戈一冰，馬 路，王 雪

隨著科學(xué)技術(shù)的快速發(fā)展，科技創(chuàng)新能力已經(jīng)成為一個國家核心競爭力的重要體現(xiàn)，提高科技創(chuàng)新能力已經(jīng)成為提高國家綜合實力的重要舉措。國務(wù)院在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006-2020)》中提出，提高自主創(chuàng)新能力是我國科學(xué)技術(shù)發(fā)展的總體目標(biāo)之一；十九大報告中明確指出，創(chuàng)新是引領(lǐng)發(fā)展的第一動力，要加快建設(shè)創(chuàng)新型國家；2019年政府工作報告中提出，“堅持創(chuàng)新引領(lǐng)發(fā)展，培育壯大新動能……全面加強(qiáng)知識產(chǎn)權(quán)保護(hù)，健全知識產(chǎn)權(quán)侵權(quán)懲罰性賠償制度，促進(jìn)發(fā)明創(chuàng)造和轉(zhuǎn)化運(yùn)用”，這都表明推動科技創(chuàng)新是我國的重要任務(wù)。

高校作為國家科學(xué)人才的聚集地，承擔(dān)著國家科技創(chuàng)新的重要使命。專利作為科技創(chuàng)新的具體表現(xiàn)，直接反映了高校的科技創(chuàng)新能力和綜合競爭力。醫(yī)學(xué)領(lǐng)域的專利對促進(jìn)人類健康、推動國家發(fā)展具有不可替代的作用，因此對醫(yī)學(xué)類高校的專利情況進(jìn)行評價具有重要的理論意義和實踐意義。

目前，專利指標(biāo)的相關(guān)研究多為概況分析[1-2]，有關(guān)指標(biāo)整合或評價體系構(gòu)建的研究尚不多見[3]。本文應(yīng)用專利計量學(xué)理論，構(gòu)建醫(yī)學(xué)院校專利評價指標(biāo)體系，并選取10所院校進(jìn)行實證分析，為高校推動專利申請、轉(zhuǎn)化和整個創(chuàng)新工作提供決策參考。

1 資料來源與方法

1.1 資料來源

檢索CNKI、萬方和Web of Science等數(shù)據(jù)庫，查閱和整理專利指標(biāo)相關(guān)內(nèi)容的研究成果，訪談高校科研管理人員了解高校專利現(xiàn)狀及評價方法，結(jié)合Innojoy專利數(shù)據(jù)庫中的專利分析指標(biāo)，從市場效益、技術(shù)價值和法律狀態(tài)3個維度搭建了涵蓋3個一級指標(biāo)、16個二級指標(biāo)的專利評價指標(biāo)體系。

本文實證研究以教育部第四輪學(xué)科評估參評院校為基礎(chǔ)，將醫(yī)學(xué)類評估等級的A+至C-依次賦值為9～1分，作為院校在各項的得分，由此獲得每個院校的學(xué)科評估總分，最終將前10名院校作為實證研究對象。由于部分院校未參與全部學(xué)科的評估，因此當(dāng)某學(xué)科參評院校數(shù)量少于醫(yī)學(xué)類參評院?？倲?shù)1/3者，該學(xué)科不納入院校篩選條件，被剔除的學(xué)科有中醫(yī)學(xué)、中藥學(xué)、中西醫(yī)結(jié)合，最終納入實證研究的10所院校為南京醫(yī)科大學(xué)、空軍軍醫(yī)大學(xué)、首都醫(yī)科大學(xué)、海軍軍醫(yī)大學(xué)、哈爾濱醫(yī)科大學(xué)、中國醫(yī)科大學(xué)、天津醫(yī)科大學(xué)、南方醫(yī)科大學(xué)、重慶醫(yī)科大學(xué)和安徽醫(yī)科大學(xué)。

從Innojoy數(shù)據(jù)庫獲取實證研究數(shù)據(jù)。登陸大為Innojoy專利搜索引擎(http://www.innojoy.com)，檢索式為“PA=院校名稱and AD=(2009-01-01 to 2018-12-31)”，檢索范圍為2009-2018年10年間院校中國發(fā)明專利、實用新型和外觀專利。由于專利從申請到公開存在18個月的滯后期，因此2017和2018年的數(shù)據(jù)僅作參考。檢索時間為2019年10月25日。

