IMPPイノベーション研究方法論特許・書誌分析 II

IMPP イノベーション研究方法論

特許・書誌分析 II2015/7/8 18:45-21:00

政策研究大学院大学科学技術イノベーション政策研究センター (GRIPS SciREX センター )

原泰史

04/15/2023 1IMPPイノベーション研究方法論

今日の内容 (135 分 )

1. 前回のおさらい2. Tableau (BI ツール ) を使った日本特許の分析の紹介3. PATSTAT ONLINE を使った欧州特許の分析4. Web of Knowledge を使った論文書誌情報の分析5. データベース（特許 , 論文 , サイエンスリンケージデータ

ベース etc… ）を接合した分析 • 詳しくは ,

• SciREX 「ナショナルイノベーションシステムに係る定量データとその分析手法」 WS シリーズ http://scirex.grips.ac.jp/center/ja/341 で


http://scirex.grips.ac.jp/center/ja/341



告知• SciREX 「ナショナルイノベー

ションシステムに係る定量データとその分析手法」 WS シリーズ第五回

• 計量テキスト分析ソフトを用いた NISTEP 定点調査の解析

• 日時 : 2015 年 7 月 25 日 16:00-18:00

• 場所• GRIPS SciREX センター• 一橋大学イノベーション研究セン

ター

• 参加方法• 名前 ( ふりがな )• 所属機関• メールアドレス• 受講を希望する場所 (GRIPS 科学技

術イノベーション政策研究センターまたは一橋大学イノベーション研研究センター )

を [email protected] までご連絡ください .

• 詳しくは• http://innovation.connpass.com/

event/17718/04/15/2023 3IMPPイノベーション研究方法論

mailto:[email protected]

1. 前回のおさらい


Framework of Innovation Indicators [modified. 2] (Pakes and Griliches 1984)

Other Economic

Factors

Non-Knowledge Factors of Production Output:

ProductivityFirm’s Value

Patent

Knowledge Stock

AppropriationPatentingPropensity

Inputs to InnovationR&D, designing,

marketing research etc…

Knowhow and First Mover Advantage

PaperIn-tangibleknowledge


04/15/2023 6

(Kuhn っぽい ) Innovation process

基礎研究応用研究製品化マーケティング

論文特許 POS データ

博士人材データベース

科研費データベース

定量的な分析をするために、データベースを使う・特許データを使って製品化のプロセスを観察する・論文データと博士人材データベースと科研費 DB を組み合わせて , 競争的資金の研究開発パフォーマンスへの影響を観察するIMPPイノベーション研究方法論

プレスリリース

2. Tableau (BI ツール ) を使った日本特許の分析の紹介


日本特許用のデータベース• 特許情報プラットフォーム

• 工業所有権情報・研修館が提供• 無償 : https://www.j-platpat.inpit.go.jp/web/all/top/BTmTopPage• 特許の大まかな内容を調べるにはこれで十分

• IIP パテントデータベース• 知的財産研究所（と人工生命研究所）が提供• 無償 : http://www.iip.or.jp/patentdb/• 出願情報、登録情報、出願人情報、引用情報、発明者情報、発明者情報がそれぞれ収録• マニュアル： http://www.iip.or.jp/patentdb/pdf/manual.pdf• ダウンロードページ : https://database.iip.or.jp/patentdb/

• 研究用特許データベース

• IIP パテントデータベース、研究用特許データベースどちらも工業所有権情報・研修館が提供する整理標準化データがベース


https://www.j-platpat.inpit.go.jp/web/all/top/BTmTopPage

https://www.j-platpat.inpit.go.jp/web/all/top/BTmTopPage

http://www.iip.or.jp/patentdb/

http://www.iip.or.jp/patentdb/

http://www.iip.or.jp/patentdb/pdf/manual.pdf

http://www.iip.or.jp/patentdb/pdf/manual.pdf

https://database.iip.or.jp/patentdb/


研究用特許データベース• （１）整理標準化データ (patR データベース )

• 特許庁での特許の出願、審査請求、拒絶、権利維持、最終処分まで、手続きを記録したもの

• 提供時期は１９６４年以降 , 適宜アップデート中• データ量が多いため、研究に必要な項目を限定してデータベースに格納

• （２）公報データ (td_5 データベース )• 特許の明細書および書誌情報を年別・公報種別によって記録したもの• 発行時期は公開公報：１９９３年から２０１２年まで• 特許公報：１９９４年から２０１２年まで• 公表公報：１９９６年から２０１２年まで• 再公表公報：１９９６年から２０１２年まで。すべてのデータを格納。


３つの特許データベースの違いは？

04/15/2023 10（永田２００４）

特許庁データ

整理標準化データ日本国特許庁への特許出願等に基づいて作成される産業財産権情報（出願、審判、登録情報等）について、公開可能な情報の重複を排除し標準的な形式である XMLや SGML に変換したデータ

IMPPイノベーション研究方法論

３つの特許データベースの違いは？

04/15/2023 11（永田２００４）

特許庁データ

整理標準化データpatR/tamada データベース必要な部分を抽出し , 出願人コードなどを統一したものIIP パテントデータベース


(1)patR (ER図 ; 抜粋 )

04/15/2023 12

・特許庁の手続きデータを工業所有権情報・研修館が提供している整理標準化データが元データ。・ app_info が中心にデータが構成されるリレーショナル・データベース方式


(1) patR• app_info 出願経過テーブル

04/15/2023 13

フィールド名

型インデックス内容（カッコ内はコード表インデック

ス）1 app_num varchar(20) 出願番号：すべて半角 (B0010)2 count int(11) ワーク用カウンタ3 title varchar(255) 発明の名称4 app_date date 出願日5 renewal_date date 更新日付：出願マスタ6 id bigint(20) 元処理番号7 pat_app_num varchar(10) 原出願記事番号 (B0010)8 app_type varchar(4) 原出願記事関連種別 (B0310,C0025)9 pub_num varchar(10) 公開番号10 pub_date date 公開日11 exam_pub_nu

m varchar(10) 公告番号

12 exam_pub_date date 公告日

13 intl_app_num varchar(12) 国際出願番号14 pry_cnty char(2) 筆頭優先権主張国15 num_claim_a

pp int(11) 請求項の数：出願時

16 num_claim_examed int(11) 請求項の数：公告決定時

17 num_claim_reg int(11) 請求項の数：登録査定時

18 reg_num varchar(19) 特許番号または登録番号19 reg_date date 登録日20 rej_rsn char(2) 拒絶理由条文コード (C0710)

21 cnln_cl char(2) 本権利抹消識別 (C0780)

22 term_date date 本権利消滅年月日

23 pry_claim_date date 優先権主張日

24 dspn_exam_date date 審査最終処分日

25 dspn_exam_code char(3) 審査最終処分種別コード (C0360)

