Una nueva metodología para predecir la innovación a través de las patentes. El caso de la tecnología de estampación en caliente

En la actualidad, la innovación es un motor clave de la economía y de la competitividad de las organizaciones, ayudándolas a sobrevivir en un mercado global. Por ello, la capacidad de anticipar innovaciones en el mercado es de gran interés. La predicción de la innovación se ha abordado de múltiples maneras. Existen diversos mecanismos y tecnologías para afrontar esta cuestión, como el desarrollo de modelos que utilizan como entrada el texto completo de las patentes, sus metadatos o incluso determinados indicadores asociados a ellas.

En este contexto, nuestra contribución analiza la generación de patentes mediante un nuevo enfoque basado en la combinación de artículos científicos y patentes susceptibles de análisis. Para comprobar la viabilidad de este tipo de estudio, llevamos a cabo una investigación específica utilizando una consulta precisa de datos primarios sobre el tema del «hot stamping» en la base de datos Web of Science (WoS). Los resultados incluyeron 801 publicaciones científicas revisadas por pares e indexadas en dicha base de datos.

Además, al ampliar esta consulta, completamos el conjunto de datos con otras 7.610 patentes obtenidas de PatBase®. Nuestra solución propuesta, que combina métodos estadísticos y técnicas de Machine Learning (ML) (Choi et al., 2021), dio lugar a una red bayesiana (Bayesian Network, BN) y a un modelo de árbol de decisión. Estos modelos permiten identificar patrones de comportamiento relacionados con la producción científica y la protección de la propiedad intelectual, capaces de detectar, con una alta probabilidad, la propensión de un investigador a registrar patentes.