تجزیه و تحلیل داده ها، فناوری مخرب و گسترش جغرافیایی آن

رام کردن اختلال؟ تجزیه و تحلیل داده های فراگیر، عدم قطعیت و مداخله سیاست در فناوری مخرب و گسترش جغرافیایی آن

خلاصه

موضوع توسعه فناوری و اثرات مخرب آن در 20 سال گذشته موضوع بحث های زیادی بوده است و نظریه های متعددی در مقیاس های کلان و خرد ارائه می کنند که مدل های بالقوه پیشرفت و اختلال فناوری را ارائه می دهند. این مقاله بر روی نحوه ادغام نظریه‌های پیشرفت فناوری تمرکز می‌کند و بررسی می‌کند که آیا شاخص‌های مناسب این پیشرفت و هر گونه اثرات مخرب بعدی ممکن است بر اساس استفاده از تکنیک‌های تحلیلی کلان داده مشتق شوند یا خیر.

با توجه به وسعت پیامدهای اقتصادی، اجتماعی و سیاسی بسیاری از فناوری‌های مخرب، توانایی تعیین کمیت تغییرات مخرب در اولین مرحله ممکن می‌تواند با کاهش عدم اطمینان، کمک به مداخله سیاست‌های عمومی و مدیریت انتقال فناوری از طریق ایجاد اختلال در استقرار، بازده بزرگی را به همراه داشته باشد. . با این حال، تعیین زمان رسیدن به این مرحله مشکل‌ساز است، زیرا اثرات تصادفی کوچک در زمان‌بندی، جهت توسعه، در دسترس بودن فناوری‌های حمایتی ضروری یا فناوری‌های «پلتفرم»، واکنش بازار یا سیاست‌های دولت همگی می‌توانند منجر به شکست یک فناوری شوند. شکل پذیرش یا بهینه بودن اجرا این مقاله به بررسی مدل‌های کلیدی تکامل فناوری و تأثیر مخرب آن‌ها از جمله گسترش جغرافیایی اختلال می‌پردازد. این مقاله سپس یک مورد استفاده و یک آزمایش در پیش‌بینی اختلال را توصیف می‌کند و به گسترش جغرافیایی اختلال با استفاده از داده‌های تاریخی مشتق شده از اینترنت نگاه می‌کند. این آزمایش، اگرچه محدود به یک جنبه خاص از مدل یکپارچه ارائه شده در مقاله است، یک مثال اولیه از نوع تحلیل پیش بینی شده را ارائه می دهد.

کلید واژه ها:

جغرافیای اختلال ; تجزیه و تحلیل داده ها ؛ مداخله سیاستی ؛ اوبر ؛ تکنولوژی مخرب ؛ نوآوری مخرب ؛ وابستگی مسیر توسعه پلت فرم ; اقتصاد پلت فرم

چکیده گرافیکی

1. معرفی

دولت‌ها، اندیشکده‌ها، سازمان‌های تجاری و مشاوران منابع و تخصص قابل‌توجهی را در پیش‌بینی فناوری سرمایه‌گذاری می‌کنند، اما این یک فرآیند بسیار نادقیق است. دولت باید بودجه تحقیقاتی خود را بر روی کدام فناوری متمرکز کند؟ چگونه ممکن است تغییرات تکنولوژیکی منجر به نیاز به تغییرات زیرساختی عمده یا طولانی مدت شود؟ چالش‌های فنی و تجاری برای یک رهبر تثبیت شده بازار از کجا می‌آیند؟ چه پیشرفت‌های فناوری ممکن است به تهدیدی برای دفاع یا امنیت یک ملت تبدیل شود و چگونه یک دولت می‌تواند در برابر چنین تهدیدهایی بکاهد؟ عنصری از رقابت بین شرکتی و بین المللی وجود دارد، به گونه ای که کشورهای مختلف در فناوری های خاص پیشتاز هستند و به طور بالقوه در مقایسه با سایر متصدیان، مزیت قابل توجهی از اختلال به دست می آورند. در همین حال، مراکز نوآوری تجاری خاص، مانند دره سیلیکون، تخصص های مختلف فناوری مخرب را پرورش می دهند. جغرافیا، و به طور خاص تمرکز فضایی دانش برای یک نوآوری معین، نیز برای اختلال مهم هستند (مارتین، 2015 [1 ]; ناتان و واندور، 2014 [ 2 ]; اشمیت، 2015 [ 3 ]).

بسیاری از مطالعات فناوری شامل پیش‌بینی‌های آتی از یک یا مجموعه کوچکی از محتمل‌ترین نتایج است و می‌تواند تأثیر قابل‌توجهی بر استراتژی‌های سرمایه‌گذاری دولت داشته باشد. با این حال، آنها سابقه ضعیفی در تعریف موفقیت آمیز نتایج آینده دارند. مجموعه ادبیات بسیار محترمی از مدل‌سازان فرآیندهای اقتصادی و تجاری وجود دارد که امکان‌پذیر بودن آن را مورد پرسش قرار می‌دهد. برای مثال، هم کریستنسن (1997) [ 4 ] و هم گروه کاری شورای تحقیقات ملی (NRC) در مورد پیش بینی مداوم فناوری های مخرب (2009، 2010) [ 5 ، 6 ] استدلال می کنند که ماهیت تصادفی عوامل مؤثر بر توسعه و بهره برداری از فناوری جدید پیش بینی موثر را غیرممکن می کند. با این حال، دیگران (به عنوان مثال، آرتور، 1994) [7] ماهیت ظاهراً تصادفی مشکلات و غیرقابل پیش بینی بودن نتایج را در مراحل اولیه تکامل یک فناوری جدید تصدیق می کنند، اما استدلال می کنند که تأثیرات غیرقابل پیش بینی و خارجی باعث ایجاد فرآیندی می شود که به عنوان وابستگی مسیر شناخته می شود که در آن مراحل بعدی تکامل قفل شده و به طور فزاینده ای قطعی می شوند.

با پذیرش دیدگاه آرتور در مورد تکامل فناوری، چالش این است که بتوانیم این گذار از تصادفی بودن به جبرگرایی را تا حد امکان به موقع نظارت و اندازه گیری کنیم، یا حتی بدانیم چه زمانی وضعیت در حال گذار است. بنابراین ممکن است سیاست گذاران عمومی و سازمان های تجاری بتوانند به طور فزاینده پوشش عدم اطمینان را کاهش دهند و به طور فزاینده ای تمرکز خود را برای مداخله در سیاست یا سرمایه گذاری محدود کنند و برای پیامدهای یک نتیجه فناوری در حال ظهور از اولین زمان ممکن برنامه ریزی کنند. مزایای مالی و گسترده‌تر که ممکن است از شناسایی زودتر نتیجه برنده ناشی از اختلال ناشی شود، می‌تواند مزیت تجاری قابل توجهی ایجاد کند.

همچنین یک عنصر جغرافیایی برای اختلال بالقوه وجود دارد. ممکن است بتوان پیشرفت اختلال را در یک منطقه جغرافیایی با نگاه کردن به شاخص‌ها (به طور گذشته نگر) در منطقه دیگر که قبلاً مختل شده است (استفاده از ردپای اطلاعات موجود در مورد اختلال) پیش‌بینی کرد. نمونه ای از چگونگی انجام این کار در عمل در بخش 4 و 5 مقاله ارائه شده است. هدف این مقاله ارزیابی اختلال بالقوه و دامنه احتمالی جغرافیایی و زمانی آن است. پیشنهاد این است که یک رویکرد داده‌های بزرگ می‌تواند برای پیش‌بینی اختلالات فناوری اعمال شود، و این مقاله برخی گام‌های اولیه را برای تعیین میزان امکان‌پذیری این امر در عمل انجام می‌دهد.

ادامه مقاله به پنج بخش تقسیم شده و به شرح زیر تنظیم شده است. بخش 2 مدل‌های ساختار فناوری و تغییر را با تمرکز بر کار کریستنسن و آرتور به‌عنوان مفاهیم فراگیر بررسی می‌کند و کار خاصی را از سایر محققان برای پشتیبانی از یک مدل یکپارچه دقیق‌تر ترسیم می‌کند. بخش 3 توسعه یک مدل کلی از ترکیب فناوری شامل در نظر گرفتن زمان و مکان به عنوان متغیر را مورد بحث قرار می دهد. برای ارائه یک مدل تلفیقی از رشد فناوری که بتوان پیشرفت فناوری را بر اساس آن ارزیابی کرد، نیاز به تلاش برای گرفتن عناصر کلیدی مدل‌های پیشنهادی مختلف که در بالا توضیح داده شد و ارائه یک چارچوب مفهومی یکپارچه برای اندازه‌گیری است. بخش 4 توصیف تغییرات تکنولوژی را در نظر می گیرد. یعنی تا چه حد می توان آن را مدل کرد، و دامنه نتایج فناورانه محدود شود و مداخله سیاستی یا تحقیق و توسعه بیشتر آگاهانه تر شود. این پیشنهاد را بررسی می کند که شاخص های اولیه به دلیل سطح بی سابقه اطلاعات موجود از طریق اینترنت و در دسترس بودن تجزیه و تحلیل داده های بزرگ به طور بالقوه امکان پذیر است. این یک آزمایش اولیه را برای نشان دادن ایده شاخص ها ترسیم می کند و یک معماری تجربی اولیه را برای انجام این کار پیشنهاد می کند. بخش 5 یک مطالعه موردی (Uber) را ارائه می‌کند که به تکامل پلتفرم گوشی‌های هوشمند و نحوه پشتیبانی آن از یک برنامه مخرب می‌پردازد. این به طور خاص به جنبه ایجاد پلت فرم و سپس اختلال ناشی از آن، در این مورد از نظر جغرافیایی، نگاه می کند. بخش 6 از این مطالعه موردی برای توصیف یک آزمایش و نتایج آن در اندازه‌گیری استقرار برنامه‌های مخرب از نظر جغرافیایی در طول زمان و ارتباط آن با استقرار گوشی‌های هوشمند استفاده می‌کند. بخش 7 مقاله را با خلاصه کردن مدل‌های مختلف پیشرفت فناوری به پایان می‌رساند و گام‌های بعدی را در توسعه مجموعه گسترده‌تری از شاخص‌های پیشرفت احتمالی فناوری در نظر می‌گیرد.

2. درک تغییر فناوری

در دو گزارش در مورد پیش بینی مداوم فناوری های مخرب (2009، 2010) [ 5 ، 6 ]. شورای ملی تحقیقات ایالات متحده چشم انداز پیش بینی فناوری را ارزیابی کرد و رویکردهای نظری اصلی در این زمینه را خلاصه کرد. در حالی که ابزارهای تحلیلی بالقوه را شناسایی کرد، هیچ سطح قابل توجهی از آزمایش مشاهده نشد. در آن زمان اینترنت داده های فراگیر را ارائه نمی کرد و ابزارهای کلان داده جنینی بودند. تقریباً یک دهه بعد، این مقاله تحقیقات جدیدی را گزارش می‌کند که به موضوع پیش‌بینی از دیدگاه‌های مختلف می‌پردازد و سپس رویکردهای اندازه‌گیری بالقوه را در نظر می‌گیرد.

