Bridging Science and Technology: How important are individual industry-science links for high value inventions?

Timpe Callebaut
Om aan te tonen hoe de indivduele gegevensoverdracht verloopt tussen wetenschappers en uitvinders, gaan we door verschillende variabelen aantonen dat de sterkte van deze relatie tussen academici en uitvinders een belangrijk effect heeft op de uiteindelijke waarde van de uitvinding. We onderzoeken ook of deze relatie belangrijker is in het geval van novel research.

Van onderzoek naar uitvinding – de toegevoegde waarde van industry-sience links (ISL) op uitgewerkte patenten

Van onderzoek naar uitvinding – de toegevoegde waarde van industry-sience links (ISL) op uitgewerkte patenten
Wanneer wetenschappers en uitvinders samenwerken naar de uitwerking een patent, komen hier uitvindingen van hoge waarde uit voort – concludeert recent onderzoek van KU Leuven. De sterkte van deze connectie heeft alsook een directe invloed op de waarde van de uitvinding. De inclusie van author-inventors wordt nog invloedrijker op de consequente uitvinding wanneer het patent wetenschappelijk gebaseerd is in novel research.

ANTWERPEN, BELGIE – van oudsher wordt de relatie tussen wetenschap en industrie als cruciaal geacht voor de technologische vooruitgang, daterend van onderzoek uit de jaren 70. In de daarop volgende decennia, wetenschappelijk onderzoek trachtte een context te verschaffen voor deze relatie – initieel vanuit een institutioneel niveau, en later naar een individueel niveau. De evolutie van de literatuur in de laatste jaren vindt men in  het verklaren van de complexe links tussen de wetenschapper en de uitvinder. Hoe kan deze relatie leiden tot een efficiënte en succesvolle gegevensoverdracht en bijgevolg, een uitvinding van hoge waarde.

Het meest recente onderzoek aan KU Leuven door masterstudent Timpe Callebaut stelt vast dat er een significante relatie is tussen de sterkte van de scientist-inventor link (ISL) en de waarde van daaruit voortgekomen uitvinding. Wanneer beide partijen nauwer samenwerken, stijgt de probabiliteit en mate van een uitvinding van hoge waarde. De waarde van de uitvinding wordt berekend door het aantal citaties van de uitvinding in een periode van 5 jaar volgende de toekenning van het patent. Wanneer de uitvinder een wetenschappelijk artikel citeert in het patent, stijgt de forward citations met 10,6%. Als minstens een van de uitvinders zelf recent wetenschappelijke artikels heeft gepubliceerd, stijgen de forward citations nog eens met 3,4%. Ten slotte, als de uitvinder zijn/haar eigen wetenschappelijk gepubliceerde artikels citeert in het patent, stijgt het aantal forward citations met een bijkomende 5,5%.

Als het gaat over patenten die high-novel onderzoek citeren, blijkt de inclusie van zogenaamde author-inventors instrumentaal om een uitvinding van hoge waarde te verkrijgen. Uit hetzelfde onderzoek is bewezen dat 4,3% van de initiële 5,5% verhoging (of 77% in relatieve waarde) in forward citations te wijden was aan de inclusie van author-inventors. Dit bevestigt de theorie dat stilzwijgende gegevensoverdracht (tacit knowledge transfer) significant belangrijker is bij high-novel onderzoek. 

Het onderzoek was uitgevoerd door de analyse van 176.830 patent aanvragen tussen 1995 en 2005 en maakte deel uit van de master thesis van de onderzoeker. De resultaten voorzien de literatuur van een meer genuanceerd zicht op het science-to-industry proces, hetgeen het potentieel heeft om de gegevensoverdracht efficiënter en doeltreffender te doen verlopen. De doorlooptijd van wetenschappelijke doorbraken en technologische vooruitgangen kan hierdoor sterk verkort worden.

Bibliografie

Agrawal, A. (2006). Engaging the inventor: exploring licensing strategies for university inventions and the role of latent knowledge. Strategic Management Journal, 27(1), 63-79. doi:10.1002/smj.508

Agrawal, A., Lincoln, M., Cai, H., & Torvik, V. I. (2014). Patci—a tool for identifying scientific articles cited by patents.

