探究社会事件驱动的技术变革的方法论：以 COVID-19 为例

《TECHNOLOGY IN SOCIETY》：A Methodology for Investigating Technological Changes Driven by Social Events: The Case of COVID-19

　　

摘要
疫情等突发性社会事件可能引发快速且不对称的技术变革。以往研究主要依赖定性方法或案例分析，这限制了它们捕捉整个技术领域结构性变化的能力。本研究引入了一个数据驱动框架，用于评估技术群组的结构稳定性及其较低层子群组的贡献。通过结合基于合作专利分类（CPC）的聚类与专利文本语义分析，构建了一个三级技术树。一种关联度量量化了疫情前和疫情后时期之间结构配置的变化，而一种贡献度指标则量化了低层级技术对相应高层级群组的影响。在应用于数字医疗领域时，分析表明，被归类为“稳定”的技术群组在危机期间保持了内部连贯性，而被归类为“稳定性增强”的技术群组加强了其结构，这可能反映了需求扩大和采用加速。相比之下，被归类为“动荡”的群组仍然保持碎片化状态，反映了其早期和探索性的本质。这些结果确定了技术群组的发育轨迹以及社会冲击下的关键贡献技术，为政策设计和创新策略制定提供了可操作的证据。通过将结构稳定性评估与技术树框架内子群组贡献分析相结合，本研究提供了一种实用方法，用于区分适合短期危机响应的技术与基于长期结构稳定性的技术。该框架还提供了一个基础，以便以系统化、定量的方式比较技术系统在不同部门和时间段内如何应对未来的社会中断。

引言
突然的大规模社会中断可能会显著重塑技术系统和更广泛的社会结构，特别是在疫情等危机期间。了解此类事件如何影响技术和社会转型，对于设计有效的响应策略至关重要。以往的研究探讨了社会危机如何影响技术变革和更广泛的社会结构，为这些事件重塑技术系统的机制提供了重要见解。

在严重急性呼吸综合征（SARS）案例中，Eysenbach（2003）分析了公共卫生信息学和人口健康技术的作用与局限，而 Hanna 和 Huang（2004）则以香港为例，研究了旅游业的经济和社会影响。在自然灾害背景下，Y.-E. Chen 等人（2021）报道了地震和洪水等大规模事件可能会破坏研究与发展（R&D）的连续性，减少投资激励，并强化组织层面的风险规避行为。这些研究提供了宝贵的见解，揭示了包括需求冲击、流动性限制和公共卫生风险在内的危机如何重塑特定行业和技术领域的决策和资源分配。

关于 COVID-19 疫情，先前的研究一致强调了数字医疗技术的快速采用和扩展。远程医疗和电子病历的普及提高了医疗的可及性和运营效率，同时减轻了感染风险（Golinelli 等人，2020），而远程监测等工具也迅速部署在家庭和社区护理环境中（van Hattem 等人，2021）。在初级保健中，预约安排、初步咨询和慢性病管理等核心服务已转向数字渠道，重新配置了患者与医生之间的互动模式（Saher & Anjum, 2021）。多项研究得出结论认为，疫情将医疗系统的数字化进程加速了数十年（Amankwah-Amoah 等人，2021；Brem 等人，2021；Peek 等人，2020），而其他研究则强调需要协调的政策、支付、培训和基础设施建设以维持这些变化（Manteghinejad & Javanmard, 2021），并强调了将此类转型整合到长期准备框架中的重要性（Abernethy 等人，2022）。与此同时，数据安全、隐私保护、互操作性和数字鸿沟反复被确定为关键挑战。

综上所述，现有文献提供了大量证据，表明疫情和类似的社会冲击改变了技术采用的速度、服务交付模式和技术可及性。然而，这些研究主要关注个别技术或服务，留下了此类变化如何重塑相互关联的技术群组更广泛配置的疑问。此外，尚不清楚技术群组的组成随时间推移如何发生转变，从而区分短暂的中断与持久的转型。由于疫情等大规模社会冲击可能在短时间内产生强烈且不对称的影响，需要客观的数据驱动分析方法。

