11月15日，首届“科学与技术预测前沿学术论坛”在中国人民大学举办。本次会议由中国信息经济学会数据智能与产业创新专业委员会、中国科技情报学会情报理论方法与教育培训专业委员会、中国人民大学信息资源管理学院、中国人民大学智能信息分析中心联合主办。论坛主题锁定科技预测的前沿方向，聚焦颠覆性技术、弱信号捕捉、技术会聚、跨学科知识融合等热点领域，力邀9位国内知名学者进行深度分享。与会专家和线上线下学者们展开了深入的探讨和交流。

中国人民大学信息资源管理学院党委书记兼副院长闫慧致辞。他深入浅出地点明了论坛的意义与特色，即探索数智融合背景下的科学与技术预测的新模式，构建更为精准、科学、高效的评测体系，推动学科创新、服务国家战略发展。

论坛的主旨报告分为上、下半场。上半场由中国人民大学信息资源管理学院教授任明、副教授杨建梁主持。中国人民大学信息资源管理学院副教授杨冠灿、南京工业大学经济与管理学院副教授吴志祥、山东理工大学管理学院教授许海云、北京理工大学管理学院教授汪雪锋、武汉大学信息管理学院副教授黄颖分别作主旨报告。

杨冠灿的主旨报告题为“动态视角下的技术会聚演化机制与预测方法”。报告系统梳理了技术会聚的概念发展、测度识别及预测模型的研究进展，聚焦动态视角下的关键问题和研究挑战。他深入探讨了图神经网络在技术会聚预测中的应用，详细介绍了如何在节点新增的动态条件下优化预测模型的适用性，并提出了应对“节点动力学”和“连边动力学”复杂过程的新预测框架。杨冠灿认为，未来的研究需要进一步提升对动态网络机制的理解，以便为技术会聚的实际应用和产业创新提供更强有力的理论支撑和实践指导。

吴志祥的主旨报告题为“学者新主题的可预测性与推荐方法研究”。报告聚焦于学者选题规律和新主题的可预测性。在分析主题选择的先进性、近似性和异质性特征的基础上，利用双重知识网络方法，结合个人知识网络和学科背景知识网络，可将对学者未来可能研究的主题建模为节点预测问题。他进一步介绍了针对学者的选题推荐方法创新，如多图融合模型、基于注意力机制的负采样和对偶对比学习技术，并通过大规模实验验证了这些方法的有效性。最后，报告探讨了远距离主题推荐的挑战和对学者个体研究的潜在帮助。

许海云的主旨报告题为“新兴网络结构变迁过程的弱信号早期识别方法”。她回顾了弱信号理论的发展，指出弱信号通常呈现出低频、碎片化、不确定等特点，难以通过传统方法进行有效识别，因此弱信号的早期识别对于预见技术变革和科技发展趋势至关重要。通过动态时间规整和突变检测等方法，可以探索新兴研究主题的演化模式，揭示科技创新主题从早期信号到成熟应用的多阶段特征。许海云展示了知识类型序列演化过程突变在再生干细胞领域的实证成果，并呼吁通过进一步研究拓展弱信号的语义层面分析。

汪雪锋的主旨报告题为“突破性/颠覆性技术识别初探”。他探讨了突破性技术和颠覆性技术的研究视角，包括技术本身和市场、行业乃至国家战略层面的变革。汪雪锋对现有的突破性技术和颠覆性技术的识别方法进行了梳理，包括文本挖掘、机器学习、文献计量、综合指标分析等。报告进一步分享了颠覆性指数的改进、生物医学领域突破性论文的识别、围绕跨领域融合应用的颠覆性技术识别的案例。他建议未来的研究应注重阐释突破性技术形成的机理，探究影响突破性技术形成的因素及差异化路径。

黄颖的主旨报告题为“从技术预测到技术预测评估：框架与方法”。他从国家政策需求、创新生态发展以及国际技术竞争的背景切入，强调技术预测在前瞻性战略布局中的重要作用。报告系统梳理了技术预测的概念和方法，区分了定性预测与定量预测的优缺点，强调对过去预测结果与实际发展的差异性分析是优化预测模型和方法的重要手段。他表示，技术预测不应局限于面向未来的探索，还应从历史视角审视预测方法的演变，加强技术发展过程的检测和演化路径的识别，综合剖析技术的发展机理。

