Agricultura de Precisión: seguimiento tecnológico basado en análisis de patentes
DOI:
https://doi.org/10.33448/rsd-v11i3.26852Palabras clave:
Agricultura inteligente; Mapeo tecnológico; Análisis patentométrico; Indicadores.Resumen
Los sistemas de agricultura de precisión adoptan varios equipos de alta tecnología en hardware, software y comunicación para recopilar datos de diferentes fuentes con el fin de medir y evaluar todos los aspectos de la producción agrícola. Esta estrategia de manejo permite la racionalización en el uso de los recursos agrícolas, aumentando la eficiencia productiva y reduciendo los impactos negativos de la actividad en el campo. Este estudio tuvo como objetivo monitorear las tecnologías asociadas a la Agricultura de Precisión, a partir del análisis de la información de los documentos de patentes, con el fin de investigar el estado y las tendencias, así como identificar los principales proveedores y sus redes de colaboración. Se formularon preguntas de investigación para guiar el estudio, y este estudio es de naturaleza tanto cuantitativa y descriptiva como cualitativa y exploratoria. El estudio también proporciona un flujo metodológico apoyado en herramientas de software libre para la recolección, procesamiento y visualización de datos. Entre los principales resultados destacan: se identificaron 312 familias de patentes presentadas por 303 solicitantes y 968 inventores; El 86% de las publicaciones de patentes se dieron en la última década con una tendencia creciente; se presentaron tecnologías en 23 países, destacándose China y Estados Unidos; alrededor del 86% de los titulares e inventores poseen una sola patente; la siembra, el procesamiento de datos y el análisis de las propiedades del suelo son los sectores tecnológicos más desarrollados; patentes muy citadas; los inventores principales participan de manera más cooperativa que los titulares, siendo puentes entre diferentes grupos de inventores.
Citas
Abbas, A., Zhang, L., & Khan, S. U. (2014). A literature review on the state-of-the-art in patent analysis. World Patent Information, 37, 3–13. https://doi.org/10.1016/j.wpi.2013.12.006
Adamchuk, V. ., Hummel, J. ., Morgan, M. ., & Upadhyaya, S. . (2004). On-the-go soil sensors for precision agriculture. Computers and Electronics in Agriculture, 44(1), 71–91. https://doi.org/10.1016/j.compag.2004.03.002
Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: an open source software for exploring and manipulating networks. Proceedings of the International AAAI Conference on Web and Social Media, 3(1), 361–362. https://ojs.aaai.org/index.php/ICWSM/article/view/13937
Batagelj, V., & Mrvar, A. (1998). Pajek-program for large network analysis. Connections, 21, 47–57. http://vlado.fmf.uni-lj.si/pub /Networks/doc/pajek.pdf
Brereton, P., Kitchenham, B. A., Budgen, D., Turner, M., & Khalil, M. (2007). Lessons from applying the systematic literature review process within the software engineering domain. Journal of Systems and Software, 80(4), 571–583. https://doi.org/10.1016/j.jss.2006.07.009
Carrot2. (2021). Carrot2 clustering engine. https://carrot2.org/
Chang, P.-L., Wu, C.-C., & Leu, H.-J. (2010). Using patent analyses to monitor the technological trends in an emerging field of technology: a case of carbon nanotube field emission display. Scientometrics, 82(1), 5–19. https://doi.org/10.1007/s11192-009-0033-y
Cisternas, I., Velásquez, I., Caro, A., & Rodríguez, A. (2020). Systematic literature review of implementations of precision agriculture. Computers and Electronics in Agriculture, 176(July), 105626. https://doi.org/10.1016/j.compag.2020.105626
Demsar, J., Curk, T., Erjavec, A., Gorup, C., Hocevar, T., Milutinovic, M., Mozina, M., Polajnar, M., Toplak, M., Staric, A., Stajdohar, M., Umek, L., Zagar, L., Zbontar, J., Zitnik, M., & Zupan, B. (2013). Orange: Data Mining Toolbox in Python. Journal of Machine Learning Research, 14(Aug), 2349−2353. http://jmlr.org/papers/v14/demsar13a.html
Ham, K. (2013). OpenRefine (version 2.5). http://openrefine.org. Free, open-source tool for cleaning and transforming data. Journal of the Medical Library Association : JMLA, 101(3), 233–234. https://doi.org/10.3163/1536-5050.101.3.020
Kent Shannon, D., Clay, D. E., & Sudduth, K. A. (2018). An Introduction to Precision Agriculture (p. 1–12). https://doi.org/10.2134/precisionagbasics.2016.0084
Lotka, A. J. (1926). The freq distrib of scientific productivity. Journal of the Washington Academy of Sciences, 16(12), 317–323.
Martínez, C. (2011). Patent families: When do different definitions really matter? Scientometrics, 86(1), 39–63. https://doi.org/10.1007/s11192-010-0251-3
Masiakowski, P., & Wang, S. (2013). Integration of software tools in patent analysis. World Patent Information, 35(2), 97–104. https://doi.org/10.1016/j.wpi.2012.12.010
Osiński, S., Stefanowski, J., & Weiss, D. (2004). Lingo: Search Results Clustering Algorithm Based on Singular Value Decomposition. In Intelligent Information Processing and Web Mining (Vol. 20, Número 3, p. 359–368). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-39985-8_37
Pereira, J. M. (2016). Manual de Metodologia da Pesquisa Científica (4o ed). Atlas.
Precision Agriculture in the 21st Century. (1997). Precision Agriculture in the 21st Century. National Academies Press. https://doi.org/10.17226/5491
Silva, W. de V. R. da, Adelino, M. A., Silva, M. V. da, Silva, F. C. da, & Silva-Mann, R. (2020). Análise da produção científica e tecnológica acerca da Ciência Forense Digital. Research, Society and Development, 9(11), e45391110224. https://doi.org/10.33448/rsd-v9i11.10224
Silva, W. de V. R. da, & Silva-Mann, R. (2020). Agricultura de Precisão no Brasil: conjuntura atual, desafios e perspectivas. Research, Society and Development, 9(11), e1979119603. https://doi.org/10.33448/rsd-v9i11.9603
Silva, W. de V. R. da, & Silva-Mann, R. (2021). Precision Agriculture under a bibliometric view. International Journal for Innovation Education and Research, 9(11), 422–442. https://doi.org/10.31686/ijier.vol9.iss11.3533
Sternitzke, C., Bartkowski, A., & Schramm, R. (2008). Visualizing patent statistics by means of social network analysis tools. World Patent Information, 30(2), 115–131. https://doi.org/10.1016/j.wpi.2007.08.003
Tableau. (2021). Tableau Public. SAGE Publications, Ltd. https://doi.org/10.4135/9781529776669
The Lens. (2021). About The Lens. https://about.lens.org/
WIPO. (2016). The WIPO Manual on Open Source Patent Analytics. https://wipo-analytics.github.io/
Yang, Z. K., Lin, D. M., & Xu, M. Z. (2014). The Re-applicability Explore of Lotka’s Law in Patent Documents. Collnet Journal of Scientometrics and Information Management, 8(1), 183–191. https://doi.org/10.1080/09737766.2014.916875
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Wanderson de Vasconcelos Rodrigues da Silva; Renata Silva-Mann
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
