本研究的目的——加强对科学技术与创新的关系的理解
强调产学合作，即企业与大学及公共研究机关等协作的重要性已经有相当一段时间了。政府在20世纪90年代后期相继制定了事业创新法、TLO法等法律，并且在预算、税务方面出台了一系列优惠政策，此外，还实施了对国立大学和研究机关的法人化等重大改革。曾一度被视为禁忌的产学合作，如今则被看作是大学及政府研究机关为社会作出贡献的一个重要方面而受到了肯定的评论。
在产业界，产学合作也是一个重要的课题。在缩短科学成果产业化周期的同时，很多产业为了解决技术问题也提高了对科学知识重要性的认识。之所以会这样，是由于在开发复杂的产品及生产方法时，很多情况下都需要将多种关键技术组合在一起，而如果要全部学会这些关键技术背后的复杂的科学知识则并不容易。为此，企业内部的研究与业务集中于某一领域，而必要的相关知识则通过与大学等相关组织的合作来进行，这一点变得越来越重要。
然而，虽然社会整体对产学合作重要性的认识正在逐步提高，但关于到底哪些领域的大学及政府研究机关与哪些领域的企业以什么样的方式进行合作，目前还没有展开充分的讨论。即使同叫做大学，也包括数学、物理、化学、生物学等多种研究领域，而技术方面也包括生物技术、纳米技术、信息技术（IT）等许多领域。而当我们考察科学、技术与产业的关系时，既可以看到通过采用数学理论的密码技术提高金融业的生产率的例子，也可以看到利用流体力学原理开发低燃耗的喷气式发动机以提高运输业的生产率的例子。也就是说，科学（Science）、技术（Technology）与产业创新（Industrial Innovation）三者之间构成了一种三维的网络结构，而关于科学（S）、技术（T）与创新（I）之间的连结，它们之间是以怎样的方式联系在一起的，各个环节间联系的紧密程度是否一致等问题，依然没有得到充分的理解。
研究方法——涵盖全技术领域的科学学际联系的计量
在本研究中，技术上的指标采用其实用性在产业上得到认可、代表新的尖端技术思想的“专利”来衡量， 科学上的指标则采用将大学等的研究成果加以定型化、即公开发表的“论文”来衡量。按照专利的技术领域，通过调查专利所引用的论文数，对技术与科学的关系进行定量分析，具体内容如下。
首先将1994年至2001年期间发行的专利公报进行数据库化（约88万件），然后从1995年至2000年的专利（约65万件）中抽取在第二次科学技术基本计划中被列为重要技术领域的生物技术、纳米技术、信息技术（IT）及环境关联技术等四个领域相关的专利为样本，同时随机抽取300件专利作为比较对照组。四个领域的样本（1200）与随机抽取的300件合计共1500件专利，通过人工检查来抽取其中被引用的论文（详情参照《经济产业杂志》2004年12月号（日文））。
然而，这种方法的扩展有其局限性。由人工从所有的专利中抽取出其中的引用文献需要大量的时间和人手，实际上是不可能做到的。为了突破这一局限，必须采取某种自动化的方式来完成这一工作，然而，专利申请书所引用的论文的记载方式并不统一，通过单纯的计算法来会出现少抽出所引用的论文，或者出现把非论文的文字列当成论文的失误。
为解决这一问题，将与通过人工抽出的被引用论文的相关信息作为“老师”，使用有限状态机械算法开发出了独立的软件。使用该软件，以1995年到1999年发布的所有专利为对象，对各专利中引用的论文数进行了自动统计。
在超过65万项的专利中，根据国际专利分类（International Patent Classification…IPC），将每一专利进行归属于一个技术领域的归类（这是顶级IPC）。国际专利分类将所有技术部门分为八个部类，每个部类再进行进一步的细分。具体来说，部类下分大类、大类下分为小类，小类下分主组，主组下再分小组。
最后，利用在相互排他性上最为细致的技术分类等级，即技术小组对统计了引用论文数的专利进行分类，用属于各技术小组的专利所引用的论文数的总和，除以属于该亚科的专利数，从而得出能够体现各技术分类中技术与科学之间关联强度的数据。
结果——领域不同，技术与科学的关联程度存在巨大差异
由于日本没有规定必须在专利申请文件书的标题页记录引用文献，导致记录非常不完整，所以为了全方位地了解技术与科学的关系，就必须编制能够自动从包括专利的明细书在内的全部文本中抽出引用文献的程序。通过机器学习，我们完成了在精度和再现率两方面具有非常高水平（98%以上）的程序（表1）。欧洲也进行了类似的尝试，但只能达到70%的水准，可以说本研究达到了世界最高水平。应用该软件，可以自动从数据库中的所有专利数据中提取出引用论文及引用旧有专利的数据，这样就可以在国际专利分类的任何一级技术分类中对其与科学的关联程度进行全方位分析。
