专家学者武汉共探智能时代的技术挖掘新发展

5月20日至22日，第十六届全球技术挖掘会议（Global TechMining Conference，GTM 2026）在武汉举行。本次会议由武汉大学主办，我院和信息资源研究中心、科教管理与评价中心承办，数据智能研究院、大数据研究院、文化遗产智能计算实验室联合承办。大会以“智能驱动未来洞察：探索技术挖掘变革力量（Intelligence Drives Future Insights: Exploring the Transformative Power of Tech Mining）”为主题，设置了开幕式、主旨报告、特色专题论坛、学术海报展示、平行分论坛及闭幕式等多个环节。开幕式由我院副院长周力虹教授主持，GTM联合主席Denise Chiavetta女士与我院院长王晓光教授分别致辞。

在主旨报告环节，GTM联合主席、美国佐治亚理工学院技术政策与评价中心联合主任Alan L. Porter教授，比利时鲁汶大学研发与监测中心主任Wolfgang Glänzel教授，台湾清华大学技术创新中心主任Mei-Chih Hu教授，东京大学工学系研究科Kazuyuki Motohashi教授，斯特拉斯克莱德大学政府与公共政策学院Scott Cunningham教授和我院张琳教授分别作报告。

Alan L. Porter围绕生成式人工智能赋能技术挖掘展开分享，系统阐述了AI时代技术挖掘从数据处理到价值输出的能力体系，结合实证案例指出，人工智能能够显著提升分析效率，但无法替代人的战略判断与价值决策。Wolfgang Glänzel围绕文本分析、链接分析等科学计量方法，构建文本、引文、主体与时间等多维分析框架，实现对学术演化过程的量化追踪，并进一步探讨人工智能背景下科研原创性界定与学术评价体系变革等问题。Mei-Chih Hu以东亚绿色转型为切入点，基于发展型国家理论分析政府主导、产业政策与绿色技术追赶之间的关系，指出东亚在快速形成绿色产能优势的同时，也面临绿色产业“创造”快于高碳产业“消亡”的结构性滞后。Kazuyuki Motohashi聚焦美中高科技摩擦时代的创新战略，提出基于文本挖掘与机器学习的技术—产品转换测度方法，强调创新评价应从专利数量转向技术研发与市场产品之间的实际转化。Scott Cunningham分析了科研文本中事实积累、理论推演、批判反思与知识整合等深层论证机制，反思传统文本分析和科研评价中过度依赖摘要、关键词与引文计数的局限，并探讨大语言模型在逐段全文本分析、学科推理风格识别和学术评价优化中的应用前景。张琳依托全球基础研究观测体系建设项目，分享了团队在开放科学信息数据整合、新型计量指标构建与开放证据基础设施建设方面的实践探索，介绍了从经费投入、科研设施、人才队伍、知识产出到国际合作网络的多维度监测框架。

大会同期举办多场特色专题论坛，围绕专利数据应用、科技挖掘发展前沿、因果推断、科技评价、技术机会识别、信息抽取与技术图谱构建等热点方向展开交流。来自国际组织、国际期刊、高校及产业界的专家学者围绕理论创新、方法演进与政策实践等议题进行了广泛讨论。

在“WIPO Special Session: What Tech Miners Don't Know About Patent Data - But Should”专题论坛中，与会专家围绕专利数据质量、字段解析规范、隐性技术信息识别以及多源专利数据融合等问题展开讨论，系统分析专利数据在技术演化研判、创新主体识别与产业布局分析中的应用边界与注意事项。

在“20+ Years of TechMining: Bridging Timeless Fundamentals and AI Innovation”专题论坛中，与会专家围绕技术挖掘二十余年的发展历程，系统回顾经典理论与方法体系，并结合人工智能与大模型背景，探讨技术挖掘未来的重要研究方向与产业应用场景。

在“Meet the Journal Editors”专题论坛中，来自 Scientometrics、Technological Forecasting and Social Change（TFSC）、Research Policy、Journal of the Association for Information Science and Technology（JASIST）、Data and Information Management（DIM）、Journal of Data and Information Science（JDIS）以及 Publications 等国际期刊的编辑代表围绕学术出版趋势、同行评审、论文写作、开放科学以及人工智能背景下科研传播的新变化展开交流。

在“Special Session on Causal Inference in TechMining”专题论坛中，与会专家围绕科技创新政策动态监测、科研产出影响机制、技术扩散路径因果识别等核心议题展开交流。论坛探索将因果推断方法、文本语义分析与科学计量方法相结合，推动科技政策评估与创新治理研究从传统相关性分析迈向更具解释力的因果分析框架，为科技政策实施效果评估、区域创新治理与产业技术布局提供新的方法论支撑。

在“Special Session on Global Basic Research in Transition”专题论坛中，与会专家围绕全球基础研究格局演化、国际科研合作网络重构、科研评价体系变革以及开放科学背景下基础研究发展的新趋势展开交流。结合全球科技竞争与科研体系调整的新背景，与会专家从科研资源配置、国际合作模式、知识流动机制与基础研究战略布局等多个维度，分析全球基础研究体系正在发生的结构性变化，并探讨基础研究支持机制、全球科研治理优化以及开放合作新模式等议题。

在“Special Session on Information Extraction in the Era of Large Language Models”专题论坛中，与会专家围绕大模型驱动的信息抽取、科技文本语义解析、知识图谱构建、技术演化路径识别以及前沿技术智能发现等问题展开讨论。论坛重点探讨大语言模型在多源科技数据融合、知识关联挖掘、科技情报自动化分析以及科研管理智能决策中的应用潜力，展现了人工智能技术对科技情报分析范式与科研知识组织方式带来的深刻变革。

在海报展示环节，与会学者围绕数字治理、技术主路径分析、知识组织、科研合作网络、未来产业创新生态以及企业基础研究等议题展开交流。现场讨论氛围热烈，不同国家与研究背景的学者积极分享研究思路与实践经验，进一步促进了跨学科、跨领域合作。

本次大会共设置20场平行分论坛，包括长文汇报与短文汇报两个类别，涵盖人工智能赋能技术挖掘、技术会聚、科技—技术—政策互动、新兴技术机会识别、知识演化等多个方向，共开展百余个研究分享。

闭幕式上，我院黄颖教授总结了本届大会在技术挖掘、人工智能、科学计量与科技创新等领域取得的重要交流成果与学术共识，并结合全球技术挖掘领域的发展趋势，对未来国际学术合作、学科交叉融合与前沿研究方向进行了展望。大会现场还颁发了最佳长文、最佳短文及最佳海报等奖项。

据悉，全球技术挖掘会议（GTM）是科技创新计量、科技情报分析与科技管理领域的重要国际学术会议，汇聚了全球学者、产业专家、政策制定者和数据分析人员，旨在推动技术挖掘、人工智能、科学计量、专利分析与科技战略等前沿议题的交流合作，促进相关理论方法创新及其在科技治理、产业决策和创新管理中的实践应用。本届大会是GTM首次以线下形式在亚洲举办，大会在参会规模、国际化水平、学术议题广度以及跨学科融合深度等方面均实现新的突破，充分展现了人工智能与数据智能快速发展背景下技术挖掘研究的蓬勃活力与广阔前景，一共吸引了438位专家学者投稿，来自17个国家和地区的320余位专家学者参会。