KR101022318B1 - 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 - Google Patents
문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 Download PDFInfo
- Publication number
- KR101022318B1 KR101022318B1 KR1020070124793A KR20070124793A KR101022318B1 KR 101022318 B1 KR101022318 B1 KR 101022318B1 KR 1020070124793 A KR1020070124793 A KR 1020070124793A KR 20070124793 A KR20070124793 A KR 20070124793A KR 101022318 B1 KR101022318 B1 KR 101022318B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- reference data
- determining
- document
- search
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000463 material Substances 0.000 title description 3
- 230000000704 physical effect Effects 0.000 claims abstract description 46
- 238000013441 quality evaluation Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000002474 experimental method Methods 0.000 claims abstract description 17
- 238000011160 research Methods 0.000 claims abstract description 15
- 238000012795 verification Methods 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000010998 test method Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 abstract description 2
- 238000013332 literature search Methods 0.000 abstract 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000001803 electron scattering Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000011157 data evaluation Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/188—Electronic negotiation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Factory Administration (AREA)
Abstract
본 발명은 논문, 특허 등 문헌에 나오는 물성 데이터의 품질을 평가하여 여러 등급으로 분류하는 방법에 관한 것으로, (a) 문헌 검색을 통해 품질을 평가하고자 하는 품질 평가 대상 데이터인 물성 데이터(참조데이터)가 포함된 문헌을 획득하고, 상기 문헌에 기재된 참조 데이터가 물성 데이터 품질 평가 대상인지 재확인하는 단계; (b) 단계 a에서 상기 참조 데이터가 품질 평가 대상 데이터가 아니면 상기 참조데이터를 기각 데이터로 분류하고, 상기 참조 데이터가 품질 평가 대상 데이터이면 해당 문헌에 기재된 참조데이터의 소급성을 판별하기 위한 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단하는 단계; (c) 단계 b에서 해당 문헌에 참조데이터의 생산방법이 명시되어 있지 않으면 상기 참조데이터를 일반 데이터로 분류하고, 참조데이터의 생산방법이 명시되어 있으면 참조데이터의 불확도 및 소급성 유지 정도를 판별하기 위한 참조데이터의 적절성을 판단하는 단계; (d) 단계 c에서 참조데이터가 적절성에 부합되지 않으면 상기 참조데이터를 연구 데이터로 분류하고, 참조데이터가 적절성에 부합되면 참조데이터(평가대상 데이터)에서 제시한 실험방법과 절차에 따라 제 3자 또는 다른 연구기관에 의한 재현 가능성을 판단하는 단계; (e) 단계 d에서 참조데이터가 제 3자 또는 다른 연구기관에 의해 재현 가능성 판단이 이루어지지 않으면 상기 참조데이터를 평가불능 데이터(미평가 데이터)로 분류하고, 상기 참조데이터의 재현 가능성 판단이 이루어지면 상기 참조데이터가 동일한 물성에 대해 일관성을 가지는지 판단하는 단계; 및 (f) 단계 e에서 같은 상기 참조데이터가 동일한 물성에 대해 일관성을 가지지 않으면 상기 참조데이터를 유효 데이터로 분류하고, 상기 참조데이터가 동일한 물성에 대해 일관성을 가지면 검증데이터로 분류하는 단계를 포함함을 특징으로 한다.
플라즈마, 물성 데이터, 품질 평가
Description
본 발명은 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법에 관한 것으로, 특히 논문, 특허 등 문헌에 나오는 물성 데이터(예: 플라즈마 물성 데이터 등)의 품질을 평가하여 여러 등급으로 분류하는 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법에 관한 것이다.
현재 물리화학분야(플라즈마 물성분야 등)의 데이터를 평가하기 위한 절차나 기준이 문헌상으로 마련되어 있지는 않다. 그 이유는 물리화학분야의 데이터는 수없이 많은 성분과 실험조건 때문에 데이터 평가를 위한 절차를 쉽게 정의할 수 없기 때문이다. 그러므로 종래에는 이 분야에 오랫동안 몸담아온 연구자들의 개인적인 경험과 지식을 바탕으로 문헌으로부터 얻어지는 데이터를 평가하여 왔다.
