Loading...
|
Please use this identifier to cite or link to this item:
https://nccur.lib.nccu.edu.tw/handle/140.119/157724
|
| Title: | 我國金融科技發展預測：以QR Code支付應用為例
Technological Forecasting for the Development of QR Code Applications in Taiwan’s FinTech Field |
| Authors: | 劉邦宇
Liu, Bang-Yu |
| Contributors: | 吳豐祥
Wu, Feng-Shang
劉邦宇
Liu, Bang-Yu |
| Keywords: | QR Code支付
技術預測
成長曲線法
技術生命週期
專利分析
QR code-based payment
Technology forecasting
Growth curve approach
Technology lifecycle
Patent data analysis |
| Date: | 2025 |
| Issue Date: | 2025-07-01 14:33:02 (UTC+8) |
| Abstract: | 本研究旨在探討我國金融科技領域中QR Code支付應用技術之發展趨勢，並透過專利資料進行技術預測，以提供金融機構與政策制定者未來發展之策略參考。研究問題包括探討本技術適合之技術預測模型、判斷本技術現所屬的生命週期階段，並分析產業上技術應用布局之情形。
在研究方法上，本研究蒐集並篩選QR Code支付應用技術的相關專利，並藉由技術生命週期理論，以Logistic模型與Gompertz模型進行成長曲線的趨勢預測分析。模型適配性與預測能力的評估標準則透過R²與MAPE兩項統計指標進行分析與比較。
本研究所得到的主要發現，包括：
一、QR Code支付應用技術預測模型的建構上，Gompertz model展現出比Logistic model更高的適配程度及更佳的預測能力。
二、QR Code支付應用技術專利發展高度依賴外部環境，初期受政策推動而快速成長，後期的成長則因疫情與資源轉移而趨緩。
三、以專利資料觀之，現階段QR Code支付技術的應用領域以銀行經營上的轉帳、繳費/繳稅、提款等業務為主。
四、QR Code支付應用技術的專利申請人以銀行業者為主。
五、在各類專利的比重上，不同於我國整體以發明專利為主，在QR Code支付應用技術的專利申請上是以新型專利為主。
參考上述的研究發現，本研究建議業者未來可以考量更積極地投入資源於購物及乘車等貼近日常生活的應用場景，並透過跨界合作、技術授權與專利布局策略來強化市場競爭力。此外，本研究也建議政府提供更靈活的政策支持與激勵措施，促進業界對於創新技術的研發投入，以避免QR Code支付技術過早進入衰退期，確保技術的持續創新與產業的永續發展。
本研究主要學術上的貢獻，包括：
一、透過分析確認了Gompertz model與Logistic model的比較優勢，研究結果彌補了過往文獻有關預測模型選擇無定論的缺口。
二、從技術預測的觀點來探討QR Code支付應用技術的發展，研究結果彌補了過往該領域文獻較偏向於政策、應用與推廣策略等面向的研究缺口。
This thesis aims to investigate the development trends of QR Code payment application technologies within Taiwan's financial technology sector and employs patent data to perform technological forecasting. The findings aim to provide strategic references for financial institutions and policy-makers. The research questions include identifying suitable technological forecasting models for QR Code payment technology, determining its current lifecycle stage, and analyzing the industry's technological application landscape.
In terms of methodology, this thesis collects and screens patents related to QR Code payment applications and employs technological lifecycle theory, utilizing Logistic and Gompertz models for growth curve forecasting analysis. Model suitability and predictive performance are evaluated and compared using statistical indicators R² and MAPE.
The main findings of this thesis are:
1.The Gompertz model demonstrates a higher degree of fit and better predictive capability compared to the Logistic model in constructing forecasting models for QR Code payment application technologies.
2.The patent development of QR Code payment technology is highly dependent on the external environment. Initially, rapid growth was driven by policy support, whereas later growth slowed due to the pandemic and resource reallocation.
3.Currently, the predominant application domains of QR Code payment technology patents involve banking operations, such as fund transfers, bill/tax payments, and cash withdrawals.
4.Banks represent the primary group of patent applicants for QR Code payment application technologies.
5.Unlike the broader Taiwanese patent landscape dominated by invention patents, QR Code payment application technology patents predominantly consist of utility model patents.