Ai, C., & Norton, E. C. (2003). Interaction terms in logit and probit models. Economics Letters, 80(1), 123 - 129. doi:https://doi.org/10.1016/S0165-1765(03)00032-6

Albert, M. B., Avery, D., Narin, F., & McAllister, P. (1991). Direct validation of citation counts as indicators of industrially important patents. Research Policy, 20(3), 251-259. doi:10.1016/0048-7333(91)90055-U

Arts, S., & Veugelers, R. (2018). Taste for Science, Academic Boundary Spanning and Inventive Performance of Scientists and Engineers in Industry. IDEAS Working Paper Series from RePEc.

Bhattacharya, S., Ha−Thuc, V., & Srinivasan, P. (2011). MeSH: a window into full text for document summarization. Bioinformatics, 27(13), i120-i128. doi:10.1093/bioinformatics/btr223

Boudreau, K. J., Guinan, E. C., Lakhani, K. R., & Riedl, C. (2016). Looking across and looking beyond the knowledge frontier: intellectual distance, novelty, and resource allocation in science.(Report). Management Science, 62(10), 2765. doi:10.1287/mnsc.2015.2285

Branstetter, L., & Ogura, Y. (2005). Is academic science driving a surge in industrial innovation? Evidence from patent citations. Retrieved from

Breschi, S., & Catalini, C. (2010). Tracing the links between science and technology: An exploratory analysis of scientists’ and inventors’ networks. Research Policy, 39(1), 14-26. doi:10.1016/j.respol.2009.11.004

Cameron, A. C., & Trivedi, P. K. (1998). Regression analysis of count data: Cambridge : Cambridge University press.

Cowan, R., & Jonard, N. (2004). Network structure and the diffusion of knowledge. Journal of Economic Dynamics and Control, 28(8), 1557-1575. doi:10.1016/j.jedc.2003.04.002

D'Este, P., & Patel, P. (2007). University-industry linkages in the UK: What are the factors underlying the variety of interactions with industry? Research Policy, 36(9), 1295. doi:10.1016/j.respol.2007.05.002

Dasgupta, P., & David, P. A. (1994). Toward a new economics of science. Research Policy, 23(5), 487-521. doi:10.1016/0048-7333(94)01002-1

Etzkowitz, H., Webster, A., & Healey, P. (1998). Capitalizing knowledge: New intersections of industry and academia: suny Press.

Fleming, L., & Sorenson, O. (2001). Recombinant Uncertainty in Technological Search. Management Science, 47(1), 117-132. doi:10.1287/mnsc.47.1.117.10671

Fleming, L., & Sorenson, O. (2004). Science as a map in technological search. Strategic Management Journal, 25(8‐9), 909-928. doi:10.1002/smj.384

Freeman, C. (1987). Technology policy and economic policy: Lessons from Japan. London: Pinter.

Freeman, C. (1991). Networks of innovators: a synthesis of research issues. Research policy, 20(5), 499-514.

Furukawa, R., & Goto, A. (2006). The role of corporate scientists in innovation. Research Policy, 35(1), 24-36. doi:10.1016/j.respol.2005.07.007

Gambrell, J. B., Kayton, I., & Trucano, M. (1969). Patent Law (1968-69). Ann. Surv. Am. L., 139.

Gardner, W., Mulvey, E. P., & Shaw, E. C. (1995). Regression analyses of counts and rates: Poisson, overdispersed Poisson, and negative binomial models. Psychological bulletin, 118(3), 392.

Geuna, A., & Muscio, A. (2009). The governance of university knowledge transfer: A critical review of the literature. Minerva, 47(1), 93-114.

Gittelman, M., & Kogut, B. (2003). Does Good Science Lead to Valuable Knowledge? Biotechnology Firms and the Evolutionary Logic of Citation Patterns. Management Science, 49(4), 366-382. doi:10.1287/mnsc.49.4.366.14420

Harhoff, D., Narin, F., Scherer, F. M., & Vopel, K. (1999). Citation Frequency and the Value of Patented Inventions. Review of Economics and Statistics, 81(3), 511-515. doi:10.1162/003465399558265

Hausman, J., Hall, B. H., & Griliches, Z. (1984). Econometric Models for Count Data with an Application to the Patents-R & D Relationship. Econometrica, 52(4), 909-938. doi:10.2307/1911191

Hicks, D., Breitzman, T., Olivastro, D., & Hamilton, K. (2001). The changing composition of innovative activity in the US—a portrait based on patent analysis. Research policy, 30(4), 681-703.