在本研究中，对1995年到1999年在专利公报上公布的专利中约600个门类的技术领域逐一进行了与科学联系的强度统计。图1的横轴是技术小类，纵轴则表现了各小类与科学间关联程度的平均强度。从该图可以看出，技术领域不同，与科学的关联程度存在着非常大的差异。“C12N微生物及酶…及其组成物”的科学相关度是平均每一件专利引用近15篇论文，是全体专利平均每件引用0.5篇论文的30倍。
表2列出了平均引用论文数最高的前20个专利小类。在日本的专利中，占第一位的是“C12N微生物及酶；其组成物”，平均为14.6，接下来是“C07K有机化学、缩氨酸”平均为12.2。每项专利平均引用论文数第三位的是“酶与微生物的测定与实验方法；实验用组成物与试纸；调制构成物的方法；微生物学及酶学方法中的状态反应控制”，平均7.6。而全体平均则是0.5。
这一结果与欧洲专利局的麦克尔等人调查的欧洲专利与科学间的关联程度倾向一致。根据国际专利分类自动抽选的引用论文数，日本排在前十名的门类中有六个也进入了欧洲的前十名（粗线圈出的部分），其中第一至三位完全一致。从日欧之间这种专利与科学之间关联强度类型的相似性可以看出，技术与科学的关系并不取决于该技术到底是在哪儿开发出来，而是取决于不同的技术领域对科学知识的依存度差异。
与科学关系密切的专利小类几乎都与生物技术有关，也有与纳米技术有关的专利小类，比如前20位中占第5位的“G03C 摄影用感光材料；摄影法（例如，电影，X射线摄影法，彩色摄影法，立体摄影法）；照片的辅助处理法”。此外排在第11位的“G09C 包含保密必要性的密码及为其他目的加密及解密装置”，第18位的“G06E光学计算装置”，第19位的“G10L 声音的分析及合成；声音识别”。根据国际专利分类，这些都G部类，也就是说是属于物理学部类的小类，是与信息技术（IT）相关联的技术。
■考察——针对各技术领域的更为细致的政策很有必要
对各技术领域与科学之间关联程度的调查显示，与科学关联程度的强弱根据技术领域的不同而存在着较大的差异。从以专利中引用的论文数为指标显示出来的科学与技术的关联程度来看，生物技术领域非常突出，在其他技术领域中，摄影感光材料、密码、光学计算、声音识别等相关技术也显示出与科学之间存在较强的联系。
这些结果也与其他客观事实存在着整合性。举例来说，在创新与复兴计划的研讨会上，大卫·莫埃里教授提出，在美国加州大学通过专利取得的1500万美元技术收益中，前五位的专利收益占了总收益的九成，这些专利全都属于生物技术领域。此外，给美国斯坦福大学的技术转移事物所（OTL）带来成功的也是转基因的专利。在大学教授通过将自己的科学知识产业化而组建的风险企业中，在生物及信息技术（IT）方面的成功案例较多。
根据后藤、永田（1997）的研究，在企业占有新技术时，医药产业中专利的有效性受到高度评价，而从美国826家企业的平均值来看，第一位是先行将商品投入市场；第二位是技术信息的保密；第三位是生产设备，生产经验的拥有和管理；第四位是销售、服务网络的拥有和管理；第五位是生产、产品设计的复杂性，用专利保护新技术的方法的综合评分只占第六位。
由此可见，创新机制因技术领域（或者说是运用这些新技术的产业领域）而异。也就不难理解，下述这些行业的形成条件为什么会有所不同：比如通过取得物质专利，即便其他公司通过其它生产方式生产出相同产品，专利持有者也可以通过最后的化合物分子结构来确保自己的权利、即可以通过专利来占有技术创新的医药品及农药，由很多零件、专利、制造技术构成、而且必须重视售后服务的飞机与汽车，以及重视通过快速的技术创新以及模块结构来提高产品开发速度并且重视产品多样性的电子产品。
在进行产学合作时，必须充分地考虑这些不同技术领域所带来的差异来进行。比如在部分医药品及信息技术（IT）产业领域，专利的占有可能性较高，生产规模较小，生产成本也比较低，在这些产业中，有可能通过专利授权实现技术转移，以此为杠杆，可以实现大学创业。而在产品非常复杂，生产规模较大、同时服务网络也不可或缺的航空、宇宙及汽车产业中，依然由大企业垄断。在工序创新显得十分重要的领域，与其通过申请专利而将技术公开，还不如通过彻底保守企业秘密来维持企业的竞争力。比如在金属模具领域广为人知的冈野工业公司以及在液晶生产工序上以保密而闻名的夏普公司等就属于这一类企业。而且，不用说，即使强迫大学教员都去申请专利，有的技术领域不仅不能期待通过专利技术获得收入，而且为申请专利所付出的时间与劳动有时甚至可能阻碍大过于乐观了？比如将科研成果有形化，使其成为广为利用的公共财产，而通过专利进行独占技术以及通过转让专利技术来实现技术转移只有在上述医药品及IT产业等一部分领域中比较有效。