ما رویکردی را ارائه می‌کنیم که طیف وسیعی از اقدامات را برای ارائه یک شاخص یکپارچه و خودکار از پیشرفت فناوری در بر می‌گیرد. این رویکرد از دو نظریه کلیدی، مدل آرتور از ساختار فناوری (2009) [ 7 ] و مدل کریستنسن (1997) [ 4 ] از رفتار پویا در بازارهای مرتبط با فناوری استفاده می کند. این با کار Mazzucato (2015) [ 8 ] در مورد نقش بنیادی نهادهای دولتی در حمایت از تکامل فناوری مخرب، آرتور (1994) [ 9 ] در مورد وابستگی به مسیر، Mokyr (2016) [ 10 ] در مورد “تقلب” استوار است. و مجموعه ای از کار در حال ظهور در مورد نقش اقتصادی پلتفرم های دیجیتال (به عنوان مثال، لنگلی و لیشون (2017) [ 11]]، Srnicek (2017) [ 12 ] و McAffe and Brynjolsson، (2017) [ 13 ]. کار از مارتین (2005) [ 1 ] جنبه های جغرافیایی توسعه دانش را پیشنهاد می کند. در نهایت این مدل از رویکردهای عملی برای اندازه‌گیری پیشرفت فناوری از جمله رویکردهای برگرفته از حوزه داده‌های بزرگ استفاده می‌کند. نظریه‌های کریستنسن در دهه گذشته مورد انتقادات قابل توجهی قرار گرفته است، اخیراً Lepore (2014) [ 14 ]، که استدلال می‌کند شخصیت‌های او بسیار ساده‌گرایانه هستند و معرف موقعیت‌های واقعی نیستند، اگرچه در سطح کلان مفاهیم کلیدی او مفید هستند.

2.1. آناتومی فناوری و اکوسیستم ها

آرتور (2009) [ 7] آناتومی و اکوسیستم فناوری را توصیف می کند که مفاهیم کلی یکپارچه را ارائه می دهد. او فن‌آوری‌ها را به‌صورت زیر طبقه‌بندی می‌کند: بنیادی، بر اساس ویژگی‌های فیزیکی تعیین‌کننده‌شان، ترکیبات (خوشه‌های دامنه) سایر فناوری‌ها و در نهایت، پشتیبانی (توانایی موفقیت سایر فناوری‌ها). آرتور پیشنهاد می‌کند که فناوری‌های کلیدی یک رویکرد/دیدگاه طراحی را مشخص می‌کنند، و اکوسیستمی از تولیدکنندگان (آکادمی، دولت، صنعت) و مصرف‌کنندگان را توصیف می‌کند. ما مفاهیم آرتور را در شرایط تئوری اطلاعات و همچنین ادغام مفاهیم کلیدی در تحقیقات دیگر رسمی می کنیم. این امکان تعریف یک مدل قابل توصیف ماشین و در نظر گرفتن نحوه پر شدن آن را فراهم می کند. آرتور پیشنهاد می‌کند که با توسعه فناوری، مجموعه‌ای از ابزارهای پشتیبانی، روش‌های تفکر، و شکلی از گرامر و تخصص که مجموعه خاصی از رویکردها را مطابق با قابلیت های فناوری تقویت می کند. موسسات و شرکت ها حول یک فناوری توسعه می یابند تا مهارت ها و قابلیت های پشتیبانی از آن را ارائه دهند. این جنبه‌های توصیف آرتور از فناوری، یک مدل ساختاری ارائه می‌کند که می‌تواند برای ثبت وضعیت فناوری‌ها مورد استفاده قرار گیرد و در این مقاله برای ارائه یک چارچوب بالقوه برای ارزیابی فناوری استفاده می‌شود. اختلال توسط یک فناوری جدید معمولاً نه تنها منجر به جایگزینی فناوری می‌شود، بلکه منجر به منسوخ شدن مهارت‌ها، روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز می‌شود (فرآیندی که به ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. موسسات و شرکت ها حول یک فناوری توسعه می یابند تا مهارت ها و قابلیت های پشتیبانی از آن را ارائه دهند. این جنبه‌های توصیف آرتور از فناوری، یک مدل ساختاری ارائه می‌کند که می‌تواند برای ثبت وضعیت فناوری‌ها مورد استفاده قرار گیرد و در این مقاله برای ارائه یک چارچوب بالقوه برای ارزیابی فناوری استفاده می‌شود. اختلال توسط یک فناوری جدید معمولاً نه تنها منجر به جایگزینی فناوری می‌شود، بلکه منجر به منسوخ شدن مهارت‌ها، روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز می‌شود (فرآیندی که به ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. موسسات و شرکت ها حول یک فناوری توسعه می یابند تا مهارت ها و قابلیت های پشتیبانی از آن را ارائه دهند. این جنبه‌های توصیف آرتور از فناوری، یک مدل ساختاری ارائه می‌کند که می‌تواند برای ثبت وضعیت فناوری‌ها مورد استفاده قرار گیرد و در این مقاله برای ارائه یک چارچوب بالقوه برای ارزیابی فناوری استفاده می‌شود. اختلال توسط یک فناوری جدید معمولاً نه تنها منجر به جایگزینی فناوری می‌شود، بلکه منجر به منسوخ شدن مهارت‌ها، روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز می‌شود (فرآیندی که به ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. این جنبه‌های توصیف آرتور از فناوری، یک مدل ساختاری ارائه می‌کند که می‌تواند برای ثبت وضعیت فناوری‌ها مورد استفاده قرار گیرد و در این مقاله برای ارائه یک چارچوب بالقوه برای ارزیابی فناوری استفاده می‌شود. اختلال توسط یک فناوری جدید معمولاً نه تنها منجر به جایگزینی فناوری می‌شود، بلکه منجر به منسوخ شدن مهارت‌ها، روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز می‌شود (فرآیندی که به ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. این جنبه‌های توصیف آرتور از فناوری، یک مدل ساختاری ارائه می‌کند که می‌تواند برای ثبت وضعیت فناوری‌ها مورد استفاده قرار گیرد و در این مقاله برای ارائه یک چارچوب بالقوه برای ارزیابی فناوری استفاده می‌شود. اختلال توسط یک فناوری جدید معمولاً نه تنها منجر به جایگزینی فناوری می‌شود، بلکه منجر به منسوخ شدن مهارت‌ها، روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز می‌شود (فرآیندی که به ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز منسوخ می‌شوند (فرآیندی که به‌ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است. روش‌های کار و مزیت رقابتی برای سازمان‌های خاص نیز منسوخ می‌شوند (فرآیندی که به‌ویژه کریستنسن به آن پرداخته است). مدل کلان آرتور از اکوسیستم فناوری با عمق بیشتری در بخش 3 مورد بررسی قرار گرفته است.

2.2. مدل های کسب و کار

کار تکوینی در مورد تغییرات تکنولوژیکی توسط کریستنسن (باور و کریستنسن، 1995) [ 15 ]، در قالب معضل مبتکر (1997) [ 4 ] و راه حل مبتکر (2002) [ 16]] دو شکل از تکامل فناوری را شناسایی کرد: پایدار و مخرب. فناوری‌های پایدار توسط افرادی که از آن‌ها استفاده می‌کنند به خوبی درک می‌شوند و معمولاً به آرامی تکامل می‌یابند و به صورت تدریجی توسعه می‌یابند. هر مرحله نسخه بهتری از فناوری را ارائه می دهد. یک مثال معمولی توسعه موتور احتراق داخلی است که به طور مداوم اصلاح شده است. در همین حال، فناوری‌های مخرب در ابتدا با محدودیت‌های قابل توجهی در مقایسه با فناوری‌های موجود مشخص می‌شوند، اما پتانسیل بهبود چشمگیر در کارایی، کاهش هزینه یا سایر مزایای بسیار مهم را دارند. به عنوان مثال، خودروهای برقی در حال حاضر گران هستند، برد کوتاهی دارند و به دلیل محدودیت باتری نیاز به زمان شارژ طولانی دارند. اما هنگامی که این مسائل حل شوند، احتمالا تمیزتر، کارآمدتر خواهند بود.

فن‌آوری‌های مخرب اغلب افراد تازه وارد را نسبت به متصدی فعلی ترجیح می‌دهند، که منجر به جابجایی سازمان‌ها یا روش‌های کار موجود می‌شود. کریستنسن نمونه ای از IBM (تولید کننده رایانه های بزرگ) را شناسایی می کند که از دهه 1970 توسط Digital Equipment Corporation (DEC) با فناوری جدید مینی رایانه جابجا شد. DEC بعداً توسط تعداد زیادی از شرکت ها (از جمله IBM کوچکتر) که رایانه شخصی را توسعه دادند، جابجا شدند. کریستنسن یک تجزیه و تحلیل دقیق از پیشرفت فناوری در صنعت دیسک انجام می دهد و تجزیه و تحلیل می کند که چگونه فناوری های جدید، که توسط تازه واردان پذیرفته شده اند، می توانند به سرعت سازمان های موجود را با استفاده از فناوری های فعلی جابجا کنند که منجر به ظهور مستمر کسب و کار و شکست کسب و کار می شود. مدیران فعلی ممکن است شاهد آمدن فناوری جدید باشند،17 ]). مدل کریستنسن نشان می‌دهد که فناوری‌های جایگزین جدیدتر و ارزان‌تر در ابتدا دارای نقص‌های قابل توجهی هستند که مانع از غصب فناوری‌های موجود می‌شوند. همانطور که نقص ها کاهش می یابند (شاید با فناوری های پشتیبانی اضافی)، فناوری جدید به سرعت مختل می شود و بخش عمده ای از برنامه های کاربردی فناوری اصلی را به خود اختصاص می دهد ( شکل 1) .). یک مثال از بین رفتن ایستگاه کاری سه بعدی با قیمت بالا است: بهبود چشمگیر فناوری رایانه های شخصی موجود با هزینه بسیار کمتر باعث شد که بازار ایستگاه های کاری سه بعدی کاهش یابد زیرا فقط عملکرد فوق العاده بالا قیمت را تضمین می کند (به عنوان مثال در طراحی به کمک رایانه (CAD) در معماری). تلفن‌های زیرساخت ثابت/خط‌های ثابت به طور قابل‌توجهی با تلفن‌های همراه جایگزین شده‌اند، همانطور که فقدان تلفن‌های عمومی عمومی موجود در بیشتر شهرها نشان می‌دهد. تلفن همراه در ابتدا با برد و عمر باتری محدود بود، اما زمانی که فناوری باتری جدید در دسترس قرار گرفت و دکل های انتقال سیار رایج تر شد، این معایب به سرعت کاهش یافت.

2.3. تأثیرات نهادی

Mazzucuto (2011) [ 8 ] با ذکر مثالی از آیفون که از بیش از 20 فناوری با بودجه دولتی (مانند GPS، باتری‌های با کارایی بالا، ریزپردازنده‌ها، ریزپردازنده‌ها، باتری‌های با کارایی بالا، ریزپردازنده‌ها) بهره‌برداری می‌کند، استدلال می‌کند که فناوری تا حد زیادی توسط تحقیقات دولتی هدایت می‌شود. حافظه حالت جامد و غیره). شکل 2 میزان تحقیقاتی را نشان می دهد که با بودجه دولتی روی محصولات iPod/iPhone ارائه شده توسط اپل و از نظر تجاری نوآورانه در نظر گرفته شده است.

با این حال، این هنوز تا چه حد درست است؟ از نظر تاریخی، دولت‌ها تحقیقات «آسمان آبی» را تأمین مالی می‌کردند، در حالی که سازمان‌های شرکتی بودجه تحقیقات کاربردی بیشتری را تأمین می‌کردند. در حالی که بودجه دولتی سازمان‌های تحقیقاتی قابل توجه است، شرکت‌های فناوری بزرگ مانند گوگل، آمازون، اپل و مایکروسافت اکنون سازمان‌های تحقیقاتی مهمی را اداره می‌کنند و علوم بنیادی را انجام می‌دهند، اما در جایی که همه تحقیقات به صورت عمومی منتشر نمی‌شوند. این توسعه ممکن است منجر به ظهور انحصارطلبی‌ها شود، اگر انحصاراتی مطابق با مدل وابستگی مسیر توصیف شده توسط آرتور نباشد. Srnicek (2017) [ 12] همچنین به این موضوع می‌پردازد و نقش سرمایه‌گذاران خطرپذیر را در ارائه دورهای متوالی تأمین مالی یا رفاه سرمایه‌گذاری مخاطره‌آمیز توصیف می‌کند که به شرکت‌های فناوری که تحقیقات پیچیده‌ای را انجام می‌دهند اجازه می‌دهد طولانی‌تر زنده بمانند و به بقای مالی انتقال دهند.