Ioannidis, J. P. A., & Khoury, M. J. (2014). Assessing value in biomedical research: the PQRST of appraisal and reward. JAMA, 312(5), 483. doi:10.1001/jama.2014.6932

Jaffe, A. B., & Trajtenberg, M. (1996). Flows of knowledge from universities and federal laboratories: Modeling the flow of patent citations over time and across institutional and geographic boundaries. proceedings of the National Academy of Sciences, 93(23), 12671-12677.

Jaffe, A. B., Trajtenberg, M., & Fogarty, M. S. (2000). The meaning of patent citations: Report on the NBER/Case-Western Reserve survey of patentees. Retrieved from

Katila, R. (2002). New product search overtime: Past ideas in their prime? Acad. Manage. J., 45(5), 995-1010. doi:10.2307/3069326

Katz, M. L., & Shapiro, C. (1986). How to license intangible property. Quarterly Journal of Economics, 101, 567.

Lanxon, N. (2017). Record $19 Billion in Investments Shows Europe Tech Is Just Fine. In.

Levin, R., Klevorick, A., Nelson, R., Winter, S., Gilbert, R., & Griliches, Z. (1987). Appropriating the Returns from Industrial Research and Development; Comments and Discussion. Brookings Papers on Economic Activity, 783.

Li, G.-C., Lai, R., D’amour, A., Doolin, D. M., Sun, Y., Torvik, V. I., . . . Fleming, L. (2014). Disambiguation and co-authorship networks of the U.S. patent inventor database (1975–2010). Research Policy, 43(6), 941-955. doi:10.1016/j.respol.2014.01.012

Lundvall, B.-Å. (1992). User-producer relationships, national systems of innovation and internationalisation. In National systems of innovation: Towards a theory of innovation and interactive learning (pp. 45-67): Frances Pinter Publishers Ltd.

Mansfield, E. (1972). Contribution of R&D to economic growth in the United States. Science, 175(4021), 477-486.

Mansfield, E. (1995). Academic research underlying industrial innovations: sources, characteristics, and financing. The review of Economics and Statistics, 55-65.

McMillan, G. S., Narin, F., & Deeds, D. L. (2000). An analysis of the critical role of public science in innovation: the case of biotechnology. Research policy, 29(1), 1-8.

Meyer, M. (2000). Does science push technology? Patents citing scientific literature. Research Policy, 29(3), 409-434. doi:10.1016/S0048-7333(99)00040-2

Moore, M. (2018). AI investment will hit $232 billion by 2025. In. ITProPortal: KPMG.

Mowery, D. C., Nelson, R. R., Sampat, B. N., & Ziedonis, A. A. (2001). The growth of patenting and licensing by US universities: an assessment of the effects of the Bayh–Dole act of 1980. Research policy, 30(1), 99-119.

Narin, F., Hamilton, K. S., & Olivastro, D. (1997). The increasing linkage between US technology and public science. Research policy, 26(3), 317-330.

Narin, F., & Noma, E. (1985). Is technology becoming science? Scientometrics, 7(3-6), 369-381.

NCBI. (2018). PubMed - about.

Nelson, R. R. (2003). On the uneven evolution of human know-how. Research Policy, 32(6), 909-922. doi:10.1016/S0048-7333(02)00093-8

Nelson, R. R., & Rosenberg, N. (1993). Technical innovation and national systems. National innovation systems: A comparative analysis, 322.

Newman, M. E. J. (2000a). Models of the Small World. Journal of Statistical Physics, 101(3), 819-841. doi:10.1023/A:1026485807148

Newman, M. E. J. (2000b). Who is the best connected scientist? A study of scientific coauthorship networks. doi:10.1103/PhysRevE.64.016132

Newman, M. E. J. (2001). The structure of scientific collaboration networks. Proceedings of the National Academy of Sciences of the United States, 98(2), 404.

