💬 NLP

Exploring Novelty Differences between Industry and Academia: A Knowledge Entity-centric Perspective

Deze studie toont aan dat de academische wereld, vooral in octrooien, over het algemeen meer innovatieve kennis produceert dan de industrie, waarbij samenwerking tussen beide sectoren vooral de innovativiteit van octrooien versterkt.

Oorspronkelijke auteurs: Hongye Zhao, Yi Zhao, Chengzhi Zhang

Gepubliceerd 2026-03-23

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Hongye Zhao, Yi Zhao, Chengzhi Zhang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat de wereld van innovatie een enorme, drukke keuken is. In deze keuken werken twee soorten chefs: de Academia (de universiteiten) en de Industrie (de grote tech-bedrijven).

Deze studie, geschreven door Zhao en collega's, kijkt naar een eeuwigoude vraag: Wie maakt de echt nieuwe, verrassende gerechten? De universiteitschef of de bedrijfschef?

Hier is wat ze hebben ontdekt, vertaald in een eenvoudig verhaal met een paar creatieve metaforen.

1. Het Grote Misverstand: Wie is de "Nieuwsmaker"?

Vroeger dachten we dat universiteiten alleen maar dromen en theorieën bedenken (de "dromers"), terwijl bedrijven die dromen omzetten in echte producten (de "bouwers"). Maar in de wereld van Kunstmatige Intelligentie (AI) is het een beetje anders. Bedrijven zijn ook heel open; ze delen hun geheimen, net als universiteiten.

De vraag was: Wie is eigenlijk creatiever?

Sommigen zeggen: Universiteiten zijn de bron van de nieuwste ideeën.
Anderen zeggen: Bedrijven hebben meer geld, data en mensen, dus zij maken de echte doorbraken.

2. De Nieuwe Methode: Het "Lego-blok" Experiment

Om dit te meten, hebben de onderzoekers geen geavanceerde cijfers gebruikt die niemand begrijpt. In plaats daarvan keken ze naar de bouwstenen van elk artikel of patent.

Stel je voor dat elk wetenschappelijk artikel of patent een bouwwerk is gemaakt van vier soorten Lego-blokken:

Methoden: Hoe maak je het? (De techniek).
Tools: Waar mee maak je het? (De software).
Datasets: Met welk materiaal werk je? (De data).
Maten: Hoe meet je of het goed is? (De resultaten).

De onderzoekers hebben een slimme computer (een soort "taal-robot") gebruikt om te kijken hoe ver deze blokjes van elkaar verwijderd zijn in het brein van de computer.

Als je twee heel vergelijkbare blokjes combineert (bijv. een rode blok met een andere rode blok), is dat niet nieuw.
Als je twee heel verschillende blokjes combineert (bijv. een roestige ijzeren blok met een glinsterende diamant), is dat zeer nieuw.

Ze hebben dit gedaan voor zowel universiteitsartikelen als voor octrooien (patenten) van bedrijven.

3. Wat Vonden Ze? De Grote Ontdekkingen

A. De Universiteit wint (vooral in de "droomfase")

Het resultaat was verrassend duidelijk: Universiteiten maken over het algemeen nieuwere ideeën dan bedrijven.

De Metafoor: Bedrijven zijn als een supermarktketen die efficiënt werkt en bekende producten in grote hoeveelheden maakt. Universiteiten zijn als een laboratorium van een gekke uitvinder die soms raar, maar briljant, iets nieuws bedenkt.
Het Patroon: Universiteiten hebben een grotere kans om een "hit" te scoren. Ze produceren vaker die ene, heel vreemde combinatie die de wereld verandert. Bedrijven zijn vaak veiliger en focussen op wat al werkt.

B. De Sterke Punten van de Bedrijven

Bedrijven zijn niet slecht, ze zijn gewoon anders. Ze hebben een superkracht: Data.

Bedrijven hebben toegang tot enorme bergjes data (zoals een chef die toegang heeft tot de hele oceaan van vis, terwijl de universiteit slechts een visnetje heeft).
Hierdoor zijn bedrijven heel goed in het innoveren van datasets. Ze vinden nieuwe manieren om met enorme hoeveelheden informatie te werken.

C. Samenwerken? Niet altijd een winnaar.

Wat gebeurt er als een universiteitsprofessor en een bedrijfschef samenwerken?

Bij artikelen: Het helpt niet echt om het idee "nieuwer" te maken. De samenwerking lijkt vaak meer op het werk van het bedrijf dan op dat van de universiteit. Het is alsof de professor de regels van de supermarkt moet volgen.
Bij octrooien (patenten): Hier werkt het wél! Samenwerking leidt tot nieuwere octrooien. Bedrijven hebben de universiteit nodig om hun octrooien echt vernieuwend te maken.