Based on these findings, this thesis suggests that firms should actively invest resources in applications closely related to daily life, such as shopping and transportation, and enhance market competitiveness through cross-industry collaboration, technology licensing, and strategic patent portfolios. Additionally, the government is recommended to provide flexible policy support and incentives to stimulate innovation and prevent the premature decline of QR Code payment technologies, thereby ensuring sustained technological innovation and industry sustainability.
The key academic contributions of this thesis include:
1.Confirming the comparative advantages of the Gompertz and Logistic models, addressing gaps in existing literature regarding inconclusive model selection.
2.Exploring the development of QR Code payment application technologies from a technological forecasting perspective, thus addressing literature gaps primarily focused on policy, application, and promotion strategies in this field. |
| Reference: | 外文文獻
1.Adamuthe, A. C., & Thampi, G. T. (2019). Technology forecasting: A case study of computational technologies. Technological Forecasting and Social Change, 143, 181-189.
2.Adrian, T., & Mancini-Griffoli, T. (2021). The rise of digital money. Annual Review of Financial Economics, 13(1), 57-77.
3.Andersen, B. (1999). The hunt for S-shaped growth paths in technological innovation: a patent study. Journal of Evolutionary Economics, 9, 487-526.
4.Archibugi, D., & Planta, M. (1996). Measuring technological change through patents and innovation surveys. Technovation, 16(9), 451-519.
5.Ashton, W. B., & Sen, R. K. (1988). Using patent information in technology business planning—I. Research-Technology Management, 31(6), 42-46.
6.Basberg, B. L. (1987). Patents and the measurement of technological change: A survey of the literature. Research Policy, 16(2-4), 131-141.
7.Calleja-Sanz, G., Olivella-Nadal, J., & Solé-Parellada, F. (2020). Technology forecasting: Recent trends and new methods. Research Methodology in Management and Industrial Engineering, 45-69.
8.Campani, M., & Vaglio, R. (2015). A simple interpretation of the growth of scientific/technological research impact leading to hype-type evolution curves. Scientometrics, 103(1), 75-83.
9.Campbell, R. S. (1983). Patent trends as a technological forecasting tool. World Patent Information, 5(3), 137-143.
10.Cetron, M.J. (1969). Technological Forecasting and Long-Range Planning, New York: McGraw-Hill.
11.Chakrabarti, A. K. (2002). Competition in high technology: Analysis of patents of US, Japan, UK, France, West Germany, and Canada. IEEE Transactions on Engineering Management, 38(1), 78-84.
12.Chanchetti, L. F., Diaz, S. M. O., Milanez, D. H., Leiva, D. R., de Faria, L. I. L., & Ishikawa, T. T. (2016). Technological forecasting of hydrogen storage materials using patent indicators. International Journal of Hydrogen Energy, 41(41), 18301-18310.
13.Chen, Y. H., Chen, C. Y., & Lee, S. C. (2011). Technology forecasting and patent strategy of hydrogen energy and fuel cell technologies. International Journal of Hydrogen Energy, 36(12), 6957-6969.
14.Daim, T. U., Rueda, G., Martin, H., & Gerdsri, P. (2006). Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting and Social Change, 73(8), 981-1012.
15.Davis, A. (1939). Technicways in American civilization - notes on a method of measuring their point of origin. Social Forces, 18(3), 317-330.
16.Dubarić, E., Giannoccaro, D., Bengtsson, R., & Ackermann, T. (2011). Patent data as indicators of wind power technology development. World Patent Information, 33(2), 144-149.
17.Ernst, H. (1997). The use of patent data for technological forecasting: the diffusion of CNC-technology in the machine tool industry. Small Business Economics, 9, 361-381.
18.Fendt, H. (1983). Strategische Patentanalyse, Blick in die Zukunft. Wirtschaftswoche, 37(29), 40-45.
19.Fisher, J. C., & Pry, R. H. (1971). A simple substitution model of technological change. Technological Forecasting and Social Change, 3, 75-88.
20.Foster, R. N. (1986). Working the S-curve: assessing technological threats. Research Management, 29(4), 17-20.
21.Gabor, D. (1964). Inventing the Future, New York: Alfred A. Knopf, Inc.
22.Gao, L., Porter, A. L., Wang, J., Fang, S., Zhang, X., Ma, T., Wang, W., & Huang, L. (2013). Technology life cycle analysis method based on patent documents. Technological Forecasting and Social Change, 80(3), 398-407.
23.Gompertz, B. (1825). XXIV. On the nature of the function expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. In a letter to Francis Baily, Esq. FRS &c. Philosophical Transactions of the Royal Society of London, (115), 513-583.
24.Griliches, Z. (1990). Patent Statistics as Economic Indicators: A Survey Part I, Cambridge: NBER.
25.Griliches, Z. (1998). Patent statistics as economic indicators: a survey. In R&D and Productivity: the Econometric Evidence (pp. 287-343). University of Chicago Press.
26.Hall, B. H., Griliches, Z., Hausman, J. (1986). Patents and R & D: is there a lag? International Economic Review, 27(2), 265-283.
27.Jani, M. S. (2024). Choosing the Best Model: A Friendly Guide to AIC and BIC. Jani Data Diaries. https://medium.com/@jshaik2452/choosing-the-best-model-a-friendly-guide-to-aic-and-bic-af220b33255f
28.Kato, H., & Tan, K. T. (2007). Pervasive 2D barcodes for camera phone applications. IEEE Pervasive Computing, 6(4), 76-85.
29.Khalil, T. M. (2000). Management of Technology: The Key to Competitiveness and Wealth Creation, New York: McGraw-Hill.
30.Kim, D. H., Shin, Y. G., Park, S. S., & Jang, D. S. (2009). Forecasting diffusion of technology by using bass model. In AIP Conference Proceedings (Vol. 1148, No. 1, pp. 149-152). American Institute of Physics.
31.Levary, R. R., & Han, D. (1995). Choosing a technological forecasting method. Industrial Management, 37(1), 14-18.
32.Liang, S. K., Yuan, B., & Chow, L. R. (1999). A decision model linkage between technology forecasting, technology dominance and technology strategy. International Journal of Technology Management, 18(1-2), 46-55.
33.Little, A. D. (1981). The Strategic Management of Technology, Boston: Arthur D. Little.
34.Malthus, T. (1798). An Essay on the Principle of Population, London: Oxford University Press.
35.Mansfield, E. (1961). Technical change and the rate of imitation. Econometrica: Journal of the Econometric Society, 741-766.
36.Martin, B. R. (1995). Foresight in science and technology. Technology Analysis & Strategic Management, 7(2), 139-168.
37.Martin, C. A., & Witt, S. F. (1989). Forecasting tourism demand: A comparison of the accuracy of several quantitative methods. International Journal of Forecasting, 5(1), 7-19.
38.Martino, J.P., (1993). Technological Forecasting for Decision Making, 3rd ed., New York: McGraw-Hill.
39.MAS (2019). A Guide to the New Payment Services Act. https://www.mas.gov.sg/regulation/faqs/faqs-on-payment-services-act-2019
40.Meade, N., & Islam, T. (1995). Forecasting with growth curves: An empirical comparison. International Journal of Forecasting, 11(2), 199-215.
41.Meade, N., & Islam, T. (1998). Technological forecasting—Model selection, model stability, and combining models. Management Science, 44(8), 1115-1130.
42.Meade, N., & Islam, T. (2001). Forecasting the diffusion of innovations: Implications for time-series extrapolation. Principles of Forecasting: A Handbook for Researchers and Practitioners, 577-595.
43.Meade, N., & Islam, T. (2015). Forecasting in telecommunications and ICT—A review. International Journal of Forecasting, 31(4), 1105-1126.
44.Millett, S. M., & Honton, E. J. (1991). A Manager's Guide to Technology Forecasting and Strategy Analysis Methods, Columbus: Battelle Press.
45.Online Tool Center (2024). QR Code History: From Invention to Widespread Adoption. Online Tool Center. https://zh.onlinetoolcenter.com/blog/QR-Code-History-From-Invention-to-Widespread-Adoption.html?utm_source=chatgpt.com.html
46.Pearl, R. (1924). The curve of population growth. Proceedings of the American Philosophical Society, 63(1), 10-17.
47.Pearl, R., & Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. Proceedings of the National Academy of Sciences, 6(6), 275-288.
48.Porter, A. L. & Rossini, F. A. (1987). Technological Forecasting, In M. G. Singh, (ed.) Encycolopedia of System and Control, Oxford: Pargamon.
49.Porter, A. L., Roper, A. T., Mason, T. W., Rossini, F. A., & Banks, J. (1991). Forecasting and Management of Technology (Vol. 18), New York: John Wiley & Sons.
50.Rogers, E. M. (1962). Diffusion of Innovations, New York: Free Press of Glencoe.