Owen-Smith, J., & Powell, W. (2001). To Patent or Not: Faculty Decisions and Institutional Success at Technology Transfer. The Journal of Technology Transfer, 26(1), 99-114. doi:10.1023/A:1007892413701

Rosenberg, N. (1974). Science, invention and economic growth. The Economic Journal, 84(333), 90-108.

Shan, G., Lu, Y., Min, B., Qu, W., & Zhang, C. (2016). A MeSH-based text mining method for identifying novel prebiotics. Medicine, 95(49), e5585-e5585. doi:10.1097/MD.0000000000005585

Smalheiser, N. R., & Torvik, V. I. (2009). Author name disambiguation. Annual Review of Information Science and Technology, 43, 287-313.

Stephan, P. E. (1996). The economics of science. Journal of Economic literature, 34(3), 1199-1235.

Stevens, A. (2004). The Enactment of Bayh–Dole. The Journal of Technology Transfer, 29(1), 93-99. doi:10.1023/B:JOTT.0000011183.40867.52

Sveikauskas, L. (1981). Technological inputs and multifactor productivity growth. The Review of Economics and Statistics, 275-282.

Thompson, M., & Polanyi, M. (1960). Personal Knowledge. In (Vol. 69, pp. 111).

Tijssen, R. J. (2001). Global and domestic utilization of industrial relevant science: patent citation analysis of science–technology interactions and knowledge flows. Research Policy, 30(1), 35-54.

Toivanen, O., & Väänänen, L. (2012). Returns to Inventors. The Review of Economics and Statistics, 94(4), 1173-1190. doi:10.1162/REST_a_00269

Torvik, V. I., Weeber, M., Swanson, D. R., & Smalheiser, N. R. (2005). A probabilistic similarity metric for Medline records: A model for author name disambiguation. Journal of the American Society for Information Science and Technology, 56(2), 140-158. doi:10.1002/asi.20105

Trajtenberg, M. (1990). A Penny for Your Quotes: Patent Citations and the Value of. The Rand Journal of Economics, 21(1), 172.

Tuomela, M. S., Fegley, B. D., & Torvik, V. I. (2016). Introducing the Author-ity Exporter, and a case study of geo-temporal movement of authors.

USPTO. (2007). Common Application Format.

Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science (New York, N.Y.), 342(6157), 468. doi:10.1126/science.1240474

Veugelers, R., & Wang, J. (2015). Novel science for industry? MSI Working paper.

Wagner, C. S., & Leydesdorff, L. (2005). Network structure, self-organization, and the growth of international collaboration in science. Research Policy, 34(10), 1608-1618. doi:10.1016/j.respol.2005.08.002

Wang, G., & Guan, J. (2011). Measuring science–technology interactions using patent citations and author-inventor links: an exploration analysis from Chinese nanotechnology. An Interdisciplinary Forum for Nanoscale Science and Technology, 13(12), 6245-6262. doi:10.1007/s11051-011-0549-y

Wang, J., Veugelers, R., & Stephan, P. (2015). Bias against novelty in science: A cautionary tale for users of bibliometric indicators. MSI Working paper.

Zander, U., & Kogut, B. (1995). Knowledge and the speed of the transfer and imitation of organizational capabilities: An empirical test. Organization Science, 6(1), 76. doi:10.1287/orsc.6.1.76

Zucker, L. G., Darby, M. R., & Armstrong, J. S. (2002). Commercializing Knowledge: University Science, Knowledge Capture, and Firm Performance in Biotechnology. Management Science, 48(1), 138-153. doi:10.1287/mnsc.48.1.138.14274

Zucker, L. G., Darby, M. R., & Brewer, M. B. (1998). Intellectual Human Capital and the Birth of U.S. Biotechnology Enterprises. The American Economic Review, 88(1), 290-306.

Universiteit of Hogeschool
Master in Business Administration
Publicatiejaar
2019
Promotor(en)
Dr. Samuel Arts & Thomas Schaper
Kernwoorden
Share this on: