加入收藏 | 设为首页 | 联系我们
简体繁体切换
您现在的位置:首页 >> 科技•信息 >>
栏 目: 关键字:
基于大数据的科技创新成果精准转化模式研究
双击自动滚屏 发布者:admin 时间:2021-2-2 11:25:02 阅读:469次 【字体:

基于大数据的科技创新成果精准转化模式研究

施振佺

(南通大学科学技术处,江苏南通 226019)

摘 要通过研究科技成果转化的模式和现状,分析基于大数据的科技创新成果转化平台的结构、要素、特征,研究提出通过科技创新成果精准转化模式来提高高校和科研院所科技创新成果的转化效率。

关键词:大数据;科技创新成果;精准转化;模式

习近平在2019 年出席国家科学技术奖励大会上指出:“要加快创新成果转化应用,彻底打通关卡,破解实现技术突破、产品制造、市场模式、产业发展‘一条龙'转化的瓶颈[1]。”改革开放以来,我国的经济实力伴随着科技创新得到了飞速发展,超过了日本排名世界第二。在这期间,国内的大批科技创新成果不断地向企业转移和转化,据统计,2018 年,我国技术市场全年共成交技术合同41.2 万项,成交金额17 697.42 亿元,同比增长了12.08%和31.83%。而从2013 年到2018 年全国技术市场成交额从7 469.13 亿元提高到17 697.42 亿元,增长了136.94%;合同成交金额占全国GDP 的比重也从1.25%增加到1.97%,增长了57.6%[2-3]

高校和科研院所作为我国科技创新的主力军,也是创造科技创新成果最多的地方,对国家的经济发展起到了一定的推动作用。据国家知识产权局统计,截至2016 年,中国战略性新兴产业发明专利拥有量前100 名的专利权人中,企业有69 个,其中国外企业有50 个,其余31 个均为中国大专院校和科研单位。高校与科研院所科技创新成果转化的成交金额也从830.5 增长到1 281.50 亿元,增长了54.3%;但是,高校与科研院所科技创新成果转化的成交金额占全国总成交额的比例却从2013 年的11.12%减少到了7.24%,减幅达34.89%(如表1 所示)。因此,推动高校和科研院所的科技创新成果转化,选择有效的科技创新成果转化模式,让更多的科技创新成果服务于生产力,服务于国民经济的发展是至关重要的[4-12]

表1 2014—2018 年全国技术市场成交情况

1 科技创新成果转化的模式及现状分析

科技创新成果转化模式是将科研成果转化为市场产品或者技术过程中采用的运作方式。长期以来,我国的科技创新成果转化模式也在随着科技创新成果转化过程中出现的问题而在不断地调整。通过科技创新成果转化模式的转变,拉近了科技创新成果供给和科技创新成果需求之间的距离,从而提高科技创新成果转化的数量和效率,最终促进高校和科研院所的科技创新成果更加高效地转变为生产力,实现经济价值[13-15]

1.1 科技创新成果转化的模式

目前,我国的科技创新成果转化模式因为科技创新成果转化的主体需求,环境的变化,大概经历了以下3 代模式。

(1)第一代科技创新成果转化模式。此模式是由高校和科研院所的科研人员相对独立和自发地进行科研活动并将科研成果直接面对社会进行转化,以自由转化为标志,主要出现在20 世纪八九十年代。在此时代,我国提出了改革开放,提出“科技是第一生产力”,开始推动科技创新成果不断地向生产力转化,从而提升了我国生产力水平发展。

(2)第二代科技创新成果转化模式。随着科技的不断创新和经济的不断发展,科技创新成果转化经历了供需不足的问题,尤其是生产力的发展对科技创新成果的渴望,在一定程度上影响着经济的快速发展。于是出现了第二代科技创新成果转化模式,它是以出现科技创新成果转化中介为标志的。这种模式一开始是由政府牵头引导举办多种形式的科技创新成果展示会或者成立科技转化中介等形式来推动科技创新成果的转化,后来慢慢转变为由政府出资而由市场来实施。这种形式主要出现在20 世纪的九十年代以后到21 世纪初,以成立生产力促进中心为起点,本世纪初转变为诸如通过在高校和企业中建立工程(技术) 中心、技术转移中心、企业孵化器、大学科技园等形式的综合性科技创新成果转化平台来拉近科技创新成果和企业需求之间的距离。