51.Schankerman, M., & Pakes, A. (1986). Estimates of the value of patent rights in European countries during the post-1950 period. The Economic Journal, 96(384), 1052-1076.
52.Tarek M. K. (2002). Management of Technology, New York: McGraw-Hill.
53.Trappey, C. V., Wu, H. Y., Taghaboni-Dutta, F., & Trappey, A. J. (2011). Using patent data for technology forecasting: China RFID patent analysis. Advanced Engineering Informatics, 25(1), 53-64.
54.Wave, denso (2025). What is a QR Code. QR code.com. https://www.qrcode.com/en/about/
55.WIPO (2025). What is a patent. Patents. https://www.wipo.int/en/web/patents#intro
中文文獻
1.王憶萍（2013）。應用QR Code建立雲端行動導覽系統－以彰化孔廟行動導覽為例。﹝碩士論文。亞洲大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/2h5535。
2.田育任、林宗達（2018）。邁向多元發展之 QR Code共用平台及技術規格。財金資訊季刊，91，15-23。
3.朱文伶（2009）。行動電話擴散研究之模型選用及驅動因子分析。﹝博士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/b5j8r6。
4.何正羽（2006）。高齡人口Gompertz死亡率推估模型的建構與應用。﹝碩士論文。東吳大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/wqja62。
5.余序江、許志義、陳澤義（1998）。科技管理導論：科技預測與規劃。臺北：五南出版社。
6.吳宏基（2007）。二維條碼（QR Code）在農業之運用。台灣農業資訊科技發展協會。取自：http://www.taita.org.tw/show_epaper/taita/03/report_view2.htm。
7.吳國誠（2021）。公股銀行推廣電子支付之政策行銷研究-以臺灣PAY為例。﹝碩士論文。臺北市立大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/2uk3en。
8.吳豐祥（2002）。談技術預測與評估。就業情報雜誌，327，138-139。
9.李素華（2006）。從公共衛生之觀點論醫藥專利權之保護與限制。﹝博士論文。國立臺灣大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/9rws5d。
10.李捷聲（2007）。二維條碼在台灣市場的機會與挑戰分析。﹝碩士論文。國立臺灣大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/c2cap6。
11.林靜怡（2022）。整合QR Code及浮水印於印章之防偽功能加強研究。﹝碩士論文。國立臺灣師範大學﹞臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/gp46h6。
12.金融監督管理委員會（2025）。電子支付帳戶時間序列統計。銀行局全球資訊網。https://www.banking.gov.tw/webdowndoc?file=/stat/cc/epay_acct.xlsx。
13.香港金融管理局（2018）。香港的國際金融中心地位。香港金融管理局 2018 年報。取自：https://www.hkma.gov.hk/media/chi/publications-and-research/annual-report/2018/C14_International_Financial_Centre.pdf。
14.夏文龍（1988）。專利對產業界的價值。智慧財產權管理，16，20-21。
15.徐竣祈（2008）。透過專利、學術論文分析技術發展趨勢－以蝕刻技術為例。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/d2kmr8。
16.徐濟世、惠龍（2003）。使用 S 曲線模型進行技術預測分析：以自由軟體 Linux 為例。電子商務研究，第一卷第二期，147-158。
17.袁建中（2007）。科技管理。臺北：雙葉書廊有限公司。
18.袁建中、吳豐祥（2024）。專刊主編序：技術預測的回顧與展望。科技管理學刊，29(1)，i-ix。
19.袁建中、陳坤成（2008）。科技管理：以科技服務透視技術移轉與智慧財產權。臺北：華泰文化事業股份有限公司。
20.財團法人資訊工業策進會（2024）。Zero Pay~由政府推動的支付工具。FIND。https://www.find.org.tw/wind/browse/bfe1b2c9fb24b739ce5bd3d41052041f。
21.馬千惠（2011）。QR Code 行銷優勢多。電子商務時報。取自： https://www.ectimes.org.tw/2011/10/qr-Code%e3%80%80%e8%a1%8c%e9%8a%b7%e5%84%aa%e5%8b%a2%e5%a4%9a/。