26 apnum varchar(13) MUL ‘JPP’ を app_num の先頭につけた文字列

27 fin_decn char(1) 査定種別コード (C0350)

28 fin_decn_date date 査定発送日

29 trans_subm_date date 翻訳文提出日

30 trans_pub_num

varchar(10) 公表番号

31 idp int(11) PRI 本テーブルの固有行番号

32num_claim_reg_info

int(11) 請求項の数（登録情報）

33 udate date ワーク用日付フィールド34 IPC8 varchar(2

55) 国際特許分類第８版

35 acc_exam_mark char(1) 早期審査マーク (C0240)


(1) patR• citation 引用情報テーブル

04/15/2023 14

フィールド名

型インデックス

内容（カッコ内はコード表イン

デックス）

1 citing varchar(10) MUL引用特許出願番号(B0010)

2 cited varchar(10) MUL被引用特許出願番号 (B0010)

3 type int(11) MUL

種別（ 1 ：審査官引用　　　2 ：特許公報に記載された引用　　　3 ：上記両方に記載の引用）

フィールド名型インデックス

内容（カッコ内はコード表

インデックス）

1 ids int(11) PRI 固有行番号2 name text 氏名3 addr text 住所

4 prefecture char(2)住所の国県コード(C0050)

5 id_num varchar(9) 出願人コード(B0070)

6 req_type char(1) 個法官別コード (C0070)

7 type int(11) ワーク用

8 name1024 varchar(1024) MUL氏名のインデックス文字列

9 addr1024 varchar(1024) MUL住所のインデックス文字列

• applicant 出願人right_holder 権利者テーブル


(1) patR• inventor 発明者テーブル

04/15/2023 15

フィールド名型インデックス

内容（カッコ内はコード表

インデックス）

1 name text 氏名2 addr text 住所

3 req_type char(1) 個法官別コード (C0070)

4 organization Varchar(255) 所属する組織の名称

5 ids int(11) PRI 固有行番号

6 name1024 varchar(1024) MUL氏名のインデックス文字列

7 addr1024 varchar(1024) MUL住所のインデックス文字列

フィールド名型インデックス内容（カッコ内はコード表イン

デックス）

1 apnum varchar(13) MUL ‘JPP’+ 出願番号(B0010)

2 app_num varchar(10) MUL 出願番号 (B0010)

3 pub_num varchar(10) MUL 公開番号4 intl_app_num varchar(12) MUL 国際出願番号5 intl_pub_num varchar(12) MUL 国際公開番号6 trans_pub_num varchar(10) MUL 公表番号

7 exam_pub_num varchar(10) MUL 公告番号

8 reg_num varchar(10) MUL 特許番号または登録番号

9 ref_pub_num varchar(13) MUL 文献公開番号10 ref_trans_pub_nu

m varchar(13) MUL 文献公表番号

11 ref_examd_pub_num varchar(13) MUL 文献公告番号

12 ref_reg_num varchar(13) MUL 文献登録番号

13 ref_intl_pub_num varchar(13) MUL 文献国際公開番号

• numbers 番号表テーブル


特許データベースをより簡単に分析する方法• Tableau : BI ツール

04/15/2023 IMPPイノベーション研究方法論 16

Tableau を使って , 特許データから必要な情報を取り出す1.Tableau を起動し , MySQL サーバに接続する .


Tableau を使って , 特許データから必要な情報を取り出す2. サーバの情報を入力する


Tableau を使って , 特許データから必要な情報を取り出す3. patR データベースを選択する .


Tableau を使って , 特許データから必要な情報を取り出す4. Inventor の情報を取り出すために , 左側のテーブル一覧から Inventor を選び , 上のマスにドラッグアンドドロップする .


Tableau を使って , 特許データから必要な情報を取り出す• 5. 「取得する」をクリックし Inventor の一覧を取得する .


Tableau を使って , 特許データから必要な情報を取り出す

Inventor.name=“ 大杉　義征”な特許一覧を取得する


Tableau のメリット• SQL 構文を覚えずに , ドラッグアンドドロップでデータを SQL

データベースから取得できる• ただし , 細かなデータの取得にはデータベースの仕組みを理解してい

く必要がある• グラフィカルな表示にも対応


もっと tableau を使ってみたい方…• STUDENT 版ライセンスを手に入れたので , 必要な方は

[email protected] までご連絡ください .



3: PATSTAT オンライン版をつかってみよう


Web インターフェースではなく SQL データベースを使うことのメリット

• Web 版にくらべてレスポンスがはやい• （すべてはやいとはいっていない）

•自分のニーズに則したデータを取得できる•他のデータベースとの接続が行い易くなる

• 特許データベースと論文データベースの接続• 特許 / 論文データベースと財務データベースの接続


PATSTAT

• EPO の特許データベース• Web インターフェースも存在• Raw Data 版は有償• Web 版 PATSTAT は 2ヶ月間無料


PATSTAT のデータ構造

http://documents.epo.org/projects/babylon/eponet.nsf/0/95da6bccf12e54a1c1257aa1002e2d1d/$FILE/patstat_data%20elements_v1.1.pdf


PATSTAT のデータ構造


PATSTAT のモデル図


0. PATSTAT Online (beta) にアクセスしてみる• http://www.epo.org/searching/subscription/patstat-online.html

にアクセスする


http://www.epo.org/searching/subscription/patstat-online.html


0-1. Registration する• メールアドレスを入力し , Preview を押す


0-2. メールが届く

04/15/2023 33

• “Validation of registration” メールが届くので , “activate your free trial now” をクリックする .


0-2. メールが届く


0-3. ログインする• https://data.epo.org/expert-services/start.html#　にアクセスし ,

メールで送られたユーザ名とパスワードを入力する .


https://data.epo.org/expert-services/start.html

https://data.epo.org/expert-services/start.html

0-4. ログインする (2)

• Patent Statistics PATSTAT 2014 Autumn を選択する


0-5. ログインする (3)


1. クエリを打ってみる•クエリを打ってみる

• SELECT appln_auth, appln_nr, appln_kind, appln_filing_date FROM tls201_appln WHERE appln_auth = 'IE‘;

SELECT : どういったデータを取得するのかFROM : どのテーブルを参照するのかWHERE : どういう条件でデータを取得するのか

WHERE : appln_auth が IE なものについてFROM: tls201_appln テーブルからSELECT: appln_auth, appln_nr, appln_kind, appln_filing_date の情報を引っ張りだす