1.2 德爾菲法

德爾菲法是一種結(jié)構(gòu)化的專家咨詢方法。研究者根據(jù)研究設(shè)計制定專家咨詢問卷，向?qū)＜野l(fā)放。在對問卷結(jié)果進(jìn)行整理分析后，修訂咨詢材料，再次發(fā)放給專家，請其就新的材料提出看法或做出判斷。咨詢至少開展兩輪，直至專家的意見取得基本一致，便可得到較為科學(xué)可靠的結(jié)論或方案[4]。

1.2.1 遴選專家

本文的兩輪咨詢由同一批專家完成。綜合考慮專家的學(xué)歷、職稱、工作年限、工作領(lǐng)域等因素，遵循權(quán)威性與代表性的原則，我們遴選出15位專家。為保證指標(biāo)的客觀性和科學(xué)性，考慮到醫(yī)學(xué)院校的專利特點(diǎn)，從理論和實踐的角度出發(fā)，將專家分為專利管理者、專利研究者和專利運(yùn)營者3類。專利管理者是指在高?；蜥t(yī)院專利管理方面具有資深工作經(jīng)驗、對專利管理工作有深刻見解的專家；專利研究者是指在專利或?qū)＠嬃繉W(xué)研究方面有一定造詣和權(quán)威性的知識產(chǎn)權(quán)或圖書情報相關(guān)專業(yè)的專家；專利運(yùn)營者是指從事專利運(yùn)營工作，熟悉專利申請、授權(quán)、許可、轉(zhuǎn)讓等運(yùn)營流程的專家。

1.2.2 兩輪德爾菲專家咨詢

第一輪咨詢根據(jù)專家訪談結(jié)果，整理各級指標(biāo)，制作第一輪德爾菲專家咨詢表，共分為3部分，第一部分為醫(yī)學(xué)院校專利評價一級指標(biāo)咨詢表，第二部分為醫(yī)學(xué)院校專利評價二級指標(biāo)咨詢表，第三部分為專家基本情況調(diào)查。咨詢表通過“問卷星”平臺向?qū)＜野l(fā)放。

第二輪咨詢根據(jù)第一輪德爾菲專家咨詢結(jié)果，針對變更和增加的指標(biāo)進(jìn)行第二輪專家咨詢，在第一輪咨詢中意見取得一致的指標(biāo)不再進(jìn)行咨詢，同時對全部指標(biāo)進(jìn)行權(quán)重評價，制作第二輪德爾菲專家咨詢表。第二輪的咨詢表也分為3部分，第一部分為增加和修改指標(biāo)的重要性、可行性評價，第二部分為專利評價指標(biāo)權(quán)重咨詢，第三部分為專家基本情況調(diào)查。咨詢表仍通過“問卷星”平臺向?qū)＜野l(fā)放。

1.3 層次分析法

層次分析法是指將一個復(fù)雜的多目標(biāo)決策問題作為一個系統(tǒng)，然后將目標(biāo)分解成多個目標(biāo)或準(zhǔn)則，再細(xì)化分解成多指標(biāo)(或準(zhǔn)則、約束)的若干層次，然后比較同一層次各因素之間的相對重要性，得出不同層次各指標(biāo)的權(quán)重，進(jìn)而將決策者的定性思維過程模型化、數(shù)量化[5]。實踐中，多使用yaahp軟件進(jìn)行層次分析。

本文將層次分析法與德爾菲法相結(jié)合，由每位專家對各層次指標(biāo)的相對重要性進(jìn)行兩兩比較，建立判斷矩陣，計算得到每個指標(biāo)的權(quán)重。在此過程中，對每位專家的評價結(jié)果進(jìn)行邏輯判斷，反映為判斷矩陣一致性比例(CR)。當(dāng)CR<0.1時，認(rèn)為判斷結(jié)果具有一致性；當(dāng)專家結(jié)果出現(xiàn)不一致時，由課題研究小組將結(jié)果反饋給相應(yīng)專家，請專家再次做出評價。