22.馬天旗、黃文靜、李傑、張叢、李萍、郝政宇、王冀（2015）。專利分析方法、圖表解讀與情報挖掘。北京：知識產權出版社。
23.國家通訊傳播委員會（2025）。113年度通訊市場調查結果報告。國家通訊傳播委員會網站。https://www.ncc.gov.tw/chinese/files/25010/5027_51000_250102_1.pdf。
24.張安君（2011）。QR Code 應用無界線。電子商務時報。取自： https://www.ectimes.org.tw/2011/10/qr-Code%E3%80%80%E6%87%89%E7%94%A8%E7%84%A1%E7%95%8C%E7%B7%9A/。
25.張志立（2004）。以技術生命週期作為技術預測模式之比較。﹝碩士論文。中原大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/bd2wk3。
26.張登凱（2021）。透過專利數據進行技術預測：探討自駕車技術之擴散。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/m94537。
27.許牧彥、高偉哲、邱郁雯、李淑華（2024）。邁向創新擴散與產業動態之一般性預測模型：以 Bass-Lotka-Volterra 模型分析 Intel 及 AMD 之競合。科技管理學刊，29(1)，65-101。
28.許柏林（2018）。臺灣PAY QR Code共通支付打造電子支付新世代。財金資訊季刊，91，24-28。
29.陳思妤（2023）。利用專利分析進行技術預測：評估浮動式離岸風電技術創新發展。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/8pqb98。
30.陳哲宏、陳逸南、謝銘洋、徐宏昇（1994）。專利法解讀。臺北：月旦出版公司。
31.陳達仁（2009）。專利檢索與專利分析（第3版）。臺北：經濟部智慧財產局。
32.陳達誠（2020）。為促進電子支付普及 日本推出「JPQR」統一條碼。鉅亨網。取自：https://news.cnyes.com/news/id/4486410。
33.陳澤義（2005）。科技管理：理論與應用。臺北：華泰文化事業股份有限公司。
34.黃敬家（2011）。平面電視的世代演進以生命週期分析。﹝碩士論文。國立清華大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/4h9u3x。
35.楊金龍（2019）。中央銀行貨幣與零售支付系統-兼論財金公司扮演之角色。〔專題演講〕。財金資訊公司金融資訊系統年會，臺北，臺灣。
36.葉子傑（2012）。汽車維修業導入行動APP與QR Code之盤點暨庫存管理系統－以NH公司為例。﹝碩士論文。國立高雄應用科技大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/udsa7a。
37.葉晉瑋（2018）。兩岸行動支付之比較—— 以微信支付及Line Pay為例。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/m7678s。
38.劉尚志（2000）。產業競爭與專利策略，科技發展政策報導，8908，1085-1098。
39.劉湝沂（2019）。影音串流平台之創新擴散模型研究－以Netflix和Spotify為例。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/7bk6wb。
40.蔡福隆（2017）。電子支付帶動臺灣金融科技發展。國土及公共治理季刊，5(1)，92-97。
41.鄭俊彥（2020）。透過專利文字探勘辨識潛在競爭者之方法：以金融科技產業為例。﹝碩士論文。國立政治大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/4ys8ry。
42.盧煜煬、劉顯仲、謝志宏、陳淑娟（2019）。廣義虛擬實境的發展軌跡與未來趨勢。管理與系統，26(4)，427-449。
43.蕭麗芬（2002）。淺論專利授權實施對競爭秩序之影響。新竹：工業技術研究院。
44.賴士葆、謝龍發、陳松柏（2005）。科技管理。臺北：華泰文化事業股份有限公司。
45.賴士葆、謝龍發、曾淑婉、陳松柏（1997）。科技管理。臺北：國立空中大學。
46.謝志宏（2006）。技術前瞻領域選擇之類型。﹝博士論文。國立交通大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/qau5q2。
47.謝志宏、鄧筑云、劉建浩（2024）。運用混合情境分析法預測2035年台灣半導體產業發展。科技管理學刊，29(1)，1-31。
48.簡明仁（2021）。淺談臺灣之金融科技發展。指南新政，29，5-8。 |
| Description: | 碩士
國立政治大學
科技管理與智慧財產研究所
112364218 |
| Source URI: | http://thesis.lib.nccu.edu.tw/record/#G0112364218 |
| Data Type: | thesis |
| Appears in Collections: | [科技管理與智慧財產研究所] 學位論文
|
Files in This Item:
| File |
Description |
Size | Format | |
|---|
| 421801.pdf | | 3946Kb | Adobe PDF | 0 | View/Open |
|
All items in 政大典藏 are protected by copyright, with all rights reserved.
|
