信息分析及信息分析工具.pptVIP

CONCEPTUAL: AGILE;提纲;;;信息分析;科技信息分析;技术信息分析;社会科学信息分析;美国的信息分析工作;;提纲;定量分析研究绩效;什么是 “Essential” ?;在22个学科领域里涵盖了Web of Science? 10年来的数据;;Essential Science Indicators;可在此找到单学科或者各学科综合的排名情况 ;可在此找到单学科或者各学科综合的排名情况 ;在10年来的高被引文章 (可以了解具有长期影响的研究);Essential Science Indicators;浏览单一学科或者综合所有学科的高被引的论文 ; 点击超链接了解排名情况;在近两年来高被引的文章 (反映了在短期内最具影响的研究);基线数值为引文统计数据提供了比较分析的依据 ;Essential Science Indicators;按照每一学科和年限比较引文率与平均数的大小;利用百分比来了解一篇具体的研究论文的被引情况在该学科中所处的位置;浏览学科排名可了解每个学科总体的统计数据和趋势。;研究前沿：按照共引关系聚类高被引论文。 一种独特的方法来区分隐含的可能会带来突破性的研究课题;研究前沿分析;通过共引链接标识研究前沿（Identifying Research Fronts by Co-citation Links）;共引论文;聚类的构成;;例：了解超导研究的前沿课题;了解计算机学科的前沿课题;例: 了解免疫学研究的热点论文;;提纲;分析流程;TDA简介;TDA简介;数据导入;数据管理;数据清理：;数据分析：;矩阵分析的类型： 同现矩阵（Co-occurrence Matrix) 寻找同时出现在两个矩阵参数中的记录。 自相关系数矩阵（Auto-Correlation Matrix) 利用矩阵分析在相同的字段中，寻找关系密切的项目。如寻找合作密切的公司、发明人，自相关系数矩阵只适用于有多个数值的字段。 互相关系数矩阵（Cross-Correlation Matrix) 利用矩阵分析在不同字段中，寻找关系密切的项目。如在相同领域研发相似的专利权人 主成分关系矩阵（Factor Matrix) 寻找经常共同出现在相同专利文献的项目，比如经常相伴出现的词（NLP聚成词簇。煮成份分析只适用于含有多者数值的字段，如主题字段等 TFIDF stands for term frequency - inverse document frequency, which is a metric for the uniqueness of a term in a record set. This metric is frequently used to identify the features (e.g., terms) that have the greatest potential to differentiate among records ;生成报告;案例：明确问题;了解数据概况;数据清理;哪些作者发文较多？集中在哪些领域？作者课题研究发展的变化趋势？ Tech Report;;近3年的研究关注点是什么？ Tech Report;高频词;常引用的参考文献;通过参考文献了解高影响力作者;机构研究关联性;;Measuring your market place;- 选择某个公司 - 查看该公司的具体信息 - 识别相关领域的优势和劣势;了解公司专利研发是否活跃 - 识别新进入者和退出者;市场中的新动向?;Moving into a new market;- 技术分类（MC）VS 公司名称 - 识别各个公司的技术优势和劣势;技术是否主要为大公司持有 是否有进入的空间和机会？ 自行研发还是购买技术？; 谁拥有类似的技术 识别谁拥有新用途的技术 避免涉及高度集中的领域;深入了解竞争对手;竞争对手独特的技术是什么?;某公司中研发人员的合作情况 识别核心的研发人员，或是某产品线相关的研发团队 识别关键人才;公司 vs 公司 识别合作情况;Measuring your market place;- Select an individual company - View details on the right - Spot areas of strength / weakness relative to others;- See relative year trends of companies - Spot entrants / leavers;What is new in this market?;情报是经过分析的信息，是可被传递的帮助特定的领域解决问题的知识 ——