论坛下半场由中国人民大学信息资源管理学院副教授霍朝光、讲师方志超主持。北京工业大学经济与管理学院教授徐硕、武汉大学信息管理学院副教授毛进、南京大学数据管理创新研究中心特聘研究员巴志超、北京大学信息管理系助理教授步一分别进行了主旨报告。

徐硕的主旨报告题为“Do OpenCitations and Dimensions Serve as an Alternative to Web of Science for Calculating Disruption Indexes”。报告围绕颠覆性指数的计算，聚焦于数据层面的探索。徐硕对颠覆性指数的概念来源和变体进行了全面回顾，并分享了基于Web of Science、OpenCitations和Dimensions进行数据采集、处理和颠覆性指标计算的详细过程，进一步讨论了三种数据源下颠覆性指数的表现差异。他表示，颠覆性指数在高频引用的成熟领域中具有较高的可靠性，而在新兴领域中的适用性有待提升。

毛进的主旨报告题为“Dynamic Heterogeneous Graph Fusion Networks for Citation Intent Classification of Scientific Publications”。他基于复杂网络视角，构建了科学知识系统的分析框架，提出了“引用动机分类”的研究任务，即分析和预测引用所蕴含的背景描述、方法支持、结果对比等意图。结合引用位置、作者和前后向引用构建动态异构图网络模型，并在计算语言学和医学领域数据上进行性能检验。毛进强调了关系的结构特征对于提升任务性能的关键作用，并展望了未来将引用关系与大模型相结合的可能性。

巴志超的主旨报告题为“新兴产业领域科技耦合共生与协同创新机制”。他围绕新兴产业领域的科学与技术耦合过程及协同创新机制展开了系统探讨，展示了多个维度的研究方法与实证研究成果。他从科学-技术系统耦合视角出发，将网络相似/图拓扑距离计算引入科技知识关联的识别中，构建科学-技术知识网络的时序关联测度框架，并结合时序网络出现的科学-技术超前-滞后关联、层级/社群交互、交叉地带/边缘等现象分析特定领域科学-技术协同路径、模式与效应，并用于识别潜在技术机会、突破性方向以及科技发展前沿等。他表示，未来可将低度节点等弱信号信息纳入科学与技术关联探测中。

步一的主旨报告题为“跨学科研究的知识融合、知识扩散和政策影响力”。他特别强调了跨学科研究在解决部分重大科学问题（如脑科学、计算社会科学）中的关键作用，并详细阐述了跨学科研究在学术引用网络中的表现，利用倾向得分匹配方法验证了跨学科研究和单学科研究的长期学术影响力差异。报告聚焦跨学科研究的政策影响力，基于Overton数据库的政策引用数据，探讨了新冠相关文献的政策关注度。他表示，未来研究应进一步探讨跨学科研究影响力的深层机制，如合作模式、话题流行性等因素。

杨冠灿代表会议主办方进行总结。他表示，学术研究不应只是冷冰冰的文献堆砌，而应是思想火花的碰撞与智慧的传承，吸引更多学生投身于技术预测领域也是本次论坛的要义。此次会议聚焦学科前沿，多位嘉宾分享了其最新研究成果，其中一些内容甚至尚未公开发表，这不仅让与会的老师和同学能够切身感受到学科发展的脉搏，更展现了学者们对知识共享与学术交流的真诚态度。对于科技预测与战略决策服务的未来方向，杨冠灿提出，希望进一步增强国际学术影响力的目标，同时呼吁开发更高效、直观、精准的工具，助力国家战略布局与学术智慧传播。最后，他表达了对“科学与技术预测前沿学术论坛”持续举办的期望，希望通过这一平台进一步推动学术交流与学科创新。

本次论坛现场吸引了近百名参会者，气氛热烈，线上直播亦取得广泛关注，直播播放量高达约3.9万人次。与会学者就专家提出的相关问题展开了深入探讨，带来了丰富的思想碰撞和学术启发。