مطالعه هم استنادی پروانه های ثبت اختراع در حوزه خالص سازی و بازیابی ترکیبات هیدروکربنی از سامانه USPTO
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 380
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JKIM-3-2_002
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
هدف: هدف پژوهش، ترسیم و تحلیل نقشه های علمی حوزه خالص سازی و بازیابی ترکیبات هیدروکربنی در سامانه USPTO (اداره ثبت اختراع و علائم تجاری آمریکا) است. روش شناسی: پژوهش حاضر توصیفی و از لحاظ نوع کاربردی می باشد که با استفاده از روش تحلیل هم استنادی پروانه های ثبت اختراع و تکنیک شبکه انجام گردید. پروانه های ثبت اختراع مورد بررسی از رده اصلی 585 و رده فرعی 800 تا 868 حوزه خالص سازی و بازیابی ترکیبات هیدروکربنی در سامانه USPTO استخراج شده است. تحلیل داده ها و ترسیم نقشه علمی با استفاده از نرم افزارهای Ucinet، Netdraw و Ravar Pre Map انجام گرفت. یافته ها: در طول سال های مختلف، تعداد اختراعات در حوزه خالص سازی و بازیابی ترکیبات هیدروکربنی نوسانات زیادی داشته است، بیشترین تولید در سال 2013 و کمترین آن مربوط به سال 1971 می باشد. شبکه اصلی 2837 پروانه ثبت اختراع مورد بررسی، از 325 پاره شبکه تشکیل شده است. با توجه به شاخص مرکزیت رتبه، پروانه ثبت اختراع BROUGHTON_2985589 با رتبه 510 در جایگاه اول قرار گرفت. پروانه های ثبت اختراع، با شماره ثبت 3684665، 3043891 و 3401112 که مخترع اول آن ها به ترتیب ABE، STUCKEY و DUNLOP می باشند، رتبه های اول تا سوم از نظر مرکزیت بینابینی بدست آورده اند و شبکه خصوصی آنها رسم شده است. نتیجه گیری: تحلیل هم استنادی پروانه های ثبت اختراع می تواند، مهم ترین پروانه های ثبت اختراع و رابطه بین آنها را نمایش بدهد. از این تحلیل ها می توان در سیاست گذاری های کلان بهره برد، یا اینکه شکاف های موجود را شناسایی و برای برطرف کردن این شکاف ها تلاش کرد.
کلیدواژه ها:
نویسندگان
محمد توکلی زاده راوری
استادیار، علم اطلاعات و دانش شناسی، دانشگاه یزد
فاطمه مکی زاده
استادیار، علم اطلاعات و دانش شناسی، دانشگاه یزد
فاطمه اکرمی
کارشناسی ارشد علم سنجی، دانشگاه یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :