Методика прогнозирования развития научно-технических циклов

В работе проведено исследование тенденций развития патентной и научной библиографической информации в распределенных базах данных в рамках теории циклической динамики социально-экономических систем Кондратьева. Проведен структурный анализ ресурсов интеллектуального информационного пространства и построен алгоритм прогнозирования развития научно-технических тенденций на основе анализа эквидистантных временных рядов распределения патентов в ее базах данных. Разработаны индикаторы, отражающие потенциал развития технологических тенденций и представлена методика их расчета. Разработанные алгоритмы апробированы на примере моделирования развития реальных научно-технических направлений

Ключевые слова: НИОКР, прогнозирование научно-технических тенденций, патенты, публикации, инновационная деятельность, интеллектуальная среда, обработка патентных данных, библиометрия, форсайт

Список использованных источников

  1. I. Miles. New horizons and challenges for future-oriented technology analysis. First International Seville Seminar on Future-Oriented Technology Analysis: Impact of FTA Approaches on Policy and Decision-Making. Seville, 28–29 September 2002.
  2. C. Freeman. Technology policy and economic performance: lessons from Japan. F. Pinter London, 1987
  3. Н. В. Гапоненко. Форсайт теория. Методология. Опыт: монография. М.: ЮНИТИ-ДАНА, 2008.
  4. Б. Н. Кузык, В. И. Кушлин. Прогнозирование, стратегическое планирование и национальное программирование. М.: Экономика, 2011.
  5. R. Popper. Methodology: Foresight Practices & Tools, in Georghiou, L. et al., International handbook on Foresight and Science Policy: Theory and Practice. UK, Edward Elgar, 2007.
  6. L. Ruotsalainen. Data Mining Tools For Technology And Competitive Intelligence. http://www.vtt.fi/inf/pdf/tiedotteet/2008/T2451.pdf
  7. G. J. Kirsch, C. F. Brown. Using Patents in Competitive Intelligence// SCIP Competitive Intelligence Magazine 9, no. 1 (Jan.–Feb.2006).
  8. P. Cabena, P. Hadjinian, R. Stadler, J. Verhess, A. Zanasi. Discovering data mining: from concept to implementation. Englewood Cliffs, NJ: Prentice Hall; 1997.
  9. M. Hehenberger, P. Coupet. Text mining applied to patent analysis. Paper presented at the 1998 Annual Meeting of American Intellectual Property Law Association (AIPLA), October 15–17, Arlington, VA.
  10. M. Krier, F. Zacca. Automatic categorisation applications at the European patent office. World Patent Inf 2002; 24(3): 187–96.
  11. S. Sirmakessis, K. Markellos, P. Markellou, G. Mayritsakis. STING: Evaluation of Scientific & Technological Innovation and Progress in Europe Through Patents: Statistical data mining and knowledge discovery/edited by H. Bozdogan. CRC Press Company 2004.
  12. Онлайн сервис поиска и анализа патентов и публикаций «Sciverse». http://www.sciverse.com
  13. Официальный сайт «Web Of Knowledge». http://wokinfo.com
  14. Сервис доступа к базе данных GPI на официальном сайте европейского патентного агентства. http://www.epo.org/searching/subscription/expert.html
  15. Н. Д. Кондратьев. Большие циклы конъюнктуры и теория предвидения. М.: Экономика, 2002.
  16. О. П. Хомчук. Обзор развития технологий экранов. http://www.podberi.tv/review/479
  17. Алгоритм Левенберга–Макгвардта: электронный учебник MATLAB. http://matlab.exponenta.ru/optimiz/book_1/13.php
  18. MVR Composer. http://www.machinelearning.ru/wiki/index.php?title=MVR_Composer.
  19. Статья об автомобиле NSU Ro 80. http://ru.wikipedia.org/wiki/NSU_Ro_80.

Авторы