| Abstract | Developing new technologies is one of the most important goals of contemporary scientific and industrial research. Understanding how a technology domain evolves and its current state is invaluable in an ecosystem seeing the speed of technology evolution increasing at rapid pace. An overview of existing literature showed that while there is a significant volume of research focusing on using patents to study technology change, most of this research, in a technology evolution context, focuses on ... More studying technology trajectories and convergence, with limited research combining insights from research based on other resources (i.e. paper citations) and applied to patent networks. Moreover, the review of literature shows that the majority of patent analysis methods focus on exploring technology development trajectories by examining the direct citations of patents. While this approach provides insight into the generational flow of knowledge, it provides little insight into how existing patents might combine and co-contribute to a future patent in the form of co-citations. Finally, a review of literature showed that the vast majority of patent-based methods for life cycle analysis as well as prediction base themselves on models derivate of the basic S – Curve model, providing little understanding of the underlying dynamics of patent attributes and their correlation to the life cycle phases. Quantitative methods not based on the S-Curve model mostly do not use patent data as a primary data source and give limited insight into the future knowledge flows.
This thesis aims to present a novel way of exploring the life cycle stages of a technology domain by conducting a dynamic growth analysis of a patent citation network, with patents being used as proxies for technological invention and patent citations representing the flow of knowledge. Additionally, new insights into the dynamics of the flow of knowledge within a technology domain are made by applying several link prediction algorithms to patent co-citation networks with the goal of identifying the link prediction algorithms most successful in describing the underlying intuition of co-citation network growth. Moreover, the dynamics of co-citation creation are explored by determining which part of a technology domains life cycle influences the link prediction algorithms precision the most and when the predicted links occur.
Two technology domains are explored; the car headlights technology domain representing a mature technology and the neuromorphic hardware technology domain representing an emerging technology. The choice of two technologies different in nature is deliberate; this way, the evolution of two different types of technologies can be explored and compared, helping to identify the particularities of each technologies evolution. The presented methodology for exploring the evolution of a technology domain consists of creating a dataset containing patents representing the studied technology domain and conducting a pair of technology life cycle (TLC) analyses. The first life cycle analysis is performed using an established method based on the cumulative number of patent applications over time, while the second is performed using a novel method based on analysing the dynamic growth of a patent citation network. An algorithm is introduced to convert the patent citation network into a patent co-citation network. Several link prediction algorithms are applied to the created co-citation networks to explore the underlying intuition governing co-citation network growth.
The study results show that a correlation exists between the stages of a technology domains life cycle and changes in the dynamics of patent citation network growth. The transition of the mature technology domains life cycle stage from growth to maturation correlates with a noticeable change in patent citation growth dynamics. Additionally, examining the emerging technology domain, it is found that a correlation exists between the time when an exponential increase in the number of inventions starts and a change in the dynamic of patent citation network growth. The Preferential Attachment link prediction algorithm is shown to be the most successful in predicting missing links in a mature technology. The results indicate that the patent co-citation occurring at the end of the growth TLC stage and the start of the maturation TLC stage contribute the most to the algorithm's precision. Moreover, it is demonstrated that most of the predicted missing links occur in a time frame closely following the application of the link-prediction algorithm. The results of studying the emerging technology domain show that link prediction algorithms have a significantly lower success in predicting missing links. The Adamic/Adar, Resource Allocation Index and Jaccard Coefficient show a moderate to low success in predicting missing links while the Preferential Attachment shows no precision.
