Kuidas mõõta tehnoloogilisi nišše Ida-Virumaal?
Uute tehnoloogianiššide mõõtmisel on käesolevas projektis analüüsiühikuks võetud innovatsioonialgatus ehk uue tehnoloogianiši empiiriliselt hinnatav ühik, mis esineb kas tehnoloogiale orienteeritud iduettevõtte või teadusprojektina. Mõlema kaasamine võimaldab tabada teadusliku teadmise loomise ja ettevõtlustegevuse vahelisi vastasmõjusid.
Kasutatud andmestik
Analüüsis kasutatud andmestik hõlmab järgmist:
- Tehnoloogiale orienteeritud iduettevõtteid, mida on piirkonnas registreeritud kokku 23, neist kaks on tegevuse lõpetanud. Iduettevõtetest 47% on seemnefaasis (seed‑stage), 18% varajases kasvufaasis ja 29% hilisemas arengufaasis lähtuvalt tüüpilisest iduettevõtluse arengustaadiumite mõistmisest.
Kaks sõltumatut eksperti tuvastasid kõigi nende iduettevõtete seast tehnoloogiale orienteeritud ettevõtted (välistades puhtalt teenusepõhised ettevõtted). Sellesse alamhulka kuulus viis seemnefaasi iduettevõtet energia, jäätmekäitluse, olmekeemia, turvalisuse ja farmaatsiateenuste valdkonnas. Otsene seos Õiglase Ülemineku Fondi (ÕÜF) rahastusega tuvastati siiski ainult ühel juhul, mis hõlmas toetust regionaalse tehase rajamiseks.
- Teadusprojekte (kokku 22), mida viivad läbi ülikoolid (TÜ ja TalTech) ja mida rahastas ÕÜF 10% omafinantseeringu nõudega. Enamik projekte keskendub meetodite ja mudelite arendamisele, kusjuures vaid 27% neist on seadnud eesmärgiks jõuda aastatel 2024–2029 kõrgematele tehnoloogilise valmiduse tasemetele (kuni TRL 4).
Iga innovatsioonialgatuse kohta koguti järgmine teave (vt tabel 1):
- Tehnoloogia omadused: tehnoloogiline valdkond ning tehnoloogia ja rakenduse märksõnad, mida kasutati (a) tehnoloogia elutsükli dünaamika (TLC) ja (b) ühiskondliku huvi määramiseks rakendusvaldkonna vastu.
- Tehnoloogilise valmiduse tasemed (TRL): alg- ja sihttasemete TRL‑id (enesehinnangulised; niši arengujärgu hindamiseks).
- Meeskond: suurus ja koosseis, sealhulgas doktorikraadiga liikmete osakaal.
- Rahastus: aastane kogurahastus.
- Projekti kestus või idufirma tegutsemisaeg (kuudes).
Tehnoloogiate ja rakendussektorite mõistmiseks ning kriitiliste arengutegurite – nimelt peamiste arenguaspektide, tõukemehhanismide ja tõkete – tuvastamiseks kasutati viie iduettevõtte asutaja ja viie teadusprojekti juhi intervjuusid koos avatud allikmaterjalidega. Teiste puhul kasutati avatud allikmaterjale (veebilehed, YouTube’i videod, esitluste slaidid jms).
Metoodika
Kvantitatiivsed TLC‑põhised mõõtmismeetodid tuginevad sageli kõverate sobitamise tehnikatele, et paigutada tehnoloogia elutsükli trajektoorile ja järeldada selle küpsustase. Kui traditsioonilised meetodid kasutavad sageli üksikuid indikaatoreid (Cauthen et al. 2022), tavaliselt publikatsioonide või patentide arvu, siis arenenumad lähenemised rakendavad mitmeindikaatorilisi mudeleid, et suurendada täpsust ja hõlmata mitmekesiseid küpsussignaale (Hüllen et al. 2023).
Käesolevas uuringus algas TLC hindamine tehnoloogiate ja rakendusvaldkondade märksõnade tuvastamisega, kasutades tehisintellekti tekstimaterjalide (projektitaotlused ja iduettevõtete veebilehed) põhjal ning kahte sõltumatut eksperti projektitaotlustes esitatud märksõnade ja projekti sisu alusel (vt tabel 1).
Seejärel koguti publitseerimisandmed SCOPUS‑e andmebaasist, mida siluti LOESS‑meetodiga (inglise keeles locally estimated scatterplot smoothing ehk lokaalselt kaalutud hajuvusdiagrammi silumine). See osutus võrreldes logistilise sobituse ja libiseva keskmisega võrreldes sobivaimaks. Esimese ja teise tuletise abil sünteesiti need omadused üheks tõlgendatavaks indeksiks.
Rakendati järgnevat teisendust:
Teisendus normaliseerib kalde ja kumeruse suhte piiritletud mõõdikuks, tundlikuks nii muutuse suuna kui ka järskuse suhtes. Selle tulemusena saadud kellakõver (Bell Curve Index IB, joonisel 1 sinise taustaga) võimaldab illustratiivsel eesmärgil võrrelda kõvera segmente ja nišitasandi mustreid nende suhtelise paiknemise järgi kellakujulisel trajektooril.
