本期回看2023-01-01至2023-01-31的月度资料，结合此前相关研究梳理技术分析问题。研究选题为本次回溯整理提出。
一、本期问题与判断
本期研究通用目的技术的组成。Research Policy利用招聘数据比较新兴技术，发现机器学习及相关数据科学技术群具有较强的通用目的潜力；TFSC的技术实体识别方法则提高技术单元的分辨率。两者结合，可以进一步研究通用性来自某项核心能力，还是来自多个互补技术的协同配置。12
二、支撑证据与研究启发
（一）招聘需求反映技术能力的使用范围
通用目的技术研究从跨行业使用、研发需求和应用行业创新三个方面评价21项技术。这为识别技术群提供了使用侧证据，也使技术通用性能够对应到具体任务和技能组合。1
（二）细粒度技术识别有助于拆解能力群
实体识别研究比较词典、规则与深度学习方法，从专利中提取细粒度技术。与岗位任务结合，可以研究常被合并命名的技术群内部有哪些不同能力及其协同关系。2
三、本期研究选题
（一）From General-Purpose Technologies to Capability Constellations: Task Complementarity across Application Domains（从通用目的技术到能力组合群：跨应用领域的任务互补性研究）
1. 重大意义
通用技术的广泛影响可能依赖多个能力共同作用。识别能力组合群，可以解释跨领域扩散的技术基础，并帮助确定通用平台和基础研究的配置重点。
2. 可能的研究缺口
招聘数据研究识别具有通用潜力的技术群，实体识别方法提供细粒度单元。进一步可问：哪些能力组合在多个行业重复出现，哪些互补关系构成广泛应用的共同条件？12
3. 创新点
拟建立岗位任务、技术实体与实现能力的多层图，利用高阶模式挖掘识别跨领域稳定组合，并以任务覆盖检验各成员的互补角色。
4. 研究思路
收集公开招聘、技术文档和应用案例，标注任务及所需能力。比较单项技术覆盖率、技能共现和条件化组合模型，评价跨行业任务迁移与必要成员识别；按应用领域留出，结合组件消融和实现记录验证组合贡献，分析通用能力群的形成过程。
四、参考文献与信息来源
[1] Avi Goldfarb; Bledi Taska; Florenta Teodoridis. Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 2023-01（本期卷期资料；出版商卷期月份）. DOI: 10.1016/j.respol.2022.104653.
[2] Giovanni Puccetti; Vito Giordano; Irene Spada; Filippo Chiarello; Gualtiero Fantoni. Technology identification from patent texts: A novel named entity recognition method. Technological Forecasting and Social Change, 2023-01（本期卷期资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2022.122160.