This thesis provides a contribution in both a theoretical and practical context. In a theoretical context, the theoretical background of previous studies is expanded with new insights in patent citation networks growth as well as the dynamics of patent co-citation network growth. In a practical context, it is demonstrated that companies involved in planning for the short term should consider the knowledge contained in the patents relevant to their respective fields, reinforcing the notion that proper knowledge management is an invaluable tool to companies aspiring to innovate or produce innovative products. Less |
| Abstract (croatian) | Razvoj novih tehnologija je jedan od glavnih ciljeva današnje znanosti i industrijskog razvoja. Kako bi stekle dominantan i povoljan položaj na tržištu, tvrtke koje posluju u kompetitivnom globalnom okruženju pokušavaju unaprijediti svoje razvojne procese, razviti nove proizvode ili ponuditi nove usluge na tržištu temeljeno na unaprijeđenim ili novim tehnologijama. Sukladno tome, suvremena istraživanja trendova nadolazećih tehnologija i njihovog razvoja temeljenog na tehničkim inovacijama ... More predstavljaju sve značajniji dio istraživačkih i praktičnih napora u akademiji i industriji. Određivanje smjera razvoja tehnologije se može koristiti u industriji za potporu strateškom i dugoročnom planiranju razvoja proizvoda, procesa i usluga. Svrha određivanje smjera razvoja tehnologije je strukturirano razumijevanje i opisivanje odnosa između tehničkih inovacija, njihove implementacije u fizičke sustave i usluge, te razvoja tržišta kroz vrijeme. Iako je većina postojećih pristupa koji se za to koriste u praksi kvalitativna, istraživači pokušavaju razviti kvantitativne metode za podršku određivanju smjera razvoja budućih tehnologija. Trenutno ne postoji metoda koja omogućuje uspješno kombiniranje kvalitativnih i kvantitativnih pristupa na prikladan način. Organizacije koje posluju u visoko kompetitivnim okruženjima imaju potrebu za pravovremenim saznanjima o nadolazećim tehnologijama kako bi mogle pravovremeno planirati unapređenje proizvodnih i poslovnih procesa, te uvođenje novih proizvoda ili usluga na tržište. Istraživanja o uvjetima i načinim nastanka novih tehnologija, te proučavanje dinamike njihovog razvoja, značajna su u teoretskom kao i u praktičnom smislu. Svrha predviđanja smjerova razvoja tehnologije je minimizirati ili ukloniti iznenađenja saznanjima o svim mogućim ishodima tehničkog razvoja. Spoznajom da su se tradicionalni modeli predviđanja razvoja tehnologije, primjerice Moorov zakon ili Kryderov zakon, pokazali nepreciznim, javlja se potreba za novim modelima koji bi omogućili unapređenje uvida u smjerove razvoja tehnologije. Kod proučavanja razvoja tehnologije ključan je pojam „evolucija“ tehnologije koji podrazumijeva unapređenje performansi tehnologije kroz vrijeme. Literatura opisuje dva modela evolucije tehnologije: kontinuirani i diskontinuirani. Istraživači koji zagovaraju model kontinuirane i inkrementalne evolucije tehnologije tvrde da se taj proces odvija putem rekombinacije i sinteze osnovnih elemenata postojeće tehnologije, te tvrde kako je unapređenje performansi tehnologije u tim aktivnostima rezultat promjene u shvaćanju, vrijednostima, kulturi, organizacijskoj strukturi, resursima i ključnim kompetencijama ljudi koji rade u razvoju kao i društva u cjelini. Za te istraživače je inovacija društveni proces koji se zasniva na akumulaciji malih unapređenja, a ne na značajnom doprinosu genijalnih pojedinaca. Istraživači koji zagovaraju model diskontinuirane evolucije tehnologije, tvrde da se tehnologija unapređuje kroz razdoblja inkrementalnog unapređenja koja su isprekidana s diskontinuiranim pomacima. Oni tvrde kako proizvodi i usluge koji se temelje na potpuno novim tehničkim inovacijama kreiraju značajan napredak te postaju dominantna tehnologija što za posljedicu ima diskontinuirani pomak.
