文章荐读 | 面向战略性新兴产业政策制定的情报感知研究
文 章 荐 读
面向战略性新兴产业政策制定的情报感知研究
马雨萌1,2, 王延飞1
1.北京大学信息管理系，北京 100871
2.中国科学院文献情报中心，北京 100190
摘要
以“情报感知”理念指导战略性新兴产业情报工作，能够帮助决策者应对复杂决策环境和科学把握产业政策窗口。本文在战略性新兴产业政策制定关切下，分析了情报用户需求、情报对象内容、情报任务组织三类情报感知要素，以情报感知线索发现、情报感知技术应用、情报感知结果刻画作为实施要件，针对战略性新兴产业决策中的信息不完备问题，提出了基于情报感知的解决方案，为开展基于情报感知理念的科技情报工作提供了参考示范。
关键词
战略性新兴产业; 政策制定; 情报感知; 线索发现; 情报刻画
引用格式：
马雨萌, 王延飞. 面向战略性新兴产业政策制定的情报感知研究[J]. 情报学报, 2023, 42(8): 883-892.
👈长按识别文章二维码查看全文
1
研究背景与现状
战略性新兴产业的发展为后发国家实现赶超提供了重要机遇，是推动产业结构转型与升级的重要途径[1]。政府在引导和推动战略性新兴产业发展中发挥重要作用，高效、实用、有针对性的科技产业政策需要高质量的情报保障，支撑战略性新兴产业的情报研究主要集中在政策研究[2-3]、技术预见[4]和产业竞争情报[5-8]等方面。
在涉及战略性新兴产业政策的情报研究实践中，对信息资源的充分挖掘与分析是提升战略性新兴产业竞争力的关键。随着国际科技竞争形势日趋严峻，数据驱动的决策日趋复杂，战略性新兴产业情报工作面临着新的信息不完备问题，主要表现如下。
（1）战略性新兴产业具有新兴产业的特征，主导技术的创新突破面临着很大的风险，市场需求随着产业发展的不同阶段动态变化[9]，技术成熟度与市场成熟度难以准确预测，使得战略性新兴产业所处的决策环境具有高度不确定性和复杂性。目前，大数据环境下的海量复杂数据进一步加剧了这种不确定性，以“流程”为核心的传统情报工作模式难以应对情报需求和任务的动态变化，在数据资源的及时、全面获取和利用上存在障碍。
（2）新兴技术向战略性新兴产业的演化过程受到技术与社会、经济、政治等多因素的相互影响。由于新兴技术的市场数据较为缺乏[10]，大多数现有研究一般多考虑技术因素，较少融合市场、产业、创新主体及政策等因素，依托数据不够丰富，影响了结果的准确性。当前，技术识别研究主要利用论文、专利体现的热点技术特征，着眼点主要是这种强信号的信息，忽视了对早期识别有重要意义的弱信号获取[11]。
面对决策过程的信息不完备问题，传统情报研究主要围绕情报响应环节的信息采集、组织和分析展开。对从情报业务特殊性出发的用户需求刻画不够重视，缺乏预见重大科学问题与感知技术风险的能力，导致情报人员疲于服务响应，削弱了情报机构进行前瞻、预警和高质量政策研究的可持续发展业务能力[12]。“情报感知”是科技情报机构识别未知要素、解决信息不完备问题的重要指导理念，本文尝试突破以任务响应为目标的传统工作思维，引入情报感知的理论方法指导全源情报分析，研究战略性新兴产业政策制定关切下的情报感知要素与实施框架，为科技战略决策面临的信息不完备问题提供解决方案。
2
情报感知的内涵与功能认识
2.1 情报感知的内涵
情报感知将主动察觉环境要素、处理信息的“感”与清楚理解、诠释、展望的“知”相融合，使其成为应对复杂巨系统问题和探索创新的有力抓手。Fingar[13]认为，在现实的政策制定环境中，获得更多的信息，特别是来自情报界的情报感知，是进行政策制定的必要条件。情报感知是在相关数据基础上结合特定情境，对事物发展态势做出的理解、判断和应对，因此，数据感知、情境感知、态势感知构成了情报感知的关键环节[14]。其中，数据感知是情报感知的基础，大数据带来的结构化和非结构化数据可以帮助管理者预测竞争对手的情况[15]。情境感知明确了情报感知的运行环境及环境条件，通过感知用户处境，推测用户的行为或需求，为用户准确及时地提供个性化服务[16]。态势感知是情报感知的重要成果，包括对时间和空间环境中各种要素的认知、内涵理解及未来状态的预测[17]，使情报工作者能够在复杂系统中准确预测事物的发展态势。
2.2 情报感知对于支持战略性新兴产业政策制定的价值
2.2.1 为应对复杂环境提供“线索发现”的决策支持
由于战略性新兴产业发展本身面临着主导技术、市场、组织的多重不确定性[18]，情报工作的决策环境、应对的情报问题越来越复杂，证据之间的关联更为隐蔽和多变。对影响决策的多元要素、相互作用关系、复杂程度的认知缺乏是科技决策的风险之一[19]。在情报感知理念的指导下，要求情报人员对战略性新兴产业的演化进行全要素、全谱段、全过程的实时动态监测，尤其注重潜在线索与早期信号的识别和发现，尽可能广泛地感知数据，全面且充分地评估、诠释与呈现产业技术态势，在信息不完备环境下，为政策制定者提供“减少意外”的决策支持。