逆向きに読んでみる


2. データが取得される


1-2. 練習問題•先ほどのクエリを少し改造してみる•先ほどの条件に加えて , 2000 年以降に出願された特許について

データを収集してみる• 必要な条件 appln_filing_year >= 2000 • 条件を追加する方法

• (条件 1) AND (条件 2) : (条件 1) および (条件 2) を満たすデータを取得する• (条件 1) OR (条件 2) : (条件 1) または (条件 2) を満たすデータを取得する


1-2. 練習問題 (答え )

• SELECT appln_auth, appln_nr, appln_kind, appln_filing_date FROM tls201_appln WHERE appln_auth = 'IE' AND appln_filing_year >= 2000;


1-2. 出力結果

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 20140

100

200

300

400

500

600

700

800

900

1000

appln_kind


2. PATSTAT から” Ohsugi Yoshiyuki” さんのデータを取得する• select tls206_person.person_name, tls206_person.person_id, tls206_person.person_address,

tls206_person.person_ctry_code, tls207_pers_appln.appln_id, tls201_appln.appln_title_lg, tls201_appln.appln_filing_year, tls201_appln.nb_applicants, tls202_appln_title.appln_title, tls208_doc_std_nms.doc_std_name from tls206_person 　　 inner join tls207_pers_appln　　 on tls206_person.person_id=tls207_pers_appln.person_id　　 inner join tls201_appln　　　 on tls207_pers_appln.appln_id=tls201_appln.appln_id　　 inner join tls202_appln_title　　　 on tls201_appln.appln_id=tls202_appln_title.appln_id　　 inner join tls208_doc_std_nms　　　 on tls206_person.doc_std_name_id=tls208_doc_std_nms.doc_std_name_id　where tls206_person.person_name = "Yoshiyuki Ohsugi";04/15/2023 43IMPPイノベーション研究方法論

Row person_name person_id person_city_code appln_id appln_title_lg appln_filing_year nb_applicants title doc_std_name

YOSHIYUKI OHSUGI 13732782 　 1490962 en 1999 1Rheumatoid arthritis remedy containing IL-6 antagonist as effective component

OHSUGI YOSHIYUKI

2 YOSHIYUKI OHSUGI 13732782 　 1490963 en 1999 1Rheumatoid arthritis remedy containing IL-6 antagonist as effective component

OHSUGI YOSHIYUKI

3 YOSHIYUKI OHSUGI 13732782 　 1628824 en 1995 1Rheumatoid arthritis remedy containing Il-6 antagonist as active ingredient

OHSUGI YOSHIYUKI

4 YOSHIYUKI OHSUGI 13732782 　 1628825 en 1995 1Rheumatoid arthritis remedy containing il-6 antagonist as active ingredient

OHSUGI YOSHIYUKI

5 YOSHIYUKI OHSUGI 13732782 　 2064925 en 1986 1

2,6-BIS (N-LOWERALKYLCARBAMOYL) PYRIDINE-4-CARBOXYLIC ACID DERIVATIVES

OHSUGI YOSHIYUKI

6 YOSHIYUKI OHSUGI 13732782 　 2064926 en 1986 1PYRIDINE 2,6-DIAMIDE-4-CARBOXYLATES

OHSUGI YOSHIYUKI

7 YOSHIYUKI OHSUGI 13732782 　 2246108 en 2001 3Novel antisense oligonucleotide derivatives against wilms's tumor gene

OHSUGI YOSHIYUKI


Preventives and/or remedies for systemic lupus erythematosus containing anti-IL-6 receptor antibody as the active ingredient

OHSUGI YOSHIYUKI


Preventives and/or remedies for systemic lupus erythematosus containing anti-il-6 receptor antibody as the active ingredient

OHSUGI YOSHIYUKI


10 YOSHIYUKI OHSUGI 13732782 　 23845760 en 2004 3Cancer vaccine containing cancer antigen based on tumor suppessor gene wti product and cationic liposomes

OHSUGI YOSHIYUKI

11 YOSHIYUKI OHSUGI 13732782 　 24726192 it 1986 1 AGENTE PER IL TRATTAMENTO DELLA NEFRITE OHSUGI YOSHIYUKI

12 YOSHIYUKI OHSUGI 13732782 　 54823610 en 1986 1PYRADINE DERIVATIVES AND PROCESS FOR PREPARING THE SAME

OHSUGI YOSHIYUKI

13 YOSHIYUKI OHSUGI 13732782 　 375288586 en 2009 2RHEUMATOID ARTHRITIS REMEDY CONTAINING IL-6 ANTAGONIST AS ACTIVE INGREDIENT

OHSUGI YOSHIYUKI

14 YOSHIYUKI OHSUGI 17581861 JP 5990714 de 1979 1

TEREPHTHALSAEUREMONOAMID-DERIVATE, VERFAHREN ZU DEREN HERSTELLUNG UND DIESE ENTHALTENDES ANTIALLERGISCHES PHARMAZEUTISCHES PRAEPARAT.

OHSUGI YOSHIYUKI

15 YOSHIYUKI OHSUGI 17581861 JP 6045746 de 1976 1

VERFAHREN ZUR HERSTELLUNG VON NEUEN AMINOBENZOESAEURE-DERIVATEN UND SO HERGESTELLTE AMINOBENZOESAEURE-DERIVATE.

OHSUGI YOSHIYUKI

16 YOSHIYUKI OHSUGI 17581861 JP 41232005 es 1979 1PROCEDIMIENTO PARA PREPARAR DERIVADOS DE MONOAMIDA DEL ACIDO TEREFTALICO

OHSUGI YOSHIYUKI

17 YOSHIYUKI OHSUGI 17581861 JP 41276638 es 1979 1PROCEDIMIENTO PARA LA PREPARACION DE DERIVADOS AMIDICOS DEL ACIDO TEREFTALICO

OHSUGI YOSHIYUKI

18 YOSHIYUKI OHSUGI 17581861 JP 57101201 en 1998 1

PREVENTIVES AND/OR REMEDIES CONTAINING ANTI-IL-6 RECEPTOR NEUTRALIZING ANTIBODIES FOR REDUCING THE EXCRETION OF URINARY PROTEIN IN SYSTEMIC LUPUS ERYTHEMATOSUS

OHSUGI YOSHIYUKI

19 YOSHIYUKI OHSUGI 17581861 JP 364487213 en 1995 2INHIBITION OF ABNORMAL GROWTH OF SYNOVIAL CELLS USING IL-6 ANTAGONIST AS ACTIVE INGREDIENT