Metodologija
Metodologija istraživanja temelji se na općoj metodologiji istraživanja u znanosti o konstruiranju te se sastoji od 4 temeljna koraka: preliminarno istraživanje (razjašnjenje problema, definiranje ciljeva istraživanja i hipoteza), deskriptivno istraživanje I (definiranje teoretske podloge i pregled modela), preskriptivno istraživanje (izrada teoretskog okvira, kreiranje empirijske studije) i deskriptivno istraživanje II (empirijske studije te diskusija rezultata). Preliminarno istraživanje obuhvaća pregled postojeće stručne i znanstvene literature u području istraživanja. Na temelju pregleda područja, uspostavljen je inicijalni opis postojeće situacije, kao i opis željenih rezultata, s ciljem definiranja osnovnih pretpostavki istraživanja. Uvidom u postojeću literaturu napravljen je pregled teoretskih osnova korištenja patenata kao posrednika za tehnološke izume, teoretskih pristupa opisivanja evolucije tehnologije te teoretskih pristupa predviđanja razvoja tehnologije. Nadalje, uvidom u postojeću literaturu napravljen je pregled modela za opisivanje i predikciju razvoja tehnologije pri čemu je naglasak stavljen na modele koji kao svoj temelj imaju patentne prijave. Ishod ovog koraka je definiranje rupa u području te formuliranje istraživačkih pitanja, čime je usmjeren daljnji tijek istraživanja. Na temelju rezultata pregleda literature definirana je teoretska podloga istraživanja, koja sintetizira ranije prezentirane teoretske pristupe u jedan zajednički okvir unutar kojega će se vršiti istraživanje. Pojašnjen je odabir pojedinih teoretskih pristupa kao i njihov odnos s istraživačkim pitanjima i hipotezom. Empirijsko istraživanje sastoji se od dvije studije, pri čemu prva istražuje tehnologiju u zreloj fazi svog životnog ciklusa, a druga istražuje tehnologiju na početku svog životnog ciklusa. Obje studije su strukturirane na isti način, te se sastoje od empirijskog i eksperimentalnog dijela. Empirijski dio obje studije fokusiran je na analizu životnog ciklusa tehnologije, koristeći postojeću metodu temeljenu na kumulativnom broju patentnih prijava te koristeći novu metodu temeljenu na dinamičkoj analizi rasta mreže. Eksperimentalni dio obje studije fokusiran je na primjenu algoritma za predviđanje stvaranje veza na mreži kocitata patenata te istraživanje dinamike stvaranja kocitata. Verifikacija modela napravljena je kroz diskusiju rezultata, pri čemu se daje odgovor na ranije definirana istraživačka pitanja te hipoteze istraživanja.
Teoretska osnova
Preliminarnim pregledom literature fokus istraživanja usmjeren je na metode za modeliranje i predviđanje evolucije tehnologije temeljene na patentima. Izložena je teoretska podloga za korištenje patenata kao posrednika za tehnološke izume, pozivajući se na postojeću praksu koja patente promatra kao pouzdane formalizirane zapise izuma. Naglasak je stavljen na metode za kreiranje skupova patenata koji precizno opisuju tehnološku domenu. Nadalje, naglasak je stavljen na razumijevanje svojstava patenata te identifikacije meta podatka unutar patenta koji će se koristiti kao temelj za ovo istraživanje.
Predstavljen je koncept toka znanja unutar tehnološke domene te njegova povezanost s evolucijskim etapama tehnološke domene. Istraživanje se temelji na teoriji koja dijeli životni ciklus tehnologije na četiri etape pri čemu se kumulativna vrijednost određenih karakteristika tehnologije može opisati S-krivuljom.
Konačno, predstavljena je mreža kocitata patenata kao temelj za predviđanje toka znanja unutar tehnološke domene. Pretpostavka je da predviđanjem nastanka novih veza unutar mreže kocitata možemo predvidjeti utjecaj starijih izuma na nove.
Spajanjem teorija iz ova tri područja stvorena je teoretska osnova istraživanja, sintetizirana kroz tri pretpostavke. Ova teoretska osnova podupire analizu i interpretaciju rezultata te pomaže u donošenju širih generalizacija.