2.2.2 为科学把握产业政策窗口践行“早醒远眺”的情报特色使命
战略性新兴产业政策制定与实施的前瞻性和连贯性，要求政策能够随着产业的演进过程进行适应性调整[20]。决策者需要提前预判科技、产业、市场的前沿趋势与潜在风险，科学把握政策窗口触发的最佳时机，为产业发展提供及时、有针对性的政策措施。在情报感知的语境下，“感”不再是完全被动的反映，而是情报人员在充分认识情报需求与感知对象的基础上，从全局视角主动地综合利用多种方法工具对数据信息进行处理，预判感知结果的适用领域及应用价值，为建立科学的政策窗口触发机制、实现最佳的政策效应提供及时且精准的情报服务。将情报感知理念指导的情报工作模式置于战略性新兴产业政策制定的情报任务中，是对“醒得早”“看得远”等情报特色使命的践行。
3
战略性新兴产业政策制定情境下的情报感知要素
情报感知是指情报专业人员在常规性信息采集、加工和分析处理过程中，综合运用各种知识工具，完成对情报用户需求、情报对象内容和情报任务组织的认知、解读和表达[12]。基于此，本文在战略性新兴产业政策制定关切下，分别对情报用户需求、情报对象内容、情报任务组织三类情报感知要素进行了具体分析。
3.1 情报用户需求感知
战略性新兴产业是通过新兴技术重大变革驱动的产业，在科技创新、市场需求和社会调控的共同作用下诞生、成长和成熟[21]。战略性新兴产业的政策制定不是政策工具的简单集合，而是需要根据产业的不同阶段，进行合理的政策选择乃至整合[22]。因此，战略性新兴产业的演化过程及各阶段的政策重点，将作为发掘政府决策者这一情报用户需求的情境分析依据。尽管对发展阶段的划分视角缺乏统一标准，但由于战略性新兴产业本质上是新兴技术向产业的演进过程[20]，通过借鉴新兴技术遵循的S曲线演化过程[23]和产业生命周期特征[24]，可将战略性新兴产业的发展划分为萌芽期、形成期、成熟期三个阶段。本文采用“技术-市场-政策”的综合视角，分析这三个阶段中技术创新驱动、市场需求拉动、政策环境约束共同影响的决策场景及相应的情报需求。
（1）产业萌芽期。虽然新兴技术在技术性能或商业模式上取得了突破性创新，但由于技术前景不确定，并未显现出高增长的特征。随着学界、产业界和社会对技术的不断认知，一些可以商业化的技术机会被选择出来。个别企业能够准确把握技术趋势，敏锐察觉到市场需求，通过自主研发或技术引进形成新产品，并迅速抢占市场。政府依据国家战略需求选择要发展的产业新技术，通过技术研发投入、科技计划实施、初创企业培育等政策措施，引导、支持技术的进步和创新主体的成长。在这一阶段，情报工作者对产业发展和技术前沿的态势研判，以及对新兴产业核心技术的早期识别与演化预测，能够为政策制定者在战略性新兴产业的选择与评估、避免盲目性的技术投入、产业发展的技术选择等问题上提供决策支持。
（2）产业形成期。新兴技术发展在科研社群崛起、科研绩效增加等维度展示出较高的持续性、增长性与影响力[25]。通过技术创新的应用与市场需求的拉动，此时新兴技术具备了市场的大规模商用基础，政府从公共领域和私人领域启动市场[26]，引导建立创新成果转化体系，需要研究商业模式的竞争情报工作支持[27]。创新获利带动企业间的竞争与协作逐渐频繁，新兴技术的其他细分市场开始被挖掘，专业化分工的出现导致产业结构的不断调整，进而形成新的产业[28]。在推进新兴产业生态系统形成的过程中，政府逐步构建有利于战略性新兴产业集群式发展的产业扶持配套，情报工作者应发挥其对于技术演化信号的发现与监测能力，分析促进以技术为核心的多产业融合的方法和路径，帮助决策者引导战略性产业的空间集聚。
（3）产业成熟期。相关的产业结构成型，社群及科研成果的影响力显著增加，新兴技术成为通用性的成熟技术。随着新兴企业不断成长，政府进一步完善知识产权和协同发展机制[29]，营造产业集群内部良好的竞争与合作环境，在加快知识流动中推动产业核心技术跟上国际前沿。情报工作者要积极关注技术成熟后的发展方向，帮助决策者捕捉产业发展的新机会。各级政府通过府际联合来控制政策的实施，着力提升中央与地方政策的协同度，情报工作者通过持续跟踪从国家到地方的政策扩散过程及相应举措，为明确各级政策的侧重点、保障政策效果的一致性提供依据。
3.2 情报对象内容感知
战略性新兴产业的发展是技术、产业、政策等多方相互作用的结果，可将其决策环境视作一个复杂巨系统。在复杂巨系统中，要想准确感知事物发展态势，必须认识系统内部的子系统，明确其中的情报感知对象，才能充分利用各种来源和形式的信息。现有研究将产业创新系统划分为不同的结构模式，典型代表有：兰德公司从科学研究、政府活动、行业市场、关键技术四个方面制定了具体指标，评估一个国家量子技术产业的整体环境[30]；汪秀婷等[31]从系统视角出发，将战略性新兴产业创新发展视作由战略、核心网络、知识技术和环境四个子系统构成的复杂适应系统。结合上述两种观点以及上文的情境感知结果，本文将战略性新兴产业决策系统划分为政策战略子系统、创新主体子系统、知识技术子系统、产业子系统、市场子系统，并感知每个子系统中可能有情报价值的对象内容。
