Performance Evaluation of G7 Countries in Terms of Patent Applications
Notice bibliographique
Résumé
A patent is a legal right granted by a patent authority that gives the inventor or assignee exclusive rights to produce, use, sell and distribute an invention for a specified period of time. Patent acquisition offers numerous advantages related to the protection of inventions, enhancement of competitiveness, attraction of investors, generation of income, support for innovation, market expansion, and improvement of brand reputation for the individual or entity that holds the patent. Given the significance of the patent concept, the performance of the G7 countries regarding patent acquisition is handled as multi-criteria decision-making (MCDM) problem in this research. In the evaluation made over the total number of patent applications submitted over nine different technological domains between 2000-2020, the criteria weights were determined by MAXimum of Criterion (MaxC), Modified Preference Selection Index (MPSI) and LOgarithmic Percentage Change-driven Objective Weighting (LOPCOW) methods. By using these criteria weights which are combined with the Bonferroni Mean Operator, the MUltiple-TRIangles ScenarioS (MUTRISS) method was utilised for the performance rankings of G7 countries in terms of patent acquisition. As a result of the study, the success ranking of G7 countries in terms of patent applications was determined as USA, Japan, Germany, UK, France, Canada and Italy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».