(3)第三代科技创新成果转化模式。随着互联网和信息技术的发展,科技创新成果转化也逐渐从线下模式转成线上的模式。这种模式的标志是以“互联网+”科技创新成果转化平台为载体,以大数据来驱动。它是在“互联网+”和大数据发展以后出现的,如“江苏省产业技术研究院技术交易平台”“江苏省技术产权交易市场”和“中国科学院科技产业网”等“互联网+”科技创新成果转化平台,使科技创新成果转化的模式直接进入科技创新成果转化的数据范式,并通过采用数据管理的方法对科技创新成果转化中的用户行为数据进行分析和挖掘,由此产生更加有利于科技创新成果转化的价值。

这三代科技创新成果转化模式在不同时期有它的存在价值。第一种模式出现在改革开放初期——社会主义向市场经济转变的时期,也是我国很多机制体制转变的探索阶段,这种科技创新成果的自由转变模式推动了生产力发展,也为第二种模式形成奠定了基础。而第二转化模式的产生是因为发现很多科技创新成果离产业化还有一段距离,于是出现了引导或者推动科技创新成果转化的平台。第三种模式是因为互联网和信息技术的发展,很多业务流程可以通过互联网来完成,以加快科技创新成果转化的效率;同时,大数据工具可以帮助科技创新成果实现精准转化,大大推动生产力发展,加速经济发展。

1.2 科技创新成果转化存在的问题

一方面,科技创新成果与企业需求脱钩,这种现象一直存在,也是长期存在的问题。首先,高校和科研院所的科研工作与企业在追求市场并以盈利为基础而追求的技术创新在目标、路径、组织方式、评价标准及环境要求等方面存在着很大的差别,因此高校的成果很难直接转化成适应市场需求的新产品和新技术。其次,科研人员对科技创新的主要来源是科技论文、专利,而企业对科技创新的来源主要是产品市场;另外,企业和技术人员所在的单位都有天然的围墙隔离着,使他们很难保持沟通交流,这也是导致第一种科技创新成果转化模式效果不佳的原因。于是政府完善科技创新成果转化模式,通过建立诸如工程(技术) 中心、技术转移中心、企业孵化器、大学科技园等形式来缩短科技人员和企业的距离,同时加快科技创新成果转化为产品的进程。

另一方面,科技创新成果转化的机制不畅。一般情况下,高校和科研院所只有培养人才和完成科学研究的任务,没有对科技创新成果转化的考核要求,也就没有相应的科技创新成果转化的管理机构设置、相应的制度以及激励政策和制度。因此,通常科研人员只会不断地追求科研成果的数量和质量,很少在科技创新成果转化上下功夫。另外,高校和科研院所的科研成果都属于实验室阶段的成果,这种成果一般最多完成到小试阶段,很少去进一步突破中试,因为突破中试对于高校和科研院所的科研人员来说在职称评定和成果奖励没有能够得到体现。而对于企业来说,他们追求的是最后的产品,所以他们不会去完成高校和科研院所的众多科技创新成果的中试,这也就产生了“中试空白”的问题。“中试空白”是我国科技创新成果转化过程中典型的“缺失环节”,也是造成高校和科研院所科技创新成果很多却难以转化的重要原因。

当前,我国正处于第二代科技创新成果转化模式的阶段,而第三代科技创新成果转化模式也已经开始出现。第二阶段的科技创新成果转化模式也在不断地完善,从开始的生产力促进中心转变为在高校和科研院所出现了工程技术中心,再到成立科技园和孵化器,一步步地拉近科技创新成果到产业化之间的距离。而随着互联网和信息技术的发展,基于大数据的科技创新成果精准转化模式正悄然而起,它可以解决科技创新成果与企业需求不匹配的问题。首先,它通过对市场的大数据分析帮助科技专家了解市场需求,让科技专家带着市场需求开展研究。其次,它可以帮助企业了解科技创新的前沿,让企业升级产品的发展方向。最后,它可以帮助科技成果同企业需求精准地匹配,让企业不用在寻找科技创新成果的过程中花大量的时间,也促进科技创新成果能精准转化[16-17]

2 基于大数据的科技创新成果转化

2.1 基于大数据科技创新成果转化的结构

互联网+科技创新成果转化平台是由科技创新成果转化中的主体、转化的业务流程、转化所形成的数据以及大数据基础平台所构成,科技创新成果转化平台根据转化主体间相互交流、洽谈寻求自己想要的科技创新成果或者需求,通过科技创新成果转化平台提供的关联的科技创新成果或者需求缩小寻找的范围,同时借助平台的评估和决策功能为科技创新成果转化选择提供支持,最后通过科技创新成果转化平台完成科技创新成果的转化交易,如图1 所示。科技创新成果转化的主体包括技术专家、企业、政府、科技服务中介等,科技创新成果转化的主体通过科技创新成果转化的业务流程形成包括用户数据、交易数据、互动交流数据和任务数据等各种信息数据。科技创新成果转化平台将这些由转化主体开展转化活动过程中产生的信息数据通过大数据基础平台存储到数据仓库里,可以运用大数据分析决策工具对这些大数据进行整理、加工、分析,为科技创新成果做出科学的评估,为科技创新成果转化做出科学的决策,最后对完成的科技创新成果转化交易进行绩效评价(见图1)。

图1 互联网+科技创新成果转化平台结构

2.2 科技创新成果转化中的大数据要素

(1)科技创新成果转化数据。科技创新成果转化数据包括用户的基本信息、用户行为数据、互动数据、科技成果转化交易数据和互联网数据等。用户基本信息数据包括技术专家、企业、政府、科技中介等科技成果转化主体的一些基本信息数据,通常是一些格式化的、规范化的数据,它是科技创新成果转化大数据中的最基本的要素,也是一切基于大数据的科技创新成果转化活动的基础。用户行为数据包括技术专家、企业、政府、科技中介等科技创新成果转化的参与者在从事科技创新成果转化活动时在平台上所产生的一些浏览、关注、评论等信息数据,这些数据支撑着一些科技创新成果转化的业务活动。跟线下的科技创新成果转化有所不同的是,这些基于科技创新成果转化平台发生的信息数据每一步都被详细地记录在后台数据库中,不会因为科技创新成果转化的成功完成而结束,也不会因为科技创新成果转化的没有成果而消除,它通常也是一些格式化的、规范化的数据。互动数据是科技创新成果转化过程中,成果供需双方进行洽谈对接所产生的互动数据,包括一些文本数据、视频数据、音频数据等,是一些非格式化的数据。交易数据是指科技创新成果供需双方达成一致后产生的科技创新成果交易数据,包括合同签订、交易费用第三方监管数据,它通常也是格式化、规范化的数据。互联网数据是科技创新成果转化中为了科技创新成果的评估、科技创新成果转化的决策而通过网页爬虫抓取得一些相关信息数据,它通常也是非格式化、非规范化的文本数据。科技创新成果转化的数据是所有科技创新成果转化的基础,是所有科技成果转化活动开展、科技创新成果评估、科技创新成果转化决策的依据。

(2)科技创新成果转化的大数据业务。科技创新成果转化平台的功能有信息登记和管理、科技创新成果和企业需求的关联、科技创新成果和企业需求的精准推送、科技创新成果评估、科技创新成果转化决策,而这些科技创新成果转化的功能离不开大数据业务。科技创新成果转化的大数据业务包括信息数据采集、预处理、数据变换、数据分析、数据挖掘、数据聚类和知识表示等。科技创新成果转化的大数据业务在科技创新成果转化大数据的基础上对科技成果转化大数据进行分析、挖掘和加工为科技创新成果供需双发的匹配提供支持,也为科技创新成果转化的决策提供依据。

(3)科技创新成果转化的大数据技术。科技创新成果转化的大数据技术也是图1 中的大数据基础平台的技术构成,包括互联网信息采集的爬虫技术、数据分析加工处理的自然语言处理技术、复杂数据类型挖掘技术、相关性分析技术以及分类、聚类、预测、云计算各个大数据业务所采用的技术。科技创新成果转化的大数据技术是科技创新成果转化的大数据业务的支撑,也是对科技创新成果转化的大数据进行加工处理的工具,这些技术的处理好坏决定了科技创新成果和企业需求的关联、科技创新成果和企业需求的精准推送、科技创新成果评估、科技创新成果转化决策等功能的精准度。