（1）政策战略子系统。政策规划是技术创新和产业发展的牵引力，政府从技术、市场、管理等多个层面设计相应的政策体系及措施。以前瞻性的战略视野，关注国内外政府的战略规划、科技计划、政策文件和技术管理机制等情报对象，能够帮助决策者研判国际科技前沿态势与技术发展趋势，评估国内外技术竞争态势与市场创新环境。
（2）创新主体子系统。在科技创新系统的建设中，参与主体在新知识的学习和实践过程中逐渐形成“创新网络”[32]，随着更多创新主体的参与以及彼此间的互动增加，逐渐塑造整个产业生态系统。在产业演变过程中，不同创新主体的功能和角色逐渐明确，包括产业链上中下游的企业、技术联盟、中介组织、投资机构、企业家等，以及技术链的高校、科研院所、企业研发部门、科研人员等。以这些创新主体作为情报对象，开展实践案例的监测与分析，能够为新兴技术识别预测、技术机会发现、未来市场的管理机制设计等提供情报支撑。
（3）知识技术子系统。技术创新是战略性新兴产业发展的核心驱动力，创新主体发现技术创新的机遇，加速新兴技术的产业孵化，是占领产业科技制高点的关键。针对技术的情报感知重在尽早发现具有新兴特质的技术对象，技术预见必须关注新技术形成过程中的知识基础、特征表现和创新方式[33]。在自主演化中，新兴技术的技术属性表现出特有的变化特征，该渐进趋势会受到技术融合、技术重组等创新方式的影响[34]，论文、专利作为技术创新的载体来源，为理解技术演化过程的特征与机制提供了知识基础。
（4）产业子系统。为了加速新兴产业的形成，政府提前规划和布局现有资源，企业通过聚集资源和能力，将新技术转变为产品和服务。产业的资源基础包括各类资金投入、人才、机构设置、信息、设施装备等表示技术创新的资源要素结构。新兴技术的进步得益于产品开发过程中的技术实践，产品或工艺是技术创新的承载体，产品与技术、市场之间的关联分析促进了对技术市场前景与竞争态势的感知。
（5）市场子系统。技术创新成果的产业化需要企业通过技术与市场需求匹配，在与用户的交流实践中获取市场信息，并不断改进产品[35]。市场用户是企业获取创新资源、推动技术创新的重要来源，以新闻、论坛、社交媒体等用户信息作为观测对象，获取用户的技术期望、消费习惯与产品反馈，能够辅助企业挖掘和预测市场需求。
3.3 情报任务感知
对情报任务的认知与刻画，是对情报需求涉及的主要情报问题做出准确的理解和描述，直接关系到情报感知实施的方法与效果。在战略性新兴产业政策制定的情报需求下，主要实施的情报任务如下。
（1）信息扫描监测。面向科技前沿与创新主体的情报监测，扫描主要国家的科技战略与政策规划，持续跟踪全球重点企业与科研机构的技术布局动向，汲取典型案例中可供借鉴的经验和方法，帮助决策者研判产业技术发展趋势。通过持续监测产业技术态势与市场环境，及时发现新技术、新领域，从而提出政策优化调整或新一轮政策制定方向。
（2）产业技术情报。技术识别、预测、评估、预警是产业技术情报分析的四大任务[36]。对未来具有潜力的新兴技术开展早期识别或预测，能够使核心技术更早地应用于产业发展的选择[37]。基于技术形成的特征表现与内在机制信号，识别具有新兴特性和功能的技术，根据新兴技术对市场前景、社会环境的影响，进一步评估筛选的技术，分阶段、分类别做好政策优先支持的技术排序。同时，关注技术演化过程中的现象、规律及产生原因，解决由此带来的技术管理机制问题，并根据产业与技术的发展态势随时调整政策工具。
（3）产业竞争情报。技术的产品化与商业化，需要市场供给、竞争格局等市场环境信息。情报人员通过广泛搜集国内外市场信息、用户需求、行业案例等，评估产业发展中的市场风险、组织风险和技术风险，帮助决策者形成促进良性商业模式与市场环境建设的适宜手段，为促进技术成果转化、新产品开发与投资、国内外市场拓展、产业风险预警、合作与竞争环境建设等提供决策支持。
（4）政策效果评估。在各级部门或地区扩散传输的过程，跟踪政策及时把握政策的承继落实情况，保障各级政策的协同性。情报人员通过全面收集与计算反映政策实施效果的数据，评估政策方案是否达到预期目标，使决策者能够及时发现政策实践中存在的问题与新的政策方向。
4
战略性新兴产业政策制定情境下的情报感知实施
情报感知实施的基本思路：以特定任务为驱动，明晰目标情报源，尽可能获取丰富全面的信息，探索情报感知方法规则和运用规律，灵活运用模型、逻辑、经验和算法进行特征提取与知识发现，并对感知结果进行表达与传递[38]。本文在明确情报感知要素的基础上，构建了面向战略性新兴产业政策制定的情报感知框架（图1），以发现情报感知线索、应用情报感知技术、刻画情报感知结果作为情报感知实施的要件，为各情报任务域中的决策需求提供感知反馈与响应支持。