OHSUGI YOSHIYUK


3. PATSTAT に収録された特許から , 溶融還元法が Title か Abstract に含まれている特許一覧を取得する

•溶融還元法は英語で “ Iron Ore Smelting Reduction” らしい•クエリ

SELECT nb_citations, a.appln_id, appln_auth, appln_nr,　 appln_kind, appln_filing_date　 FROM tls201_appln a　 LEFT OUTER JOIN tls202_appln_title t ON a.appln_id = t.appln_id　 LEFT OUTER JOIN tls203_appln_abstr abstr ON a.appln_id = abstr.appln_id　WHERE (t.appln_title LIKE '%iron smelting%' OR abstr. appln_abstract LIKE '%iron smelting%')


3-1. 出力結果・このままだとよくわからないので , Download から Excel に出力してみる


年代で並べてみる

19051920

19281955

19591971

19801985

19871989

19911993

19951997

19992001

20032005

20072009

20112013

0

5

10

15

20

25

30

35

#ofpatents


出願国ごとに並べてみる

ATAUBECACNDEEAEPGBHUINJP

KRMXMYNLPL

RORUSUUAUSZA

0 50 100 150 200 2502

612

2254

12

911

10211111

3444

101

集計


4. 日本に属する組織または個人が 2014 年に出願した特許のうち , 他国の組織または企業とどのくらいコラボレーションをしているのか調べてみる

• クエリ• SELECT COUNT(*) AS numberOfCommonApplications,

p1.doc_std_name as name1, p1.person_ctry_code as cc1, p2.doc_std_name as name2, p2.person_ctry_code as cc2

FROM tls206_person p1JOIN tls207_pers_appln pa1 ON p1.person_id = pa1.person_idJOIN tls207_pers_appln pa2 ON pa1.appln_id = pa2.appln_idJOIN tls206_person p2 ON pa2.person_id = p2.person_idjoin tls201_appln p3 on pa1.appln_id = p3.appln_idWHERE p1.person_ctry_code = 'JP'

AND p3.appln_filing_date >= '2014-01-01'AND p3.appln_filing_date <= '2014-12-31‘AND pa1.appln_id > 0AND pa2.appln_id > 0AND p1.person_ctry_code <> p2.person_ctry_codeGROUP by p1.doc_std_name, p1.person_ctry_code, p2.doc_std_name, p2.person_ctry_codeORDER BY numberOfCommonApplications DESC, p1.doc_std_name ASC,p2.doc_std_name ASC


4-2. コラボレーション国ランキングUS 855 (空白 ) 489GB 131DE 105KR 101CN 82CA 59SG 57FR 57NL 27SA 20CH 18BE 18IL 15TH 14LU 13IN 11


4-3. 企業ランキングPANASONIC CORP 100SONY CORP 81SHARP KK 46KOBE STEEL LTD 41FUJITSU LTD 36TAKEDA PHARMACEUTICAL 28NISSAN MOTOR 27OTSUKA PHARMA CO LTD 23HONDA MOTOR CO LTD 23NIPPON STEEL & SUMITOMO METAL 20TEXAS INSTRUMENTS JAPAN 20TOSHIBA KK 20CANON KK 20HADANO HIROYUKI 19NEC CORP 16SHIONOGI & CO 14SAWADA HARUKO 13TOSHIBA TECHNO CT INC 13SUGIO TOSHIYASU 13IBM JAPAN 12SATO YOSHITAKA 11KYOCERA CORP 11UNITIKA LTD 10TATEISHI TAKAAKI 10MASAKI TAKAKI 10FUNAI ELECTRIC CO 1004/15/2023 52IMPPイノベーション研究方法論

4-4. コラボレーション国 x企業国名 PANASONIC

CORPSONY CORP

SHARP KK

KOBE STEEL LTD

FUJITSU LTD

TAKEDA PHARMACEUTICAL

NISSAN MOTOR

HONDA MOTOR CO LTD

OTSUKA PHARMA CO LTD

TOSHIBA KK

TEXAS INSTRUMENTS JAPAN

NIPPON STEEL & SUMITOMO METAL

CANON KK

総計

（空白）

68 6 40 33 14 27 1 5 3 16 213

US 6 56 3 7 5 21 5 10 12 4 129GB 9 3 17 8 7 5 1 50CN 12 1 10 6 1 1 31FR 1 4 10 15KR 8 8DE 3 4 7SG 6 6BE 3 1 4MY 4 4


参考文献• PATSTAT ONLINE (beta)

• http://www.epo.org/searching/subscription/patstat-online.html

• SQL Self-Study Course• http://documents.epo.org/projects/babylon/eponet.nsf/0/55df36d61f27cdb

2c1257b1600323d91/$FILE/patstat_introduction_sql_en.pdf

• Data Elements of PATSTAT Raw Data• http://documents.epo.org/projects/babylon/eponet.nsf/0/95da6bccf12e54a

1c1257aa1002e2d1d/$FILE/patstat_data%20elements_v1.1.pdf




http://documents.epo.org/projects/babylon/eponet.nsf/0/55df36d61f27cdb2c1257b1600323d91/$FILE/patstat_introduction_sql_en.pdf






参考文献 (2)

•永田晃也（２００４）知的財産マネジメント , 中央経済社•後藤晃、元橋一之（ 2005 ）特許データベースの開発とイノ

ベーション , https://database.iip.or.jp/patentdb/




4. 論文データベースを使った分析


論文のデータベースを使うと何がわかる？•著者の数が多い論文は被引用数が多くなる？• どういうジャンルの論文を , 特定の大学や企業が投稿している？•ある産業内では , どういった企業が論文を多く投稿している？• スターサイエンティストはだれ？• 引用する論文が多いほど , 被引用数が増える？• 博士ホルダーが書いた論文は , 普通の研究者に比べてパフォーマ

ンスが高くなる？•様々なジャンルに投稿している研究者のパフォーマンスは高くな

る？


ただし• 世の中に「完備な」データベースはありません• 「大人は嘘つきではありません、ただ間違いをす

るだけなのです…」• 組織名が違う• 自分の名前が違う• 所属国が違う• 論文のカテゴリが違うことが多々出てきます。

• 自らのリサーチクエスチョンに合わせて精緻な分析を行うためには、 (1) 問いに対応する最適なデータベースを選び , (2) データのクリーニング作業を行う必要があります


ケース 1: 論文データベースによってカバーしている情報が違うことを確かめてみる• “The renaissance in optical spectroscopy of phthalocyanines and

other tetraazaporphyrins” という論文を• 1. J-Global: http://jglobal.jst.go.jp/• 2. CiNII : http://ci.nii.ac.jp/• 3. Web of Knowledge http://apps.webofknowledge.com/• 4. Scopus http://www.scopus.com/• 5. Google Scholar https://scholar.google.co.jp/• 6. Microsoft Academic Search http://academic.research.microsoft.com/の 6種類の論文データベースで探し , どのような情報が掲載されているのか確認する .