2.3 科技创新成果转化中的大数据特征

2.3.1 数据的多源异构多模态形式

科技创新成果转化在互联网的当代呈现出线上和线下共同的平台构成,平台将围绕科技创新成果转化的主体开展活动,科技创新成果转化的主体也将通过互联网+平台来进一步推进科技创新成果转化。企业通过互联网+平台发布自己的技术需求,同时通过互联网+平台可以寻找自己所需要的技术和成果,或者找到了相应的技术专家并进行互动交流,在此期间产生的数据大多以无格式的文本、音频和格式化的行为数据为主。而高校和科研院所通过平台发布科技创新成果,或者通过平台跟企业进行互动交流时产生的数据多以无格式的文本、视频、图片或者格式化的行为数据为主。而作为服务机构和政府在互动转化时产生的数据多是以视频、图片、音频、文本以及行为数据为主。随着科技的不断发展,很多操作会来自于不同的终端,有的来自于电脑,有的来自于平板,有的来自于手机,因此,在进行互联网+科技创新成果转化平台的实施过程中会产生海量的数据,这些数据具有多源、异构和多模态的形式,需要通过大数据的挖掘、清洗、整理和分析的方法来获得有价值的信息[18]

2.3.2 数据的周期性

科技创新成果转化流程是有生命周期的,它开始于科技创新成果的发布或者技术需求的发布,一般结束于按照科技创新成果转让所签订的合同验收完成。当科技创新成果发布时,会有大量的成果需求者进行关注,并在此过程中形成很多互动交流数据,还会形成一些对科技创新成果的评价和对需求企业的评价,进一步通过竞价或者协商来确定科技创新成果转让,供需双方签订合同,并按照合同来履行责任,最后通过验收来完成科技创新成果转化的流程。周期性同样也具有重复性。业务流程的周期性也使得互联网+平台实施过程中产生的数据具有周期性,通过这些周期性的数据可以加快或者推进科技创新成果的转化进程。

2.3.3 数据的关联性

科技创新成果转化平台中的科技创新成果、技术需求企业、技术专家,他们相互之间都有些相同的属性。同样科技创新成果之间,技术需求企业之间,技术专家之间也会有相同的属性,这些属性使他们能形成具有一定意义的关系网络,但是这些具有一定意义的关系网络通常是无法在现实中显现的。科技创新成果转化主体在通过成果转化平台实施过程中形成的用户行为数据也是具有相同属性的,是相关的。因此,我们可以运用这些关联的数据分析研究出他们的关系网络,通过这些关系网络可以帮助我们进一步推荐科技创新成果或者推荐技术专家,进一步加快科技创新成果的转化[19]

这些大数据的特征可以帮助我们建立有效的科技创新成果(技术)需求网络、技术产业链、技术专家关系网、关联企业网,在这基础上可以通过用户行为数据分辨出有不同类别技术需求的企业和不同层次的技术专家,并对需求做出精准的分析定位,最终做出基于大数据的科技创新成果精准决策,从而提高科技创新成果转化效率。

2.4 科技创新成果转化的大数据管理

科技创新成果转化的大数据管理会对各种终端形成的多源、异构和多模态数据进行一些预处理,接着进行数据的变换形成分析统计所需的数据,然后利用统计方法、事例推理、规则推理等方法处理信息对科技创新成果转化大数据进行挖掘,最后对挖掘出的数据进行知识表示,这样就可以形成有利于科技创新成果精准转化的决策[20]。其流程如图2所示。

图2 科技创新成果大数据的管理流程

(1)科技创新成果转化数据预处理。科技创新成果转化数据预处理是科技创新成果转化大数据管理中的重要的一部分,它是指对用户在科技创新成果转化平台上访问、交流、处理事务所产生的日志数据进行清洗,从而产生可以用来加工、分析和研究的数据。它主要包括数据清洗、用户识别、会话识别和事务识别等4 个步骤。

(2)科技创新成果转化数据变换。科技创新成果转化数据因为它的多源异构等特征,需要进一步通过数据变换,通过数据概化、规范化等方式将科技成果转化数据转换成适用于统计、分析和研究的数据形式。