1.4 TOPSIS法

TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法是通過計算各方案與最優(yōu)方案的接近程度評價方案的優(yōu)劣標(biāo)準(zhǔn)[6]。本文首先將各指標(biāo)確定為高優(yōu)指標(biāo)或低優(yōu)指標(biāo)，然后確定正負(fù)理想解及計算各個比較對象與正負(fù)理想解的距離，再進(jìn)行正理想解占比的計算，最終與權(quán)重賦值的分?jǐn)?shù)相乘得出每個院校的各項得分。

2 指標(biāo)體系構(gòu)建

2.1 專家基本情況

在綜合考慮所選專家的學(xué)歷、工作年限、職務(wù)、職稱等因素后，本文選取了15位在專利方面經(jīng)驗較為豐富、理論基礎(chǔ)深厚，并且關(guān)注和支持專利事業(yè)的發(fā)展、有獨(dú)到見解的專家。專家的基本信息見表1。由于部分專家為專利企業(yè)管理人員，在職稱上無法明確，因此表述為“其他”。

2.2 專家積極程度

調(diào)查咨詢表的回收情況最能反映專家參與的積極程度，回收率越高說明專家參與的積極程度越高，反之則越低。在兩輪專家咨詢中，均發(fā)放15份咨詢表，收回15份咨詢表，因此兩輪的有效率均為100%?？煽闯觯瑢＜覍Ρ菊n題的參與程度非常高，并且在指標(biāo)選取上也給出了詳細(xì)、中肯的意見和建議，說明他們對醫(yī)學(xué)院校的專利評價內(nèi)容比較關(guān)注。

2.3 專家權(quán)威程度

專家的權(quán)威系數(shù)(Cr)可以反映專家的權(quán)威程度，系數(shù)與專家的權(quán)威程度成正比。一般來說，權(quán)威系數(shù)≥0.7時，可以認(rèn)為專家具有可靠的權(quán)威性，給出的咨詢結(jié)果具有較好的可信度。專家對問題的判斷依據(jù)和熟悉程度決定了專家的權(quán)威程度。根據(jù)普遍采用的判斷依據(jù)[7]和熟悉程度[8]評價賦值方法(表2、表3)，計算得到判斷依據(jù)系數(shù)為Ca=0.87，熟悉程度系數(shù)為Cs=0.65，專家的權(quán)威程度系數(shù)Cr=(Ca+Cs)/2=0.76，專家的權(quán)威程度系數(shù)>0.7，說明本研究所咨詢專家的權(quán)威程度較高，由此得到的咨詢結(jié)果是可信的。

表1 專家的基本信息

表2 專家判斷依據(jù)及其影響程度

表3 專家對問題的熟悉程度賦值表

2.4 專家咨詢結(jié)果

2.4.1 兩輪指標(biāo)的評價結(jié)果

本文中指標(biāo)的篩選標(biāo)準(zhǔn)為重要性和可行性的均值大于5，變異系數(shù)小于0.35。按照此標(biāo)準(zhǔn)統(tǒng)計分析第一輪咨詢結(jié)果數(shù)據(jù)，并參考專家對指標(biāo)的具體修改意見與建議，對指標(biāo)進(jìn)行調(diào)整。調(diào)整后，根據(jù)重要性和可行性分析，刪除二級指標(biāo)中的“專利代理率”“平均每專利發(fā)明人數(shù)比”“專利10年存活率”，將“發(fā)明專利授權(quán)率”改為“專利授權(quán)率”，將“主要分類專利占比”改為“高被引專利占比”，同時較多專家認(rèn)為應(yīng)增加同族專利相關(guān)指標(biāo)，結(jié)合專利數(shù)據(jù)庫信息，增加“同族專利占比”指標(biāo)。根據(jù)專家的意見與建議，形成了3個一級指標(biāo)、15個二級指標(biāo)(表4)。第二輪咨詢后，各位專家的意見趨于一致，沒有需要修改、增加或刪除的指標(biāo)。