Mokyr (2016) [ 10 ] استدلال می‌کند که فناوری گاهی اوقات از “تقلب” ناشی می‌شود، یعنی همه توسعه فناوری قابل توجه برنامه‌ریزی نشده است، اما می‌تواند نتیجه اکتشافات تصادفی و نوآوری موقت باشد. این با تمام مدل‌های فوق سازگار است و ممکن است ورودی به مدل وابسته به مسیر و مدل توسعه فناوری جدید کریستنسن در نظر گرفته شود.

2.4. وابستگی مسیر، توسعه پلت فرم و سطوح آمادگی فناوری

آرتور (1987) [ 18] کار بر روی وابستگی مسیر، مدلی از تکامل فناوری را توصیف می کند که در آن شانس تسلط با هر استقرار موفقیت آمیز افزایش می یابد. مزایای کوچک اولیه شانس موفقیت یک فناوری را افزایش می دهد و این مزیت کوچک با دستاوردهای کوچک بیشتر و در نتیجه افزایش شانس موفقیت (وابستگی به مسیر) بزرگتر می شود. فرض این است که یک سرب کوچک می تواند اثر تصاعدی داشته باشد. تسلط اولیه فناوری به نظر تصادفی است، اما در برخی موارد، وابستگی مسیر قطعی تر و در نتیجه قابل پیش بینی تر می شود. پیشنهاد ما این است که این نقطه اوج ممکن است قابل اندازه گیری باشد. وابستگی مسیر توضیحی در مورد فرمت ویدیویی VHS ارائه می‌کند که با وجود اینکه فرمت دوم به طور کلی به عنوان پلتفرم برتر شناخته می‌شود، موفقیت بیشتری نسبت به فرمت Betamax کسب کرد. VHS، عمدتا به دلیل در دسترس بودن محتوای اولیه، در نهایت به تسلط کامل رسید. در این مورد، برتری تکنولوژیکی دلیل نهایی موفقیت یا شکست نبود، بلکه در عوض، ناشی از پذیرش اولیه توسط ارائه دهندگان محتوا بود.

یک مدل مرتبط از بهره برداری از فناوری حول مفهوم پلتفرم ها است. لانگلی و لیشون (2017) [ 11 ] اکوسیستم‌های اجتماعی-فناوری خاصی را شناسایی می‌کنند که از رشد فناوری پشتیبانی می‌کنند و می‌توانند آن را تسریع کنند. این پلتفرم‌ها ممکن است، برای مثال، بازارهای مبادله آنلاین، مانند فروشگاه‌های اپلیکیشن اپل یا اندروید، یا مرتبط با امور مالی، مانند پلت‌فرم‌های تامین مالی جمعی باشند. با توجه به ماهیت توسعه فناوری اطلاعات، مدل پلت فرم یک محرک کلیدی در پذیرش فناوری است. پلتفرم ها اغلب در ابتدا با هم رقابت می کنند، اما ارائه دهندگان برنده مزیت قابل توجهی کسب می کنند و به وابستگی مسیر کمک می کنند. پیامدهای این گذار به سرمایه داری پلت فرم در Srnicek (2017) [ 12 ] توضیح داده شده است.

ارزیابی عینی پیشرفت/اختلال نیازمند معیارهایی از وضعیت/پیشرفت فناوری است. یکی از معیارها، سطح آمادگی فناوری (TRL)، توسط ناسا برای توصیف وضعیت فناوری برای استفاده در مأموریت‌های فضایی ابداع شد و اکنون توسط انجمن اروپایی سازمان‌های تحقیقات و فناوری (EARTO) پشتیبانی می‌شود. این شامل خصوصیات به خوبی تعریف شده و معیارهای مرتبط با وضعیت فناوری در یک حوزه است. اقدامات در شکل 3 نشان داده شده است . به‌عنوان کمی‌سازی شناخته‌شده و خاص حوزه یک وضعیت فناوری، با هدف این مقاله مرتبط است. با این حال، این موضوع به خود اختلال یا نرخ تغییر وضعیت فناوری که می‌تواند با در نظر گرفتن هزینه فناوری در یک دامنه (مثلا TRL/£) یا تغییر TRL در طول زمان اضافه شود، نمی‌پردازد.

2.5. چرخه تبلیغات گارتنر

گارتنر (نگاه کنید به Linden A و Fenn J، 2003) [ 19 ] فرض می‌کند که پیشرفت فناوری را می‌توان به‌عنوان «چرخه هایپ» ( شکل 4 ) در حالی که فناوری «هایپ» می‌شود و سپس به‌عنوان ناتوانی در ارائه به طور کلی به عقب می‌افتد، نشان داد. اما در نهایت دستیابی به ابزار در یک دامنه محدود. انتشار سالانه توسط گارتنر برای بیش از 15 سال برای طیف وسیعی از بخش ها، یک معیار بالقوه اختلال در فناوری گارتنر (2017) است [ 20 ].

مدل چرخه هایپ بیشتر از TRL اندازه گیری می کند و وضعیت را در رابطه با پذیرش نشان می دهد. در حالی که یک اندازه گیری عددی مطلق در دسترس نیست، منطقه ای از نمودار که در آن فناوری وجود دارد، یک اندازه گیری بالقوه است (به عنوان مثال، ساختن به اوج انتظارات، سقوط در حد ناامیدی، و غیره). همچنین یک اندازه گیری نسبی امکان پذیر است که آیتم ها قبل یا جلوتر از سایر موارد در حال پیشرفت در امتداد منحنی هستند.

یک مثال خوب از پیشرفت، واقعیت افزوده است، که بیش از 10 چرخه سالانه به تدریج در این چرخه حرکت کرده است. AR با انتشار عینک Google Glass AR «هیجان‌انگیز» شد، اما آزمایش‌های گسترده مشکلات بلوغ سخت‌افزاری، فقدان نقشه‌برداری دقیق و با وضوح بسیار بالا و غیره را نشان داد و به طور گسترده مورد استفاده قرار نگرفت. با این حال، AR اکنون در مناطق تخصصی ارائه می‌شود که کیفیت داده‌ها بالا است و وزن سخت‌افزار بهتر نسبت به فناوری‌های پوشیدنی، به عنوان مثال، در طراحی خودرو، مشکل کمتری دارد. در این مورد، چرخه تبلیغات پیش‌بینی‌کننده خوبی بود، اگرچه گارتنر آن را به این شکل تبلیغ نمی‌کند. با این وجود، برای اهداف ما، معیار مفیدی از پیشرفت فناوری را ارائه می دهد و معیاری بالقوه برای مقایسه کار ما باقی می ماند.

2.6. تجزیه و تحلیل داده های بزرگ

تجزیه و تحلیل داده های بزرگ، چشم انداز پشتیبانی از روش های دستی فعلی ارزیابی روند فناوری را با اتوماسیون ارائه می دهد. در این مقاله، ما شرح داده های بزرگ را از Mayer-Schoenberger و Cuckier (2013) [ 21 ] اتخاذ می کنیم که داده های بزرگ را از نظر رویکرد تعریف می کند. آنها چهار عنصر اساسی از رویکرد کلان داده را که می توانیم برای تجزیه و تحلیل پیشرفت فناوری از آنها بهره برداری کنیم، ترسیم می کنند. اول، داده سازی، به عنوان فرآیند تولید مشاهدات ساختاریافته از داده‌های بدون ساختار شناسایی شد (نمونه‌ای در اوایل قرن نوزدهم تجزیه و تحلیل روایت در آرشیو سیاهه‌های مربوط به کشتی برای ارائه نقشه‌ها/جدول‌های ناوبری بهتر بود). دوم، استفاده از تمام داده‌ها به جای نمونه‌گیری، که با بهبود ظرفیت‌های محاسباتی و ذخیره‌سازی امکان‌پذیر شده است. سوم، پذیرفتن این نکته که مقادیر زیاد داده معمولاً دارای کیفیت بسیار متغیر هستند، اما کمیت به کاهش مشکلات تغییرپذیری کمک می کند. چهارم، و سرانجام، این ایده که در جایی که نمی توان یک اقدام مطلوب انجام داد، اقدامات نیابتی می تواند جایگزین شود. به عنوان مثال، اندازه گیری از راه دور وضعیت نگهداری املاک و در نتیجه خطر آتش سوزی آنها دشوار است. اما اگر وضعیت تعمیر جلوی ساختمان (که می‌توان آن را با عکاسی انبوه گرفت) با وضعیت نگهداری همبستگی خوبی داشته باشد (و از طریق داده‌های تاریخی همبستگی آن ثابت شود)، می‌توان از آن به عنوان یک معیار مؤثر در آینده استفاده کرد. ما این رویکرد را برای اندازه‌گیری اختلالات فناوری اعمال می‌کنیم (به بخش 4 مراجعه کنید).

دیدگاه‌های مختلف پیشرفت/اختلال فناوری که در بالا مورد بحث قرار گرفت، در شکل 5 خلاصه شده‌اند که تعامل تحقیق را مفهوم‌سازی می‌کند. موضوعات تحقیق بر اساس ارتباط آنها با توسعه فناوری یا تأثیر فناوری به صورت افقی و بر اساس دامنه آنها به صورت عمودی سازماندهی می شوند. مدل های آرتور و کریستنسن دیدگاه های کلی را ارائه می دهند. تحقیقات خاص تر، مانند آنچه در مورد تأثیرات یا پلتفرم های نهادی است، در دسته های خاص تری قرار می گیرند. سپس اقدامات و ابزارهای خاص در زیر گروه بندی می شوند. سپس این سازمان اجازه می دهد تا یک مدل یکپارچه در نظر گرفته شود (قسمت 3).

به طور خلاصه، هر یک از رویکردهای فوق دیدگاهی در مورد چگونگی ارزیابی، مدل‌سازی و اندازه‌گیری بالقوه فناوری و پیش‌بینی روندها ارائه می‌کند. تئوری‌های نامزد بیشتری وجود دارد که ممکن است در ساخت یک مدل/سیستم پیش‌بینی تلفیقی مفید باشد، اما مجموعه بالا برای توصیف رویکردی برای پیش‌بینی فناوری یکپارچه بر اساس تکنیک‌های کلان داده کافی در نظر گرفته می‌شود.

3. توسعه مدل کلی ترکیب فناوری

برای ارائه یک مدل تلفیقی از رشد فناوری که بتوان پیشرفت فناوری را بر اساس آن ارزیابی کرد، باید عناصر کلیدی تحقیق شرح داده شده در بخش 2 را به دست آوریم. همچنین به یک چارچوب یکپارچه برای اندازه گیری نیاز است. این کار ادامه دارد اما پیشرفت آن تا به امروز در اینجا مورد بررسی قرار می گیرد. عناصر کلیدی فناوری در آرتور (2009) [ 7 ] توضیح داده شده است. ما این را با استفاده از زبان مدلسازی یکپارچه (UML)، که در شکل 6 خلاصه شده است، مفهوم سازی می کنیم . آرتور آناتومی فناوری و همچنین تعامل انسان/جامعه با فناوری را شناسایی کرد.

آرتور سه نوع اصلی فناوری را پیشنهاد می کند. فن آوری اساسی، بر اساس یک پدیده (به عنوان مثال، خواص لیتیوم برای باتری های با کارایی بالا). فن‌آوری‌های پشتیبانی، اغلب برای کارکرد یک فناوری اساسی (مانند فناوری‌های شارژ باتری یا خنک‌کننده) و مجموعه‌ای از فناوری‌ها که با هم به عنوان یک فناوری شناخته می‌شوند (مثلاً تلفن هوشمند) مورد نیاز است. او پیشنهاد می‌کند که فناوری‌ها همچنین زبان‌های فنی را توسعه دهند، پالتی از ابزارها/عملکردها را ارائه دهند و مجموعه‌هایی از تخصص را توسعه دهند. در ترکیب همه این عناصر تکامل می یابند.