1. J-global の場合 : 検出 , しかしほとんど情報なし


2. CiNii の場合 : 検出できない


3. Web of Knowledge@ 一橋の場合 : いろいろ見つかる


3-2. Web of Knowledge@GRIPS の場合 : 一橋とまったく同じ情報が見つかる


4. Scopus の場合 :Web of Knowledge と同じ結果になるけど , 被引用数が違う… .

Web of Knowledge の場合 : 被引用数 67Scopus の場合 : 被引用数 69


5. Google Scholar の場合検出できる . 被引用数は WoK/Scopus と異なる


6. Microsoft Academic Search の場合検出できる . 被引用数が著しく少ない .


わかること• 有料のデータベースと無料のデータベースがある

• Web of Knowledge や Scopus にアクセスするのって , 実はお金がかかる• 当該論文を検出できるデータベースとできないデータベースがある• 被引用数はデータベースによって異なる• 掲載されている情報もデータベースによって異なる

• 一番いいのは、実際の論文を読むこと / ダウンロードすること• しかしながら , そんな時間はないので論文データベースを使わざるを得な

い ⇒ 網羅性が高いのは Web of Knowledge または Scopus, 日本語の論文なら CiNII04/15/2023 67IMPPイノベーション研究方法論

(英文 ) 論文データベース名前 Web of Knowledge Scopus

作っている会社トムソン・ロイターエルゼビア

カバー範囲・社会科学文献の書誌および引用情報(1898 年 -2015 年 )・自然科学文献の書誌および引用情報(1900 年 -2015 年 )

・ 5000 以上の出版社の 21,000 誌以上の学術ジャーナル・ 20000 タイトル以上の査読ジャーナル・ 370 タイトルのブックシリーズ・ 550万件以上の会議録

メリット・過去データが豊富・社会科学のカバー率が高い・他のデータベースとリンクさせることが比較的容易

・分野分類が (Web of Knowledge) に比べて明確・自然科学のカバー率は Web of Knowledge に比べ高い・企業名および著者名の名寄せの精度が高いこともないみたい・・・

デメリット・ 1945 年以前のデータはカバー範囲が限られている・カテゴリ分類が不明確

・現在カバー範囲が (Web of Knowledge に比べ )狭い [ 引用情報は 1996 年以降のみカバー ] (2016 年に向け拡大される予定 )

価格すごく高い！すごく高い！

気をつけること・一橋大学では利用可能・大学によってカバーしているデータ範囲が違う

一橋大学では利用不能 (部局によっては契約している場合あり )


3-1. Web of Knowledge

• 一橋の学内からはどこからでも利用可能

• 一橋大学図書館の My Library からリモートログインで利用可能

• GRIPS でも利用可能•東大でも利用可能（おそら

く）

04/15/2023 69

http://ip-science.thomsonreuters.jp/products/web-of-science/yokuwakaru/IMPPイノベーション研究方法論

ケース 2: Web of Knowledge のインターフェース ; シュンペーターの論文を探してみよう

1. www.webofknowledge.com を開き , 「著者名検索」を選択 . 「姓」と「イニシャル」を入力する .


Web of Knowledge のインターフェース例 : シュンペーターの論文を探してみよう

2. 「研究領域」から , ( とりあえず ) すべての研究領域を選択し , 「著者所属を選択」をクリック



3. 「著者所属名短縮形」から , ( とりあえず ) すべての所属を選択 . また , 「著者所属情報を含まないレコードを含める」チェックボックスをクリックし , 「選択した文献で検索」をクリックする .



4. “著者名検索結果 : 49 レコード” が表示されるので , “並び替え” より “被引用数 – 多い順” を選択し並べ替える .



5. 一番引用数の多い “ The Creative Response in Economic History” をクリックする .

わかること・著者名・ジャーナル名・発行年月日・被引用数・引用文献・インパクトファクター・ドキュメントタイプ・言語・発行者・研究分野・ Web of Knowledge Category・最終引用


Tips: たくさんのデータを Web of Knowledge から合法的に取り出す方法• 方法 0: ロボット検索

• ダメ、ゼッタイ！• 方法 1: Web インターフェースを使う

• データの抽出方法はいくつかある• 方法 2: Endnote Web を使う

• ヒント : Endnote ライブラリ• 方法 3: API を使う

• ただし有償


ケース 3: Web of Knowledge を使って一橋大学から 2013 年に公刊された論文を取り出してみる

• 1. 検索 -> Web of Science Core Collection -> 詳細検索を選ぶ


ケース 3: Web of Knowledge を使って一橋大学の 2013 年に公刊された論文を取り出してみる

•検索条件を入力する• PY: 年• OG: 組織名

• [検索 ] をクリックする



•検索が実施され , データが抽出される . 検索履歴より “ 80” をクリックする


ケース 3: Web of Knowledge を使って一橋大学の 2013 年に公刊された論文を取り出してみる•検索結果が表示される



•画面の一番下までスクロールし , “他のファイルフォーマットで保存” を選択する


ケース 3: Web of Knowledge を使って一橋大学の 2013 年に公刊された論文を取り出してみる• [ レコード件数 ] から保存するレコード数• [ レコードコンテンツ ] から”詳細表示と引用文献”• [ ファイルフォーマット ] から”タブ区切り (Win ( または Mac))”

を選択し保存をクリックする


ケース 3: Web of Knowledge を使って一橋大学の 2013 年に公刊された論文を取り出してみる•取り出したテキストファイルを Excel に取り込む

• H Shimizu 先生が見つかったりする


ケース 3: Web of Knowledge を使って一橋大学の 2013 年に公刊された論文を取り出してみる• Alternative: エクセルを使うのがめんどくさい人向け

• [ レコード件数 ] から保存するレコード数• [ レコードコンテンツ ] から”詳細表示と引用文献”• [ ファイルフォーマット ] から”テキスト” を選択し保存をクリックする



• Raw Data っぽいファイルが出力される• 自分でコードを書いて処理するか , Vantage Point (後述 ) を使う• ヒント : 終端処理は EF なので , そいつと先頭行を潰せばいくらでもデー

タ連結が可能


「研究分野」と「 Web of Knowledge Category 」• 研究分野

• 研究分野は、すべての Web of Science 製品データベースで共有される主題分野を構成します。その結果、同じ主題に属する複数のデータベースのドキュメントを識別、検索、分析することができます。

• Current Contents Connect および Web of Science Core Collection に含まれる各ジャーナルおよび書籍は、Web of Science の分野の少なくとも 1 つに割り当てられます。Web of Science の各分野は 1 つの研究分野にマップされます。

• Web of Knowledge Category• “Web of Science Core Collection

に含まれるすべてのジャーナルおよび書籍は、以下の主題分野の少なくとも 1 つに割り当てられます。Web of Science Core Collection のすべてのレコードは、 [Web of Science の分野 ] フィールドに出版物の主題分野を含みます。”

※. ひとつの論文に対して複数の Web of Knowledge Category が割り当てられていることがある


http://images.webofknowledge.com/WOKRS5161B5_fast5k/help/ja/WOS/hp_subject_category_terms_tasca.html

http://images.webofknowledge.com/WOKRS5161B5_fast5k/help/ja/WOS/hp_subject_category_terms_tasca.html

データの出力結果 : コンパクチン後方引用文献の場合

• 「研究分野」 • 「 Web of Knowledge Category 」


Web of Knowledge で注意するポイント•カテゴリ分けが 1:1 の関係にはなっていない

• 精緻に行うためには , ジャーナル名などで名寄せする必要性•部局名などの名寄せが行われていない

• NISTEP 表記ゆれ辞書などを活用する• Scopus を利用する（？）

• Web 経由では , 1 回 500件しかダウンロードできない• Excel でひたすらくっつけていくか , Raw Data 方式でダウンロードしひ

たすら連結 , 処理をしたのち手元の SQL などに放り込む• ロボット検索すると怒られます


NISTEP: “ 大学・公的機関名英語表記ゆれテーブル (Web of Science 版 )(Ver.2014.1)”• “1996-2012 年の期間に Web of Science に採録された論文のうち、

日本の機関に所属する著者を含む論文のデータ (約 150万件 )を対象に、機関名英語表記のゆれを調査・分析しリスト化した結果”

• http://www.nistep.go.jp/research/scisip/randd-on-university　からダウンロード可能

•カバー範囲 1996-2012• Creative Commons BY-SA


http://www.nistep.go.jp/research/scisip/randd-on-university

http://www.nistep.go.jp/research/scisip/randd-on-university

“大学・公的機関名英語表記ゆれテーブル(Web of Science 版 )(Ver.2014.1)”• F 列が表記バリエーションになっているので , C列の機関 ID で

Matching させる• Web of Knowledge で取り出したデータと , 例えば Excel なら

vlookup などして連結させる


どの論文データベースが一番よい？• (Kulkarni, Aziz, Shams and Busse 2009)

• Google Scholar, Web of Knowledge と Scopus の Citation 推移を比較

• “Cohort study of 328 articles published in JAMA, Lancet, or the New England Journal of Medicine between October 1, 1999, and March 31, 2000. Total citation counts for each article up to June 2008 were retrieved from Web of Science, Scopus, and Google Scholar.”

• Findings• “Compared with Web of Science, Scopus

retrieved more citations from non–English-language sources (median, 10.2% vs 4.1%) and reviews (30.8% vs 18.2%), and fewer citations from articles (57.2% vs 70.5%), editorials (2.1% vs 5.9%), and letters (0.8% vs 2.6%) (allP < .001).”

04/15/2023 90

JAMA. 2009;302(10):1092-1096. doi:10.1001/jama.2009.1307


2015 年現時点での論文データベース利用法• Web of Knowledge と Scopus, どちらにもデメリットとメリットがある

• Web of Knowledge: データベース全体の構造が複雑 , かつノイズデータも多いけど長い期間をカバーしている

• Scopus: Web of knowledge に比べればデータベース全体の構造は比較的単純 . Author ID や Affiliation ID などを備えているので一見 Name-Matching の手間は省けそうだけど , やはりノイズデータが含まれている . 今後に期待 .

• （高いから比べられないし , だいたいの大学ではひとつしか使えないし）論文データベースは Web of Knowledge, Scopus のいずれかを使う

• 恐らく , 両データベースの接合を試みるだけでたくさんの Paper が書ける（けれど大変）

• 指標を使って , クエリを投げてデータを取り出した後 , 整合性が取れているかチェックしていく (別の組織が入っていないか , 別の国が入っていないか , ダブルカウントしていないか etc…)


5. データベース（特許 , 論文 , サイエンスリンケージデータベース etc… ）を接合した分析


特許と論文データをくっつけて分析するとわかること / わかりそうなこと

• 基礎研究の重要性• 「論文をよく読んで書いた論文のほうが、いい論文になりそう」• 「論文をよく読んで作った特許のほうが、パフォーマンスが高そう」

• 基礎研究が応用研究に与える影響• 企業が技術の吸収能力を高めるためには , 基礎研究に資源を投資する必要があ

る (JST/RISTEX 長岡 PJ)

• サイエンスとイノベーションのパス• 論文で出される知識と、特許で出される知識の関係性• 企業の研究開発の流れ• 論文を出す研究者、特許を出す研究者のどっちが偉いのかetc….04/15/2023 IMPPイノベーション研究方法論 93

くっつける？

• 方法 1. 機械学習• JST データベース• (Fleming 2009)

• 方法 2. アドホックに ( 手作業！ )• 方法 3. データベース


地道にくっつける方法1. Web of Knowledge から必要な分野 , 必要な年代 , 必要な論文著者のデータを引っ張ってくる

2. 特許データベースから必要な分野 , 必要な年代 , 必要な発明者のデータを引っ張ってくる

3. 1. と 2. をくっつける！


くっつけた分析例 : JST/RISTEX 深堀調査『科学的ブレークスルーとイノベーションをつなぐ研究に着目した｢科学と技術の相互作用｣の明確化』

• IIR 清水洋先生が研究代表者• http://www.ristex.jp/examin/others/shinki-pj-result2010.html

• 科学から技術に至る知識の流れを特許と論文データベースを接合することで特定する

• ケース• 青色 LED に至るまでに , どのような特許が参照されたのか後方引用関

係から特定する• Shuji Nakamura の 2007 年の特許をベースに , そこから後方引用を 5次

までたどり知識の流れを測定していく


http://www.ristex.jp/examin/others/shinki-pj-result2010.html

http://www.ristex.jp/examin/others/shinki-pj-result2010.html

Shuji Nakamura : Nobel Prize in Physics 2014

http://www.nobelprize.org/nobel_prizes/physics/laureates/2014/04/15/2023 IMPPイノベーション研究方法論 97

Method and Approach

• Method and Approach• To capture up the trajectory of technological development numerically,

build up “citation tree” for• 1.) Ensuring the role of organization.• 2.) Identifying the “main path (= most influenced patent and/or paper in

each decade)” of trajectory.• 3.) Under 1.) and 2.), determining whether the existence of “cru node

“and its scientist.