상기와 같은 종래 방법의 장점은 풍부한 경험이 있는 연구자들이 가지고 있는 실험과 이론에 대한 지식이며 이를 바탕으로 문헌에 표현되어 있는 사항 외에 문헌데이터를 생산한 연구자들에 대한 정보를 평가할 수 있다는 점이다. 그러나 종래의 방법은 사용자들로 하여금 평가자의 객관성과 평가데이터의 품질을 결정하도 록 되어 있다.
이에, 구체적인 검증을 바탕으로 한 체계적인 물리화학분야(플라즈마 물성분야 등)의 데이터 평가 절차 마련이 시급하다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 그 목적은 논문, 특허 등 문헌에 나오는 물성 데이터(예: 플라즈마 물성 데이터 등)의 품질을 평가하여 여러 등급으로 분류하는 방법을 제공하는 데 있다.
상기와 같은 목적을 이루기 위해 본 발명은 논문, 특허 등 문헌에 나오는 물성 데이터의 품질을 평가하여 여러 등급으로 분류하는 방법에 관한 것으로, (a) 문헌 검색을 통해 품질을 평가하고자 하는 품질 평가 대상 데이터인 물성 데이터(참조데이터)가 포함된 문헌을 획득하고, 상기 문헌에 기재된 참조 데이터가 물성 데이터 품질 평가 대상인지 재확인하는 단계; (b) 단계 a에서 상기 참조 데이터가 품질 평가 대상 데이터가 아니면 상기 참조데이터를 기각 데이터로 분류하고, 상기 참조 데이터가 품질 평가 대상 데이터이면 해당 문헌에 기재된 참조데이터의 소급성을 판별하기 위한 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단하는 단계; (c) 단계 b에서 해당 문헌에 참조데이터의 생산방법이 명시되어 있지 않으면 상기 참조데이터를 일반 데이터로 분류하고, 참조데이터의 생산방법이 명시되어 있으면 참조데이터의 불확도 판별 및 소급성 유지 정도를 판별하기 위한 참조데이터의 적절성을 판단하는 단계; (d) 단계 c에서 참조데이터가 적절성에 부합되지 않으면 상기 참조데이터를 연구 데이터로 분류하고, 참조데이터가 적절성에 부합되면 참조데이터(평가대상 데이터)에서 제시한 실험방법과 절차에 따라 제 3자 또는 다른 연구기관에 의한 재현 가능성을 판단하는 단계; (e) 단계 d에서 참조데이터가 제 3자 또는 다른 연구기관에 의해 재현 가능성 판단이 이루어지지 않으면 상기 참조데이터를 평가불능 데이터(미평가 데이터)로 분류하고, 상기 참조데이터의 재현 가능성 판단이 이루어지면 상기 참조데이터가 동일한 물성에 대해 일관성을 가지는지 판단하는 단계; 및 (f) 단계 e에서 같은 상기 참조데이터가 동일한 물성에 대해 일관성을 가지지 않으면 상기 참조데이터를 유효 데이터로 분류하고, 상기 참조데이터가 동일한 물성에 대해 일관성을 가지면 검증데이터로 분류하는 단계를 포함함을 특징으로 한다.
또한, 본 발명에서는 단계 e에서 상기 참조데이터가 동일한 물성에 대해 일관성을 가지면 상기 참조데이터(평가대상 데이터)의 예측 가능성을 판단하는 단계를 더 포함하고, 상기 예측 가능성 판단 단계에서는 이미 알려진 연관식과 이론 모델링을 통하여 데이터의 예측 가능성을 검증함을 특징으로 한다.
상기에서 품질을 평가하고자 하는 물성 데이터(참조데이터)가 포함된 문헌을 획득하고, 상기 참조 데이터가 물성 데이터 품질 평가 대상인지 재확인하는 단계는, 문헌 검색 사이트에서 검색어를 이용하여 1차적으로 평가대상 물성 데이터가 포함된 문헌을 검색하는 단계; 상기 검색 결과의 문헌을 다운로딩하는 단계; 및 상기 다운로딩된 문헌 내에 있는 물성 데이터가 정확하게 물성 데이터 품질 평가 대상인지 2차적으로 판단하는 단계;를 포함하여 이루어진다.
삭제
삭제
상기 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단하는 단계에서는, 상기 참조데이터가 실험데이터인 경우, 해당 데이터를 획득하기 위한 실험장치 및 실험방법에 대한 내용이 기술되어 있는지를 검토하고, 상기 참조데이터가 이론데이터인 경우, 적용한 이론에 대한 설명이 기술되었는지를 검토한다.
상기 참조데이터의 적절성을 판단하는 단계에서는, 상기 참조데이터가 실험데이터인 경우, 해당 물성데이터 생산을 위해 사용된 실험 장치 및 실험 방법 등에 내재하고 있는 주요 오차, 주요 파라메터 등에 대한 명시가 정확히 이루어졌는지를 검토하고, 상기 참조데이터가 이론 데이터인 경우, 사용된 이론의 제한 조건이나 사용된 근사법 등의 타당성 등을 검토한다.
상기 참조데이터의 적절성을 판단하는 단계에서는 시험방법, 적용 방법의 적절성 및 한계에 대한 설명이 기술되었는지의 여부와, 상기 시험방법에서 결과에 영향을 줄 수 있는 변수의 적절한 제어 여부가 기술되었는지의 여부와, 데이터의 오차율 및 정확도 등이 제시 근거가 기술되었는지의 여부를 판단한다.
상기 참조데이터의 재현 가능성을 판단하는 단계에서는 시험방법의 시기, 소급성 유지 등에 관한 내용이 기술되었는지의 여부와, 측정 방법에 영향을 주는 요소들이 기술되었는지의 여부를 판단한다.
상기 참조데이터의 일관성을 판단하는 단계에서는 같은 물성에 대해 A사람이 실험한 데이터와 B사람이 제시한 이론 데이터간 일관성, 같은 물성에 대해 A사람이 실험한 데이터와 B사람이 실험한 데이터간 일관성, 및 같은 물성에 대해 A사람이 제시한 이론 데이터와 B사람이 제시한 이론 데이터 간의 일관성을 평가하고, 상기 참조데이터(평가 대상 데이터)는 이미 알려진 법칙과 이론에 위배되지 않아야 한다.
상기 기각 데이터, 일반 데이터, 연구데이터 및 미평가 데이터는 무의미 데이터로 분류하고, 상기 검증 데이터 및 인증 데이터 및 검증 데이터 이상의 등급에 해당하는 데이터(검증 상위 데이터)는 의미 데이터로 분류하고, 상기 의미 데이터는 평가된 데이터로서 의미가 있다는 것을 나타낸다.
이상에서와 같이, 본 발명에서는 논문, 특허 등 문헌에 나오는 물성 데이터의 품질을 평가하여 여러 등급으로 분류함으로써 체계적인 평가 절차를 마련할 수 있다.
또한, 평가 절차의 통과 여부에 따른 데이터의 등급을 명확히 부여하여 사용자에게 제공함으로써 사용자의 선택에 따라 등급별 데이터 이용이 가능하다.
삭제
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세하게 설명하고자 한다.
도 1은 본 발명의 일실시예에 따른 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법을 나타내는 순서도이고, 도 2는 본 발명의 일실시예에 따른 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법에서의 각 단계별 평가항목을 나타내는 도면이다. 또한, 도 3은 본 발명의 일실시예에 따른 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법에서의 각 단계별 평가항목에 해당하는 내용이 나타나 있는 도면이다.
본 발명에 따른 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법은 논문, 특허, 보고서 등 문헌에 나오는 물성 데이터(예: 플라즈마 물성 데이터 등)의 품질을 평가하여 여러 등급으로 분류하는 방법에 관한 것이다.
이를, 도면을 참조하여, 보다 상세히 설명하면 다음과 같다,
먼저, 본 발명에서는 문헌 검색을 통해 품질을 평가하고자 하는 품질 평가 대상 데이터인 플라즈마 물성 데이터(참조데이터)가 포함된 문헌을 획득하고(S101), 상기 문헌에 기재된 참조 데이터가 물성 데이터 품질 평가 대상인지 면밀히 재확인한다.(S102)
단계 101 및 단계 102에 대해 보다 상세히 설명하면, 본 발명에서는 문헌 검색 사이트 등에서 검색어를 이용하여 1차적으로 플라즈마 평가대상 물성 데이터가 포함된 문헌을 검색하고, 상기 검색 결과의 문헌을 다운로딩하여 상기 플라즈마 물성 데이터(참조데이터)가 포함된 문헌을 획득하며, 상기 다운로딩된 문헌 내에 있는 플라즈마 물성 데이터가 정확하게 물성 데이터 품질 평가 대상인지 2차적으로 판단한다.
일례로서, 단계 101을 실현하기 위해 본 발명에서는 문헌 검색 사이트 등에서 검색어 'cross sections'를 이용하여 1차적으로 검색하여 논문을 전부 다운로딩하였다고 가정하자. 그러면 단계 102에서는 상기 논문들을 일일이 요약서 등을 살펴 최종적인 품질 평가대상 데이터(예: cross sections for electron scattering by molecular hydrogen)인지 다시 정확하게 살펴본다. 즉, 단계 102에서는 논문의 요약서 부분을 살펴보아 상기 논문이 'cross sections' 중에서도 '수소 분자(H2)에 의한 전자산란'인지 보다 세부적(구체적)으로 살펴본다.
그 결과, 단계 101 및 단계 102에 부합한 품질평가대상 데이터(참조데이터)가 획득되었으며, 그 참조데이터는 도 3a에 도시된 바와 같은 한편의 논문(논문명: Total cross sections for electron scattering by molecular hydrogen, 논문 발표자: B van Wingerden, R W Wagenaar and F J de Heer, 발표일시: 1980년 2월 8일, 발표 장소: 네덜란드 암스테르담)이다. 물론 참조데이터로 선택되지 않은 나머지 데이터는 기각 데이터로 처리한다.(S103) 여기서, 기각 데이터는 말 그대로 전혀 쓸모 없는 데이터를 말한다.
다음으로, 본 발명에서는 단계 102에서, 참조 데이터가 품질 평가 대상 데이터이면 해당 문헌에 기재된 참조데이터의 소급성을 판별하기 위한 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단한다.(S104) 여기서, 소급성이라 함은, 여러번 실험장치나 실험방법 등을 통해 얻어진 결과가 유사한 경우를 말한다.
단계 104에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단하기 위해서는 도 2b에 나타난 참조항목을 고려한다. 즉, 단계 104에서는 상기 참조데이터가 실험데이터인 경우, 해당 데이터를 획득하기 위한 실험장치 및 실험방법(실험절차, 실험조건, 사용된 장비, 실험 오차, 실험 결과 오차 등)에 대한 내용이 기술되어 있는지를 검토하고, 상기 참조데이터가 이론데이터인 경우, 적용한 이론(사용한 이론의 배경 및 장, 단점)에 대한 설명이 기술되었는지를 검토한다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 3b에 도시된 바와 같이, 실험장치 또는 실험 방법(Apparatus; Fig 1에 해당함) 및/또는 이론(식(1)에 해당함)이 명기되어 있으므로, 본 발명에서는 단계 104를 만족하게 된다.
다음으로, 본 발명에서는 단계 104에서, 해당 문헌에 참조데이터의 생산방법(실험장치, 실험방법, 이론 등)이 명시되어 있지 않으면 본 발명에서는 참조데이터를 일반 데이터로 분류한다.(S105) 또한, 본 발명에서는 단계 104에서, 참조데이터의 생산방법이 명시되어 있으면 참조데이터의 불확도 판별 및 소급성 유지 정도를 판별하기 위한 참조데이터의 적절성을 판단하게 된다.(S106) 여기서, 일반 데이터(Typical Data)는 유사한 재료들의 일반적인 경향을 보여주는 데이터로, 기각 데이터보다는 등급이 높지만 여전히 별 의미없는 데이터에 해당한다. 상기에서 '불확도'는 새로 도입된 표준 관련 용어로서, 영어로는 Uncertainty라고 하며, 측정값이 있으면 이 측정값의 모호한 정도를 나타낸다.
단계 106에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 적절성을 판단하기 위해서는 도 2c에 나타난 참조항목을 고려한다. 즉, 단계 106에서는 시험방법, 적용 방법의 적절성 및 한계에 대한 설명이 기술되었는지의 여부와, 상기 시험방법에서 결과에 영향을 줄 수 있는 변수의 적절한 제어 여부가 기술되었는지의 여부와, 데이터의 오차율 및 정확도 등이 제시 근거가 기술되었는지의 여부를 판단하게 된다. 보다 구체적으로 살펴보면, 단계 106에서는 상기 참조데이터가 실험데이터인 경우, 해당 물성데이터 생산을 위해 사용된 실험 장치 및 실험 방법 등에 내재하고 있는 주요 오차, 주요 파라메터(Key parameter) 등에 대한 명시가 정확히 이루어졌는지를 검토하고, 상기 참조데이터가 이론 데이터인 경우, 사용된 이 론의 제한 조건이나 사용된 근사법 등의 타당성 등을 검토한다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 3c의 밑줄친 부분에 나타난 것과 같은 내용('We distinguish systematical and statistical random errors. The systematical errors involved in equation (1) are as follows' 등)이 명기되어 있으므로, 본 발명에서는 단계 106을 만족하게 된다.
