logo SBA

ETD

Digital archive of theses discussed at the University of Pisa

 

Thesis etd-11302022-094542


Thesis type
Tesi di dottorato di ricerca
Author
MELLUSO, NICOLA
email address
n.melluso@studenti.unipi.it, nicolamelluso@gmail.com
URN
etd-11302022-094542
Thesis title
Text Mining for Innovation Measurement
Academic discipline
ING-IND/35
Course of study
INGEGNERIA DELL'ENERGIA, DEI SISTEMI, DEL TERRITORIO E DELLE COSTRUZIONI
Supervisors
tutor Prof. Bonaccorsi, Andrea
supervisore Prof. Fantoni, Gualtiero
supervisore Prof. Martini, Antonella
Keywords
  • innovation
  • natural language processing
  • text mining
Graduation session start date
19/12/2022
Availability
Full
Summary
L'innovazione è ampiamente riconosciuta come uno dei driver principali della crescita economica. Tuttavia, la misurazione dell'innovazione rimane una sfida, dovuta in parte alla difficoltà di identificare e quantificare le diverse manifestazioni dell'innovazione. Il Natural Language Processing offre una potenziale soluzione a questo problema, fornendo un mezzo per estrarre automaticamente le informazioni sull'innovazione da grandi volumi di dati non strutturati. Tuttavia, l'analisi dei dati non strutturati è soggetta a numerose sfide metodologiche che non sono ancora completamente risolte. Questo lavoro esplora l'utilizzo del Text Mining per la misurazione dell'innovazione, sviluppando metodi per dimostrare che le fonti di dati tradizionali (brevetti e pubblicazioni) e quelle innovative (come i social media, le job descriptions o gli standard) possono essere utilizzate per identificare e quantificare i fenomeni correlati alle principali fasi dell'innovazione (generazione, diffusione e maturità). I risultati di questo lavoro suggeriscono che il Text Mining può quindi essere considerato come uno strumento utile per la misurazione dell'innovazione, e ha il potenziale di fornire preziose informazioni sul processo di innovazione per manager, accademici e policy maker.

Innovation is widely recognized as a driver of economic growth and competitiveness. However, measuring innovation remains a challenge, due in part to the difficulty of identifying and quantifying the many different manifestations of innovation. Natural Language Processing offers a potential solution to this problem, by providing a means of automatically extracting information on innovation from large volumes of unstructured text data. However, the analysis of unstructured text data is subject to many methodological challenges which are not yet fully resolved. This work explores the use of Text Mining for Innovation Measurement by developing methods to prove that traditional (patents and publications) and novel data sources (such as social media, job descriptions or standards) can be used to identifying and quantifying phenomena over the main innovation stages (generation, development diffusion and maturity). The findings of this work suggest that Text Mining can therefore be seen as a useful tool for Innovation Measurement, and has the potential to provide valuable insights of the innovation process for managers, academics and policy makers.
File