],由于8项机器人产业政策中X10的值均为1,且考虑到矩阵的对称性和PMC曲面的均衡性[30],将X10剔除,最终产生由9个一级变量构成的3阶方阵,进而绘制机器人政策的PMC曲面图。由于篇幅所限,本文仅列出PMC分值最高的P1和分值最低的P7这2项政策的PMC曲面图(见图2、图3)。通过对比,可以更加直观、清晰地看出不同政策的凹陷程度及优劣势。图3 P7的PMC曲面
【参考文献】：
期刊论文
[1]低碳试点政策对城市碳排放绩效的影响评估及机制分析[J]. 周迪,周丰年,王雪芹. 资源科学. 2019(03)
[2]基于政策工具视角的长三角地区机器人产业政策研究[J]. 胡峰,张巍巍,曹鹏飞,陆丽娜. 科技管理研究. 2019(04)
[3]基础研究政策体系对基础研究投入的动态影响——基于政策执行视角[J]. 黄倩,陈朝月,樊霞,许治. 科学学与科学技术管理. 2019(01)
[4]政策组合对领先市场形成的影响分析——以新能源汽车产业为例[J]. 郭雯,陶凯,李振国. 科研管理. 2018(12)
[5]政策工具视角下中国养老服务政策文本量化研究[J]. 姚俊,张丽. 现代经济探讨. 2018(12)
[6]基于PMC指数模型的跨境电子商务政策评价研究[J]. 赵杨,陈雨涵,陈亚文. 国际商务(对外经济贸易大学学报). 2018(06)
[7]政策工具视角下PPP政策文本分析——基于2014-2017年PPP国家政策[J]. 柯洪,王美华,杜亚灵. 情报杂志. 2018(11)
[8]北京市众创空间扶持政策工具挖掘及量化评价研究[J]. 臧维,李甜甜,徐磊. 软科学. 2018(09)
[9]专利视角下工业机器人领域的技术机会分析[J]. 陈悦,谭建国,王智琦,刘冬,刘则渊. 科研管理. 2018(04)
[10]“大众创业、万众创新”政策量化评价研究——以2017的10项双创政策情报为例[J]. 张永安,郄海拓. 情报杂志. 2018(03)
硕士论文
[1]美国工业机器人产业发展及相关政策研究[D]. 李欣.内蒙古师范大学 2018
本文编号：3559630
【文章来源】：情报杂志. 2020,39(01)北大核心CSSCI
【文章页数】：10 页
【部分图文】：
P7的PMC曲面
机器人产业的火爆也带动了机器人产业研究的大热。不过,目前机器人产业研究主要集中在产业技术、产业演进、进出口贸易等方面,尤其是通过各种情报手段分析和判断机器人技术及研究进展是当前的一个热点方向。Daim等开发了包括5个维度和20个具体指标的HDM模型,对电力行业所使用的机器人技术进行了价值评估,并指出该方法适用于其他领域新兴机器人技术的评价[13]。Kose和Sakata通过使用基于模块的挖掘方法分析机器人领域的技术融合,并具体剖析了机器人研究领域技术融合的模式和过程[14]。陈悦等基于技术传递系统(TDS)提供的技术机会理论,通过专利数据分析了工业机器人领域的技术机会[15]。袁立科和尹志欣基于预测专家调查数据,通过层次聚类法,将智能机器人技术群分为4类[16]。Kong等引入了一种包括5个关键属性(平台技术所有权、国际化目标、全球知识定位、产学联合、跨学科技术发展)的数据挖掘方法,考察了各国在发展新兴产业方面的创新差距,通过实证研究指出中国在工业机器人领域与发达经济体之间存在显著的创新差距[17]。Ghiasi和Larivière综合运用内容分析、文献计量学、文本挖掘的方法,衡量了全球主要国家在机器人学术领域的表现,并通过技术优势指数(RTA)比较了各国在机器人技术方面的差距。通过研究,指出亚洲尤其是日本在全球机器人研究中发挥了重要作用。中国在机器人研究中呈现快速增长的态势,且其增速已经超越美国和日本[18]。