다음으로, 본 발명에서는 단계 106에서, 참조데이터가 적절성에 부합되지 않으면 참조데이터를 연구 데이터로 분류한다.(S107) 또한, 본 발명에서는 단계 106에서 참조데이터가 적절성에 부합되면 참조데이터(평가대상 데이터)에서 제시한 실험방법과 절차에 따라 제 3자 또는 다른 연구기관에 의한 재현 가능성을 판단한다.(S108) 여기서, 연구 데이터(Research Data)는 개발중인 소재 데이터를 말하는 것으로, 일반 데이터보다는 등급이 높지만 여전히 별 의미없는 데이터에 해당한다. 물론 단계 108에서는 동일한 참조데이터에 대해 제 3자 또는 다른 연구기관에서 평가 실시했던 자료가 미리 마련되어 있으면 더욱 좋다.
단계 108에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 재현 가능성을 판단하기 위해서는 도 2d에 나타난 참조항목을 고려한다. 즉, 단계 108에서는 시험방법의 시기, 소급성 유지 등에 관한 내용이 기술되었는지의 여부와, 측정 방법에 영향을 주는 요소들이 기술되었는지의 여부를 판단한다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 3d의 밑줄친 부분에 나타난 것과 같은 내용('We can estimate the contribution of small-angle scattering, as reflected in the correction term in equation (1), in the following way' 등)이 명기되어 있으므로, 본 발명에서는 단계 108을 만족하게 된다.
다음으로, 본 발명에서는 단계 108에서, 참조데이터가 제 3자 또는 다른 연구기관에 의해 재현 가능성 판단이 이루어지지 않으면 참조데이터를 평가불능 데이터(미평가 데이터)로 분류한다.(S109) 또한, 본 발명에서는 단계 108에서, 참조데이터의 재현 가능성 판단이 이루어지면 참조데이터가 동일한 물성에 대해 일관성을 가지는지 판단하게 된다.(S110). 여기서, 평가불능 데이터(미평가 데이터; Unevaluated data)는 모든 평가되지 않는 데이터를 말하는 것으로, 연구 데이터보다는 등급이 높지만 여전히 별 의미없는 데이터에 해당한다.
단계 110에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 일관성을 판단하기 위해서는 도 2e에 나타난 참조항목을 고려한다. 즉, 단계 110에서는 같은 물성에 대해 A사람이 실험한 데이터와 B사람이 제시한 이론 데이터간 일관성, 같은 물성에 대해 A사람이 실험한 데이터와 B사람이 실험한 데이터간 일관성, 및 같은 물성에 대해 A사람이 제시한 이론 데이터와 B사람이 제시한 이론 데이터 간의 일관성을 평가한다. 물론 참조데이터(평가 대상 데이터)는 이미 알려진 법칙과 이론에 위배되지 않아야 한다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 3e의 밑줄친 부분에 나타난 것과 같은 내용('Unfortunately for H2 in this range all existing data have been ~ error discussion' 등)이 명기되어 있으므로, 본 발명에서는 단계 110을 만족하게 된다.
다음으로, 본 발명에서는 단계 110에서, 같은 상기 참조데이터가 동일한 물성에 대해 일관성을 가지지 않으면 참조데이터를 유효 데이터로 분류한다.(S112) 또한, 본 발명에서는 단계 110에서, 참조데이터가 동일한 물성에 대해 일관성을 가지면 검증데이터로 분류하며(S111), 단계 110에서 상기 참조데이터가 동일한 물성에 대해 일관성을 가지면 상기 참조데이터(평가대상 데이터)의 예측 가능성을 판단하게 된다.(S113) 여기서, 유효 데이터(Qualified Data)는 기술평가기준의 기본여건( 데이터 표현방법의 적절성, 소급성과 불확도, 재현성 등)을 만족하는 데이터로, 평가불능 데이터(미평가 데이터)보다는 등급이 높고 또한 의미있는 데이터에 해당한다. 여기서 의미 있는 데이터라 함은, 상기의 무의미 데이터(기각 데이터, 일반 데이터, 연구 데이터, 미평가 데이터)와는 반대적인 개념으로, 하기의 검증데이터, 검증 상위 데이터, 및 인증 데이터와 더불어 평가된 데이터로서 의미가 있다는 것을 나타낸다. 상기에서 검증데이터(Validated Data)는 상호 연관성 및 모델링에 의해 확인된 데이터(수학적으로 모델로 설정하거나 데이터간 상관관계를 증명하여 데이터의 신뢰성과 예측 가능성을 높인 데이터)를 말하며, 유효 데이터보다는 높고 하기의 검증 상위 데이터보다는 낮은 등급의 데이터에 해당한다.