در عوامل انسانی/اجتماعی مدل آرتور، گروه‌های اجتماعی در تعامل با فناوری مانند خالقان، (افراد، مؤسسات دانشگاهی و سازمان‌های تجاری) و بهره‌برداران وجود دارند. استثمار هم با نیاز و هم با موانع مشخص می شود. اگر وضعیت اکوسیستم های مختلف فناوری را در طول زمان با استفاده از رسمی سازی مدل آرتور ( شکل 6 ) دریافت کنیم، به طور بالقوه می توانیم آنها را با استفاده از مدل کریستنسن (اندازه گیری مطلوبیت/آمادگی آنها در برابر هزینه) مقایسه کنیم ( شکل 7 را ببینید ). برای هر فناوری، می‌توانیم اطلاعات مربوط به اثر مخرب بالقوه آن را اضافه کنیم (همانطور که با TRL/£، موقعیت در منحنی Hype یا شاخص‌های بالقوه دیگر مانند گستردگی جغرافیایی آن مشخص می‌شود). اگر شکل 6به عنوان یک عکس فوری در یک سری زمانی در نظر گرفته می‌شود، سپس ما یک مدل یکپارچه داریم که هم ماهیت فناوری را نشان می‌دهد، آرتور (2009) [ 7 ] و هم اختلال فناوری، کریستنسن (1997) [ 4 ]. کارهای بیشتر برای تولید چنین مدل یکپارچه ای که در UML توضیح داده شده است در حال انجام است.

با مدل فوق ما در نظر می گیریم که چگونه شاخص ها می توانند پیشرفت یک فناوری را مشخص کنند. TRL ممکن است به عنوان معیاری از فناوری در برابر یک دامنه بهره‌بردار استفاده شود. مفهوم حوزه فناوری به جای اینکه به طور صریح توسط آرتور مورد بحث قرار گیرد، ضمنی است، اما جنبه مهمی از آمادگی فناوری است. به عنوان مثال، یک فناوری ممکن است کوچک و سبک باشد، اما به اندازه کافی قوی نباشد که حوزه ماهواره ای را برآورده کند، اما در فناوری دیگری کافی باشد. مدل آرتور نیاز رانندگی به این فناوری را توصیف نمی کند. برای مثال، مدلی را برای نیازهای خاص دامنه یا بازار تعریف نمی کند که منجر به تکامل فناوری یا ایجاد اختلال عملی شود. با این حال، ما معتقدیم که این منطقه نیاز به مدل سازی برای رسیدگی به اثر مخرب دارد.

زمان تنها پارامتر در وضعیت اثر مخرب یک فناوری معین نیست. موقعیت جغرافیایی (شامل منطقه، مجاورت و غیره) نیز یک پارامتر است. این در عناصر متعدد در «آناتومی» آرتور مشهود است. موسسات از نظر جغرافیایی قرار دارند، همانطور که ارائه دهندگان فناوری هستند. آرتور (1994) [ 9 ] اثر مجاورت بر وابستگی مسیر را توصیف می کند. Martin and Moddysson (2011) [ 22 ] و Strambach and Klement (2012) [ 23] به تأثیر مکان بر انتشار دانش نگاه کنید. در نهایت، اندازه‌گیری وضعیت دانش مربوط به یک فناوری بالقوه مخرب در مکان و زمان به شناسایی اختلالات بالقوه کمک می‌کند و این موضوع به عنوان یک موضوع کلیدی برای بررسی بیشتر شناسایی شده است. همچنین مسئله اختلال از طریق «پراکندگی» وجود دارد. کریستنسن (1997) [ 4 ] و آرتور (1997) [ 9] هر دو اختلال را به عنوان شروع در یک محدوده محدود و سپس پراکندگی (حرکت به مناطق کاربردی جدید یا گسترش جغرافیایی) می‌دانند، و مدیران فعلی را غافل می‌کند. در حالی که استدلال هایی وجود دارد که دامنه و پراکندگی جغرافیایی اختلال یکسان نیست، این مقاله استدلال می کند که آنها بخشی از یک اکوسیستم هستند. اختلال در اثر باید در یک “مکان” احساس شود. در حالی که توسعه فناوری ممکن است در یک مکان واحد اتفاق بیفتد، اثر مخرب جغرافیایی است (در مکان‌های مختلف در زمان‌های مختلف اتفاق می‌افتد).

Mazzucato نشان می دهد که رشد فناوری به طور قابل توجهی توسط تحقیقات با بودجه دولت هدایت می شود. اگر چنین است، با بررسی پیشرفت تحقیقات دولتی و در نظر گرفتن آن در رابطه با شکاف های خاص حوزه، یک شاخص بالقوه از اختلال در آینده ارائه می شود. تحقیق در مورد سرمایه داری پلت فرم (لانگلی و لیشون، 2017 [ 11 ]؛ سرنیچک، 2017 [ 12]])، نشان می دهد که فناوری ها دارای یک اکوسیستم (فرآیندها، شیوه ها و ابزارها و حتی اصطلاحات/زبان) هستند. پلتفرم تجسمی از مدل فناوری خوشه آرتور است. انواع مختلفی از پلتفرم ها از جمله فناوری (به عنوان مثال، پلتفرم های رسانه موسیقی، فروشگاه های برنامه) و مالی (به عنوان مثال، مدل های تامین مالی جمعی) وجود دارد. شناسایی معیارهایی (سطح پذیرش، سطح بودجه و غیره) که امکان تجزیه و تحلیل پیشرفت این پلتفرم‌ها را فراهم می‌کند، قابل اجرا است. Brackin و همکاران (2014) [ 24 ] پیشنهاد کردند که در مورد تکامل گوشی های هوشمند، پلتفرم معمولاً مرحله دوم در تکامل فناوری است، که در آن مرحله اول ایجاد گروه کافی از فناوری ها برای ارائه پلت فرم است. ( شکل 8 ).

پس از ایجاد، یک پلت فرم ورود آسان/سریع را برای توسعه دهندگان تسهیل می کند و در نتیجه، سطح قابل توجهی از بهره برداری را فراهم می کند، زیرا هزینه توسعه برنامه های جدید نسبتا پایین است و بازار گسترده ای برای برنامه های ایجاد شده وجود دارد.

این مدل نشان می‌دهد که در حالی که فناوری‌های بنیادی منفرد ممکن است اثر مخرب قابل‌توجهی داشته باشند، ترکیبی از فناوری‌ها (به عنوان مثال پلتفرم گوشی‌های هوشمند) ممکن است تأثیر مخربی داشته باشند. نظارت بر رشد چنین فناوری های مشتق شده ای به طور بالقوه آسان تر است. در بخش 4 ما در نظر می گیریم که چگونه ممکن است بتوان بر تکامل چنین فناوری های مؤلفه ای به یک فناوری ترکیبی یا دامنه جدید، مخرب نظارت کرد.

4. مهار قدرت اندیکاتورها

در بالا مدل‌های احتمالی تکامل فناوری را در نظر گرفته‌ایم. اکنون ما در نظر می‌گیریم که آیا می‌توان دامنه نتایج فن‌آوری – به‌ویژه موفقیت فناوری از نظر پذیرش – را محدود کرد، که هدف‌گذاری یا تحقیق و توسعه بیشتر را آگاه‌تر کرد و امکان کاهش ریسک را از نظر عدم قطعیت فراهم کرد. بر اساس مدل‌های بخش 3، ما چگونگی تولید شاخص‌های قابل اندازه‌گیری را در نظر می‌گیریم که ممکن است عدم قطعیت نتیجه فناوری را کاهش دهد، شاخص‌هایی را برای مداخله در سیاست‌ها فراهم می‌کند و امکان بهره‌برداری یا کاهش زودتر را فراهم می‌کند. بسیاری از تلاش‌های قبلی برای پیش‌بینی موفقیت فناوری وجود داشته است و موفقیت بهتر از تصادفی نبوده است (برای مثال، استراتژی صنعتی «انتخاب برندگان» که توسط دولت کارگری بریتانیا در دهه‌های 1960 و 1970 دنبال شد، که در صورت پیشنهاد،25 ]). ما توضیح می‌دهیم که چرا رویکرد ما، در حالی که موفقیت پیش‌بینی را در تمام مراحل چرخه تکامل فناوری نوید نمی‌دهد، پتانسیل کاهش ریسک و پوشش عدم قطعیت در پیش‌بینی در تمام مراحل را از نقطه شروع وابستگی به مسیر ارائه می‌دهد.

رویکردهای عمومی برای پیش‌بینی فناوری (مثلاً کمیته‌های خبره) به خوبی تثبیت شده‌اند. این مقاله نشان می‌دهد که شناسایی خودکار و خاص دامنه دامنه‌ای از روندها در طولانی‌مدت ممکن است شاخص‌هایی از دامنه نتایج احتمالی را ارائه دهد و بنابراین به استراتژی کمک کند. گزارش‌های NRC، که گسترده‌ترین بررسی موضوع پیش‌بینی است، بر طیف گسترده‌ای از روش‌های پیش‌بینی تمرکز می‌کند و برخی ابزارها را شناسایی می‌کند، اما بر معیارهای عینی پیشرفت فناوری یا شاخص‌های بالقوه آن تمرکز نمی‌کند، که با استفاده از تجزیه و تحلیل داده‌های بزرگ ارائه می‌شوند. هدف تحقیق رفع این غفلت است.

در بسیاری از زمینه‌های تجزیه و تحلیل داده‌ها، استفاده از شاخص‌ها به دلیل سطح بی‌سابقه اطلاعات موجود از طریق اینترنت و در دسترس بودن داده‌های بزرگ امکان‌پذیر است. Mayer-Schoenberger و Cuckier (2013) [ 21 ] استدلال می کنند که داده های بزرگ تجزیه و تحلیل را از طریق اندازه گیری های غیرمستقیم فراهم می کند. به عنوان مثال، نظارت بر پیشرفت یک اپیدمی آنفولانزا از طریق موقعیت جغرافیایی پرسش‌های جستجو از قربانیان احتمالی (افرادی که علائم را در گوگل جستجو می‌کنند تا ببینند ممکن است تحت تأثیر قرار گرفته باشند، با استفاده از آدرس‌های شبکه (IP) خود). مزیت اصلی این نسبت به ارقام دولتی سرعت نشان دادن بود. در واقع، تقریباً یک قابلیت نظارت در زمان واقعی (حسگر مجازی) برای اندازه‌گیری گسترش جغرافیایی ویروس فراهم می‌کند.

ما پیشنهاد می کنیم که یک رویکرد تجزیه و تحلیل کلان داده را می توان برای پیش بینی اختلال در فناوری اعمال کرد. اقدامات ممکن شامل شناسایی یا رتبه‌بندی مجموعه‌ای از محتمل‌ترین فناوری‌های مخرب در مجموعه‌ای از حوزه‌ها یا احتمال اختلال در یک فناوری معین در طول زمان و مکان است. هدف این پژوهش بهره‌برداری از شاخص‌های مستقیم و غیرمستقیم همبسته اما غیرمعلولی است. دقت پیش‌بینی ممکن است تنها اجازه محدود کردن مجموعه بالقوه فناوری‌های مخرب را به جای یک پیش‌بینی خاص بدهد، اما همچنان از طریق تمرکز بر روی آن فناوری‌های خاص در یک حوزه، ارزش دارد. این با سایر استراتژی های تجزیه و تحلیل کلان داده سازگار است.