4. De Les voor de Wereld

Deze studie leert ons drie belangrijke dingen:

Universiteiten zijn de motor van de "grote sprong": Als je echt iets heel nieuws wilt dat de wereld verandert, moet je kijken naar de universiteiten. Zij durven de gekste combinaties te maken.
Bedrijven zijn de meesters van de "data": Bedrijven zijn onverslaanbaar als het gaat om het verwerken van enorme hoeveelheden informatie.
Samenwerking moet slim zijn: Als bedrijven en universiteiten samenwerken, moeten ze oppassen dat ze niet te veel "bedrijfsdenken" aannemen. Voor octrooien is samenwerking geweldig, maar voor puur nieuwe ideeën (artikelen) is het soms beter als universiteiten gewoon vrij kunnen dromen.

Kortom: De universiteit is de dromer die de nieuwe wereld bedenkt, en het bedrijf is de bouwer die die wereld met enorme data-blokken realiseert. Samen kunnen ze een prachtige stad bouwen, maar de nieuwste, gekste ideeën komen vaak nog steeds uit de droomwereld van de universiteit.

Probleemstelling

Er bestaat een fundamenteel debat over welke sector – academische instellingen of het bedrijfsleven – meer innovatieve en nieuwe onderzoeksresultaten produceert.

Academia staat bekend om open kennisverspreiding en het bevorderen van disciplinevoortgang.
Industrie prioriteert economische opbrengst en intellectuele eigendomsrechten (appropriability), maar neemt toch actief deel aan open praktijken (zoals open-source modellen en conferenties).

Bestaande literatuur is verdeeld: sommige studies suggereren dat de academische wereld meer nieuwe ideeën genereert, terwijl anderen beweren dat de industrie vaker doorbraken realiseert. Een groot probleem in eerdere studies is de methodologische onverenigbaarheid bij het meten van "novelty" (nieuwheid) tussen wetenschappelijke papers en octrooien (patenten).

Traditionele methoden (citaties, classificatiecodes) werken niet goed voor beide typen documenten vanwege verschillen in schrijfstijl en codesystemen.
Bestaande semantische methoden zijn vaak beperkt tot één type document (alleen papers of alleen patenten) en kunnen de nieuwheid niet op een vergelijkbare schaal meten.

Het artikel stelt drie onderzoeksvragen (RQ's):

Hoe kan een uniforme methode voor het berekenen van nieuwheid op basis van fijnmazige kennisentiteiten worden ontwikkeld voor zowel papers als patenten?
Hoe verschillen de manifestaties van nieuwheid tussen entiteiten in verschillende instellingen en documenttypes?
Is er een significant verschil in de nieuwheid van wetenschappelijke en technische literatuur tussen de industrie en de academische wereld?

Methodologie

De auteurs hanteren een entiteit-gecentreerde benadering binnen een unified semantic space (geünificeerde semantische ruimte). De methodologie bestaat uit vier fasen:

Dataset Constructie:
- Papers: 17.783 volledige teksten van drie toonaangevende NLP-conferenties (ACL, EMNLP, NAACL) van 2000-2022.
- Patenten: 25.305 octrooien van het USPTO (2000-2022) gerelateerd aan natuurlijke taalverwerking (CPC-code G06F40*).
- Classificatie: Instellingen worden ingedeeld als "Academia" (onderwijs/onderzoek), "Industrie" (bedrijven) of "Samenwerking" (beide).
Extractie van Fijnmazige Kennisentiteiten:
- In plaats van het analyseren van hele teksten, extraheren de auteurs vier specifieke categorieën van kennisentiteiten: Method (methode), Tool (hulpmiddel), Dataset (dataset) en Metric (evaluatemaatstaf).
- Er worden aparte modellen getraind voor papers en patenten (gebaseerd op SciBERT en CRF) vanwege de verschillen in schrijfstijl en structuur.
- Entiteiten worden genormaliseerd (bijv. via Edit Distance) om variaties in naamgeving te reduceren.
Meting van Nieuwheid (Semantic Distance):
- De auteurs gebruiken een vooraf getraind SciBERT-model om semantische vectoren (768-dimensionaal) te genereren voor elke geëxtraheerde entiteit.
- Nieuwheid wordt gemeten als de semantische afstand tussen paren van entiteiten binnen een document.
- Formule: $D(e_i, e_j) = 1 - \cosine(e_i, e_j)$ .
- Een grotere afstand impliceert een zeldzamere (en dus nieuwere) combinatie. De "novelty score" van een document is de proportie van deze zeldzame combinaties (top 10% van de afstanden) ten opzichte van het totaal.
- Z-score normalisatie: Om papers en patenten direct vergelijkbaar te maken, worden de ruwe scores genormaliseerd naar een standaardverdeling (mean=0, std=1).
Statistische Analyse:
- Er wordt gebruikgemaakt van multipele lineaire regressie (voor continue novelty scores), logistische regressie (voor de kans op "hoog-nieuwe" publicaties, top 10%) en quantile regressie (om te kijken naar verschillen bij lage, gemiddelde en hoge nieuwheid).
- Controlevariabelen omvatten teamgrootte, aantal auteurs, aantal entiteiten, en voor patenten: IPC-classificaties en gezinsgrootte.

