- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구는 저자동시인용분석과 저자서지결합분석을 종합한 학문의 지적 구조 분석 방법론의 유용성을 밝혀 이를 새롭게 제안하고자 하였다. 또한 국내 사회복지학 분야의 전통적인 지적 구조뿐만 아니라 최신의 연구동향 및 최근 활발한 연구 활동을 하는 핵심 연구자를 파악하는 데에 그 목적이 있다. 연구 결과 특정 학문 분야의 지적 구조를 파악하는데 있어 학문의 전통적 하위 주제 영역의 파악이나 실제 연구자들의 연구 경향을 파악하기 위하여 저자동시인용분석뿐만 아니라 저자서지결합분석을 병행하는 것이 보다 효율적인 것으로 나타났다.
Abstract
This study intended to make new suggestions by clarifying usefulness of analysis methodology for the intellectual structure of disciplines, which combines author co-citation analysis and author bibliographic coupling analysis. It also aimed to identify the recent research trend and key researchers recently doing research activities actively as well as the intellectual structure in the field of social welfare. It was found to be more efficient to conduct both author co-citation analysis and author bibliographic coupling analysis in order to identify traditional sub-areas of disciplinary subject or the research trend of actual researchers in examining the intellectual structure of a specific discipline.
초록
이 연구에서는 특허의 인용에 영향을 미치는 주요 변수들을 토대로 특허의 피인용횟수를 예측하기 위한 모형을 제시하였다. 이를 위해 미국특허를 대상으로 5개 주제분야에 걸쳐 특허의 피인용횟수와 일정 수준 이상의 상관관계, 즉 5% 이상의 설명력을 갖는 것으로 밝혀진 페이지 수, 청구항 수, 참고문헌 평균 피인용횟수, 서지결합도, 문헌간유사도 등 5개 변수들을 토대로 다중회귀분석을 실시하였다. 연구결과에 따르면, 제시된 5개 주제분야의 특허인용 예측모형의 설명력은 주제분야에 따라 58.3%~89.6%로 나타났으며, 예측변수로 사용된 5개의 독립변수 중 특허 피인용횟수에 가장 영향력이 높은 변수는 ‘문헌간유사도’로 나타났다. 또한 이 연구에서 추정된 주제분야별 예측모형을 토대로 산출한 특허 피인용횟수에 대한 예측값과 실제값을 비교한 결과 이들 예측모형은 5개 주제분야에서 모두 적합한 것으로 나타났다.
Abstract
The purpose of this study is to develop a prediction model of patent citation counts based on major factors which affect patent citation. To this end, we performed multiple regression analysis between the patent citation counts and five explanatory variables such as the number of pages, the number of claims, the reference-average-citation rate, the strength of bibliographic coupling, and the document similarity proved as having 5% or more standardized variances(r2) with patent citation counts, with a test dataset of U.S. patents in five subject fields. As a result, our prediction models showed 58.3% to 89.6% predictability depending on subject fields and revealed the document similarity has the highest impact on citation counts among the five predictive variables in all the subject fields. The result of comparison between the predicted citation counts and the actual ones confirmed the usefulness of the citation prediction models built for each subject field.