• Data• Patent [USPTO, JP Patent Library] / Paper [ISI Web of

Knowledge/Science]


1: Defining the starting point: Shuji Nakamura’s most-cited patent [US7205220] for blue LED.2: Referring [inventor-cited] whole forward citation data of starting point3: Under 2., referring forward citation data of 3-tier paper and/or patents.4: Repeating these procedure for 5 times.Sum: Fetches about 1,000 paper/patents and its forward citation data. [from 1903 to 2007]

99

“Citation Tree” build algorism

patent

patent

paper

paper

paper

paper

paperpaper

patentpatent

paper

paper

paper

patentpatent

paper

patent

patent

patent

paper

paper

paper

paper

paperpatent

patent

paper

patent

paper

Starting point


Paper および Patent 数推移


Entire Network

Red node indicates the “Main path”.

Source: Web of Knowledge[Derwent Innovation Index]/Web of Science04/15/2023 IMPPイノベーション研究方法論 101

Network (delete pendants)

Source: Web of Knowledge[Derwent Innovation Index]/Web of Science

Red node indicates the “Main path”.※. △ が特許 , ■ が論文


1930s 1960s 1970s 1990s 2000s

1910-2007

1980s197504/15/2023 IMPPイノベーション研究方法論 103

1930s 1960s 1970s 1990s 2000s

1910-2007 (1次引用すべて導入 ; 上位 12社明記 )

1980s04/15/2023 IMPPイノベーション研究方法論 104

くっつけた方法 (1)

• 1. Shuji Nakamura の Blue Laser Diode な特許を探す

• 2. Blue Laser Diode の特許を特定する

• 右は Google Patents で見つけた Shuji Nakamura の米国特許



• 3. 引用特許の情報を確認する• Google Patent の場合は , “ 引用

特許” 欄をクリックすることでチェック可能



• 4. 引用非特許の情報を確認する• Google Patent の場合は , “非引用

特許” 欄をクリックすることでチェック可能



• 5. 後方引用を探していく• 5-1. 特許の場合

• 引用されている特許番号をクリック• 一次の後方引用が行われている特許を確認して , 1.-4. の作業を繰り返

す .• これを 5次の後方引用を特定するまで繰り返す .



• 5. 後方引用を探していく• 5-2. 論文の場合

• Web of Knowledge または Scopus を使う• 1. Google Scholar の場合 , カバーしていないジャーナルがあるため• 2. 情報の整合性が（比較的は）取れているため

• タイトルや著者名 , 発表年などを使って Google Patent (USPTO) 上に明記されていた論文を探す

• 例 . • Shuji Nakamura が一次引用していた論文 Akasaki et al., “MOVPE Growth of GaN and

AlxGa1-xN and Their Luminescence and Electrical Properties,” Memoirs of the Faculty of Engineering, Nagoya Univ., vol. 43, No. 2, (1991). を探してみる


5-2. サイエンスリンケージデータベース


サイエンスリンケージデータベース• 特許と論文との引用関係を明らかにする• 論文による科学的知見の集積が , どのように特許で活用されて

いるのか？


Science Linkage

• References Cited in Patent • “Other Publications”

• Proceeding in Academic Conference

• Scientific Paper

• “Patents”• US Patents• Foreign Patents

11204/15/2023 IMPPイノベーション研究方法論

Science Linkage Example: (Imaginary?) STAP Cell Patent, and cited iPS Cell Paper

• Patent (Vacanti Kojima Obokata… 2013)

113

・ Paper (Takahashi and Yamanaka 2006)

7 years


サイエンスリンケージデータベース

•サイエンスリンケージデータベース : 特許と文献の引用関係に基づくリレーショナル・データベース

• データソース• Derwent Patent Index Database、 DII• Web of Science (SCIE, SSCI)


ER図Web of Knowledge

Thomson Innovation DWPI (LinkTable)


サイエンスリンケージデータベースの内容•特許発行年が 1992年から 2011年で 3極（ JP,US,EP)をパテントファミリーの中に含む特許情報を同定

• 上記条件を満たす特許レコードに引用されている文献を同定• 特許と文献引用リンクテーブル : 2011年時点• 特許に引用されたWoS文献データ : 1981年以降

•データ項目• 特許公報番号（ Patent Publication Number)、特許出願年、特許発行年、 IPCサブクラス（例： A01B）、特許出願国、特許出願人の居住国

• WoS論文ユニーク番号（ UT)、論文発行年、WoS250分野、 ESI22分野、全著者所属機関の国

• 特許番号、その特許が引用しているWoS論文ユニーク番号


Table Info (Patent)

名ｶﾗﾑｶﾗﾑ定義名型ﾃﾞｰﾀ BYTE

公開番号 PAT CHAR 16

出願年 AppYear CHAR 4

公報発行年 PubYear CHAR 4

• DWPI_INFO

• DWPI_IPC名ｶﾗﾑｶﾗﾑ定義名型ﾃﾞｰﾀ BYT

E公開番号 PAT CHAR 16

IPCサブクラス IPC Varchar 4



特許出願国 AppCountry Varchar 2

• DWPI_AppCountry

• DWPI_AssCountry名ｶﾗﾑｶﾗﾑ定義名型ﾃﾞｰﾀ BYTE


居住国 AssCountry Varchar 30


Table Info (LinkageTable+Family)

• LinkTable

• FamilyTable



WoS論文ユニーク番号 UT Varchar 15


アクセッション番号 AccNo CHAR 10

公開番号（ PAT) PAT CHAR 16


Table Info (Paper)

• WOS_INFO

• WOS_CATEGORY


WoS論文ユニーク番号

UT CHAR 15

論文発行年 UTYear CHAR 4

ESI22分野 ESI Varchar

30



UT CHAR 15

WoSカテゴリ Category Varchar 50

• WOS_Country



UT CHAR 15

著者所属機関国 UTCountry Varchar 20


特許論文検索ツールの導入1. Access 2013 のインストール2. ODBC Connector のインストール3. 論文特許検索ツールの使い方


1. Access 2013 のインストール• Thomson Reuters 提供の論文特許検索ツールを利用するには必

要• Office 2013 Academic Version がオススメ

• IIR で利用できる PC• IMPP 用 PC

• 注意• 旧バージョンと並行して導入される• 32bit バージョンの方が安定している模様


2. ODBC Connector のインストール• 2-1. MySQL Web site からダウンロードする

• http://dev.mysql.com/get/Downloads/Connector-ODBC/5.2/mysql-connector-odbc-5.2.5-win32.msi/from/http://cdn.mysql.com/

• （ URL は変わる可能性）• 32bit 版を導入すること


http://dev.mysql.com/get/Downloads/Connector-ODBC/5.2/mysql-connector-odbc-5.2.5-win32.msi/from/http:/cdn.mysql.com/



