Agricultura de Precisão: monitoramento tecnológico a partir da análise de patentes
DOI:
https://doi.org/10.33448/rsd-v11i3.26852Palavras-chave:
Agricultura inteligente; Mapeamento tecnológico; Análise patentométrica; Indicadores.Resumo
Os sistemas de Agricultura de Precisão adotam diversos equipamentos de alta tecnologia em hardware, software e comunicação para coletar dados de diferentes fontes a fim de medir e avaliar todos os aspectos da produção agrícola. Essa estratégia de gestão permite a racionalização no uso dos recursos agrícolas, aumentando a eficiência da produção ao tempo que reduz os impactos negativos da atividade no campo. Este estudo teve por objetivo realizar o monitoramento das tecnologias associadas à Agricultura de Precisão, a partir da análise de informações dos documentos de patentes, de modo a investigar o estado e as tendências, bem como identificar os principais provedores e suas redes de colaboração. Questões de pesquisa foram formuladas para guiar o estudo, sendo este de caráter tanto quantitativo e descritivo, quanto qualitativo e exploratório. O estudo também fornece um fluxo metodológico apoiado por ferramentas de softwares gratuitos para coleta, tratamento e visualização de dados. Entre os principais resultados, destacam-se: 312 famílias de patentes depositadas por 303 requerentes e 968 inventores foram identificadas; 86% das publicações de patentes ocorreram na última década com tendência ao crescimento; as tecnologias foram depositadas em 23 países, com destaque para China e Estados Unidos; cerca de 86% dos titulares e inventores possuem apenas uma patente; plantio, processamento de dados e análise de propriedades do solo são os setores tecnológicos mais desenvolvidos; patentes altamente citadas; principais inventores participam de forma mais cooperativa que os titulares, sendo pontes entre diferentes grupos de inventores.
Referências
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
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Wanderson de Vasconcelos Rodrigues da Silva; Renata Silva-Mann
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