Empirijske studije
Izvršene su dvije studije s ciljem odgovaranja na istraživačka pitanja i verifikacije hipoteze. Obje studije slijede istu strukturu te se sastoje od sljedećih koraka. Prvi korak studije sastoji se od kreiranja skupa patenata koji opisuju tehnološku domenu, pri čemu je korištena prilagođena inačica postojeće i potvrđene metodologije. Samo empirijsko istraživanje sastoji se od dvije pod-studije. Prva pod-studija je empirijske naravi te se sastoji od provođena analize životnog ciklusa tehnološke domene. Napravljene su dvije analize životnog ciklusa tehnologije gdje je prva analiza napravljena koristeći utvrđenu metodu temeljenu na kumulativnom broju patentnih prijava dok je druga analiza napravljena metodom predstavljenom u ovom istraživanju, a koja se temelji na dinamičkoj analizi rasta mreže citata patenata. Druga pod-studija je eksperimentalne naravi, te se sastoji od primjene algoritama za predviđanje nastajanja veza unutar mreže na mrežu koja predstavlja kocitate patenata unutar tehnološke domene. Nadalje, proučava se dinamika stvaranja kocitata unutar tehnološke domene s naglaskom na otkrivanje koji patenti najviše utječu na stvaranje novih kocitata te kada se predviđeni kocitati stvaraju.
Koristeći navedenu strukturu studije, analizirane su dvije tehnološke domene. Prva tehnološka domena sastoji se od patenata koji opisuju svjetla na automobilima. Ova tehnološka domena predstavlja primjer tehnologije u zadnjoj fazi svog životnog ciklusa. Druga tehnološka domena sastoji se od patenata koji opisuju neuromorfno sklopovlje. Ova tehnološka domena predstavlja tehnologiju na početku svog životnog ciklusa.
Primjenom metodologije na tehnologije u različitim fazama njihovog životnog ciklusa ispituje se može li se metodologija generalizirati na sve tehnološke domene, ili samo tehnološke domene koje dijele određene karakteristike.
Rezultati empirijski studija
Rezultati prve studije, koja proučava tehnološku domenu u zadnjoj fazi svog životnog ciklusa, pokazuju da se dinamički rast mreže citata sastoji od dvije diskretne faze. U prvoj fazi krivulja koja opisuje rast prati generalno pozitivni trend nakon čega kreće faza negativnog trenda, pri čemu pozitivan trend krivulje označava period gdje se stvara više novih patenata od citata dok negativan trend označava period gdje se stvara više citata od novih patenata. Točka prelaska iz pozitivnog u negativni trend približno odgovara početku sazrijevanja životnog ciklusa tehnologije koja je određena analizom temeljenoj na kumulativnom borju patentnih prijava. Ovim je rezultatima pokazana korelacije između dinamike faza životnog ciklusa tehnologije i dinamike rasta mreže citata.
Rezultati empirijske pod-studije pokazuju da prva polovina životnog ciklusa tehnologije, koja se sastoji od faza uvođenja i rasta, prati trend gdje se stvara više novih patenata nego citata. U kontekstu evolucije tehnologije, ovo pokazuje da ove faze životnog ciklusa tehnologije generiraju pretežito originalne i inovativne izume. Druga polovica životnog ciklusa tehnologije, koja se sastoji od faze zrelosti i opadanja, stvara manje inovativne izume koje se većinom temelje na prijašnjim izumima.
Druga pod-studija prve studije pokazala je da mreža kocitata patenata raste sljedeći intuiciju preferencijalne vezanosti, odnosno da vjerojatnost da neki patent bude kocitiran raste s brojem kocitata koje ima. Nadalje, pokazano je da novi izumi većinom citiraju mlađe patente, odnosno da većine toka znanja proizlazi iz mlađih patenata. Konačno, pokazano je da većina predviđenih kocitata nastane u bližoj budućnosti. Rezultati druge studije, koja proučava tehnološku domenu na početku svoga životnog ciklusa, pokazuju da graf dinamičkog rasta mreže citata kreće s fazom negativnog trenda nakon čega kreće faza pozitivnog trenda. Točka prelaska iz negativnog u pozitivni trend približno odgovara trenutku kada broj prijavljenih patenata unutar tehnološke domene počinje eksponencijalno rasti, što je vidljivo iz analize životnog ciklusa na temelju kumulativnog broja prijavljenih patenata.