图1 面向战略性新兴产业政策制定的情报感知框架
4.1 情报感知线索发现
新兴技术向战略性新兴产业的发展，其本质在于技术、市场、产业、制度、创新主体系统要素的出现、演化和相互之间关系的建立，因此，可将一系列情报任务转化为对系统中这些情报对象兴起线索的感知发现过程，将其作为情报信息源进行跟踪、监测、评估。根据上述战略性新兴产业决策系统中对情报对象的感知结果，本文梳理了各子系统中围绕情报感知对象及其交互关系的情报线索体系。
4.1.1 政策战略感知线索
主要国家、地区政府和创新主体颁布的战略规划、技术预测报告，是研判全球科技前沿和产业竞争态势的重要战略情报资源，其中蕴含的主要情报线索如下。
（1）产业行动者的技术预期。在新兴产业发展的早期阶段，影响市场发展方向的一个主要因素是政府、企业、大学、研究机构等行动者对新兴技术的“预期”和“规划制定”[39]。从这些产业行动者发表的产业发展、技术趋势、商业化前景的相关规划报告中，可以感知科技前沿与发展趋势的信号，尽早构建技术预见的方法框架。
（2）高技术产品及技术的出口限制。在技术竞争环境分析中，情报人员通过动态跟踪美国等发达国家最新的出口管制政策，如商业管制清单、出口管理条例、实体清单及其出口管制相关的联邦公报等文件，收集并分析技术出口管制领域、形式及原因，帮助决策者掌握技术领域受限状况[40]。
（3）先进政策经验。关注主要国家或地区在技术管理和产业推动的政策表现，汲取其中的亮点措施及制度经验，从战略需求与产业阶段的适应性、可操作性、政策预期效果及成本等方面，筛选并确定所需的政策资源。
4.1.2 创新主体感知线索
创新主体是战略性新兴产业发展辨识和分析的主要线索，包括企业、高校、科研院所等组织机构，科学家、发明家、初创企业家等重要个体，以及由于知识流动形成的创新群体。
（1）企业发展动向。大型企业是新兴产业向纵深发展的支撑力量，而初创企业则代表了对新兴技术的开拓作用，从不同规模企业反映出的技术与应用领域变化，可得出新兴产业的形成机会[41]。通过搜索并分析国内外企业的报告、专利、投资、产品、市场效益等，关注企业的投资动向、创新能力、产品竞争力、盈利能力等情况，为引导企业协调发展、突破技术应用过程的瓶颈提供了决策依据。
（2）学研机构发展动向。高校和科研院所作为我国高科技领域研发的主要活跃场所[42]，基于论文、专利、报告、项目公告、机构网站等信息源，其在科研产出、项目申请、科研合作、人员招聘上反映的科研动向也提供了线索[43]。对学研机构科研信息的筛选，能够帮助决策者发现当前产业领域的重点研发方向、重大科技成果与多类型科技攻关项目，掌握全球技术态势，找准自身技术短板。
（3）重要个体。高层次创新个体及团队的动向，是观测新兴产业发展特征的重要渠道。对于关键发明人的辨识，除了根据获奖数等客观信息，更应注重通过专利技术信息等反映出的技术创新行为[44]。此外，鉴于企业家个体，尤其是初创企业家，在新兴技术市场化中的重要作用，应关注其技术实践、生产经营活动等创新行为和产品发明、媒体报道等创新产出[45]。
（4）典型创新群体。产业聚集现象是研究新兴产业发展的重要方面，创新主体之间通过分工合作与互动关系，形成主导企业群、小微创新群、产学研联盟群等典型创新群体。从产品、专利、项目、非正式交流等途径考察知识流动关系，关注典型创新群体之间的知识转移、技术转移机制，如借助产业间专利知识流网络，可以辨识新兴产业与传统产业的联系[44]。
4.1.3 知识技术感知线索
技术机会发现的根本途径是要立足于技术本质和技术创新过程[46]，技术特征线索可从新技术形成过程中的知识基础、技术属性和技术演化三个维度来考虑。
（1）知识基础特征。论文、专利分别作为科学知识基础和技术知识基础的载体，对其不同粒度属性的观察提供了技术演化现象的发现和预测途径。例如，文献关键词或术语之间、主题之间的共现关系可以测量知识结构，论文或专利间的引用、耦合与共被引关系可以表征认知结构[25]。通过观察某一领域概念是否被新概念所替代，或被新术语描述的频次，可以描述知识结构的变化[47]。
（2）技术属性特征。相对于其他技术，新兴技术属性强弱会表现出特有的变化特征，该特征可作为新兴技术识别与技术发展阶段预测的依据。目前，受到广泛认可的新兴技术属性特征包括根本创新性、相对增长性、持续性、影响力以及不确定性[23]，当前通过将五个维度的特征转化为可观测、可计量的指标体系，开展新兴技术识别研究[48-49]。