S‑kõver ja kellakõver kirjeldavad sama arenguprotsessi erinevatest vaatenurkadest ning on omavahel otseselt seotud. S‑kõver kajastab tehnoloogia või innovatsiooni kumulatiivset arengut ajas (nt kasutuselevõttu, teadmiste akumuleerumist või küpsuse taset), samas kui kellakõver kujutab selle arengu kiirust ehk muutuse määra. Matemaatiliselt vastab kellakõver S‑kõvera tuletisele: kellakõvera tipp langeb kokku S‑kõvera murdepunktiga, kus kasv on kõige kiirem. Seetõttu võimaldab S‑kõver hinnata, kui kaugel on tehnoloogia oma arengulaest, ning kellakõver aitab tuvastada faase, kus areng kiireneb või aeglustub. Mõlema kooskasutamine on tehnoloogia elutsükli ja innovatsiooniniššide analüüsis oluline, kuna need pakuvad täiendavaid ja üksteist täiendavaid tõlgendusraamistikke.
Joonisel 1 maatriksis näidatud ühiskondlikku huvi tuvastatud niššide vastu hinnati Google Trendsi teemaandmete abil, järgides Pisano jt. (2015) lähenemist. Otsinguterminite asemel kasutati seekord teemasid, kuna need koondavad eri keeltes seotud päringuid, hõlmavad semantiliselt sarnaseid otsinguid ja vähendavad õigekirjaga seotud müra. Google Trends pakub normaliseeritud ülemaailmseid otsinguhuvinäitajaid (0–100) perioodil 2004–2024 ning teemade vahelise tähelepanu võrdlemiseks kasutati keskmisi väärtusi.
Kõigi teemade integreerimiseks ühte andmestikku rakendati ankrupõhist ümbermõõdistamise meetodit (West 2020), kasutades põhiviitena „vesiniku salvestamist“. Normaliseerimisprotsessi toetasid mitmed tehisintellekti tööriistad, millest Gemini Pro andis kõige järjepidevamad tulemused. Arvestades otsinguintensiivsuse suurt varieeruvust niššide lõikes, kasutati skaalat tihendamiseks ja tõlgendatavuse parandamiseks logaritmilist teisendust.
Tabel 1. Ida-Virumaa tehnoloogiliste niššide andmed
| Niši kood | TRL | TRL projekti lõpus | Kestvus kuudes | Rahastus, eur | Lõpuaasta | Algusaasta | Tiimi suurus | Doktorikraadiga tiimiliikmeid | Tehnoloogia võtmesõnad | Nõudluse või rakendusvaldkonna võtmesõnad |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | TRL 2–3 | TRL 4–5 | 58 | 1 207 096 | 2028 | 2024 | 11 | 5 | Low-temperature electrolysis, non-precious metal catalysis | Hydrogen storage |
| 2 | TRL 2–3 | TRL 4 | 58 | 1 207 096 | 2028 | 2024 | 8 | 5 | Ceramic hydrogen electrodes, ceramic membrane reactor, high-temperature co-electrolysis of CO₂, high-temperature co-electrolysis of H₂O | Hydrogen production, syngas production, ammonia production |
| 3 | TRL 3–4 | TRL 5–6 | 72 | 1 620 000 | 2029 | 2023 | 8 | 4 | Building-integrated renewable solutions; microgrids and flexibility technologies; digital twins; real-time grid simulators | Energy storage, energy efficiency |
| 4 | TRL 3–4 | TRL 5–6 | 72 | 1 620 000 | 2023 | 2023 | 12 | 4 | Open energy-data communication protocols; AI application for energy system; digital twins; real-time grid simulators; nanogrids | Community energy; low-carbon economy; renewable energy cooperatives |
| 5 | TRL 2–3 | TRL 4–5 | 72 | 1 620 000 | 2029 | 2023 | 4 | 3 | Anti-corrosion coatings, nanocomposite film | Hydrogen economy, solar energy, solar power |
| 6 | TRL 2–3 | TRL 4–5 | 60 | 1 350 000 | 2028 | 2024 | 3 | 3 | Automated ML, explainable AI, federated learning, scalable automated ML, web-based automated ML | Automatisation, industrial automation |
| 7 | TRL 2–3 | TRL 4–5 | 60 | 1 350 000 | 2028 | 2024 | 13 | 2 | Industrial robotics, human-robot interaction, Industry 5.0, physical AI | Industrial automation |
| 8 | TRL 3–4 | TRL 5–6 | 56 | 1 165 472 | 2028 | 2023 | 10 | 3 | Augmented reality, digital twin, human-robot interaction, industrial robotics, Industry 4.0, Industry 5.0, virtual reality | Digital manufacturing |
| 9 | TRL 2–3 | TRL 4–5 | 66 | 1 485 000 | 2029 | 2023 | 18 | 5 | Human–robot interaction; VR/AR simulations | Digital manufacturing, automatisation |
