近日，我院公共行政系教授唐莉、青年副研究员李寅带领学生团队荣获“第九届全球技术挖掘大会（Global Tech Mining Conference）”技术预测海报单元竞赛的第一名。获奖研究为“Forecasting technology emergence: Scenario exploration and prediction accuracy”（“预测技术兴起：情境探索与预测精度”）。学生团队成员包括复旦国务学院博士生潘虹、潘孝楠，复旦生态学博士生黄天元，上海财经大学公管学院博士生杨寓涵、王力男。
由佐治亚企业创新研究院的Jan Youtie主任、美国石溪大学的Thomas Woodson博士、悉尼科技大学的 Yi Zhang博士三位组成的评审委员会一致认为：该研究设计新颖，推理严谨，通过对国际现有技术预测方法从基础科学和创新研发两个视角进行多维预测比较，填补技术预测领域的一个研究空白。在国际科技竞争日趋激烈的今天，其研究结果对政府层面基于循证决策来投资新兴科技或颠覆性科技有重要的政策辅助作用。
获奖研究指出，随着国际上多种技术预测方法的涌现，对技术预测效果和精度的评估、改进研究变得越发重要。遗憾的是，由于缺乏公认的评估金标准以及可比较的定量指标，这一重要议题长期却未得到学界应有的探索和实务部门足够的重视。基于国际现有预测方法，该研究构建了一系列定量指标来评估技术预测方法的效果和精度。在该研究中，唐莉教授与李寅副研究员以合成生物学这一新兴技术为例，采用了四种可复制的方法进行技术预测，并创新性的构建了两项指标：预测正确率和预测偏移率进行评估。这四种方法分别是FREQ（关键技术词频）、DEGREE（共现网络指标）、PAFIT（贝叶斯统计指标）、以及ES（新兴指数算法）。基于2007至2016年间收录在Web of Science数据库中的合成生物学的6万余篇论文数据，该研究计算并比较了四种方法技术预测的结果，以2017至2018年的WOS论文和德温特专利为金标准评估了四种方法的精度，并进行了不同预测域、研究权重和预测范围的稳健性检验。研究发现，基于关键词的技术预测方法较好地预测了科学演进的方向，然而现有的四种方法都没能很好地预测技术创新。研究结论具有重要的政策意义，只有正确地预测新兴技术才能协助政府决策者和企业经理人对研发投资做出合理的决策。