表4 兩輪指標(biāo)的評價結(jié)果

2.4.2 指標(biāo)權(quán)重計算與實際使用

在專家的權(quán)重結(jié)果評價中，有2位專家出現(xiàn)判斷矩陣不一致情況。經(jīng)重新評價后，所有專家的評價結(jié)果均滿足一致性要求，即判斷矩陣一致性指數(shù)CR<0.1。一級指標(biāo)中，“技術(shù)價值”和“法律狀態(tài)”權(quán)重相近，分別為0.4430和0.4295；“產(chǎn)出規(guī)?！迸c之相比，權(quán)重較小。二級指標(biāo)中，“專利轉(zhuǎn)讓率”“高被引專利占比”“同族專利占比”“專利許可率”的權(quán)重相對較高，權(quán)重值均在0.1左右；而“專利申請數(shù)”和“主申請人專利數(shù)量比”的權(quán)重較低，分別為0.0200和0.0216。在實際使用時，確定評價滿分為100分，各指標(biāo)得分為“100分×權(quán)重”。各指標(biāo)權(quán)重與分值見表5。

表5 醫(yī)學(xué)院校專利計量評價指標(biāo)權(quán)重與分值

3 實證研究

根據(jù)專利評價指標(biāo)體系對參評的10所醫(yī)學(xué)院校進(jìn)行評價，結(jié)果見表6。

表6 10所醫(yī)學(xué)院校排名

將篩選排名和評價排名相減取絕對值得到排名差絕對值，反映了兩種排名結(jié)果的差異，首都醫(yī)科大學(xué)、南方醫(yī)科大學(xué)和南京醫(yī)科大學(xué)排名前三；將10所院校第四輪學(xué)科評估排名與專利指標(biāo)體系得分排名進(jìn)行對比，發(fā)現(xiàn)8所院校排名差距均在3及以下，僅南方醫(yī)科大學(xué)和空軍軍醫(yī)大學(xué)排名差距較大。這主要是由于第四輪學(xué)科評價指標(biāo)體系除“科學(xué)研究水平”外，還包括了“師資隊伍與資源”“人才培養(yǎng)質(zhì)量”和“社會服務(wù)與學(xué)科聲譽(yù)”，兩個排名體系內(nèi)涵不同從而影響了排名結(jié)果，也就是說可能某院校專利單項評價結(jié)果較好，但由于其他項目評價結(jié)果不佳，導(dǎo)致整體的學(xué)科排名結(jié)果較差。這也是導(dǎo)致個別院校的兩種排名出現(xiàn)較大差異的主要原因。

從得分構(gòu)成上看(表7)，總得分較高的院校普遍在“專利5年存活率”“同族專利占比”“專利許可率”“專利轉(zhuǎn)讓率”等指標(biāo)的得分相對較高。其中，首都醫(yī)科大學(xué)的“高被引專利占比”和“同族專利占比”均得滿分，首都醫(yī)科大學(xué)、南方醫(yī)科大學(xué)和南京醫(yī)科大學(xué)的“專利有效率”和“專利轉(zhuǎn)讓率”得分明顯高于其他院校。

表7 10所醫(yī)學(xué)院校各項得分

4 討論

本文形成的指標(biāo)體系涵蓋產(chǎn)出規(guī)模、技術(shù)價值和法律狀態(tài)3個方面共15個二級指標(biāo)，從層次上覆蓋了專利的產(chǎn)量、質(zhì)控和運(yùn)營等內(nèi)容。指標(biāo)體系的制定經(jīng)過文獻(xiàn)研究、專家訪談、兩輪專家咨詢，確保了所選指標(biāo)的科學(xué)性和準(zhǔn)確性。同時，層次分析法要求專家對指標(biāo)權(quán)重進(jìn)行相對性評價，建立了指標(biāo)之間的邏輯關(guān)系，指標(biāo)的“相對重要性”最終反映權(quán)重的大小，在建立指標(biāo)體系的同時，形成了專利發(fā)展的“核心指標(biāo)”，對專利工作的推進(jìn)具有重要的借鑒意義。