ما فرصت استفاده از تکنیک های تحلیل داده های بزرگ را از سه جنبه در نظر می گیریم. اولاً، یک عنصر کلیدی در توسعه و بهره‌برداری از شاخص‌ها، داشتن یک مدل کافی از سیستم در حال اندازه‌گیری است تا بتوان شاخص‌ها را در چارچوب قرار داد و مورد بهره‌برداری قرار داد (بخش 2، بالا را ببینید). در مرحله دوم، شاخص های بالقوه ای که می توانند تولید شوند، در نظر گرفته می شوند. با استفاده از تکنیک‌های کلان داده و داده‌های منبع اینترنتی، بعید است که چنین شاخص‌هایی معیار مستقیم علی را ارائه دهند. سوم، و در نهایت، روشی برای اعتبارسنجی رویکرد شاخص.

این مقاله سعی نمی‌کند یک معماری تجربی را به طور کامل توصیف کند تا طیفی از شاخص‌ها را برای پر کردن مدل‌های شرح داده شده در بالا ارائه دهد. توسعه بستری برای انجام این کار در حال انجام است و موضوع مقالات بعدی در این زمینه توسط نویسندگان خواهد بود. با این حال، ما آن را مفید می دانیم که حداقل یک مثال عملی از استفاده از داده های عمومی برای ارزیابی اختلال در رابطه با یکی از جنبه های مدل فوق را بررسی کنیم. برخی از تکنیک‌های کلان داده اعمال می‌شوند (به‌ویژه معیارهای پروکسی) اما ما این آزمایش را به‌عنوان کاربرد «داده‌های بزرگ» به معنای واقعی آن نمی‌دانیم. این یک اثبات قبل از مکان نما برای مفهوم است که نشان می دهد شاخص ها می توانند بینشی در مورد اختلال ارائه دهند.

برای انجام این کار، مثالی از توسعه پلت فرم تلفن هوشمند به عنوان یک مورد آزمایشی در نظر گرفته شده است (قسمت 5، زیر) و ارتباط آن با مدل نشان داده شده در شکل 8 . پلتفرم گوشی های هوشمند یک فناوری و اکوسیستم است که در محدوده زمانی داده های موجود قرار دارد (یعنی اطلاعات هنوز در مورد پیشرفت فناوری های تلفن هوشمند در اینترنت در دسترس است تا امکان بازگشت به عقب را فراهم کند) و همچنین یک مدل چرخه کامل، از فناوری اصلی تا توسعه یک پلتفرم و متعاقب آن توسعه فناوری هایی با استفاده از آن پلتفرم در انفجار برنامه هایی که امروز شاهد آن هستیم. همانطور که توسط Mazzacuto (2011) [ 8 ] مشخص شد، پیوندهای قوی به تحقیقات نهادی نیز وجود دارد .

دو عنصر کلیدی باید اندازه گیری شوند. اولین مورد، وضعیت در حال تکامل مدل فناوری و تأثیر آن (اختلال) است. دوم پویایی مدل است. چگونه با گذشت زمان تکامل می‌یابد و از چه الگوهای واضحی می‌توان برای محدود کردن دامنه جهات ممکن استفاده کرد. اینها عناصر کلیدی هر «سیستم نظارتی» برای تکامل فناوری هستند. شاخص ها ممکن است ظریف و تقریباً به طور قطع غیرمستقیم باشند. همچنین یک عنصر جغرافیایی برای توسعه فناوری وجود دارد (اثر آن نه تنها در زمان، بلکه در مکان نیز پیشرفت می کند). هر یک از این جنبه ها در نظر گرفته شده است.

به عنوان اولین آزمایش برای شناسایی اینکه آیا رویکردهای Mayer-Schoenberger و Cuckier (2013) [ 21 ] برای پیش‌بینی فناوری به‌کار گرفته شده‌اند، به‌ویژه: استفاده از داده‌ها/تحلیل‌ها به جای معیارهای ذهنی برای توصیف اختلال. تجزیه و تحلیل تمام داده های جمع آوری شده از یک منبع (در این مورد اپل و اوبر)، و؛ با استفاده از یک معیار پروکسی که در آن اندازه گیری مستقیم امکان پذیر نیست، یک آزمایش اولیه انجام شد. این آزمایش گسترده ای نبود که از کل مدل توضیح داده شده در قسمت 2 استفاده کند، بلکه در عوض، یک اثبات مفهوم با استفاده از داده های تاریخی در جایی که نتیجه از قبل شناخته شده است اجرا می شود، بنابراین یک مورد آزمایشی ارائه می دهد.

سوال مطرح شده این بود، “آیا می توان تشخیص داد که آیا گسترش جغرافیایی اختلال در طول زمان از طریق وب سایت هایی که از یک فناوری خاص بهره برداری می کنند قابل اندازه گیری است یا خیر”؟ به طور خاص، ما در نظر گرفتیم که آیا می‌توانیم از شاخص‌هایی برای اعتبارسنجی مدل نشان‌داده‌شده در شکل 8 استفاده کنیم که نشان‌دهنده یک تاخیر زمانی از در دسترس بودن فناوری تا اثر مخرب از یک برنامه بهره‌برداری است. فناوری انتخاب شده، گوشی هوشمندی بود که تعیین می‌کرد آیا می‌توانیم توزیع جغرافیایی تلفن‌های هوشمند را در طول زمان با اثر بهره‌برداری/اختلال‌آمیز، که مجدداً از نظر جغرافیایی در طول زمان تغییر می‌کند، یک برنامه کاربردی شناخته شده (در مورد ما برنامه مدیریت تاکسی Uber) مرتبط کنیم یا خیر.

5. پیشرفت فناوری: مطالعه موردی

مطالعه موردی زیر دو عنصر از پیشرفت تلفن هوشمند را در نظر می گیرد. اول، تکامل گوشی‌های هوشمند به‌عنوان یک فناوری و چگونگی توسعه آن به یک پلتفرم، و دوم، اثر پلتفرم که منجر به استفاده از برنامه‌های مخرب فردی از فناوری (و به ویژه گسترش جغرافیایی آنها) می‌شود.

پلتفرم گوشی های هوشمند امروزی با معیارهای آرتور (2009) [ 9 ] برای حوزه فناوری مطابقت دارد. این مجموعه ای از فناوری ها است که در ترکیب آنها یک پلت فرم قدرتمند ارائه می کنند. همچنین از الگوی پلت فرم شرح داده شده در Langley and Leyshon (2017) [ 11 ] و Srnicek (2017) [ 12 ] پیروی می کند. پلتفرم گوشی های هوشمند بیشتر از فناوری موجود در خود گوشی است. این حتی در مورد نسل های قبلی تلفن همراه (که به شبکه تلفن همراه وابسته بودند) نیز صادق بود. پلتفرم گوشی های هوشمند شامل اینترنت، زیرساخت فروشگاه برنامه های پشتیبانی کننده، تجارت الکترونیکی، رسانه های اجتماعی، نقشه برداری و اطلاعات مسیریابی و منابع سنجش آنلاین است. شکل 9 را ببینید .

این فناوری‌ها به خوشه‌های بیشتر و در نهایت به فناوری‌های بنیادی خاص (مانند استفاده از شیمی لیتیوم برای ساخت باتری‌های کارآمدتر) تقسیم می‌شوند.

همچنین رقابتی بین پلتفرم‌های احتمالی وجود داشت، مطابق با فرض آرتور که در ابتدا طیف وسیعی از فناوری‌ها شانس موفقیت را دارند. در آغاز عصر گوشی‌های هوشمند، بین سال‌های 2000 تا 2006، مجموعه‌ای از شرکت‌ها از جمله نوکیا، موتورولا، بلک‌بری، سونی و مایکروسافت در این بازار فعال بودند. از سال 2006 تا 2007 بود که گوشی های هوشمند با کیفیت صفحه نمایش و تعامل کافی (مثلاً سیستم عامل آیفون و iOS اپل و سازنده، گوشی های اچ تی سی از سیستم عامل اندروید) برای پشتیبانی از برنامه های پیشرفته در دسترس قرار گرفتند. توسعه یافته.

پلتفرم دو طرفه یکپارچه منحصربه‌فرد اپل (شامل سخت‌افزار iPod/iPhone، رابط کاربری آسان و پلت‌فرم iTunes) به‌طور یکپارچه به نقش ارائه قابلیت اولیه گوشی‌های هوشمند پرداخت. همانطور که مشخص شد، احتمال موفقیت آن از پایین، به عنوان یکی از بسیاری، به یک موقعیت مسلط تغییر کرد. موفقیت این پلتفرم ماهیت یکپارچه آن بود، بنابراین سخت افزار واقعی تلفن لزوما حیاتی نبود. مهمتر یکپارچه سازی وب بود. اپل همچنین با فروشگاه‌های خود که محصولات و پشتیبانی در محل را ارائه می‌دهند، این تجربه را یکپارچه‌تر کرد. این به خودی خود یک اختلال تجاری قابل توجه بود و کنترل پلتفرم را از اپراتورهای شبکه به اپل و ارائه دهندگان سیستم تلفن هوشمند منتقل کرد. گوشی‌های هوشمند هنوز در سطح جهانی در دسترس نیستند، زیرا برخی از کشورهای فقیرتر هنوز از فناوری ساده‌تر تلفن همراه استفاده می‌کنند. برای کارکرد تلفن‌های هوشمند ضروری است که زیرساخت‌های ارتباطی/سلولی با قابلیت داده کافی (مثلاً فناوری 3G) وجود داشته باشد، به‌علاوه حساسیت‌های قیمتی در کشورهای در حال توسعه وجود دارد (ثروت فردی در مقایسه با هزینه تلفن‌های هوشمند در آن زمان). از این رو، گوشی های هوشمند با مدل آرتور (2009) مطابقت دارند.7 ] و کریستنسن (1997) [ 4 ]، که فن آوری ها توسط ضعیف ترین حلقه خود (در این مورد در دسترس بودن زیرساخت های ارتباطی و هزینه تولید) محدود می شوند.

با گذشت زمان، گوشی‌های هوشمند به دلیل فناوری‌هایی مانند باتری‌های لیتیومی و سایر پیشرفت‌های اساسی که باعث کاهش وزن و افزایش زمان اجرا می‌شوند، قابلیت استفاده در بازار مصرف‌کننده گسترده‌تر را افزایش داده‌اند. در نتیجه، تلفن‌های هوشمند به نقطه اوج رسیدند (گلادول، 2000) [ 26 ] تا ابتدا مخل، اما سپس به یک فناوری فعلی تبدیل شوند که از بسیاری از برنامه‌ها (تلفن، ناوبری، تعامل اجتماعی، عکاسی و غیره) پشتیبانی می‌کند. هنگامی که تلفن هوشمند به عنوان یک پلتفرم توسعه یافت، فرصتی برای توسعه دهندگان خارجی برای سوء استفاده از پلتفرم وجود داشت (Simon, 2011 [ 27]])، اما این فرآیند زمان می برد. تلفن‌های هوشمند اولیه به مرور وب و ناوبری اولیه محدود می‌شدند، اما پس از یک سری تکرار از پلتفرم و مدل‌های تجاری، برنامه‌های پیچیده‌تری مانند Airbnb و Uber توسعه یافتند. توانایی بهره برداری از پلتفرم ممکن است صرفاً فنی نباشد. همچنین به داده های موجود (رسانه های اجتماعی، داده های نقشه برداری و غیره) یا نیاز بازار (قابلیت مالی) توسط پلت فرم مربوط می شود. یکی از عناصر کلیدی پیشرفت، کاهش قابل توجه هزینه ورود برای ارائه یک پیشنهاد تجاری است، زیرا سطح ذاتی پلت فرم از پشتیبانی برای توزیع آسان، پشتیبانی سیستم پرداخت، داده ها و غیره است. مشاغل موجود؛ براکین، هوبونا و جکسون (2014) [ 24 ] این ویژگی را که درشکل 8 (تشخیص تاخیر قابل توجهی از استقرار پلت فرم تا اختلال برنامه. در این مدل تاخیر زمانی استقرار نیز می تواند به دلیل محدودیت های نظارتی، قانونی یا ایمنی باشد (به عنوان مثال، در مورد Uber).