（3）技术演化特征。在技术演化的动态系统中，关注技术融合、重组等技术创新方式对技术形成的影响，并识别其变化特征。以技术融合为例，参与FUSE（Foresight and Understanding from Scientific Exposition）项目的斯坦福国际研究院团队以科学知识、技术知识在特定时段的跨学科性来预测技术的兴起[50]。在具体指标的选取上，有学者利用专利分类号之间的引文及非专利引文关联，分析技术的融合趋势[51]。
4.1.4 产业感知线索
产业发展基础、前景与现状的评估，对应了产业资源配置、产品功能与产业创新绩效等维度的线索。
（1）产业资源配置。资源影响产业创新能力和效率，在战略领域的资金投入、机构设置、人才培育与引进、技术进出口等资源要素，反映了国家对该领域的支持力度。例如，美国通过观测竞争对手留学生选择的学习领域、引进人才的专业分布等指标，开展技术威胁预警工作[52]。对主要关注国家和本国产业资源情况的感知，促进了战略领域中资源在不同种类创新活动的合理分配。
（2）产品功能。产品是技术创新的最终形式，从产品功能可以发现更多契合市场需求的产业发展机会[53]。当前，一种发现技术领域中功能性特征的方法得到了广泛关注，通过提取论文或专利文本中的“关键问题-解决方案”信息，发现未来具有应用潜力的技术创新方案[54]。
（3）产业创新绩效。从行业市场报告、统计年鉴、经贸数据库等信息来源，结合对创新主体的调查反馈，感知国家层面和各类主体的创新绩效，及时发现产业发展现状与政策实施中存在的问题。
4.1.5 市场感知线索
市场调查的范围集中在目标用户，根据用户反馈，评价新兴技术产品对用户需求的满足程度。产品性能的不断改进与市场化的推进，带动了新兴产业市场环境的变化。可观测的市场线索如下。
（1）用户反馈。在市场探索的早期阶段，目标用户的反馈可以提供关于产品接受度、使用障碍、价格敏感度、风险水平等方面的线索[55]，评价产品可以满足现有的或潜在的用户需求，从而发现面向用户预期的技术性能改进方向。
（2）市场环境变化。在新技术产品已占领原有市场份额或开辟出新市场时，带动了相关基础设施建设、技术标准出台、产业分工细化、用户群体变化等市场环境的不断完善，传达的信号也表征了产业市场环境现状与发展前景。
在具体情报任务的驱动下，从战略性新兴产业各子系统角度梳理的上述情报线索，能够帮助情报人员尽可能广泛地发现情报数据源，通过系统扫描与监测，感知并滤选出与任务需求可能匹配的情报素材，从而逐步建立支撑战略性新兴产业政策制定决策的数据感知体系。
4.2 情报感知技术应用
情报分析人员需要对感知到的海量多源复杂数据进行分析，从而为决策者提供准确及时的“洞见”。情报感知的效用受到信息获取、特征析取、知识发现、评判选择等感知步骤实施情况的影响，因此，技术的运用需要从满足这些步骤的目标与规则来考虑。
4.2.1 数据采集技术
面向时空大数据驱动的决策环境，未来将突破传统信息监测的局限，利用多源异构数据采集、按需获取与智能过滤等技术，探索建立基于情境感知的数据智能采集方案，实现对复杂决策环境下数据的实时获取与高效集成[56]。
4.2.2 数据处理与表示技术
情报感知对象复杂多样，准确、有效地提取对象的特征信息是决定情报感知成败的关键所在。通过一定的数据处理与表示方法，将获取的多源异构数据转化为可供具体情报任务计算分析的数据格式，为情报对象的特征识别提供数据基础。特征信息的析取涉及实体抽取、关系抽取、主题分析、术语发现、情感分析等技术[57]。未来需进一步探索图像、视频等非文本数据的模式识别、特征提取等技术，实现海量多源异构数据的处理与表示。
4.2.3 计算分析技术
利用特征信息开展描述和预测情报任务，计算分析方法是实施的关键。在对数据处理的基础上，根据情报任务，对情报对象数据进行匹配、计量、分类、聚类等计算分析，实现情报对象的特征识别、模式发现、趋势预测、状态评估。未来，一是按照时序、学科交叉、需求场景等维度，探索多维聚合下的情报对象变化、关联的特征挖掘；二是利用技术发展的计算化和智能化趋势，增强在产业和技术情报对象特征上的深度学习，提高各情报任务的效率。
4.2.4 超前情报技术
超前情报研究是通过对情报对象的主动感知预判，结合特定情境减少不确定事件的发生[14]，体现了情报感知研究的特色，因此，应将超前情报技术与数据采集、处理、计算技术相结合，贯穿于情报工作各环节中。信号情报分析是一种超前情报技术，关注如何在早期识别预警信号，探索早期弱信号识别模型、弱信号特征增强识别技术在情报监测、技术预测等任务中的应用[11]。
各类情报感知技术为理解、评析和展望“未知或知之不详的对象”提供了操作工具，数智技术的应用促进了对未知要素的智能化识别与描述。情报产品不再是响应特定问题的答案，而是赋予了决策者对未知情境或不完备决策信息的认知能力，能够对产业技术与决策环境进行感知、预测、评估。
4.3 情报感知结果刻画
