[目的/意義]機器人產(chǎn)業(yè)政策是保障機器人產(chǎn)業(yè)高質(zhì)量發(fā)展的戰(zhàn)略指南。對機器人產(chǎn)業(yè)政策進行量化評價可以為政策的制定、調(diào)整、完善提供重要的理論支撐和決策依據(jù)。[方法/過程]從情報需求識別、規(guī)劃、搜集、加工、分析、演示的過程視角對機器人產(chǎn)業(yè)政策文本進行量化評價。通過PMC指數(shù)模型,結(jié)合文本挖掘,計算出8項機器人產(chǎn)業(yè)政策的PMC指數(shù),提出政策改進路徑,并繪制PMC曲面圖。[結(jié)果/結(jié)論]機器人產(chǎn)業(yè)政策總體設計較為合理,其中4項政策等級為優(yōu)秀,4項為可接受。但同時,政策仍存在一些亟待改善的問題:一是政策缺少監(jiān)管性和診斷性;二是具有長期時效的政策空缺;三是政策工具運用失衡。并針對上述問題,提出對策建議。 

【文章來源】：情報雜志. 2020,39(01)北大核心CSSCI

【文章頁數(shù)】：10 頁

【部分圖文】：

P7的PMC曲面

機器人產(chǎn)業(yè)的火爆也帶動了機器人產(chǎn)業(yè)研究的大熱。不過,目前機器人產(chǎn)業(yè)研究主要集中在產(chǎn)業(yè)技術、產(chǎn)業(yè)演進、進出口貿(mào)易等方面,尤其是通過各種情報手段分析和判斷機器人技術及研究進展是當前的一個熱點方向。Daim等開發(fā)了包括5個維度和20個具體指標的HDM模型,對電力行業(yè)所使用的機器人技術進行了價值評估,并指出該方法適用于其他領域新興機器人技術的評價[13]。Kose和Sakata通過使用基于模塊的挖掘方法分析機器人領域的技術融合,并具體剖析了機器人研究領域技術融合的模式和過程[14]。陳悅等基于技術傳遞系統(tǒng)(TDS)提供的技術機會理論,通過專利數(shù)據(jù)分析了工業(yè)機器人領域的技術機會[15]。袁立科和尹志欣基于預測專家調(diào)查數(shù)據(jù),通過層次聚類法,將智能機器人技術群分為4類[16]。Kong等引入了一種包括5個關鍵屬性(平臺技術所有權、國際化目標、全球知識定位、產(chǎn)學聯(lián)合、跨學科技術發(fā)展)的數(shù)據(jù)挖掘方法,考察了各國在發(fā)展新興產(chǎn)業(yè)方面的創(chuàng)新差距,通過實證研究指出中國在工業(yè)機器人領域與發(fā)達經(jīng)濟體之間存在顯著的創(chuàng)新差距[17]。Ghiasi和Larivière綜合運用內(nèi)容分析、文獻計量學、文本挖掘的方法,衡量了全球主要國家在機器人學術領域的表現(xiàn),并通過技術優(yōu)勢指數(shù)(RTA)比較了各國在機器人技術方面的差距。通過研究,指出亞洲尤其是日本在全球機器人研究中發(fā)揮了重要作用。中國在機器人研究中呈現(xiàn)快速增長的態(tài)勢,且其增速已經(jīng)超越美國和日本[18]。與機器人產(chǎn)業(yè)及相關研究的熱度形成對比的是,有關機器人政策的研究卻十分“冷清”。與此同時,機器人政策研究主要存在2個問題:一方面,關于機器人產(chǎn)業(yè)政策的系統(tǒng)性研究不多,大部分涉及機器人政策的分析都只是散見于機器人領域的其他研究中[19-21]。另一方面,在為數(shù)不多的專門探討機器人產(chǎn)業(yè)政策的研究中,主要以定性地回顧與評述機器人產(chǎn)業(yè)政策為主[22-24],而采用定量方法系統(tǒng)研究機器人產(chǎn)業(yè)政策的文章則非常少見,且主要采用較為常用的內(nèi)容分析法對機器人產(chǎn)業(yè)政策文本進行編碼分析[2,25],視角相對較為單一,基本還未見對單項機器人產(chǎn)業(yè)政策進行量化評價的研究。因此,本文采用PMC指數(shù)模型,選取8項較有代表性的機器人產(chǎn)業(yè)專項政策計算其PMC指數(shù),逐一分析每項政策文本,并據(jù)此繪制PMC曲面圖,從而更加直觀、深入地展現(xiàn)機器人產(chǎn)業(yè)政策的評價結(jié)果,為機器人產(chǎn)業(yè)政策的后續(xù)改進、完善等提供理論依據(jù)和決策支持。此外,本文以競爭情報過程視角為全文的研究流程(見圖1),從情報需求識別、規(guī)劃、搜集、加工、分析、演示的過程視角切入,更完整、客觀地展現(xiàn)機器人政策情報的分析和評價過程。