Belangrijkste Bijdragen

Unificatie van Meting: De studie introduceert een raamwerk dat de nieuwheid van papers en patenten op één schaal meet door gebruik te maken van een gemeenschappelijke semantische ruimte gebaseerd op woordembeddings. Dit overbrugt de kloof tussen verschillende documenttypes.
Fijnmazige Granulariteit: In plaats van te kijken naar hele artikelen of brede classificaties, analyseert de studie de specifieke combinaties van methoden, tools, datasets en metrics. Dit biedt een dieper inzicht in waar de innovatie plaatsvindt.
Empirische Validatie: Door zowel top-conferentiepapers als USPTO-patenten te combineren, biedt de studie robuustere bewijzen dan studies die zich op slechts één type literatuur richten.
Open Science: De data en code zijn openbaar gemaakt op GitHub, wat reproduceerbaarheid bevordert.

Resultaten

De analyse levert de volgende kernbevindingen op:

Algemene Nieuwheid: De academische wereld produceert over het algemeen hogere nieuwheid dan de industrie, zowel in papers als in patenten. Dit verschil is het meest uitgesproken bij patenten.
Entiteit-specifieke Verschillen:
- Methoden: Zowel academia als industrie focussen sterk op methodologische innovatie; er is weinig verschil in de semantische afstand van methodencombinaties.
- Datasets: De industrie heeft een uniek voordeel bij datasets. Bedrijven genereren combinaties met datasets die semantisch verder uit elkaar liggen (hoger nieuwheid), waarschijnlijk vanwege hun toegang tot grootschalige, unieke data.
- Tools & Metrics: Academia toont hogere nieuwheid in de combinatie van tools en metrics, terwijl de industrie sterker is in het integreren van methoden met praktische tools.
Samenwerking (Academia-Industry):
- Voor papers: Samenwerking heeft een beperkt effect op het verhogen van de nieuwheid. Samenwerkingspapers lijken qua nieuwheid meer op industriepapers dan op pure academische papers.
- Voor patenten: Samenwerking helpt wel om de nieuwheid van patenten te verhogen, hoewel het effect kleiner is dan bij pure academische patenten.
Uitdrukkingsvermogen: Academia heeft een grotere kans om "extreem nieuwe" (top 10%) resultaten te produceren, vooral in de hoge quantielen van de nieuwheidsverdeling. De industrie levert meer incrementele verbeteringen.

Significantie en Implicaties

Theoretisch: De studie verrijkt de Recombinant Search Theory door innovatie te analyseren op het niveau van kennisentiteiten in plaats van alleen op het niveau van classificatiecodes. Het bevestigt dat de academische openheid en het ontbreken van directe commerciële druk leiden tot meer radicale, nieuwe combinaties.
Praktisch voor Beleidsmakers:
- Patenten: Er moet meer ondersteuning komen voor gezamenlijke octrooiaanvragen tussen universiteiten en bedrijven, aangezien dit de nieuwheid van patenten verhoogt.
- Papers: Het is beter om onafhankelijke academische teams te stimuleren voor fundamenteel onderzoek (waar de hoogste nieuwheid ligt) en bedrijven te betrekken via data-deling in plaats van gedwongen co-auteurschap, wat de nieuwheid van papers niet significant verhoogt.
Beperkingen: De studie is beperkt tot het NLP-domein en specifieke conferenties/patentcodes. De snelheid van taalkundige evolutie kan de semantische metingen beïnvloeden.

Kortom, de studie concludeert dat hoewel de industrie cruciaal is voor schaalbaarheid en data, de academische wereld de drijvende kracht blijft voor fundamentele, hoog-nieuwe doorbraken, en dat een "unified semantic space" een krachtig hulpmiddel is om deze dynamiek kwantitatief te analyseren.