(3)科技创新成果转化数据挖掘。科技创新成果转化数据挖掘是在科技创新成果精准转化中的关键步骤,它根据科技创新成果转化数据仓库中的转化数据信息,选择合适的统计、分析和挖掘工具,应用统计方法、事例推理、决策树、规则推理等方法处理科技创新成果转化数据,从中挖掘出可以匹配科技创新成果供需的信息和有利于科技创新成果转化的信息。

(4)科技创新成果转化知识表示。将科技创新成果转化数据挖掘所得到的有价值的信息以可视化的形式展现给用户,帮助他们在科技创新成果转化中精准决策。

3 科技创新成果精准转化的关键环节

3.1 科技成果和技术需求的精准分类

科技创新成果精准转让的基础是要对科技创新成果和技术需求进行分类精准管理。分类管理是科技创新成果精准转化的基础,只有通过分类管理才能在海量的科技创新成果和技术需求中找到合适的进行匹配,才能进行有效关联,从事实现精准对接。要实现科技创新成果和技术需求的精准管理,首先通过整理大量来自数据仓库的结构化、半结构化和非结构化的多样性科技创新成果和技术需求信息,利用如云技术、数据库等技术方法,对它们进行统计分析。然后采用统计方法、事例推理、模糊集,甚至神经网络的方法对科技创新成果或者技术需求按照产业链、专业领域进行分类和聚类。接着需要对科技创新成果和技术需求做出一个合理的评价,包括时效性、科技创新性、市场价值等。最后,利用复杂网络分析方法根据需求企业间产业链的关系构建企业关系网络[21-25],同时,根据技术专家的领域和相关性建立技术专家关系网络。科技成果和技术需求精准管理就是建立一个有序分类的科技创新成果和技术需求库,同时为每个成果或者需求都标注相关联的属性,包括分类属性、所属企业或者关联技术专家、技术指标、时效性、市场价值、创新性等,如图3 所示。科技创新成果和技术需求的属性就像标签一样,必须采用数据加工、分析和挖掘等大数据技术方法准确地进行分类、聚类,提取科技创新成果的各种有用属性,从而为科技创新成果的精准对接打下基础。

图3 科技创新成果/技术需求属性

3.2 科技创新成果供需的精准对接

科技创新成果精准转让的核心是科技创新成果的精准对接。它是分析前期构建的技术需求库和科技创新成果库中每个技术需要和科技成果所标注的特征属性,采用关联规则、规则推理等大数据分析技术和计算方法,构建技术需求和科技创新成果的精准对接。这种精准对接可以按照科技创新成果和技术需求的各个属性进行多维度的匹配,见图4 所示。在多维度匹配时,可以通过权重设置来区分各特征属性的优先级别,如对技术指标的要求比较高,则可以将技术指标的特征权重设置的高一点,这样就更加能够筛选出相关联的技术需求和科技创新成果,从而更加精准地实现科技创新成果和技术需求的匹配。而对于没有匹配到的科技创新成果,则根据技术专家的特征属性,包括所学专业、从事专业、科技成果、从事科研的经验值等,采用关联规则和规则推理等技术和方法来匹配相应专业和技术领域的专家。同样,对于没有匹配到的技术需求,也采用相同的方式匹配相应的企业。通过科技创新成果精准对接的管理可以避免无谓搜索,从而为科技创新成果转化的精准决策打下基础。

图4 科技创新成果与技术需求精准对接

3.3 科技创新成果的精准评估

在完成科技创新成果转化的精准匹配后,需要对匹配到的科技创新成果进行评估,以便为科技创新成果的成功转化提供帮助。科技创新成果的评估包括对科技创新成果的创新性、前景、市场价值等全方位进行评估。科技创新成果的评估方式有两种,一种是专家评估,另一种是大数据评估。专家评估就是通过技术专家根据自己的经验给科技创新成果按照不同的打分项进行打分评估。大数据评估就是通过网络爬虫抓取该科技创新成果相关的领域知识,然后通过分析科技成果的各项特征属性,包括技术指标、市场价值、前景等属性,采用模式识别、关联规则和相关性推理等技术和方法进行自动打分确定一个评估值。科技创新成果的精准评估是科技创新成果的精准转让的前提。

