| [1] 王贻芳,白云翔.发展国家重大科技基础设施 引领国际科技创新[J].管理世界,2020,36(05):172-188+17.
[2] 陈馨旖,黄振羽.大科学装置建设的参与主体演化[J].中国科技论坛,2019(12):156-163+172.
[3] 李凡.以大科学装置触发形成新质生产力[J].南方经济,2024(05):10-11.
[4] 刘先江,宋丹,徐政.以低空经济打造新质生产力发展新引擎[J].北京航空航天大学学报(社会科学版),2024,37(05):134-144.
[5] 欧阳桃花.低空经济的技术创新与场景创新[J].人民论坛·学术前沿,2024(15):57-68.
[6] 沈映春,张豪兴.数字基础设施建设对低空经济高质量发展的影响研究[J].北京航空航天大学学报(社会科学版),2024,37(05):96-108.
[7] 欧阳桃花,郑舒文.基于共同演化的低空经济产业生态策略研究——以“低空航空器+”为例[J].北京航空航天大学学报(社会科学版),2024,37(05):109-119.
[8] 李世杰.新质生产力赋能海南自由贸易港低空经济发展的实践路径[J].人民论坛·学术前沿,2024(15):76-83.
[9] 陈套.重大科技基础设施内涵演进与发展分析[J].科学管理研究,2021,39(05):21-26.
[10] 王帅,孙鑫琴,赵蕊,时省.组态视角下大科学装置产业溢出效应影响因素研究[J].中国科技论坛,2024(02):30-41.
[11] 胡元蛟,吴妍妍.大科学装置产业化人才培养对策研究——以美、德、英、日等发达国家为比较视角[J].中国高校科技,2020(07):48-51.
[12] 张玲玲,王蝶,张利斌.跨学科性与团队合作对大科学装置科学效益的影响研究[J].管理世界,2019,35(12):199-212.
[13] 刘人境,钟兴举,孟拓宁,燕欣宇.大科学装置科研合作网络结构特征研究[J].西安交通大学学报(社会科学版),2023,43(06):140-151.
[14] 张玲玲,赵道真,张秋柳.依托大科学装置的产业化模式及其对策研究——以散裂中子源为例[J].科技进步与对策,2017,34(19):53-59.
[15] 李志遂,聂常虹,刘倚溪,贺舟.大科学装置(集群)驱动型创新生态系统的理论模型与实证研究[J].管理评论,2023,35(01):121-133.
[16] 张铁柱,王玲.促进低空经济多业态融合健康发展[J].人民论坛·学术前沿,2024(15):15-24.
[17] 程晓舫,唐磊,夏依林.大科学装置共建共享及其对区域一体化的影响——以长三角为例[J].科技管理研究,2020,40(22):26-31.
[18] 钟成林,胡雪萍.低空经济高质量发展的新质生产力逻辑与提升路径[J].深圳大学学报(人文社会科学版),2024,41(05):84-93.
[19] 段飞,龙云凤,孟鸿.大科学装置推动新材料技术研发的模式和路径——以中国散裂中子源为例[J].科技管理研究,2023,43(17):103-108.
[20] 楼旭明,张程锦,唐影.基于专利分析和TRIZ理论的无人机技术态势研究[J].情报杂志,2020,39(02):56-62.
[21] 娄岩,赵培培,黄鲁成.基于专利共类的无人机技术融合趋势研究[J].情报杂志,2020,39(11):68-75+81.
[22] Nagy D, Schussler J, Dubinsky A. Defining and identifying disruptive innovations[J]. Industrial marketing management, 2016, 57:119-126.
[23] 苏成,赵志耘,赵筱媛,等.颠覆性技术新阐释:概念、内涵及特征[J].情报学报,2021,40(12):1253-1262.
[24] 许佳琪,汪雪锋,陈虹枢,等.跨领域颠覆性技术主题识别研究——以脑科学技术为例[J].图书情报工作,2024,68(15):44-57.
[25] 吕鲲,项旻昊,靖继鹏.基于LDA2Vec和DTM模型的颠覆性技术主题识别研究——以能源科技领域为例[J].图书情报工作,2023,67(12):89-102.
[26] 何郁冰,徐美娟,荆晶.基于创新采用框架的颠覆性技术识别研究[J/OL].科学学研究,1-16[2024-11-06]. https://doi.org/10.16192/j.cnki.1003-2053.20240220.004.
[27] 周磊,方芳.基于创新链与时序二维视角的产业科技创新需求挖掘[J].现代情报,2021,41(07):103-109.
[28] 吕鲲,陈箫羽,靖继鹏.基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究[J].图书情报工作,2022,66(19):110-121.
[29] Nie X K, Wager S. Quasi-oracle Estimation of Heterogeneous Treatment Effects[J].Biometrika,2021,108(2).
[30] 田红宇,孟娜娜,付玮琼,等.大科学装置集群布局与新质生产力加速形成——基于合肥综合性国家科学中心设立的准自然实验分析[J/OL].重庆大学学报(社会科学版),1-14[2024-11-07]. http://kns.cnki.net/kcms/detail/50.1023.C.20240914.1640.004.html.
[31] Athey S.,Wager S. Estimating treatment effects with causal forests: An application[J]. Observational Studies,2019,5(2):37-51.
[32] Chernozhukov V,Chetverikov D,Demirer M,et al.Double/debiased Machine Learning for Treatment and Structural Parameters[J].Econometrics Journal,2018,21(1):C1-C68.
[33] 胡晟明,王林辉,赵贺.人工智能应用、人机协作与劳动生产率[J].中国人口科学,2021,(05):48-62+127.
[34] 于柳箐,高煜.数据要素、数据劳动与中国制造业增长[J].统计与决策,2024,40(09):145-149 |