情报感知的实现需要以情报产品为载体，经由情报用户采纳才能实现研究价值，对情报感知研究成果的刻画是实现其传递的核心环节[58]。情报刻画是指情报分析人员通过促进用户理解情报内容的方式，把其感知到的情报有效表达出来。为了让情报的内容特征和外表特征更容易被决策者感知、更迅速被用户获悉，情报刻画的实施需要从内容和形式两个方面提出要求，为支持战略性新兴产业领域情报的加工制作以及把握情报产品质量提供参考规则。
4.3.1 情报产品内容的刻画要求
一是注重事实数据及量化描述方式的应用。面对战略性新兴产业更为复杂的数据来源与类型，证据之间的关联更加隐蔽，在表达情报感知内容时，重视数据与模型的量化描述方式应用，准确识别并清楚表达更为潜在的假设及推理过程[59]。二是区分事实与推论。态势感知情报是战略性新兴产业情报感知生成的重要情报产品，既有对“可能存在的事实”的归纳，也有对“应该存在的推论”的预测，在表达相关情报感知结果时，要注意将事实与推论区分开来。三是情报产品能直接指导决策行动。政策制定过程具有明确的任务目标和行动场景，决策者更需要的是行动支持[60]，因此情报产品必须与决策行动相匹配，具有明确的目标性、可执行性和可操作性。
4.3.2 情报产品形式的刻画要求
一是明确情报产品的定位。战略性新兴产业情报涉及国家创新系统中的多类主体，明确情报研究对象，有利于在产品设计阶段确定选题和架构。韩国科技政策研究所（Science and Technology Policy Institute，STEPI）面向国家科技战略的情报产品，按照基础设施研究、工厂、企业和国家四个方面，清晰地划分了产品层级[61]。二是情报产品形式符合政策制定决策者的使用习惯。情报产品形式的正确与否取决于能否匹配产品特征，能否符合决策者的偏好。例如，产业和技术的最新动态产品，情报人员需要对关键问题进行定期的、高频的情报分析，及时把最新的、有价值的信息形成快讯、简报，并呈递给决策者。三是丰富情报产品的呈现方式。通过使用图表、交互式地图等数据可视化技术和工具，支持复杂关系描述与知识发现的情报表达方式，促进决策者对情报内容的感知[62]。
经过情报刻画过程输出多层级的情报产品，包括科技战略与政策分析、全球科技动态监测、科技前沿洞察、科技竞争力对比评价、国外对华技术封锁预判、产业发展态势、创新主体需求调查等，形成政策问题导向的动态监测快报与科技预见报告、具有战略决策支持价值的咨询建议、科技政经信息关联融汇的专业化数据库。
5
总结与展望
全球科技威胁的快速演变和出现，以及政策制定决策周期的加快，很可能会颠覆情报分析过程。本文从战略性新兴产业政策制定的情报关切出发，提出了情报感知的要素与框架。针对当前产业技术情报缺乏弱信号信息、依托数据较为单一等问题，在对战略性新兴产业发展各阶段及政策制定的情报需求感知基础上，从政策战略、创新主体、知识技术、产业和市场等角度出发，识别了情报对象内容及对应的情报线索，梳理了决策所需的信息类型，提出了支持情报任务的技术应用和成果刻画策略。针对战略性新兴产业政策制定中的信息不完备问题，提供了基于情报感知的解决方案，为开展基于情报感知理念的科技情报工作提供了参考示范。
在未来的研究实践中，推动全源数据感知、科技态势洞察等情报感知能力向智能化、纵深化发展，以及情报感知系统平台的应用等，将是提升研判精准性、加快决策需求响应速度的重要选项。
参考文献
[1] 李晓华, 吕铁 . 战略性新兴产业的特征与政策导向研究[J]. 宏观经济研究, 2010(9): 20-26.
[2] 程如烟, 孙浩林. 主要经济体支持颠覆性技术创新的政策措施研究[J]. 情报学报, 2021, 40(12): 1263-1270.
[3] 高峻峰 . 政府政策对新兴技术演化的影响——以我国 TD-SCDMA 移动通讯技术的演化为例[J]. 中国软科学, 2010(2):25-33.
[4] 王达. 日本面向未来的特定科技领域技术预见分析[J]. 今日科苑, 2020(5): 1-9, 15.
[5] 陈峰. 竞争情报理论方法与应用案例[M]. 北京: 科学技术文献出版社, 2014.
[6] 赵洁, 马铮, 王雪雅, 等 . 面向战略性新兴产业的竞争情报服务: 需求分析与体系构建[J]. 情报理论与实践, 2014, 37(6):22-27.
[7] Calof J, Richards G, Smith J E. Foresight, competitive intelli‐gence and business analytics—tools for making industrial pro‐grammes more efficient[J]. Foresight-Russia, 2015, 9(1): 68-81.
[8] 王克平, 郭小芳, 车尧 . 大数据思维下战略性新兴产业风险识别与竞 争 情 报 预 警 研 究[J]. 情 报 理 论 与 实 践, 2021, 44(5):92-99.
