与新兴技术趋势保持同步 ： 使用大数据通知规划

研究方法概述

本文提出了一种人机协作方法，用于系统地识别组织的研究发展。该方法包括五个步骤：

1. 确定与组织相关的论文：从被认为与组织自身出版或资助的相关论文集合开始。
2. 分析研究集群：在包含步骤 1 中确定的论文的 ETO 科学地图中找到集群，并分析集群的元数据。
3. 选择候选集群：基于增长和出口活动等指标选择一部分集群。
4. 选择并展示集群：选择并准备有关集群子集的信息，以供中小企业审查和讨论。
5. 涉及领域专家：将选定的集群分享给相关领域专家（SMEs），并促进关于研究及其对组织潜在影响的讨论。

概念验证实验

为了验证该方法，作者使用与美国国防部（DOD）相关的论文进行了一个概念验证实验。他们首先确定了与 DOD 相关的论文集合，然后在 ETO 科学地图中找到这些论文所在的集群。接着，他们分析了集群的元数据，并选择了具有高增长和出口活动的集群。最后，他们邀请了在 DOD 方面有丰富经验的 AI 研究人员对这些集群进行评估和讨论。

讨论结果

研讨会参与者讨论了我们分享的所有集群，但对其中一个让他们感到意外的聚类表现出了最大的兴趣，并且对几个他们认为相关的聚类也产生了兴趣。其中一个令人惊讶的聚类是关于图像伪造和检测伪造的，而中小企业对该集群内的研究较为陌生。他们对集群的高增长和出口表示兴趣，并推测该研究可能与国家安全方面的担忧相关。此外，参与者还注意到多个集群与机器人及机器人导航有关，这些研究进展的结合可能会显著影响国防部在机器人及其导航方面的发展利益。

方法优势

• 促使参与者考虑他们不熟悉的研究和新兴技术。
• 引发了一场关于集群列表中似乎缺少哪些技术的有力对话。
• 促使参与者考虑集群如何作为一个集合进行交互。

方法局限性

• 集群引发的讨论仍然是推测性的。
• 某些集群如此基础且具有广泛适用性，以至于中小企业并未从中获得任何有价值的见解。
• 研究论文(以及新研究论文成簇的积累) 滞后于研究发现。
• 用于描述每个聚类的短语仅作为简写工具是有用的。

结论

尽管存在局限性，该方法仍然是一种有价值的工具，可以帮助组织在新研究与开发的洪流中保持竞争力。未来的研究人员可以采用该方法来探索其他应用领域，并利用实验开发的指标和工具进行更深入的研究。