سیستم موقعیت یاب جهانی (GPS) در اکثر گوشی‌های هوشمند تا 11 جولای 2008 در دسترس نبود، زمانی که اپل آیفون 3G را در ایالات متحده عرضه کرد، که همچنین قابلیت ناوبری گام به گام از تلفن را ارتقا داد. بنابراین، ما می توانیم این تاریخ را به عنوان تولد واقعی خدمات مبتنی بر مکان فراگیر (LBS) در نظر بگیریم. پذیرش در سطح جهانی هماهنگ نبود. عرضه آیفون و گوشی اندرویدی اچ تی سی سه ماه بعد با استقبال بسیار زیادی در ایالات متحده مواجه شد. الگوی پذیرش این بود که کشورهای ثروتمندتر به سرعت پذیرفته شدند و کشورهای جهان سوم دیرتر به عقب افتادند. چندین منبع، (به عنوان مثال، اریکسون موبیلیتی گزارش (2012-2017) [ 28] نشان می دهد که در سال 2015، در حالی که بیش از 75 درصد از تلفن ها در ایالات متحده را تلفن های هوشمند تشکیل می دادند، این تنها در مورد 48 درصد از گوشی های کشورهای اروپایی و برای کشورهای جنوب صحرای آفریقا تنها 25 درصد صادق بود. توانایی استقرار خدمات تاکسی مبتنی بر LBS (مانند Uber) با در دسترس بودن تلفن هوشمند به عنوان یک پیش نیاز ضروری تسهیل می شود، اما به آن محدود می شود.

به عنوان مثالی از یک برنامه مخرب (که کاندیدای مدل نشان داده شده در شکل 8 است ) Uber (برنامه تاکسی مبتنی بر گوشی های هوشمند) را در نظر می گیریم. اوبر که در سال 2012 راه اندازی شد، به یک تجارت جهانی تبدیل شد که در صدها شهر در سراسر جهان فعالیت می کند. اوبر با مدل نشان داده شده در شکل 8 مطابقت دارد زیرا هدف اصلی فناوری تلفن هوشمند مجهز به مکان (که بیشتر بر برنامه هایی مانند ناوبری متمرکز بود) نبود.

برنامه Uber منجر به اختلال قابل توجهی در صنعت تاکسی در سراسر جهان شده است. اخلال آور است زیرا شکاف های حیاتی در خدمات سنتی تاکسی و مینی کابین، به ویژه در شهرها را با ارائه سرویسی به راحتی در دسترس، اطلاعات در دسترس بودن/وضعیت، و پرداخت سریع، که همگی از طریق یک پلتفرم به دست می آیند، برطرف می کند. برای رانندگان، یک مدل تجاری انعطاف‌پذیر و دسترسی به مجموعه وسیع‌تری از مشتریان نسبت به مشتریانی که به رتبه تاکسی نزدیک می‌شوند، ارائه می‌دهد. همچنین پرداخت را تضمین می‌کند و رانندگان را از نیاز به حمل پول نقد رها می‌کند (اگرچه این امر در نهایت به بازار هر کشور بستگی دارد – اوبر باید هم به آداب و رسوم تاکسی محلی و هم در دسترس بودن کارت‌های اعتباری برای ثبت پرداخت پاسخ می‌دهد). اوبر برای توسعه به حداقل منابع فیزیکی یا انسانی مستقیم نیاز دارد (در واقع یک مدل امتیازی است، بر اساس مالک/رانندگان) و فرآیند سفارش تاکسی از طریق برنامه کاملاً خودکار است و نیاز به کارکنان مرکز تماس را از بین می‌برد. در نتیجه، کسب و کار می تواند به سرعت «مقیاس» شود.

مسائل قضایی (به عنوان مثال قوانینی که قبلا تصور شده و در تضاد با رویکردهای فناوری جدید است) و همچنین مخالفت مستقیم متصدیان فعلی وجود دارد، اما یک پیش نیاز کلیدی برای استقرار Uber در دسترس بودن و پذیرش پلت فرم تلفن هوشمند است. در بخش 2 پیشنهاد شد که اختلال در یک برنامه تنها زمانی رخ می دهد که از نظر فنی به دلیل بسیاری از عوامل امکان پذیر باشد. این موارد در شکل 10 برای Uber خلاصه شده است.

با در نظر گرفتن تکامل پلت فرم تلفن هوشمند مجهز به مکان و یک برنامه مخرب کلیدی، آیا می توان به طور عینی پیشرفت گوشی هوشمند و برنامه مخرب را بر اساس آن اندازه گیری و مقایسه کرد؟ Uber یک برنامه مخرب است که از یک نیاز (که توسط بنیانگذاران Uber شناسایی شده است) ایجاد شده است که می تواند توسط یک فناوری جدید در دسترس برطرف شود. یک سوال کلیدی این است که آیا بین در دسترس بودن فناوری تلفن هوشمند مجهز به موقعیت مکانی و در دسترس بودن Uber به روشی که مدل نشان داده شده در شکل 8 نشان می دهد، تاخیر وجود دارد، و اگر چنین است، آیا این تاخیر قابل اندازه گیری است؟ این موضوع آزمایشی است که در قسمت 6 توضیح داده شده است.

6. آزمایش: در دسترس بودن گوشی هوشمند در مقابل برنامه های مخرب

به منظور ارزیابی اینکه آیا مدل نشان داده شده در شکل 8 معتبر است یا خیر، و برای تلاش برای به دست آوردن اندازه گیری عینی از تاخیر زمانی که در یک موقعیت واقعی پیش بینی می کند، آزمایشی ابداع شد که ارزیابی تاریخی در دسترس بودن فناوری گوشی های هوشمند را انجام داد (هم از نظر جغرافیایی و هم در زمان) در برابر استقرار Uber (برنامه مخرب). هدف پاسخ به این سوال بود که “آیا ما می توانیم به طور عینی و مقایسه ای پیشرفت هر دو را در 10 سال گذشته اندازه گیری کنیم”.

داده‌های اریکسون که در بخش 5 توضیح داده شد، نشان‌دهنده‌ای از گسترش جغرافیایی پلت‌فرم موبایل در طول زمان است، اما اطلاعات درشت است. اندازه گیری دقیق تری لازم بود. بنابراین، یک شاخص پروکسی برای اندازه‌گیری گسترش فناوری گوشی‌های هوشمند در راستای رویکرد داده‌های بزرگ (معیار پروکسی همبسته) در نظر گرفته شد. اپل بیش از یک دهه است که یکی از تامین کنندگان پیشرو گوشی های هوشمند بوده است و گوشی ها را مستقیماً به مشتریان می فروشد، بنابراین حضور اپل استور ممکن است به عنوان یک پروکسی، سطح جذب گوشی های هوشمند را بر اساس کشور یا منطقه نشان دهد. فرض این است که وجود یک فروشگاه اپل در یک شهر، نشانگر خوبی از در دسترس بودن گسترده تلفن های هوشمند در آن مکان است (یا حداقل استقرار آن مدت کوتاهی پس از آن انجام خواهد شد). از آنجایی که آیفون ها از منابع دیگر در دسترس هستند، دست کم گرفته می شود. اما انتظار می رود که ارتباطی با خرید تلفن داشته باشد. اپل در طول سالیان متمادی فهرستی از مکان های فروشگاه را در وب سایت خود منتشر کرده است. این آزمایش با خراش دادن این مکان‌ها از وب‌سایت اپل و تجزیه و تحلیل آنها از این موضوع بهره‌برداری کرد. همین رویکرد برای Uber اعمال شد که فهرستی از مکان‌هایی را که خدمات در وب‌سایت خود در دسترس هستند منتشر می‌کند. خوب است که یک اندیکاتور پروکسی در مقابل یک اندیکاتور واقعی اعتبار سنجی کنید. بهترین رویکرد ممکن در این مورد، مقایسه پیش‌بینی گسترش اپل با پیش‌بینی اریکسون بود. این دو الگوهای استقرار مشابهی را نشان می‌دهند و بنابراین پیشنهاد می‌شود که افتتاح فروشگاه اپل حداقل معیاری بدتر نیست و به طور بالقوه دقت بیشتری ارائه می‌دهد. اقدامات دیگری نیز وجود دارد، برای مثال استقرار دکل تلفن همراه، اما هیچکدام به راحتی قابل دسترسی نیستند.

سلامت فروشگاه های اپل به عنوان معیاری معتبر برای در دسترس بودن گوشی های هوشمند نیاز به اعتبارسنجی دارد. اپل تنها یکی از تامین کنندگان گوشی های هوشمند است. با این حال، از آنجایی که معیار مورد نیاز این بود که «آیا گوشی‌های هوشمند به طور گسترده در شهر مورد علاقه توزیع شده‌اند» و اپل بخش قابل توجهی از بازار را به خود اختصاص داده است (نزدیک به 50 درصد در طول دوره مطالعه)، در دسترس بودن فروشگاه اپل معیار معتبری است. در دسترس بودن گوشی های هوشمند، زیرا بعید است که در دسترس بودن گوشی های هوشمند بدون حضور اپل گسترده شود. موارد خاصی وجود دارد، اما شماره‌های فروشگاه اپل یک ویژگی قابل اندازه‌گیری است و همانطور که در بالا بحث شد، یک پروکسی کلی معتبر برای در دسترس بودن گوشی‌های هوشمند است.

یک رویکرد مشابه برای شناسایی رخدادها برای هر دو وب سایت، اپل (مکان فروشگاه) و Uber (محل خدمات) اعمال شد. هر دو وب سایت وضعیت فعلی سرویس (فروشگاه ها یا خدمات) را توصیف می کنند، اما برای به دست آوردن جزئیات در یک دوره (به عنوان مثال در هر سال) از موتور Wayback بایگانی اینترنت استفاده شد که عکس های فوری تاریخی منظمی از وب سایت های موجود (اپل و اوبر) ارائه می دهد. داده ها در 12 سال گذشته در دسترس بود. صفحات اپل و اوبر در دهه گذشته به طور خودکار برای شهرهای فهرست شده حذف شدند. نام هر شهر شناسایی شده دارای کد جغرافیایی (همچنین با استفاده از کشور/منطقه به عنوان واجد شرایط) با روزنامه منبع باز GeoNames بود. نتایج ضبط به صفحه گسترده OpenOffice (برای نمایش نتایج جدول بندی شده) و توسط QGIS (یک بسته منبع باز GIS) برای تجسم نتایج به صورت جغرافیایی وارد شد.شکل 11 .

مکان‌های فروشگاهی که در دهه گذشته بایگانی وب‌سایت اپل را جمع‌آوری کرده‌اند، جدول‌بندی و مرتب شده‌اند و به‌صورت جداول و جغرافیایی نمایش داده می‌شوند. خروجی های جدولی و جغرافیایی به ترتیب در شکل 12 و شکل 13 نشان داده شده است .

شماره سلول تعداد فروشگاه های باز شده در آن کشور در هر سال را نشان می دهد. این به طور بالقوه ارزیابی دقیق تری از استقرار گوشی های هوشمند ارائه می دهد. این معیار میزان پذیرش کشور، منطقه و مکان را نشان می دهد. شکل 12 نشان می‌دهد که اولین فروشگاه‌های خارج از ایالات متحده در سال 2006 در لندن و بلفاست، به دنبال آن تعداد انگشت شماری از مکان‌ها در سال 2010، و سپس گسترش قابل توجهی در سال 2017 بودند.

