$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

계량서지학적 분석을 통한 약물연구분야 특허출원인 간 영향력 비교
A Comparative Study of the Impacts among Patent Assignees in Pharmaceutical Research based on Bibliometric Analyses 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.39 no.1, 2022년, pp.1 - 15  

김희영 (연세대학교 일반대학원 문헌정보학과) ,  박지홍 (연세대학교 문헌정보학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 약물 연구 분야에 속하는 특허 사이에 나타나는 지식의 흐름을 살펴보고 이들 간의 영향력을 파악해보기 위해 특허데이터에서 나타나는 인용 관계를 분석하였다. 특허데이터의 수집은 Google Patents에서 진행하였다. 약물 연구와 관련된 특허 문서를 검색하여 상위 25개의 출원인을 선정하였고, 이를 바탕으로 출원인 사이에서의 인용 관계를 알아보고 각 출원인의 각 문서에 대한 피인용빈도와 순위를 활용하여 h-지수와 h-지수의 파생지표들의 값을 계산하여 비교하였다. 분석 결과를 종합하면, 'Pfizer, MIT, Abbott' 등의 출원인이 약물 연구 분야에서 영향력이 높은 출원인으로 드러났다. 5개의 계량서지학적 지표 중에서 g-지수와 hS-지수가 서로 유사한 결과를 보여주었고, 총인용빈도, 최대인용빈도, CPP의 순위를 가장 잘 반영하는 지표로 나타났다. 또한, 총인용빈도, CPP, 최대인용빈도 순으로 5개의 계량서지학적 지표와의 상관관계가 높았다. 한편, 기존의 특허 출원인의 기술적 영향력을 나타내는 것으로 알려진 지표인 CPP만으로는 정확한 비교가 어려운 경우도 나타났다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study analyzes the relationship of citations appearing in the patent data to understand knowledge transfers and impacts between patent documents in the field of pharmaceutical research. Patent data were collected from a website, Google Patents. The top 25 assignees were selected by searching fo...

주제어

#h-지수   #인용   #네트워크   #특허   #약물연구  

표/그림 (9)

참고문헌 (15)

  1. Lee, Jae Yun (2006). Some improvements on h-index: measuring research outputs by citations. Journal of the Korean Society for Information Management, 23(3), 167-186. https://doi.org/10.3743/KOSIM.2006.23.3.167 

    원문보기 상세보기 crossref

  2. Lee, Minjung, Kim, Yongdai, & Jang, Woncheol (2016). Patent citation network analysis. The Korean Journal of Applied Statistics, 29(4), 613-625. http://doi.org/10.5351/KJAS.2016.29.4.613 

    원문보기 상세보기 crossref

  3. Seo, Jinny, Kwon, Oh-jin, Noh, Kyung-Ran, & Kim, Wan-jong (2006). A study on the application of the patent citation information based on the journal citation index. The Korea Contents Society, 4(2), 657-661. 

  4. Um, Ikcheon, Park, Jinseo, & Kim, Bongjin (2019). Diagnosis and improvement of technical capabilities of Korean drug development. Science and Technology Policy Institute, 2(2), 107-137. 

  5. Anderson, T. R., Hankin, R. K., & Killworth, P. D. (2008). Beyond the durfee square: enhancing the h-index to score total publication output. Scientometrics, 76(3), 577-588. https://doi.org/10.1007/s11192-007-2071-2 

    상세보기 crossref

  6. Egghe, L. (2006). Theory and practice of the g-index. Scientometrics, 69(1), 131-152. https://doi.org/10.1007/s11192-006-0144-7 

    상세보기 crossref

  7. Jaffe, A. B. & De Rassenfosse, G. (2019). Patent citation data in social science research: overview and best practices. In Depoorter, Ben & Menell, Peter S. eds. Research handbook on the economics of intellectual property law. Cheltenham: Edward Elgar Publishing, 20-46. https://doi.org/10.4337/9781789903997.00043 

    crossref

  8. Kousha, K. & Thelwall, M. (2015). Patent citation analysis with Google. Journal of the Association for Information Science and Technology, 68(1), 48-61. https://doi.org/10.1002/asi.23608 

    상세보기 crossref

  9. Nakamura, H., Suzuki, S., Kajikawa, Y., & Osawa, M. (2015). The effect of patent family information in patent citation network analysis: a comparative case study in the drivetrain domain. Scientometrics, 104(2), 437-452. https://doi.org/10.1007/s11192-015-1626-2 

    상세보기 crossref

  10. R Development Core Team (2011). R: a language and environment for statistical computing. Vienna: R foundation for statistical computing. Available: http://www.R-project.org/ 

  11. Ruhnau, B. (2000). Eigenvector-centrality-a node-centrality? Social networks, 22(4), 357-365. https://doi.org/10.1016/S0378-8733(00)00031-9 

    상세보기 crossref

  12. U.S. Patent and Trademark Office & European Patent Office (2015). Guide to the CPC. Available: http://www.cooperativepatentclassification.org/publications/GuideToTheCPC.pdf 

  13. Walter, D (2014). Patent-to-patent versus patent family-to-patent family citations and the impact of an invention. Pharmaceutical patent analyst, 3(3), 219-221. https://doi.org/10.4155/ppa.14.20 

    상세보기 crossref

  14. Yan, E. & Ding, Y. (2011). Discovering author impact: A pagerank perspective. Information Processing & Management, 47(1), 125-134. https://doi.org/10.1016/j.ipm.2010.05.002 

    상세보기 crossref

  15. Zhang, J. & Luo, Y. (2017). Degree centrality, betweenness centrality, and closeness centrality in social network. In 2017 2nd International Conference on Modelling, Simulation and Applied Mathematics (MSAM2017). Atlantis Press, 300-303. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로