文庭孝、何靜等學(xué)者基于專利計量指標(biāo)開展了區(qū)域?qū)用婊驒C(jī)構(gòu)層面的分析研究，在指標(biāo)選取上，主要選擇了“專利申請量”“專利成長率”“專利授權(quán)率”“專利有效率”“專利權(quán)人分析”“IPC分類”“存活率”等指標(biāo)，但缺乏對專利引證和轉(zhuǎn)化的關(guān)注[1，9]；趙喜倉[10]在高校專利轉(zhuǎn)化能力評價指標(biāo)體系中，引入了“技術(shù)創(chuàng)新能力”“專利產(chǎn)出情況”“產(chǎn)業(yè)化效益”3個指標(biāo)，但缺乏對專利技術(shù)價值的考量。在對技術(shù)價值的評價中，本文引入了“同族專利占比”這一概念，即指至少獲得2個國家專利權(quán)保護(hù)的專利數(shù)量占比，體現(xiàn)了專利的國際競爭力和技術(shù)重要性[11]。

在二級指標(biāo)中，賦值相對較高的有“專利轉(zhuǎn)讓率”“高被引專利占比”“同族專利占比”“專利許可率”等指標(biāo)，而一些數(shù)量性指標(biāo)權(quán)重較低，這與科研創(chuàng)新工作“重質(zhì)輕量”的方向是一致的。本文中“同族專利占比”是指全部的授權(quán)專利中同族數(shù)大于等于2的專利所占的比例，專利保護(hù)的國家數(shù)量的增加，反映了該專利更加具有市場價值與發(fā)展前景，可以更好地反映專利價值[11]。“高被引專利”的概念是從高被引文獻(xiàn)引入，本文的“高被引專利”是指被引次數(shù)大于等于9的專利，專利的被引次數(shù)越高，則該專利技術(shù)越重要，愈加趨向于核心專利。由于專利維持需要交納費(fèi)用從而保證其有效性，因而維持時間越長的專利價值越大[12]。因此，本文重點(diǎn)設(shè)置了“專利5年存活率”這一維持指標(biāo)。

在實證研究方面，專利指標(biāo)體系與第四輪學(xué)科評估排名結(jié)果基本一致，除南方醫(yī)科大學(xué)和空軍軍醫(yī)大學(xué)外，其余院校變化不大。通過利用指標(biāo)體系進(jìn)行實際的院校評價，證明了本指標(biāo)體系具有良好的可操作性和實用性，并且在指標(biāo)選取上與現(xiàn)有類似指標(biāo)體系相比具有一定的創(chuàng)新性。從實證分析結(jié)果可以發(fā)現(xiàn)，排名靠前的院校在“高被引專利占比”“專利5年存活率”“同族專利占比”“專利許可率”“專利轉(zhuǎn)讓率”等指標(biāo)上得分突出。通過比較10所院校，個別院校的學(xué)科評估結(jié)果與專利評價結(jié)果差異明顯，并且可以發(fā)現(xiàn)部分院校相對重視專利的技術(shù)發(fā)展和成果轉(zhuǎn)化，符合當(dāng)前專利工作的趨勢。

5 結(jié)論

本文綜合使用德爾菲法和層次分析法構(gòu)建了醫(yī)學(xué)院校專利計量評價指標(biāo)體系，為醫(yī)學(xué)院校專利工作提供了一個較為客觀、符合科研創(chuàng)新發(fā)展方向的評價標(biāo)準(zhǔn)。從實證研究結(jié)果看，專利的發(fā)展要從關(guān)注數(shù)量逐漸轉(zhuǎn)向技術(shù)的深入和推動成果的轉(zhuǎn)化，這樣才能在科技創(chuàng)新的大環(huán)境中位于前列。由于本文的指標(biāo)均從Innojoy數(shù)據(jù)庫中獲得，受到數(shù)據(jù)庫的限制，部分指標(biāo)未能涉及，需在后續(xù)研究中加以改進(jìn)。