همبستگی تعداد فروشگاه‌ها با استقرار گوشی‌های هوشمند تنها می‌تواند نشان‌دهنده باشد زیرا اولاً اپل تنها عرضه‌کننده گوشی‌های هوشمند نیست و ثانیاً آیفون‌ها فقط در فروشگاه‌های اپل فروخته نمی‌شوند. اما معیاری نسبی از سطوح پذیرش گوشی هوشمند در یک کشور/محل ارائه می دهد. الگوی نتایج شباهت‌های زیادی را بر اساس منطقه‌ای با مطالعه اریکسون نشان می‌دهد، که اعتبارسنجی مقیاس مبتنی بر فروشگاه اپل از استقرار گوشی‌های هوشمند را ارائه می‌کند.

به طور مشابه، مکان‌ها از وب‌سایت Uber (همانطور که در Wayback Engine بایگانی شده‌اند) برای هر سال از سال 2012 جمع‌آوری شدند (با خراش دادن خودکار) و دسته‌بندی شدند. نتایج در شکل 14 (جدول) و شکل 15 (از لحاظ جغرافیایی) برای 20 کشور برتر که Uber در آنها مستقر شده است، ارائه شده است.

نتایج برای سه سال نمایندگی از بالا به صورت جغرافیایی نشان داده شده است.

الگوی گسترش جغرافیایی Uber نشان‌دهنده استقرار اولیه در یک یا دو شهر (معمولاً پایتخت‌ها) در یک کشور خاص و سپس گسترش آن به دیگر شهرهای بزرگ در سال‌های بعد است. این ممکن است صرفاً به این دلیل باشد که شهرهای بزرگ از نظر مشتریان بالقوه، با جرم بحرانی، محیط نظارتی را آزمایش می‌کنند، مناسب‌ترین مکان هستند، اما آن‌هایی که در شهرها زندگی می‌کنند احتمالاً بیشترین تعداد تلفن‌های هوشمند (در مجموع و سرانه) را دارند. )، به دلیل تراکم جمعیت بالا، سطح بالای ثروت، و در دسترس بودن بالای 4G و نقاط باند پهن.

آمار استقرار منطقه‌ای Uber نشان می‌دهد که استقرار با در دسترس بودن تلفن‌های هوشمند (برگرفته از نظرسنجی‌های Ericsson Mobility) مطابقت دارد و از آن عقب‌تر است. پس از ایالات متحده، اوبر اولین خدمات خود را در فرانسه قرار داد، اما سپس به سرعت به شرق آسیا رفت که بیشترین تراکم استفاده از گوشی های هوشمند را در خارج از آمریکای شمالی نشان می دهد (نتایج در شکل 16 نشان داده شده است.). در حالی که استقرارهای بیشتری مانند اروپا انجام شد، به نظر می رسد که آسیای شرقی توسط اوبر اولویت داده شده است. تنها در سال 2014/2015 استقرار قابل توجهی در آمریکای جنوبی وجود دارد و این با جذب کم گوشی های هوشمند در مقایسه با دستگاه های استاندارد در آن منطقه مرتبط است. به طور مشابه، آفریقا گزینه اولیه برای استقرار نبوده است. با این حال، با مقایسه نتایج Uber با افتتاحیه های فروشگاه اپل، اندازه گیری پروکسی (نتایج در شکل 12 ، شکل 13 ، شکل 14 و شکل 15)، نشان می دهد که سطحی از همبستگی ظاهری بین افتتاح فروشگاه اپل در یک کشور و Uber که خدمات خود را با استفاده از معیارهای ترتیب باز شدن شهر/کشور و تاخیر در سال ها به کار می گیرد، وجود دارد. اولین اتفاق افتتاح فروشگاه اپل در یک کشور و استقرار اوبر در یک کشور جدول بندی شد. نتایج هر دو بر اساس تاریخ مرتب شدند. در ابتدا اپل چند سال قبل از اوبر قدمت داشت. این فاصله به مرور زمان کاهش می یابد. شکل 16 همبستگی 10 کشور برتر را با فروشگاه های اپل و خدمات اوبر نشان می دهد. سال استقرار اپل و اوبر در هر کشور با یک خط سیاه نشان داده شده است. 10 فروشگاه برتر اوبر و اپل با استقرار (100٪) با اپلی که بین دو تا هشت سال عقب مانده است، مرتبط است.

همچنین یک تاخیر زمانی وجود دارد (مطابق با گزاره نشان داده شده در شکل 8).اوبر چندین سال پس از افتتاح فروشگاه اپل در یک شهر (و معمولاً زمانی که تعداد فروشگاه‌های اپل در یک کشور به دو رقم می‌رسد) آن را دنبال می‌کند. استثناها وجود دارد: Uber تنها دو سال پس از یک فروشگاه اپل در فرانسه مستقر شد، که احتمالاً توسط فولکلور Uber توضیح داده شده است. در دسترس بودن گوشی‌های هوشمند تنها عامل نیست، بنابراین انتظار نمی‌رود که همبستگی کامل وجود داشته باشد، اما نتایج نشان می‌دهد که استفاده از یک رویکرد شاخص پراکسی قابل اندازه‌گیری برگرفته از روش‌شناسی کلان داده (به عنوان مثال، باز شدن فروشگاه اپل به عنوان شاخصی از وضعیت استقرار تلفن هوشمند) دارای پتانسیل بالقوه است. تکنیک و به عنوان یک سطح اختلال پیش‌بینی‌کننده از یک برنامه (استقرار Uber)، پتانسیل پیشنهاد این مقاله را نشان می‌دهد.

داده های جمع آوری شده در طول آزمایش شرح داده شده در اینجا و خروجی تجزیه و تحلیل (به عنوان صفحات گسترده / فایل های csv) برای بررسی در دسترس است. لطفا برای جزئیات بیشتر به مواد تکمیلی زیر مراجعه کنید.

7. نتیجه گیری

این مقاله تحقیقات مربوط به ارزیابی روندهای فناوری آینده را ترسیم کرده است و به بررسی این موضوع پرداخته است که چگونه می توان این روندها را با استفاده از رویکردهای کلان داده نظارت کرد. بخش 2 برخی از کلیدی ترین تحقیقات نظری را تشریح کرد، به ویژه از آرتور و کریستنسن در مورد آناتومی فناوری و جنبه های معمولی توسعه فناوری که باعث اختلال می شود. تحقیقات ما از اینها به عنوان ستون‌های اصلی استفاده می‌کند، اما از پژوهش‌های دیگر، به‌ویژه Mazzucuto، Mokyr، Srnicek، Langley، Leyshon، و Martin استفاده می‌کند که همگی مؤلفه‌هایی را برای ارتقای مدل‌های سطح بالای آرتور و کریستنسن ارائه می‌دهند.

بخش 3 یک مدل قابل اجرا بر اساس تئوری های بخش 2 را تشریح کرد. این چارچوب زیربنای معیارها/شاخص های مختلف را که می تواند در ارزیابی پیشرفت فناوری استفاده شود، تشریح کرد. این مدل هم جنبه‌های فن‌آوری و هم اکوسیستمی را که فناوری در آن وجود دارد، نشان می‌دهد. این مدل خاص تر را تشریح می کند که رفتار را به عنوان یک فناوری در یک پلت فرم ادغام می کند. نتیجه این است که تئوری های مختلف به هم مرتبط هستند و با هم پتانسیل حمایت از مجموعه ای از اقدامات اختلال را ارائه می دهند.

بخش 4 آن معیارها یا شاخص ها را بررسی کرد و دو شاخص خاص را پیشنهاد کرد که می توانند با استفاده از رویکردها و فناوری های کلان داده تولید شوند. اولی مشخص می کند که هر فناوری جدید به طیف وسیعی از فناوری های پشتیبان نیاز دارد، و اگر بتوان پیشرفت همه اجزا را به صورت جداگانه ارزیابی کرد، می توان ارزیابی کلی پیشرفت را انجام داد.

بخش تجربی مقاله معیاری از پیشرفت یک فناوری را به صورت جغرافیایی و در طول زمان توصیف می کند. این یک اثبات اولیه مفهوم بود، که ایده شاخص‌ها را در یک مثال دامنه محدود به عنوان پیش‌رو برای مجموعه وسیع‌تری از آزمایش‌ها که در مقالات آینده توصیف می‌شود (بهره‌برداری از داده‌های بزرگ و تحلیل‌های پیش‌بینی‌کننده) آزمایش می‌کرد. یک پیاده‌سازی می‌تواند یک وب‌سایت مربوطه را اسکن کند که فناوری‌ای را ارائه می‌دهد که به‌عنوان مخرب شناخته می‌شود و رشد آن را در طول زمان و از نظر جغرافیایی ارزیابی کند. فناوری برای پشتیبانی از مجموعه گسترده‌تری از شاخص‌ها در دست توسعه است و نویدبخش است. نتایج موضوع مقاله آینده خواهد بود. تحقیقات در مورد شاخص توصیف شده در این مقاله (اندازه گیری گسترش جغرافیایی یک پلت فرم به عنوان شاخصی از گسترش جغرافیایی بالقوه مخرب یک برنامه در پلت فرم) نیز امیدوار کننده است. کار بیشتر بر روی نمونه های موازی از این نیز برای مقالات آینده انجام خواهد شد.

بخش 5 یک مطالعه موردی از پیشرفت فناوری به یک پلتفرم و استقرار برنامه‌های مخرب ناشی از آن ارائه کرد. پیشرفت گوشی هوشمند را که مطابق با مدل یک فناوری هیبریدی توصیف شده توسط آرتور است، و مفهوم پلتفرم در نظر گرفت. همچنین مدل تاخیر زمانی از استقرار فناوری زیربنایی تا اختلال در برنامه‌های جدید را در نظر گرفت.

بخش 6 یک آزمایش عملی را با استفاده از داده های تاریخی توصیف کرد و در سطح کلان به استقرار پلت فرم تلفن هوشمند در طول زمان و از نظر جغرافیایی نگاه کرد، با توجه به اینکه چه شاخص هایی می توانند مورد استفاده قرار گیرند. اولین شاخص از گزارش های اریکسون در مورد توسعه بازار گوشی های هوشمند استخراج شده است. شاخص دوم با استفاده از تکنیک داده محور شرح داده شده در بخش 4 برای تولید شاخص‌های رشد گوشی‌های هوشمند به دست آمده است، فرض بر این است که افتتاحیه‌های فروشگاه اپل یک پروکسی برای پذیرش گوشی‌های هوشمند است. این معیار از لحاظ جغرافیایی خاص تری را ارائه می دهد (کشور/شهر بر خلاف منطقه): در حالی که همبستگی نشان داده شده در اینجا در برابر استقرار آیفون در مقایسه با تلفن های هوشمند به طور کلی است، نتایج نشان می دهد که یک شاخص بالقوه مفید است. بخش دوم آزمایش به استقرار Uber نگاه کرد و همچنین از پلت فرم آزمایشی برای استخراج شاخص‌های استقرار اوبر در طول زمان و جغرافیا استفاده کرد. در نهایت، نمونه‌های اپل و اوبر با هم مقایسه شدند. بر اساس نتایج شرح داده شده در اینجا، فرض توصیف شده در بخش 2، که یک تاخیر قابل پیش بینی و قابل پیش بینی بین در دسترس بودن فناوری و برنامه های کاربردی که از آن بهره برداری می کنند، معتبر نشان داده شد. نتایج نشان داد که استقرار Uber افتتاحیه فروشگاه اپل را با تأخیر تقریباً پنج ساله دنبال می‌کند و همان گستره جغرافیایی را دنبال می‌کند. این نتیجه نشان می دهد که سطحی از پیش بینی با استفاده از تجزیه و تحلیل داده ها امکان پذیر است. بر اساس نتایج شرح داده شده در اینجا، فرض توصیف شده در بخش 2، که یک تاخیر قابل پیش بینی و قابل پیش بینی بین در دسترس بودن فناوری و برنامه های کاربردی که از آن بهره برداری می کنند، معتبر نشان داده شد. نتایج نشان داد که استقرار Uber افتتاحیه فروشگاه اپل را با تأخیر تقریباً پنج ساله دنبال می‌کند و همان گستره جغرافیایی را دنبال می‌کند. این نتیجه نشان می دهد که سطحی از پیش بینی با استفاده از تجزیه و تحلیل داده ها امکان پذیر است. بر اساس نتایج شرح داده شده در اینجا، فرض توصیف شده در بخش 2، که یک تاخیر قابل پیش بینی و قابل پیش بینی بین در دسترس بودن فناوری و برنامه های کاربردی که از آن بهره برداری می کنند، معتبر نشان داده شد. نتایج نشان داد که استقرار Uber افتتاحیه فروشگاه اپل را با تأخیر تقریباً پنج ساله دنبال می‌کند و همان گستره جغرافیایی را دنبال می‌کند. این نتیجه نشان می دهد که سطحی از پیش بینی با استفاده از تجزیه و تحلیل داده ها امکان پذیر است.

نتیجه می‌گیریم که در حالی که تحقیقات شناسایی‌شده در بخش 2 دیدگاه‌های مختلفی را ارائه می‌کند که فرصت‌هایی را برای اندازه‌گیری پیشرفت/اختلاف فناوری ارائه می‌دهد، ما همچنین نشان داده‌ایم که امکان توسعه اقدامات و فناوری‌هایی وجود دارد که برخی از این شاخص‌ها را پشتیبانی می‌کنند. در نهایت، ما نشان داده‌ایم که درجه‌ای از همبستگی ظاهری بین چنین اقداماتی وجود دارد، که سطح علیت را در مورد بررسی شده نشان می‌دهد، اما هنوز ثابت نکرده است.

کار آینده بر روی مدل تلفیقی شرح داده شده در بخش 3 استوار خواهد شد و پلتفرم‌ها و شاخص‌های تحلیل را که گسترده‌تر از مثال اولیه توصیف‌شده در این مقاله هستند، توسعه خواهد داد. هدف این است که ارزیابی شود آیا رویکردهای مبتنی بر داده، همراه با یک مدل یکپارچه، می‌توانند شاخص‌های خودکاری از روندهای فناوری ارائه دهند که می‌تواند کمک مفیدی به رویکردهای فعلی در زمینه‌های پیش‌بینی فناوری و مدل‌سازی کسب‌وکار باشد. در حالی که ممکن است یک سیستم پیش‌بینی کاملاً خودکار و با دقت بالا برای فناوری ممکن نباشد، رویکرد ما می‌تواند به بهبود اطلاعات در دسترس پیش‌بینی‌کنندگان کمک کند و به سیاست‌گذاران مبنای مطمئن‌تری برای تعیین خط‌مشی ارائه دهد.

منابع

مارتین، آر. تعادل مجدد اقتصاد فضایی: چالش برای نظریه منطقه ای. تریت سیاسی. دولت 2015 . [ Google Scholar ] [ CrossRef ]
ناتان، م. Vandore, E. Here Be Startups: Exploring London’s Tech City’s Digital Cluster. محیط زیست طرح. A 2014 , 46 , 2283-2299. [ Google Scholar ] [ CrossRef ]
اشمیت، اس. تعادل محلی سازی فضایی “شیب”: سرریزهای دانش در فرآیندهای خدمات دانش فشرده. Geoforum 2015 , 65 (Suppl. C), 374–386. [ Google Scholar ] [ CrossRef ]
کریستنسن، CM معضل مبتکر: وقتی فناوری‌های جدید باعث شکست شرکت‌های بزرگ می‌شوند . نشریه بازنگری کسب و کار هاروارد: بوستون، MA، ایالات متحده آمریکا، 1997. [ Google Scholar ]
شورای تحقیقات ملی. پیش‌بینی مداوم فناوری‌های مخرب ، چاپ اول؛ انتشارات آکادمی ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 2009. [ Google Scholar ]
شورای تحقیقات ملی. پیش بینی مداوم فناوری های مخرب ، ویرایش دوم. انتشارات آکادمی ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 2010. [ Google Scholar ]
آرتور، WB ماهیت فناوری و چگونگی تکامل آن ؛ Simon & Schuster Inc.: New York, NY, USA, 2009. [ Google Scholar ]
Mazzucato, M. دولت کارآفرینی, Soundings. زمستان 2011 ، 49 ، 131-142. [ Google Scholar ]
آرتور، WB افزایش بازده و وابستگی مسیر در اقتصاد ؛ انتشارات دانشگاه میشیگان: Ann Arbor، MI، ایالات متحده آمریکا، 1994. [ Google Scholar ]
موکر، جی. فرهنگ رشد: ریشه های اقتصاد مدرن . انتشارات دانشگاه پرینستون: پرینستون، نیوجرسی، ایالات متحده آمریکا، 2016. [ Google Scholar ]
لنگلی، پی. لیشون، الف. سرمایه داری پلتفرم: واسطه گری و سرمایه گذاری در گردش اقتصادی دیجیتال. مالی Soc. 2017 ، 3 ، 11-31. [ Google Scholar ] [ CrossRef ]
Srnicek، N. چالش های سرمایه داری پلت فرم: درک منطق یک مدل کسب و کار جدید. Juncture 2017 , 23 , 254-257. [ Google Scholar ] [ CrossRef ]
مک آفی، ا. Brynjolfsson، E. Machine، Platform، Crowd: Harnessing the Digital Revolution ; دبلیو دبلیو نورتون و پسران: بوگنور رجیس، بریتانیا، 2017. [ Google Scholar ]
Lepore, J. New Yorker-The Disruption Machine: What Gospel of Innovation اشتباه می کند. 2014. در دسترس آنلاین: https://www.newyorker.com/magazine/2014/06/23/the-disruption-machine (در 20 مارس 2018 قابل دسترسی است).
بوئر، جی. Christensen, C. Disruptive Technologies: Catching the Wave, Harvard Business Review, ژانویه تا فوریه 1995. در دسترس آنلاین: https://danieldalonzo.com/wp-content/uploads/2015/05/disruptive-technologies-catching-the-wave -christensen.pdf (دسترسی در 20 مارس 2018).
کریستنسن، سی ام. Raynor، ME Innovators Solution، ایجاد و پایداری رشد موفق ؛ انتشارات بازنگری کسب و کار هاروارد: بوستون، MA، ایالات متحده آمریکا، 2003. [ Google Scholar ]
Schoenberger, E. The Cultural Crisis of the Company ; OUP: آکسفورد، بریتانیا، 1997. [ Google Scholar ]
آرتور، WB; Ermoliev, Y. فرآیندهای وابسته به مسیر و ظهور ساختار کلان. یورو جی. اوپر. Res. 1987 ، 30 ، 294-303. [ Google Scholar ] [ CrossRef ]
لیندن، ا. Fenn, J. گزارش تحلیل استراتژیک شماره R-20-1971, Gartner. 2003. در دسترس آنلاین: https://www.ask-force.org/web/Discourse/Linden-HypeCycle-2003.pdf (در 21 مارس 2018 قابل دسترسی است).
گارتنر. 2017. در دسترس آنلاین: https://www.gartner.com/smarterwithgartner/top-trends-in-the-gartner-hype-cycle-for-emerging-technologies-2017/ (در 21 مارس 2018 قابل دسترسی است).
مایر-شونبرگر، وی. Cuckier, K. Big Data: انقلابی که نحوه زندگی، کار و تفکر ما را متحول خواهد کرد . Houghton Mifflin Harcourt: Boston, MA, USA, 2013. [ Google Scholar ]
مارتین، آر. Moddysson, J. مقایسه پایگاه های دانش: در جغرافیا و سازماندهی منبع دانش در سیستم نوآوری منطقه ای اسکانیا، سوئد. یورو J. Reg. گل میخ. 2011 ، 20 ، 170-187. [ Google Scholar ] [ CrossRef ]
استرامباخ، اس. کلمنت، بی. تجزیه سازمانی نوآوری و دینامیک دانش سرزمینی: بینش‌هایی از صنعت نرم‌افزار آلمانی . نوآوری و تعبیه نهادی شرکت‌های چند ملیتی، انتشارات ادوارد الگار با مسئولیت محدود: چلتنهام، بریتانیا، 2016. [ Google Scholar ]
براکین، آر. هوبونا، جی. Jackson, M. The Connected Individual, Task 1, Advanced Geospatial Intelligence Research Services, DSTL. (این کار برای عموم در دسترس نیست. کار برای آزمایشگاه علوم و فناوری دفاع بریتانیا (DSTL) انجام شد). 2012. برای دسترسی با DSTL تماس بگیرید.
کاغذ سبز دولت HM، ایجاد استراتژی صنعتی ما، ژانویه 2017. در دسترس آنلاین: https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/611705/building-our-industrial-strategy-green- paper.pdf (دسترسی در 20 مارس 2018).
گلدول، ام. نقطه اوج: چگونه چیزهای کوچک می توانند تفاوت بزرگی ایجاد کنند . لیتل براون و شرکت: بوستون، MA، ایالات متحده آمریکا، 2000. [ Google Scholar ]
Simon, P. عصر پلتفرم: چگونه آمازون، اپل، فیس بوک و گوگل تجارت را بازتعریف کرده اند . Motion Publishing: لاس وگاس، NV، ایالات متحده، 2011. [ Google Scholar ]
اریکسون (2012–2017). در دسترس آنلاین: https://www.ericsson.com/assets/local/mobility-report/documents/2017/ericsson-mobility-report-june-2017.pdf (دسترسی در 26 مارس 2018).

شکل 1. مدل اختلال کریستنسن (باور و کریستنسن (1995)).

شکل 2. منشا تلفن همراه (برگرفته از Mazzucato (2015) [ 8 ]).

شکل 3. مدل سطح آمادگی فناوری (NASA).

شکل 4. خصوصیات نمایش چرخه هایپ.

شکل 5. چارچوبی برای ادغام تحقیقات مختلف در اختلال.

شکل 6. مدل ماهیت فناوری برگرفته از آرتور (2009) [ 7 ].

شکل 7. تغییر مدل در طول زمان (آرتور (2009) [ 7 ] و کریستنسن (1997) [ 4 ]).

شکل 8. چرخه تکامل پلت فرم.

شکل 9. فناوری هایی که از پلتفرم گوشی های هوشمند پشتیبانی می کنند.

شکل 10. مسائل موثر بر اختلال Uber.

شکل 11. معماری تجربی ضبط مکان فروشگاه.

شکل 12. افتتاحیه اپل استور 2006-2017 (جدول شده).

شکل 13. افتتاحیه فروشگاه جهانی اپل 2006-2017 (پیش بینی جهانی مرکاتور).

شکل 14. در دسترس بودن Uber (شهرها در هر کشور) 2012–2016 (جدول شده).

شکل 15. شهرهای پشتیبانی شده جهانی اوبر در سال 2012/2017 (پیش بینی جهانی مرکاتور).

شکل 16. شماره‌های افتتاحیه فروشگاه اپل با شماره‌های استقرار Uber پوشانده شده‌اند. خطوط پررنگ نشان دهنده افتتاح اولیه فروشگاه اپل و اوبر در آن کشور است.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

رام کردن اختلال؟ تجزیه و تحلیل داده های فراگیر، عدم قطعیت و مداخله سیاست در فناوری مخرب و گسترش جغرافیایی آن

رام کردن اختلال؟ تجزیه و تحلیل داده های فراگیر، عدم قطعیت و مداخله سیاست در فناوری مخرب و گسترش جغرافیایی آن

خلاصه

کلید واژه ها:

1. معرفی