계량서지학적 분석을 통한 약물연구분야 특허출원인 간 영향력 비교
A Comparative Study of the Impacts among Patent Assignees in Pharmaceutical Research based on Bibliometric Analyses
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
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
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 for patent documents related to pharmaceutical research. We identify the citation relationships between assignees, then calculate and compare the values of h-index and derived indicators by using the number of citations and rank for each document of each assignee. As a result, in the case of pharmaceutical research, the assignee, such as ‘Pfizer, MIT, and Abbott’ shows a high impact. Among the five bibliometric indicators, the g-index and hS-index show similar results, and the indicators are the most related to the rankings of Total Citation Frequency, Cites per Patents, and Maximum Citation Frequency. In addition, it is highly related to the five indicators in the order of Total Citation Frequency, Cites per Patents, and Maximum Citation Frequency. In some cases, it is difficult to make an accurate comparison with Cites per Patents alone, which is previously known to indicate the technological influence of patent assignees.
참고문헌 (15)
- 서진이, "문헌인용색인에 기반한 특허인용정보 활용에 관한 연구", 한국콘텐츠학회 종합학술대회 논문집, 4(2), pp.657~661 (2006)
- 엄익천, "한국 신약개발의 기술적 역량 진단과 개선방안", 과학기술정책, 2(2), pp.107~137 (2019)
- 이민정, "특허 인용 네트워크 분석", 응용통계연구, 29(4), pp.613~625 (2016), 한국통계학회
- 이재윤, "연구성과 측정을 위한 h-지수의 개량에 관한 연구", 정보관리학회지, 23(3), pp.167~186 (2006), 한국정보관리학회[DOI]
- Anderson, T. R., "Beyond the durfee square : enhancing the h-index to score total publication output", Scientometrics, 76(3), pp.577~588 (2008)[DOI]
- Egghe, L., "Theory and practice of the g-index", Scientometrics, 69(1), pp.131~152 (2006)[DOI]
- Jaffe, A. B., "Research handbook on the economics of intellectual property law", pp.20~46 (2019), Edward Elgar Publishing
- Kousha, K., "Patent citation analysis with Google", Journal of the Association for Information Science and Technology, 68(1), pp.48~61 (2015)[DOI]
- Nakamura, H., "The effect of patent family information in patent citation network analysis : a comparative case study in the drivetrain domain", Scientometrics, 104(2), pp.437~452 (2015)[DOI]
- "R: a language and environment for statistical computing" (2011)[URL]
- Britta Ruhnau, "Eigenvector-centrality — a node-centrality?", Social Networks, 22(4), pp.357~365 (2000), Elsevier BV[DOI]
- "Guide to the CPC" (2015)[URL]
- Walter, D, "Patent-to-patent versus patent family-to-patent family citations and the impact of an invention", Pharmaceutical patent analyst, 3(3), pp.219~221 (2014)[DOI]
- Erjia Yan, "Discovering author impact: A PageRank perspective", Information Processing & Management, 47(1), pp.125~134 (2011), Elsevier BV[DOI]
- Zhang, J., "Degree centrality, betweenness centrality, and closeness centrality in social network", 2017 2nd International Conference on Modelling, Simulation and Applied Mathematics (MSAM2017), pp.300~303 (2017), Atlantis Press