总体而言，文献中缺乏在多个技术群组之间比较社会冲击下结构变化的系统性、定量方法，这是一个显著的方法论差距。

为弥补这一差距，本研究采用捕捉技术特征和结构关系的专利数据来分析技术稳定化路径。具体而言，所提出的框架捕捉了技术群组的内部结构稳定性及其子技术的贡献，这种整合在以往的方法中几乎不存在。基于专利的技术映射已被广泛应用以追溯技术演变和分类新兴领域。例如，Daim 等人（2024）提出了检索、处理和分类专利数据的系统程序，以构建结构化的技术景观。Ghaffari 等人（2024）将主题模型应用于轮胎行业的专利数据集，以识别技术领导者并揭示领域内的主题结构。

在此基础上，我们分析了合作专利分类（CPC）代码，以检查技术多样性的变化。我们还应用了一种基于文本的结构稳定性指标——关联度值（RV）系数，以评估技术群组的内部连贯性，并分析了低层级技术对高层级结构的贡献。通过整合这三项分析，所提出的多层框架定量比较了技术系统的多层结构随时间的变化。该框架应用于 COVID-19 疫情，这是一次独特的社会冲击，涉及紧迫且明确的需求，迅速重塑了技术采用和稳定化的路径。

主要受问题导向创新（Coccia, 2016）框架以及医学和医疗保健中激进创新可能由意外副作用诱发这一视角（Coccia, 2012）的指导，本研究探讨了社会问题的紧迫性和明确性如何重新配置技术稳定化过程。危机驱动创新（Bhatia, 2021）和韧性（K.-C. Wang 等人，2025）理论也被用于考察这些理论提出的稳定化机制如何在危机条件下的技术变革中体现。所提出的方法能够定量识别技术变革模式，支持制定快速且可操作的策略，并旨在应用于不同领域和类型的社会中断。通过分析技术群组的时间序列变化，它还为跨时期和部门比较技术响应提供了基础。因此，所得框架可能支持对包括疫情以外的其他大规模中断在内的未来社会冲击的分析。

相应地，我们开发了一种方法来解决以下两个关于社会事件与技术变革关系的问题。
• 问题 1. 未预见的社会事件如何与技术变革的模式和结构稳定性相关联？（在本研究中，结构稳定性指技术群组内部结构保持连贯的程度。）
• 问题 2. 主要技术群组及其子群组对技术变革的贡献发生了怎样的转变？

为解决这些问题，我们使用专利数据集中的 CPC 代码和文本数据对技术群组进行分类，并构建了一个代表群组之间层级关系的技术树。该技术树被用于系统比较 COVID-19 疫情爆发前后的技术变化，从而定量评估数字医疗技术模式及其结构稳定性的变化。随后进行了另外两项分析。首先，使用 RV 系数客观衡量技术群组之间的结构相似性和变化，并识别发育轨迹。其次，在层级技术树内，定量评估了第三级技术群组对第二级群组的影响，以阐明关系和发展驱动因素。共同地，这些分析评估了每个技术群组对技术变革的贡献及其角色随时间的转变。

基于这些分析步骤，本研究的新颖性在于其多层设计，该设计评估了技术群组的内部结构稳定性，并量化了低层级技术群组对高层级群组变化的贡献。

以往的基于专利的研究主要使用层级技术树来定义技术概念并将其结构化，用于趋势分析或创新策略制定（Choi 等人，2012；Ryu & Lee, 2024），但这些应用主要关注概念分类，而非多个层级之间的结构变化。特别是，我们检查了高层级和低层级技术群组之间的相互作用和结构关系，以识别关键的技术驱动因素（即启动或加速变革的技术）和需要加强的领域。所提出的框架将基于 RV 的结构稳定性度量与低层级技术群组贡献分析相结合，辅以基于 CPC 的扩散指标，提供有关技术多样性的额外背景信息。尽管层级和结构分析也已应用于制造（Ryu & Lee, 2024）和生物医学（Zheng 等人，2024）等行业，但这些研究通常依赖个别指标或单一分析技术。