| 10 | TRL 3–4 | TRL 5–6 | 70 | 1 575 000 | 2029 | 2023 | 14 | 7 | Rapid prototyping, 3D printing, 3D scanning, digital twin, Industry 4.0, Industry 5.0 | Sustainable manufacturing, lean manufacturing, circular economy, digital manufacturing |
| 11 | TRL 2–3 | TRL 4–5 | 72 | 1 620 000 | 2029 | 2023 | 20 | 8 | 5G mobile communication, 6G mobile communication, distributed systems, edge computing, embedded AI, industrial IoT | Sustainable manufacturing, digital manufacturing, lean manufacturing |
| 12 | TRL 3 | TRL 5–6 | 60 | 1 350 000 | 2028 | 2024 | 20 | 8 | Purification of REEs, separation of REE | Rare-earth element, circular economy |
| 13 | TRL 2–3 | TRL 4–5 | 25 | 562 500 | 2029 | 2024 | 5 | 4 | Purification of REEs, separation of REE | Rare-earth element, circular economy |
| 14 | TRL 2–3 | TRL 4–5 | 64 | 1 331 968 | 2029 | 2024 | 6 | 4 | Alternative binders, oil shale ash | Cement alternatives; circular economy |
| 15 | TRL 2–3 | TRL 4–5 | 64 | 1 026 112 | 2029 | 2024 | 4 | 3 | Alternative binders, oil shale ash | Cement alternatives; circular economy |
| 16 | TRL 2–3 | TRL 4–5 | 68 | 1 530 000 | 2029 | 2023 | 10 | 3 | CO₂ valorisation; porous polymer catalysts, CO₂ conversion | Circular economy |
| 17 | TRL 2–3 | TRL 4–5 | 66 | 1 485 000 | 2029 | 2023 | 7 | 5 | REE recovery, REE purification, REE separation | Rare-earth element, circular economy |
| 18 | TRL 3–4 | TRL 5–6 | 72 | 1 620 000 | 2029 | 2023 | 8 | 5 | Pyrolysis, production of syngas | Chemical recycling, waste valorization, circular economy |
| 19 | TRL 1–2 | TRL 2–3 | 38 | 561 108 | 2027 | 2024 | 5 | 2 | Agent-based modeling, decision models, fuzzy inference | Benchmarking, technology readiness level, business readiness |
| 20 | TRL 1 | TRL 2 | 38 | 561 108 | 2027 | 2024 | 6 | 3 | Digital platform; scenario modelling; telemedicine and e-health | Health indicator, health impact, health needs assessment |
| 21 | TRL 1 | TRL 2 | 69 | 1 436 028 | 2029 | 2023 | 5 | 3 | Labour-market forecasting; scenario modelling | Labour market, workforce transition |
| 22 | TRL 1 | TRL 2 | 60 | 885 960 | 2028 | 2024 | 12 | 10 | Multi-level analysis; innovation system assessments; scenario modeling | Innovation policy, public policy, business model |
| 23 | TRL 7–8 | — | 72 | 167 666 | NA | 2021 | 4 | 0 | Human–robot interaction; VR/AR simulations | Age verification system |
| 24 | TRL 5–6 | TRL 9 | 60 | 2 000 000 | NA | 2020 | 4 | 1 | Powder-based waterless formulations; powder line industrial manufacturing | Cosmetics, household chemicals |
| 25 | TRL 6–7 | — | 288 | 6 400 000 | NA | 1998 | 4 | 3 | GDNF; BBB penetrant; systemic drugs | Neurodegenerative disease |
| 26 | TRL 3–4 | — | 60 | NA | NA | 2020 | 5 | 3 | CO₂ conversion; CO₂ capture; redox flow battery | Carbon-neutral fuel |
| 27 | TRL 4–5 | — | 192 | 5 700 000 | NA | 2015 | 9 | 2 | Waste-heat recovery, thermal storage, AI application for energy system, industrial IoT | Low-carbon economy |
Kasutatud allikad
- Cauthen, K., Rai, P., Hale, N., Freeman, L., & Ray, J. (2022). Detecting technological maturity
- Hüllen, T., Wittfoth, S., & Kneib, T. (2023). A critical review of the development of technology maturity research and state-of-the-art approaches. In 2023 Portland International Conference on Management of Engineering and Technology (PICMET) (pp. 1-9). IEEE.
- Pisano, P., Pironti, M., & Rieple, A. (2015). Identify Innovative Business Models: Can Innovative Business Models Enable Players to React to Ongoing or Unpredictable Trends? Entrepreneurship Research Journal, 5(3). https://doi.org/10.1515/erj-2014-0032
- West, R. (2020). Calibration of Google Trends Time Series. Proceedings of the 29th ACM International Conference on Information & Knowledge Management, 2257–2260. https://doi.org/10.1145/3340531.3412075