与机器人产业及相关研究的热度形成对比的是,有关机器人政策的研究却十分“冷清”。与此同时,机器人政策研究主要存在2个问题:一方面,关于机器人产业政策的系统性研究不多,大部分涉及机器人政策的分析都只是散见于机器人领域的其他研究中[19-21]。另一方面,在为数不多的专门探讨机器人产业政策的研究中,主要以定性地回顾与评述机器人产业政策为主[22-24],而采用定量方法系统研究机器人产业政策的文章则非常少见,且主要采用较为常用的内容分析法对机器人产业政策文本进行编码分析[2,25],视角相对较为单一,基本还未见对单项机器人产业政策进行量化评价的研究。因此,本文采用PMC指数模型,选取8项较有代表性的机器人产业专项政策计算其PMC指数,逐一分析每项政策文本,并据此绘制PMC曲面图,从而更加直观、深入地展现机器人产业政策的评价结果,为机器人产业政策的后续改进、完善等提供理论依据和决策支持。此外,本文以竞争情报过程视角为全文的研究流程(见图1),从情报需求识别、规划、搜集、加工、分析、演示的过程视角切入,更完整、客观地展现机器人政策情报的分析和评价过程。
在经过情报的需求识别、规划、搜集、加工、分析等流程之后,最终进入最后一个阶段——情报演示,即通过政策文本评价模型的可视化(PMC曲面图)直观展示评价结果。其中,计算PMC矩阵是绘制PMC曲面图的基础[32],由于8项机器人产业政策中X10的值均为1,且考虑到矩阵的对称性和PMC曲面的均衡性[30],将X10剔除,最终产生由9个一级变量构成的3阶方阵,进而绘制机器人政策的PMC曲面图。由于篇幅所限,本文仅列出PMC分值最高的P1和分值最低的P7这2项政策的PMC曲面图(见图2、图3)。通过对比,可以更加直观、清晰地看出不同政策的凹陷程度及优劣势。图3 P7的PMC曲面
【参考文献】：
期刊论文
[1]低碳试点政策对城市碳排放绩效的影响评估及机制分析[J]. 周迪,周丰年,王雪芹. 资源科学. 2019(03)
[2]基于政策工具视角的长三角地区机器人产业政策研究[J]. 胡峰,张巍巍,曹鹏飞,陆丽娜. 科技管理研究. 2019(04)
[3]基础研究政策体系对基础研究投入的动态影响——基于政策执行视角[J]. 黄倩,陈朝月,樊霞,许治. 科学学与科学技术管理. 2019(01)
[4]政策组合对领先市场形成的影响分析——以新能源汽车产业为例[J]. 郭雯,陶凯,李振国. 科研管理. 2018(12)
[5]政策工具视角下中国养老服务政策文本量化研究[J]. 姚俊,张丽. 现代经济探讨. 2018(12)
[6]基于PMC指数模型的跨境电子商务政策评价研究[J]. 赵杨,陈雨涵,陈亚文. 国际商务(对外经济贸易大学学报). 2018(06)
[7]政策工具视角下PPP政策文本分析——基于2014-2017年PPP国家政策[J]. 柯洪,王美华,杜亚灵. 情报杂志. 2018(11)
[8]北京市众创空间扶持政策工具挖掘及量化评价研究[J]. 臧维,李甜甜,徐磊. 软科学. 2018(09)
[9]专利视角下工业机器人领域的技术机会分析[J]. 陈悦,谭建国,王智琦,刘冬,刘则渊. 科研管理. 2018(04)
[10]“大众创业、万众创新”政策量化评价研究——以2017的10项双创政策情报为例[J]. 张永安,郄海拓. 情报杂志. 2018(03)
硕士论文
[1]美国工业机器人产业发展及相关政策研究[D]. 李欣.内蒙古师范大学 2018
本文编号：3559630
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3559630.html