相比之下，本研究整合了互补指标，在社会冲击背景下（特别是 COVID-19 疫情）对技术变革进行多层分析。这种综合方法对文献做出了三点主要贡献。首先，它识别了核心技术驱动因素，并评估了特定低层级群组影响高层级群组结构变化的程度。其次，它提供了定量证据，用于系统跟踪结构稳定性随时间的变化以及角色的转变。第三，通过检测疫情等非常规事件引起的变化并评估其对技术系统内部配置的影响，该框架为加强关键技术领域和提高应对类似未来社会冲击的准备提供了实用见解。

本文其余部分组织如下。第 2 节描述了数据来源、收集程序和分析框架。第 3 节解释了所提出的方法，包括技术树的构建、指标设计以及解决两个研究问题（问题 1 和问题 2）的分析程序。第 4 节呈现了案例研究结果，比较了 COVID-19 疫情前（2016–2019）和疫情后（2020–2023）期间的技术群组，并考察了第二级和第三级技术群组之间的关系。第 5 节结合研究问题讨论了研究结果。第 6 节总结了主要发现和政策启示，并概述了研究局限性和未来研究方向。

章节片段
数据来源与收集
在本研究中，我们收集了 2016 年至 2023 年间在美国、韩国、欧洲和日本四个主要地区提交的与数字医疗相关的专利数据，共计 4,471 条记录。数据通过 Wisdomain 全球搜索平台（https://www.wisdomain.com）检索。为确保一致性和消除冗余，首先移除了已公开申请与授权专利之间的重复项。此外，通过... 执行了家族级去重。

整体研究过程
本研究包含三个阶段（图 2）。在第一阶段，从美国、韩国、欧洲和日本四个主要地区收集了与数字医疗技术相关的专利数据，并基于 CPC 构建了技术树的顶层层级。在第二阶段，通过专利文本分析建立了第二级和第三级群组，完成了多层技术树。在第三阶段，从技术树推导出的技术群组被...

技术树中一级技术群组的分析
一级分析检查了 CPC 和唯一 CPC 计数的变化，以评估一级技术群组之间的组成和技术转变（图 4）。

左图显示了 CPC 总数，右图显示了每个群组的唯一 CPC 数量。这些指标反映了 COVID-19 疫情后顶层群组在技术发展中结构多样性和方向性转变。在... 观察到的 CPC 和唯一 CPC 计数的整体下降

讨论
在本研究中，我们分析了未预见的社会事件对技术变革模式的影响，重点关注疫情期间数字医疗技术的结构稳定性及其低层级技术群组贡献的变化。危机驱动创新（Bhatia, 2021）和韧性（K.-C. Wang 等人，2025）的视角被用来解释紧迫需求和政策支持如何在危机条件下影响结构稳定性。

结论
文献中的一个关键缺口是缺乏系统性的定量方法来比较社会冲击下多个技术群组之间的结构变化。

先前的研究主要通过定性描述和特定案例的具体分析来考察此类冲击与技术变革之间的关系，这限制了其捕捉创新体系内更广泛结构模式和互动关系的能力。这一局限性阻碍了稳定化

CRediT作者贡献声明
Woojin Cho：撰写——审阅与编辑、验证、方法论、形式分析。Sungjoo Lee：撰写——审阅与编辑、监督、资源、项目管理、调查研究、经费获取、概念化。Hyunjin Shin：撰写——原稿撰写、可视化、验证、软件、方法论、形式分析、数据整理、概念化。

未引用参考文献：Anthony, 2020；Anthony, 2021；Kim et al., 2020。

利益冲突声明 ? 作者声明他们不存在已知的竞争性经济利益或个人关系，这些利益或关系可能对本论文中报告的工作产生影响。

致谢 作者感谢宾夕法尼亚大学的李东吉博士对本研究中用于标注的技术摘要在审阅和完善方面提供的宝贵帮助。作者还感谢Editage（www.editage.co.kr）提供的英文语言编辑服务。

Hyunjin Shin | Woojin Cho | Sungjoo Lee
韩国京畿道水原市永东区世界杯路206号，亚洲大学人工智能系