단계 113에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 예측 가능성을 판단하기 위해서는 도 2f에 나타난 참조항목을 고려한다. 즉, 단계 113에서는 이미 알려진 연관식과 이론 모델링을 통하여 데이터의 예측 가능성을 검증한다. 또한 단계 113에서는 이론적인 설명으로 예측이 불가능한 실험데이터의 경우 기각하지 않고 전문가 평가나 기술위원회 평가를 통하여 상위 등급(검증 상위 데이터) 부여가 가능하도록 한다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 3f의 그래프(이미 알려진 연관식과 이론 모델링을 통하여 데이터의 예측 가능함)가 포함되어 있으므로, 본 발명에서는 단계 113을 만족하게 된다.
다음으로 본 발명에서는 단계 113에서, 참조데이터(평가대상 데이터)의 예측 가능성이 판단되면 다른 외부 전문가에 의해 쟁점 현안에 대해 평가하게 된다.(S114)
단계 114에 대해 보다 상세히 설명하면, 본 발명에서는 참조데이터의 다른 전문가에 의해 평가가 이루어지기 위해서는 도 2g에 나타난 참조항목을 고려한다. 즉, 단계 114에서는 다른 외부 전문가에 의해 해당 참조데이터에 대한 데이터의 적절성, 재현 가능성, 일관성 및 예측 가능성 등을 재평가받게 된다.
일례로, 단계 102 및 103에서 획득한 참조데이터(논문 데이터)에는 도 4g의 그래프와 같은 다른 외부 전문가에 밝혀진 데이터가 있으므로, 본 발명에서는 단계 114을 만족하게 된다.
단계 114에서, 참조데이터가 다른 외부 전문가에 의해 쟁점 현안에 대해 평가가 이루어지면 인증 데이터로 분류한다.(S116) 또한, 단계 114에서, 참조데이터(평가대상 데이터)가 예측 가능성을 판단할 수 없는 데이터이거나 다른 외부 전문가에 의해 쟁점현안에 대해 평가가 이루어지지 않는 데이터이면 참조데이터를 검증데이터 이상의 등급으로 분류하게 된다.(S115) 여기서, 인증 데이터(Certified Data)는 생산과정과 전문가에 의해 평가된 데이터(관련분야 제 3의 전문가의 종합검토를 받은 참조표준 데이터)로, 검증 데이터 및 검증 상위 데이터보다 높은 단계에 있는 데이터이다.
본 발명에서는 앞에서도 설명한 바와 같이 기각 데이터, 일반 데이터, 연구데이터 및 미평가 데이터는 무의미 데이터로 분류하고, 상기 검증 데이터 및 인증 데이터 및 검증 데이터 이상의 등급에 해당하는 데이터(검증 상위 데이터)는 의미 데이터로 분류하고, 상기 의미 데이터는 평가된 데이터로서 의미가 있다는 것을 나타낸다.
상기와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
도 1은 본 발명의 일실시예에 따른 플라즈마 물성 데이터의 품질 평가 및 분류 방법을 나타내는 순서도이다.
도 2는 본 발명의 일실시예에 따른 플라즈마 물성 데이터의 품질 평가 및 분류 방법에서의 각 단계별 평가항목을 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 플라즈마 물성 데이터의 품질 평가 및 분류 방법에서의 각 단계별 평가항목에 해당하는 내용이 나타나 있는 도면이다.
Claims (11)
- 논문, 특허정보를 포함하는 문헌에 기재된 물성 데이터의 품질을 평가하여 등급별 분류하는 방법에 관한 것으로,(a) 문헌 검색을 통해 품질을 평가하고자 하는 품질 평가 대상 데이터인 물성 데이터(참조데이터)가 포함된 문헌을 검색 싸이트에서 해당 검색어를 통해 검색하여 다운로딩함으로써 획득하고, 상기 문헌에 기재된 참조 데이터가 물성 데이터 품질 평가 대상인지 여부를 해당 검색어 검색을 통해 확인하는 단계;(b) 단계 a에서 다운로딩된 상기 참조 데이터에 검색어 검색을 통해 해당 검색어가 존재하지 않는 품질 평가 대상 데이터가 아니면 기각 데이터로 분류하고, 해당 검색어가 존재하는 품질 평가 대상 데이터이면 해당 문헌에 기재된 참조데이터의 소급성을 판단하는 단계;(c) 단계 b에서 해당 문헌에 참조데이터의 생산방법에 검색어 검색을 통해 해당 검색어가 명시되어 있지 않으면 상기 참조데이터를 일반 데이터로 분류하고, 생산방법에 대한 해당 검색어가 명시되어 있으면 참조데이터의 불확도 및 소급성 유지 정도를 판별하기 위한 참조데이터의 적절성을 판단하는 단계;(d) 단계 c에서 참조데이터가 적절성에 부합되지 않으면 상기 참조데이터를 연구 데이터로 분류하고, 참조데이터가 적절성에 부합되면 참조데이터(평가대상 데이터)에서 제시한 실험방법과 절차에 따라 시험방법의 시기, 소급성 유지, 측정방법에 영향을 주는 요소에 해당하는 검색어 검색을 통해 재현 가능성을 판단하는 단계;(e) 단계 d에서 참조데이터가 재현 가능성 판단이 이루어지지 않으면 상기 참조데이터를 평가불능 데이터(미평가 데이터)로 분류하고, 재현 가능성 판단이 이루어지면 해당 참조데이터의 물성 정보에 관한 검색어와 또 다른 참조데이터에서의 동일 물성 정보에 관한 검색어를 비교하여 일관성을 가지는지 여부를 판단하는 단계; 및(f) 단계 e에서 같은 상기 참조데이터가 동일한 물성에 대해 일관성을 가지지 않으면 상기 참조데이터를 유효 데이터로 분류하고, 동일한 물성에 대해 일관성을 가지면 검증데이터로 분류하여 예측 가능성을 판단하되, 상기 예측 가능성은 이미 알려진 연관식과 이론 모델링을 통해 데이터의 예측 가능성을 판단하는 것을 특징으로 하는 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 제 1항에 있어서, 참조데이터의 생산방법이 명시되어 있는지의 여부를 판단하는 단계에서는,상기 참조데이터가 실험데이터인 경우, 해당 데이터를 획득하기 위한 실험장치 및 실험방법에 대한 해당 검색어가 존재하는 여부와, 상기 참조데이터가 이론데이터인 경우, 적용한 이론에 대한 해당 검색어가 존재하는 여부를 검색어 검색을 통해 판단하는 것을 특징으로 하는 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법.
- 제 1항에 있어서, 상기 참조데이터의 적절성을 판단하는 단계에서는,상기 참조데이터가 실험데이터인 경우, 해당 물성데이터 생산을 위해 사용된 실험 장치 및 실험 방법에 내재하고 있는 주요 오차, 주요 파라메터에 대한 해당 검색어가 존재하는지 여부를 확인하고,상기 참조데이터가 이론 데이터인 경우, 사용된 이론의 제한 조건이나 사용된 근사법에 해당하는 검색어가 존재하는지 여부를 통해 판단하는 것을 특징으로 하는 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법.