在經(jīng)過情報的需求識別、規(guī)劃、搜集、加工、分析等流程之后,最終進入最后一個階段——情報演示,即通過政策文本評價模型的可視化(PMC曲面圖)直觀展示評價結(jié)果。其中,計算PMC矩陣是繪制PMC曲面圖的基礎[32],由于8項機器人產(chǎn)業(yè)政策中X10的值均為1,且考慮到矩陣的對稱性和PMC曲面的均衡性[30],將X10剔除,最終產(chǎn)生由9個一級變量構成的3階方陣,進而繪制機器人政策的PMC曲面圖。由于篇幅所限,本文僅列出PMC分值最高的P1和分值最低的P7這2項政策的PMC曲面圖(見圖2、圖3)。通過對比,可以更加直觀、清晰地看出不同政策的凹陷程度及優(yōu)劣勢。圖3 P7的PMC曲面

【參考文獻】：
期刊論文
[1]低碳試點政策對城市碳排放績效的影響評估及機制分析[J]. 周迪,周豐年,王雪芹.  資源科學. 2019(03)
[2]基于政策工具視角的長三角地區(qū)機器人產(chǎn)業(yè)政策研究[J]. 胡峰,張巍巍,曹鵬飛,陸麗娜.  科技管理研究. 2019(04)
[3]基礎研究政策體系對基礎研究投入的動態(tài)影響——基于政策執(zhí)行視角[J]. 黃倩,陳朝月,樊霞,許治.  科學學與科學技術管理. 2019(01)
[4]政策組合對領先市場形成的影響分析——以新能源汽車產(chǎn)業(yè)為例[J]. 郭雯,陶凱,李振國.  科研管理. 2018(12)
[5]政策工具視角下中國養(yǎng)老服務政策文本量化研究[J]. 姚俊,張麗.  現(xiàn)代經(jīng)濟探討. 2018(12)
[6]基于PMC指數(shù)模型的跨境電子商務政策評價研究[J]. 趙楊,陳雨涵,陳亞文.  國際商務(對外經(jīng)濟貿(mào)易大學學報). 2018(06)
[7]政策工具視角下PPP政策文本分析——基于2014-2017年PPP國家政策[J]. 柯洪,王美華,杜亞靈.  情報雜志. 2018(11)
[8]北京市眾創(chuàng)空間扶持政策工具挖掘及量化評價研究[J]. 臧維,李甜甜,徐磊.  軟科學. 2018(09)
[9]專利視角下工業(yè)機器人領域的技術機會分析[J]. 陳悅,譚建國,王智琦,劉冬,劉則淵.  科研管理. 2018(04)
[10]“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”政策量化評價研究——以2017的10項雙創(chuàng)政策情報為例[J]. 張永安,郄海拓.  情報雜志. 2018(03)

碩士論文
[1]美國工業(yè)機器人產(chǎn)業(yè)發(fā)展及相關政策研究[D]. 李欣.內(nèi)蒙古師范大學 2018



本文編號：3559630