2. ODBC Connector のインストール• 2-2. コントロールパネル -> 管理ツールを開く


2. ODBC Connector のインストール• 2-3.管理ツール -> ODBC を開く


2. ODBC Connector のインストール• 2-4.ユーザー DSN タブ -> 追加をクリック


2. ODBC Connector のインストール• 2-5.MySQL ODBC 5.2 Unicode Driver -> 完了をクリック


2. ODBC Connector のインストール• 2-6. Connection Parameter に以下の項

目を入力する

• 2-7. “Test” をクリックする• データベースに接続できることを確認

• 2-8. OK をクリックする

Data Source Name 特許論文検索TCP/IP Server {ip_address} (port 3306)

User user

Password password

Database sciencelinkage


3. 特許論文検索ツール• 3-1. “クエリ”より

10_クエリ①実行 (NumberOfPatent) をクリックする

• 3-2. メッセージが表示されるので、“はい” をクリックする


3. 特許論文検索ツール• 3-3. “クエリ” から “ 11_クエリ①結果確認”をクリックする

• 年毎に、 IPC 分類ごとの特許数が出力される


• 3-4. “20_クエリ②実行 (NumberOfPatentByCitedPublication)” をクリックする

3. 特許論文検索ツール


3. 特許論文検索ツール• 3-5. “ はい” をクリックする

• 3-6. 検索する IPC サブクラスを指定する

• 3-7. 特許の出願年を指定する

• 指定された IPC サブクラスおよび年について、特許から引用されている論文の分野が出力される


3. 特許論文検索ツール• 3-8. “21_クエリ②結果確認 (NumberOfPatentByCitedPublication ）” をクリックする


3. 特許論文検索ツール• 3-9. “30_クエリ③実行

(LinkTable)” をクリックする


3. 特許論文検索ツール• 3-10. “ はい” をクリックする

• 3-11. 検索する IPC サブクラスを指定する

• 3-12. 特許の出願年を指定する

• 3-13.ESI 分野を指定する

• 3-14. 論文の発表年を指定する


3. 特許論文検索ツール• “03_LinkTable” をク

リックする• 特許 (PAT) と論文

(UT) のペアが表示される


サイエンスリンケージデータベースを使った分析• 特許の公開番号と論文の UT (Web of Knowledge 上での ID) を抽出す

る• 特許データベースを使って , 公開番号をピボットにして発明者名や

引用情報 , 組織の情報を取得する• 論文データベース (Web of Knowledge) を使って , Web of Knowledge

から論文のタイトルやアブストラクト , 著者情報や論文のカテゴリの情報などを取得する


分析例 : 論文公刊から特許出願 / 公開までの年数を求めて , 特許出願年順に並べる•クエリ構文

select distinct linktable.pat, linktable.ut, wos_info.UTYear, dwpi_info.AppYear, dwpi_info.PubYear, dwpi_info.PubYear - wos_info.UTYear, dwpi_info.AppYear - wos_info.UTYear from linktable Inner Join wos_info

ON linktable.ut=wos_info.utInner Join dwpi_infoON linktable.pat=dwpi_info.pat

where ESI = "Physics"order by linktable.pat;


論文公刊から特許出願 / 公開までの年数を求めて , 特許出願年順に並べる

•クエリ構文select distinct linktable.pat, linktable.ut, wos_info.UTYear, dwpi_info.AppYear, dwpi_info.PubYear, dwpi_info.PubYear - wos_info.UTYear, dwpi_info.AppYear - wos_info.UTYear from linktable Inner Join wos_info

ON linktable.ut=wos_info.utInner Join dwpi_infoON linktable.pat=dwpi_info.pat

where ESI = "Physics"order by linktable.pat;

Select : 特許番号 , 論文番号 , 論文の公刊年 , 特許の出願年 , 特許の公開年 , 特許の公開年 - 論文の公刊年 , 特許の出願年 – 論文の公刊年を表示するfrom : linktable からデータを持ってくる

Inner Join : linktable に wos_info を接続する . このとき , linktable.ut をキーとして wos_info.ut と対応するように接続する

Inner Join : linktable に dwpi_info を接続する . このとき , linktable.pat をキーとして dwpi_info.pat と対応するように接続する

where : ESI が” Physics” なデータのみを抽出する

order by : linktable.pat の順番に並べる


Physics

19821983

19841985

19861987

19881989

19901991

19921993

19941995

19961997

19981999

20002001

20022003

20042005

20062007

20082009

20102011

20120

1

2

3

4

5

6

7

8

0

5000

10000

15000

20000

25000

30000

# of patents 平均 / dwpi_info.AppYear - wos_info.UTYear

平均 / dwpi_info.PubYear - wos_info.UTYearIMPPイノベーション研究方法論 13904/15/2023

Brief Findings

•分野に係わらず、論文公開から特許出願 /公開までに至る年数は延長している

• 特許の新規性を獲得することが困難になりつつある可能性

• 1980年代 : 論文公開から特許出願 /公開に至る年数は増加し続ける

• 1990年以降 : 論文公開から特許出願 /公開までに至る年数は増加するもののその伸び率は停滞

IMPPイノベーション研究方法論 14004/15/2023

今日のまとめ• 今日日 , データを使うことは当たり前です

• ビッグデータなんてオジサンたちが喜んで使う時代ですし• データを使わないと、いいジャーナルに載らないですし

• ただし , データを精緻に使うためには、１．どのようなデータベースを使い、２．どのようにデータをクリーニングし、３．どのようにデータを可視化するかが重要です

• 必要に応じて、データや道具は使い分けましょう•幸い、一橋イノベーション研究センターにはたくさんデータがあるので、是非活用してください


今日のまとめ（２）今日説明した , • 特許データベース (patR データベース , PATSTAT データベース )• 論文データベース (Web of Knowledge)• サイエンスリンケージデータベース (DWPI)を一橋イノ研の教員 / 研究員 / 院生は利用することが出来ます .

もし利用したい学生は , [email protected] までまずはご相談ください .



Acknowledgement

•「政策のための科学」基盤的研究・人材育成拠点事業（領域開拓拠点）イノベーションマネジメント・政策プログラム（ Innovation Management and Policy Program：IMPP）

•独立行政法人科学技術振興機構社会技術研究開発センターによる「科学技術イノベーション政策のための科学研究開発プログラム」 :

• 「イノベーションの科学的源泉とその経済効果」• 「科学技術イノベーション政策の経済成長分析評価プロジェクト」

IMPPイノベーション研究方法論 14304/15/2023

[email protected]@grips.ac.jp




IMPPイノベーション研究方法論特許・書誌分析 II

Education

Transcript of IMPPイノベーション研究方法論特許・書誌分析 II

IMPPイノベーション研究方法論 特許・書誌分析 II

Education

Transcript of IMPPイノベーション研究方法論 特許・書誌分析 II

IMPPイノベーション研究方法論特許・書誌分析 II

Transcript of IMPPイノベーション研究方法論特許・書誌分析 II