- 제 1항에 있어서, 상기 참조데이터의 적절성을 판단하는 단계에서는,시험방법, 적용 방법의 적절성 및 한계에 대한 해당 검색어가 존재하는 여부와, 상기 시험방법에서 결과에 영향을 줄 수 있는 변수의 제어 여부에 대한 해당 검색어가 존재하는 여부와, 데이터의 오차율 및 정확도가 대한 검색어가 존재하는 여부를 검색하여 판단하는 것을 특징으로 하는 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070124793A KR101022318B1 (ko) | 2007-12-04 | 2007-12-04 | 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070124793A KR101022318B1 (ko) | 2007-12-04 | 2007-12-04 | 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20090058142A KR20090058142A (ko) | 2009-06-09 |
| KR101022318B1 true KR101022318B1 (ko) | 2011-03-21 |
Family
ID=40988667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020070124793A KR101022318B1 (ko) | 2007-12-04 | 2007-12-04 | 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101022318B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010064773A (ko) * | 1999-12-18 | 2001-07-11 | 이구택 | 기술가치 평가시스템 |
| US20030031996A1 (en) | 2001-08-08 | 2003-02-13 | Adam Robinson | Method and system for evaluating documents |
| KR20030046279A (ko) * | 2001-12-05 | 2003-06-12 | 진광훈 | 특허의 가치평가 |
| KR20070030734A (ko) * | 2003-11-28 | 2007-03-16 | 코토바노모리 인코포레이션 | 작문 소논문의 평가 채점 장치 |
-
2007
- 2007-12-04 KR KR1020070124793A patent/KR101022318B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010064773A (ko) * | 1999-12-18 | 2001-07-11 | 이구택 | 기술가치 평가시스템 |
| US20030031996A1 (en) | 2001-08-08 | 2003-02-13 | Adam Robinson | Method and system for evaluating documents |
| KR20030046279A (ko) * | 2001-12-05 | 2003-06-12 | 진광훈 | 특허의 가치평가 |
| KR20070030734A (ko) * | 2003-11-28 | 2007-03-16 | 코토바노모리 인코포레이션 | 작문 소논문의 평가 채점 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20090058142A (ko) | 2009-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moussa et al. | Modeling Hot-Mix asphalt dynamic modulus using deep residual neural Networks: Parametric and sensitivity analysis study | |
| Jaconi et al. | Prediction of soil organic carbon at the country scale: stratification strategies for near‐infrared data | |
| WO2006023800A2 (en) | Improved method for analyzing an unknown material and predicting properties of the unknown based on calculated blend | |
| Romanelli et al. | Reliability of evidence‐review methods in restoration ecology | |
| Hofmann et al. | Application and evaluation of the method of ellipses for measuring the orientation of long, semi‐flexible fibers | |
| KR20100079659A (ko) | 웹기반 소재물성정보 데이터베이스 구축방법 | |
| Worthey et al. | Tree-based ensemble methods: predicting asphalt mixture dynamic modulus for flexible pavement design | |
| TW201543237A (zh) | 文件分析系統、文件分析方法、以及文件分析程式 | |
| Owais | Analysing Witczak 1-37A, Witczak 1-40D and Modified Hirsch Models for asphalt dynamic modulus prediction using global sensitivity analysis | |
| Ren et al. | Crude Oil Source Identification of Asphalt via ATR‐FTIR Approach Combined with Multivariate Statistical Analysis | |
| KR101022318B1 (ko) | 문헌에 포함된 물성 데이터의 품질 평가 및 분류 방법 | |
| Luhnen et al. | Systematic reviews of economic evaluations in health technology assessment: a review of characteristics and applied methods | |
| Peñalver et al. | Raman spectroscopic strategy for the discrimination of recycled polyethylene terephthalate in water bottles | |
| Kendall et al. | Exploring vowel formant estimation through simulation-based techniques | |
| CN106485049B (zh) | 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法 | |
| US20200201917A1 (en) | Sample category identification device, analysis system, and analysis network system | |
| Kuchiishi et al. | Ruggedness evaluation of dynamic modulus test using small-scale test specimens for asphalt mixture performance tester | |
| Kordjazi et al. | Prediction of load-carrying capacity of piles using a support vector machine and improved data collection | |
| CN108982402B (zh) | 一种同类有机污染物对环境危害性的预测方法及系统 | |
| KR20090058143A (ko) | 웹 기반 물성 데이터의 품질 평가 및 보고서 작성 시스템 | |
| Qiu et al. | A comprehensive system for AASHTO PP67-10 based asphalt surfaced pavement cracking evaluation | |
| Rocha et al. | Balanced mixture design framework for asphalt mixtures based on index-and performance-volumetrics relationships | |
| Westfall et al. | Measurement variability error for estimates of volume change | |
| CN114220498A (zh) | 一种复杂组分化学品危险特性快速评估平台及评估方法 | |
| Castillo et al. | Some fatigue damage measures for longitudinal elements based on the Wohler field |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140311 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20150309 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160303 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20170202 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20171219 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20181226 Year of fee payment: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20200225 Year of fee payment: 10 |