Banner Portal
Ciclos tecnológicos e evolução da base de conhecimento
PDF (English)
PDF Acesso via SciELO (English)

Palavras-chave

Base de conhecimento
Paradigmas tecnológicos
Convergência
Redes
Novas tecnologias

Como Citar

AVANCI, Vanessa de Lima; URRACA-RUIZ, Ana. Ciclos tecnológicos e evolução da base de conhecimento: complexidade e convergência. Revista Brasileira de Inovação, Campinas, SP, v. 20, n. 00, p. e021001, 2021. DOI: 10.20396/rbi.v20i00.8655490. Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/rbi/article/view/8655490. Acesso em: 29 mar. 2024.

Resumo

As bases de conhecimento são sistemas altamente complexos e representam combinações, arranjos de unidades de conhecimento para resolver problemas em específicos períodos de tempo. Quando os ciclos tecnológicos avançam, as bases de conhecimento evoluem. Nos últimos 30 anos, identificamos duas ondas tecnológicas. A primeira começou com os sete paradigmas tecnológicos da década de 1980 (microeletrônica, computadores, telecomunicações, audiovisual, novos materiais, semicondutores e biotecnologia). A segunda surgiu com as chamadas tecnologias habilitadoras (nanotecnologia, micro e nanoeletrônica, biotecnologia industrial, fotônica, materiais avançados e manufatura avançada) a partir dos anos 2000. Este artigo analisa a evolução das propriedades e da complexidade da base de conhecimento mundial entre 1978-2016 considerando o surgimento destes paradigmas. Usando dados de patentes e análise de redes, o trabalho calcula indicadores de variedade, coerência, distância cognitiva e convergência da base de conhecimento. Os resultados confirmam que os paradigmas tecnológicos da década de 1980 levaram a um aumento da diversificação e da complexidade da base de conhecimento por meio de uma convergência 'para fora', ou seja, entre tecnologias não relacionadas. A chegada dos microparadigmas dos anos 2000 revela uma retração da base de conhecimento que evolui 'para dentro', isto é, por trajetórias previamente estabelecidas.

https://doi.org/10.20396/rbi.v20i00.8655490
PDF (English)
PDF Acesso via SciELO (English)

Referências

ARTHUR, W.B. The nature of technology: What it is and how it evolves. New York: Simon & Schuster, 2009.

ASCHHOFF. B.; CRASS, D.; CREMERS, K.; GRIMPE, C.; RAMMER, C.; BRANDES, F.; MONTALVO, C. European competitiveness in key enabling technologies. Mannheim, Germany, Centre for European Economic Research (ZEW), 2010.

BARABÁSI, A.; ALBERT, R. Emergence of scaling in random networks. Science, v. 286, n. 5439, p. 509-512, 1999.

BASTIAN, M.; HEYMANN, S.; JACOMY, M. Gephi: an open source software for exploring and manipulating networks. Icwsm, v. 8, n. 2009, p. 361-362, 2009.

DOSI, G. Technical change and industrial transformation: the theory and an application to the semiconductor industry. UK: Palgrave Macmillan, 1984.

EPO PATSTAT. EPO Worldwide Patent Statistical Database. European Patent Office (EPO) 2015 Spring Edition. Version 5.03.

FLEMING, L.; SORENSON, O. Technology as a complex adaptive system: evidence from patent data. Research Policy, v. 30, n. 7, p. 1019-1039, 2001.

FREEMAN, C.; PEREZ, C. Structural Crises of Adjustment, Business Cycles and Investment Behavior. In: DOSI, G. et al. (Ed.). Technical Change and Economic Theory. London: Pinter, 1988. p. 39-62.

FRENKEN, K.; NUVOLARI, A. Entropy statistics as a framework to analyse technological evolution. In: FOSTER, J.; HÖLZL, W. (Ed.). Applied evolutionary economics and complex systems. Cheltenham: Edward Elgar Publishing, 2004. p. 95-133.

FRENKEN, K.; VAN OORT, F.; VERBURG, T. Related variety, unrelated variety and regional economic growth. Regional studies, v. 41, n. 5, p. 685-697, 2007.

HUENTELER, J.; SCHMIDT, T.S.; OSSENBRINK, J.; HOFFMANN, V.H. Technology life-cycles in the energy sector - Technological characteristics and the role of deployment for innovation. Technological Forecasting and Social Change, v. 104, p. 102-121, 2016.

JACKSON, M.O. Social and economic networks. Princeton University Press, 2010.

JOO, S.; KIM, Y. Measuring relatedness between technological fields. Scientometrics, v. 83, n. 2, p. 435-454, 2010.

KAY, L.; NEWMAN, N.; YOUTIE, J.; PORTER, A. L.; RAFOLS, I. Patent overlay mapping: Visualizing technological distance. Journal of the Association for Information Science and Technology, v. 65, n. 12, p. 2432-2443, 2014.

KIM, E.; CHO, Y.; KIM, W. Dynamic patterns of technological convergence in printed electronics technologies: patent citation network. Scientometrics, v. 98, n. 2, p. 975-998, 2014.

KRAFFT, J.; QUATRARO, F.; SAVIOTTI, P.P. The knowledge-base evolution in biotechnology: a social network analysis. Economics of Innovation and New Technology, v. 20, n. 5, p. 445-475, 2011.

NESTA, L.; SAVIOTTI, P. P. Coherence of the knowledge base and the firm’s innovative performance: evidence from the US pharmaceutical industry. The Journal of Industrial Economics, v. 53, n. 1, p. 123-142, 2005.

ORBIS. Orbis global database. Bureau van Dijk Electronic Publishing (BvD). Accessed in: November 2017.

QUATRARO, F. Knowledge Coherence, Variety and Productivity Growth: Manufacturing Evidence from Italian Regions. Research Policy, v. 39, n. 10, p. 1289-1302, 2010.

SAHAL, D. Alternative conceptions of technology. Research Policy, v. 10, n.1, p. 2-24, 1981.

SAHAL, D. Technological guideposts and innovation avenues. Research Policy, v. 14, n. 2, p. 61-82, 1985.

SAVIOTTI, P.P. Knowledge networks: structure and dynamics. In: PYKA, A.; SCHARNHORST, A. (ed.). Innovation networks: new approaches in modelling and analyzing. Berlin Heidelberg: Springer-Verlag, 2009. p. 19-41.

VAN DE VELDE, E.; RAMMER, C.; GEHRKE, B., DEBERGH, P., SCHLIESSLER, P.; WASSMANN, P. Key Enabling Technologies (KETs) Observatory. Second Report. Brussels, EC DG GROW, 2015.

VERSPAGEN, B. Mapping technological trajectories as patent citation networks: A study on the history of fuel cell research. Advances in Complex Systems, v. 10, n. 1, p. 93-115, 2007.

WALTMAN, L.; VAN ECK, N.J.; NOYONS, E.C. A unified approach to mapping and clustering of bibliometric networks. Journal of Informetrics, v. 4, n. 4, p. 629-635, 2010.

WATTS, D.J.; STROGATZ, S.H. Collective dynamics of ‘small-world’networks. Nature, v. 393, n. 6684, p. 440, 1998.

WIPO. Guide to the International Patent Classification. Version 2019.

WIPO. WIPO Economics & Statistics Related Resources 8. World Intellectual Property Organization - Economics and Statistics Division, Last update: March 2018.

YAN, B.; LUO, J. Measuring technological distance for patent mapping. Journal of the Association for Information Science and Technology, v. 68, n. 2, p. 423-437, 2017.

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2021 Revista Brasileira de Inovação

Downloads

Não há dados estatísticos.