4 科技创新成果精准转让的实现步骤

科技创新成果精准转让的管理流程包括精准的供需管理、精准的供给决策、精准的转让管理和精准的绩效评价,如图5 所示。

(1)精准供需管理。首先,企业和技术专家分别将技术需求和科技创新成果登记到科技创新成果转让平台的数据仓库中。然后,平台加工和处理大量存储在数据仓库的结构化、半结构化和非结构化的多样性科技创新成果和技术需求信息,利用数据库分析技术进行分析统计。接着,平台采用关联规则、事例推理、模糊分类、聚类的技术对科技创新成果和技术需求信息进行分类和聚类管理,并提取它们的特征属性[21-25]。最终建成有序的、分类精准的科技成果和技术供需数据库。

(2)精准供给决策。精准供给决策是在科技成果和技术需求的精准对接和评估的基础上实现的。首先,通过科技成果和技术需求的精准对接实现科技成果和技术需求的较小范围内的匹配,对匹配到的结果以短信、微信、邮件和系统消息的形式来通知各用户。接着,用户通过平台对前期匹配到科技创新成果进行创新性、市场价值、前景等各项指标的评估,进一步缩小科技创新成果的范围。然后,用户利用评估的信息与拥有科技创新成果的技术专家在平台上进行对接洽谈。最后,根据科技创新成果的评估值和与技术专家的交流洽谈来决定选择哪个科技创新成果进行转让交易。

(3)精准转让管理。在完成科技创新成果转化的决策后,需要在平台系统里登记科技创新成果转化合同。平台对达成转让协议的双方进行跟踪管理,及时了解双方履行合同的情况,以便有效解决存在的问题,及时推进转让合同的完成进度。

(4)精准绩效评价。精准绩效评价是在科技创新成果转让完成后,利用大数据对它进行绩效评价,以便能够为科技创新成果平台的后期转让提供帮助。它是运用大数据技术及时追踪收集企业对科技创新成果(技术)服务效果的反馈信息,收集他们对科技创新成果服务满意度的真实评价与意见,作为评价技术专家提供科技创新成果有效性的基础。通过基于科技创新成果转化大数据管理平台的评估体系,将需求识别及时性、广覆盖,资源配置精确度等考核指标与数据评估体系相对接进行动态的绩效评估。动态的绩效评估是评价企业、高校科研院所、政府和服务机构科技成果转化有效性的基础。

图5 科技创新成果精准转化结构

5 结束语

基于大数据的科技创新成果精准转化模式是当前最新的科技创新成果转化模式。它通过科技创新成果转化平台产生海量的科技创新成果转化信息数据,根据科技创新成果转化大数据的多源异构、周期性和关联性等特征,利用应用统计方法、事例推理、决策树、规则推理等方法挖掘出科技创新成果关联网络、需求关联网络、技术专家管理网络。通过这些网络的关联性进行科技创新成果供需的精准管理、匹配和决策。通过科技创新成果的精准管理、精准匹配和精准决策以及精准评价实现科技创新成果的精准转让。它可以很好地解决当前科技创新成果转化过程中供需难以匹配的问题,一方面可以帮助科技专家更好地了解市场,根据市场去开展科学研究;另一方面可以帮助企业了解与产品相关领域的前沿科技,以便能更好地调整产品的发展方向;最重要的是可以为企业(科技专家)准确找到与之相符的科技成果(科技需求)。因此,基于大数据的科技创新成果精准转化模式可以完善科技创新成果转化模式,从而提高科技创新成果转的效率,改善高校和科研院所成果很少能转化成生产力的现状。建议政府加大对基于“互联网+”的科技创新成果转化平台的投入,不仅包括硬件的投入和升级,同时要进一步推动转化平台的运行和维护,真正让转化平台发挥转化的作用,也真正让转化平台产生出有价值的科技创新成果转化大数据;同时要建立有效的机制让企业和科技专家、服务中介参与到转化平台的转化过程中去,因为他们才是转化平台运转起来的动力,只有他们积极参与到转化平台的管理中去,才能实现转化平台的精准管理、精准决策和精准转化,从而推动科技创新成果的不断转化,使科技和经济两张皮能够紧密衔接起来,使得科技真正服务于经济。

参考文献:

[1]新华社.在中国科学院第十九次院士大会、中国工程院第十四次院士大会上的讲话[EB/OL].中华人民共和国国务院 公 报,(2018-05-28)[2020-01-05].http://www.gov.cn/xinwen/2018-05/28/content_5294268.htm.