[9] 贺俊, 吕铁. 战略性新兴产业: 从政策概念到理论问题[J]. 财贸经济, 2012(5): 106-113.
[10] Tseng F M, Cheng A C, Peng Y N. Assessing market penetration combining scenario analysis, Delphi, and the technological substi‐tution model: the case of the OLED TV market[J]. Technological Forecasting and Social Change, 2009, 76(7): 897-909.
[11] 赵志耘, 潘云涛, 苏成, 等. 颠覆性技术感知响应系统框架研究[J]. 情报学报, 2021, 40(12): 1245-1252.
[12] 王延飞, 赵柯然, 陈美华, 等 . 情报感知的研究解析[J]. 情报理论与实践, 2018, 41(8): 1-4.
[13] Fingar T. Intelligence and grand strategy[J]. Orbis, 2012, 56(1):118-134.
[14] 赵柯然, 王延飞 . 情报感知的方法探析[J]. 情报理论与实践,2018, 41(8): 11-16.890第 8 期 马雨萌等：面向战略性新兴产业政策制定的情报感知研究
[15] McAfee A, Brynjolfsson E. Big data: the management revolution[J]. Harvard Business Review, 2012, 90(10): 60-66, 68, 128.
[16] Chaari T, Laforest F, Celentano A. Design of context-aware appli‐cations based on Web services[R]. Università Ca’Foscari di Vene‐zia Reference, 2004.
[17] Endsley M R. Situation awareness global assessment technique (SAGAT)[C]// Proceedings of the IEEE 1988 National Aerospace and Electronics Conference. Piscataway: IEEE, 1988: 789-795.
[18] 吕铁, 贺俊. 技术经济范式协同转变与战略性新兴产业政策重构[J]. 学术月刊, 2013, 45(7): 78-89.
[19] 刘细文 . 情报学范式变革与数据驱动型情报工作发展趋势[J].图书情报工作, 2021, 65(1): 4-11.
[20] 刘洪民, 杨艳东, 韩熠超 . 战略性新兴产业阶段性演进特征及其政策动态调整: 一个文献述评[J]. 科技管理研究, 2018, 38(7): 142-147.
[21] 赵晓旻 . 新兴技术向战略性新兴产业演化的模式与路径研究——以初创企业为例[D]. 成都: 电子科技大学, 2022.
[22] 陈小洪, 范保群 . 战略性新兴产业政策的理论、实践与机制[M]. 北京: 中国社会科学出版社, 2019.
[23] Rotolo D, Hicks D, Martin B R. What is an emerging technology?[J]. Research Policy, 2015, 44(10): 1827-1843.
[24] 汤长安, 张丽家, 吕殿青 . 后发大国战略性新兴产业协同创新的政策驱动机制研究[M]. 北京: 经济科学出版社, 2020.
[25] 卢小宾, 杨冠灿, 徐硕, 等. 计量与演化视角下的新兴技术识别研究进展评述[J]. 情报学报, 2020, 39(6): 651-661.
[26] Lundberg H, Andresen E. Cooperation among companies, univer‐sities and local government in a Swedish context[J]. Industrial Marketing Management, 2012, 41(3): 429-437.
[27] 刘景旭, 张德, 李虹 . 竞争情报在商业模式分析及创新中的作用[J]. 图书与情报, 2007(4): 78-81, 84.
[28] 刘红玉, 彭福扬, 吴传胜 . 战略性新兴产业的形成机理与成长路径[J]. 科技进步与对策, 2012, 29(11): 46-49.
[29] 张永安, 邬龙 . 战略性新兴产业发展三阶段划分及评价研究:基于技术效率的视角[J]. 科技管理研究, 2015, 35(19): 57-63.
[30] Parker E, Gonzales D, Kochhar A K, et al. An assessment of the U.S. and Chinese industrial bases in quantum technology[R]. San‐ta Monica: RAND Corporation, 2022.
[31] 汪秀婷, 杜海波. 系统视角下战略性新兴产业创新系统架构与培育路径研究[J]. 科学管理研究, 2012, 30(1): 10-14.
[32] Taalbi J. Evolution and structure of technological systems - an in‐novation output network[J]. Research Policy, 2020, 49(8):104010.
[33] 韩燕, 彭爱东 . 基于技术形成三要素的技术机会识别研究——以医疗服务机器人领域技术为例[J]. 情报理论与实践, 2020, 43(5): 156-162.
[34] Arthur W B. The nature of technology: what it is and how it evolves[M]. New York: Simon and Schuster, 2009.
[35] 路风. 论产品开发平台[J]. 管理世界, 2018, 34(8): 106-129, 192.
[36] 霍朝光, 卢小宾, 杨冠灿, 等. 数据驱动的产业技术情报分析方法体系框架构建[J]. 图书情报知识, 2022, 39(1): 73-83.
[37] 贾军, 魏洁云 . 新兴产业核心技术早期识别方法与应用研究[J]. 科学学研究, 2018, 36(7): 1206-1214.
[38] 王延飞, 杜元清 . 情报感知论[M]. 北京: 科学技术文献出版社,2021.