Druga pod-studija druge studije nije pokazala je da mreža kocitata patenata koji opisuju tehnološku domenu u prvoj fazi svog životnog ciklusa ne prati nikakvu intuiciju rasta. Od četiri razmatrana algoritma za predviđanje veza unutar mreže, niti jedan nije uspješno opisao intuiciju rasta mreža. Štoviše, algoritam preferencijalne vezanosti pokazao je najmanju preciznost,
Vrednovanje istraživanja
Vrednovanje metode provedeno je raspravom kojom se adresiraju istraživačka pitanja i ciljevi istraživanja te hipoteza. Pri raspravi se također koriste saznanja iz dostupne literature.
Rezultati obje studije vezani za prvo istraživačko pitanje ukazuju da postoji korelacija između dinamike stvaranja citata patenata i faze životnog ciklusa promatrane tehnološke domene. Ova korelacija se primarno manifestira kao promjena u omjeru broja novo stvorenih patenata i novo stvorenih citata. Ova promjena je jasno uočljiva na vizualizaciji rezultata analize dinamičkog rasta mreže citata patenata. U slučaju zrele tehnologije, vrijeme tranzicije iz faze rasta u fazu zrelosti podudara se s promjenom u rezultatu dinamičke analize rasta gdje pozitivne trend rasta prelazi u negativni trend. Kod tehnologije na početku svog životnog ciklusa, nagli porast kumulativnog broja prijavljenih patenata podudara se s promjenom u rezultatu dinamičke analize rasta gdje trend rasta prelazi iz negativnog u pozitivni.
Rezultati vezani za drugo, treće i četvrto istraživačko pitanje doprinose razumijevanju dinamike stvaranje kocitata patenata unutar tehnološke domene. Rezultati prve empirijske studije pokazuju da dinamika rasta mreže kocitata patenata, kreirane od patenata koji predstavljaju zrelu tehnologiju, prati sličnu dinamiku kao i kocitati istraživačkih radova, točnije dinamiku preferencijalne vezanosti. Ovi rezultati ukazuju da tok znanja slijedi sličnu dinamiku širenja u oba nositelja znanja.
Na temelju vrednovanja istraživanja naglašeni su sljedeći doprinosi, kako u teoretskom tako i u praktičnom kontekstu. Prvi teoretski doprinos sastoji se od uvođenja novog načina za istraživanje faze životnog ciklusa tehnološke domene. Točnije, predstavljen je novi način određivanja faze životnog ciklusa tehnologije na temelju analize dinamičkog rasta mreže citata patenata. Drugi teoretski doprinos sastoji se od pružanja uvida u to kako se elementi znanja šire unutar tehnološke domene. Razumijevanjem obrazaca difuzije znanja, dobiva se uvid u ishodišnu intuiciju toka elemenata znanja. Posljedično, ova se spoznaja može iskoristiti za predviđanje difuzije znanja u budućnosti. Nadalje, dodatno istraživanje dinamike toka elemenata znanja mogu pružiti uvod u to koje tehnologije iz životnog ciklusa tehnološke domene najviše utječu na buduće izume, kao i vrijeme pojave tih budući izuma.
U praktičnom kontekstu, ovi su rezultati primjenjivi na mikro i marko razini. Na mikro razini, metode iz ovog istraživanja mogu biti korištene u ideacijskoj fazi razvoj proizvoda. Primjene algoritma za predviđanja veza na mrežu kocitata patenata može korisniku pružiti uvid u dotad neistražene kombinacije patenata. Ovaj pristup se nadovezuje na postojeća istraživanja koja promatraju proces invencije kao kombinatorički proces. Na makro razini, metode iz istraživanja se mogu koristit na razvoju strategije razvoja tehnološkog portfolija. Less |