[2]刘洋,韦文求,封春生,等.广东省高校及科研院所科技成果转化现状、问题及对策研究[J].科技管理研究,2019(2):91-97.

[3]罗彪,林慧.我国科技成果转化现状分析:基于Cite Space 的文献计量分析[J].中国高校科技,2018(12):78-81.

[4]郭强,夏向阳,赵莉.高校科技成果转化影响因素及对策研究[J].科技进步与对策,2012,29(6): 151-153.

[5]张树满,原长弘,徐海龙.转制科研院所如何加速科技成果转化?[J].科学学研究,2018(8):1366-1374.

[6]姚思宇,何海燕.高校科技成果转化影响因素研究: 基于Ordered Logit 模型实证分析[J].教育发展研究,2017(9): 45-52.

[7]张慧颖,史紫薇.科技成果转化影响因素的模糊认知研究: 基于创新扩散视角[J].科学学与科学技术管理,2013,34 (5):28-35.

[8]李冬梅.高校科技成果转化难的成因与对策[J].中国高校科技,2018(1): 114-116.

[9]王金龙,沈丽娜,王明秀.我国高校科技成果转化现状及对策:以南京工业大学为例[J].未来与发展,2018(1): 12-14.

[10]赵哲.我国高校科技成果转化的现实困境与突破路径[J].高校教育管理,2016(5):52-56.

[11]何悦,陈丽玉,何慧芳.我国研究型大学科技成果转化效率评价:基于网络DEA 模型[J].科技管理研究,2018(15):85-92.

[12]杜宝贵,张焕涛.基于“三维”视角的中国科技成果转化政策体系分析[J].科学学与科学技术管理,2018(9):36-49.

[13]李飞,黄柯鑫.“互联网+”视角下的高校科技成果转化模式[J].中国高校科技,2017(11):10-12.

[14]李晔,陈奕延.基于大数据驱动的智能林业管理模式研究[J].技术经济与管理研究,2019(11):10-15.

[15]罗林,波王华,郝义国,等.高校科技成果转移转化模式思考与实践[J].中国高校科技,2019(10):17-20.

[16]蒋同明,陈彤.科技创新体系中技术研发与技术转化效率研究[J].社会科学研究,2019(1):114-118.

[17]姜文宁,关汉男,谈毅.RCV 框架下高校科技成果转化瓶颈分析[J].科技进步与对策,2018(21):142-146.

[18]苏林忠.大数据下的用户行为的分析[J].科技通报,2017,33(5):129-133.

[19]沈志宏,姚畅,侯艳飞,等.关联大数据管理技术: 挑战、对策与实践[J].数据分析与知识发现,2018,13(1):9-20.

[20]史开泉.大数据结构-逻辑特征与大数据规律[J].山东大学学报(理学版),2019,54(2):1-29.

[21]宁靓,赵立波,张卓群.大数据驱动下的公共服务供需匹配研究[J].上海行政学院学报,2019,20(5):35-44.

[22]施振佺,陈世平.基于粗糙集和知识粒度的特征权重确定方法[J].科技管理研究,2018(12):248-253.

[23]李晓园,钟伟.大数据驱动中国农村精准脱贫的现实困境与路径选择[J].求实,2019(5):78-87.

[24]阮光册,任金玥,涂世文.数据驱动下的图书馆用户行为研究[J].图书馆杂志,2019,344(12):28-37.

[25]董同强,马秀峰.数据驱动下的新一代学习支持服务模型: 新需求与新突破[J].图书馆学研究,2019(22):28-33.


上一篇|下一篇

 相关评论

暂无评论

 发表评论
 昵称:
 评论内容:
 验证码:
  
打印本页 || 关闭窗口
 
   
制作维护:中联世纪  网站管理
访问 人次
国家信息产业部ICP备案:陕ICP备17019044号-1 网监备案号:XA12993

咨询电话: 13891856539  欢迎投稿:gmlwfbzx@163.com  gmlwfb@163.com
617765117  243223901(发表)  741156950(论文写作指导)63777606

All rights reserved 版权所有 光明论文发表中心 公司地址:西安市碑林区南大街169号-6
CopyRight ©  2006-2009  All Rights Reserved.