[39] van Merkerk R O, van Lente H. Tracing emerging irreversibilities in emerging technologies: the case of nanotubes[J]. Technological Forecasting and Social Change, 2005, 72(9): 1094-1111.
[40] 周磊, 杨威, 余玲珑, 等. 美国对华技术出口管制的实体清单分析及其启示[J]. 情报杂志, 2020, 39(7): 23-28.
[41] van der Valk T, Moors E H M, Meeus M T H. Conceptualizing patterns in the dynamics of emerging technologies: the case of biotechnology developments in the Netherlands[J]. Technovation,2009, 29(4): 247-264.
[42] 乔永忠. 不同类型创新主体发明专利维持信息实证研究[J]. 科学学研究, 2011, 29(3): 442-447, 365.
[43] 陈 光, 方 新 . 关 于 科 技 政 策 学 方 法 论 研 究[J]. 科 学 学 研 究,2014, 32(3): 321-326.
[44] 陈向东, 李蓓, 宋爽 . 新兴技术发展与辨识——新兴经济体框架之下的发展视角[M]. 北京: 科学出版社, 2021.
[45] 赵新月, 赵筱媛. 基于高层次创新人才科研动向监测的前沿技术识别体系[J]. 情报学报, 2021, 40(12): 1279-1287.
[46] 伊惠芳, 刘细文, 龙艺璇 . 技术创新全视角下技术机会发现研究进展[J]. 图书情报工作, 2021, 65(7): 132-142.
[47] Murdick D. Foresight and understanding from scientific exposi‐tion (FUSE) [R/OL]. (2012-07-24) [2022-08-10]. https://dpcpsi.nih.gov/pdf/10_IARPA.pdf.
[48] Guo H N, Weingart S, Börner K. Mixed-indicators model for identifying emerging research areas[J]. Scientometrics, 2011, 89(1): 421-435.
[49] Lee C Y, Kwon O, Kim M, et al. Early identification of emerging technologies: a machine learning approach using multiple patent indicators[J]. Technological Forecasting and Social Change,2018, 127: 291-303.
[50] Alexander J, Bache K, Chase J, et al. An exploratory study of in‐terdisciplinarity and breakthrough ideas[C]// Proceedings of the Portland International Conference on Management of Engineer‐ing & Technology. Piscataway: IEEE, 2013: 2130-2140.
[51] Karvonen M, Kässi T. Patent citations as a tool for analysing the early stages of convergence[J]. Technological Forecasting and So‐cial Change, 2013, 80(6): 1094-1107.
[52] National Research Council (U.S.). Avoiding surprise in an era of global technology advances[M]. Washington, D. C.: National Academies Press, 2005.
[53] Yoon J, Park H, Seo W, et al. Technology opportunity discovery (TOD) from existing technologies and products: a function-based TOD framework[J]. Technological Forecasting and Social Change, 2015, 100: 153-167.
[54] Choi S, Yoon J, Kim K, et al. SAO network analysis of patents for technology trends identification: a case study of polymer elec‐trolyte membrane technology in proton exchange membrane fuel cells[J]. Scientometrics, 2011, 88(3): 863-883.
[55] 乔治·戴, 保罗·休梅克 . 沃顿论新兴技术管理[M]. 石莹, 等译 .北京: 华夏出版社, 2002.
[56] 曾大军, 霍红, 陈国青, 等. 政策信息学与政策智能研究中的关键科学问题[J]. 中国科学基金, 2021, 35(5): 719-725.
[57] McKeown K, Daume H, Chaturvedi S, et al. Predicting the im‐pact of scientific concepts using full-text features[J]. Journal of the Association for Information Science and Technology, 2016, 67(11): 2684-2696.
[58] 王延飞, 杜元清 . 融汇情报刻画的情报感知研究路径[J]. 科技情报研究, 2020, 2(1): 1-11.
[59] 王宏广, 王革, 韦东远, 等 . 高端科技智库建设要力争做到“九有”——兰德公司智库建设及其对我国科技智库建设的启示[J]. 科技中国, 2018(5): 1-4.
[60] 李品, 杨建林 . 面向战略决策制定的情报流程[J]. 情报学报,2021, 40(10): 1092-1107.
[61] Science and Technology Policy Institute (STEPI)[EB/OL]. [2022-06-20]. https://www.stepi.re.kr/site/stepien/main.do.
[62] 张志强, 苏娜 . 国际一流智库的研究方法创新[J]. 中国科学院院刊, 2017, 32(12): 1371-1378.
制版编辑 | 李 静
审核 | 王海燕
国家自然科学基金管理学部A类期刊
全国中文核心期刊
CSSCI来源期刊
《中国人民大学复印报刊资料》重要转载来源期刊
CSTPCD（中国科技论文与引文数据库）收录期刊
NSSD （国家哲学社会科学学术期刊数据库）
长按扫描二维码 ｜ 关注我们
情报学报官网：qbxb.istic.ac.cn
邮箱：qbxb@istic.ac.cn
电话：010-68598273
欢迎投稿！
【免责声明】本公众号主要发布《情报学报》期刊的录用文章，或转载其他媒体与网站的图文资讯。文章仅代表作者本人观点，本公众号对文中陈述、观点判断保持中立。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其他渠道者引发的一切纠纷与本公众号平台无关。