СКЛАДОВІ АНАЛІЗУ НАУКОВИХ МЕРЕЖ

Автор(и)

DOI:

https://doi.org/10.32347/2412-9933.2020.41.115-126

Ключові слова:

аналіз наукових мереж, мережа наукової співпраці, мережа цитування, наукометрія, науковий простір

Анотація

Дослідження наукових просторів є складною задачею, яка має враховувати динаміку розвитку їх компонентів, а також враховувати численні зміни, які виникають внаслідок зростання швидкості продукування наукової інформації та її поширення. Аналіз об'єднань суб’єктів та об’єктів наукового простору, зокрема мереж наукової співпраці, мереж цитування та спільного цитування, є актуальною задачею дослідження, оскільки є в основі коректного оцінювання показників науково-дослідної діяльності загалом. В роботі наведено огляд задач, які виникають в межах аналізу наукових мереж: дослідження мереж наукової співпраці, дослідження мереж цитування, спільного цитування та бібліографічних з’єднань, ідентифікація напрямів наукових досліджень та аналіз тематик, побудова наукових мереж на основі спільних ключових слів, дослідження гетерогенних наукових мереж тощо. Глобальність поширення та динаміка розвитку наукових мереж визначає підходи до їх аналізу. Дослідження наукових мереж дає змогу зрозуміти структуру взаємодії суб’єктів та об’єктів наукових мереж (науковців, закладів вищої освіти та їх структурних підрозділів), а також провести ґрунтовне оцінювання їх науково-дослідної діяльності. Також наведено візуалізацію мережі наукової співпраці, що утворилась в межах виконання чотирьох бюджетних науково-дослідних робіт і одного проєкту програми Erasmus+KA2 за період з 2015 по 2020 роки. Візуалізація виконана з використанням силового алгоритму Фрухтермана – Рейнгольда. Також на основі алгоритму візуалізації Yifan Hu зображена мережа цитування публікацій науковців за цими ж проєктами. Результати оцінювання можуть бути використані як власне науковцями та освітніми установами для моніторингу динаміки науково-дослідної діяльності, так і державними органами, зокрема Міністерством освіти і науки України, а також органами місцевого самоврядування для фінансового стимулювання певних напрямів наукових досліджень, які мають позитивну динаміку та перспективи розвитку.

Біографія автора

Alexander Kuchansky, Київський національний університет імені Тараса Шевченка, Київ

Кандидат технічних наук, доцент, доцент кафедри інформаційних систем та технологій

 

Посилання

Kremen V., Bykov, V. (2013). Space and environment categories: Features of model presentation and educational use. The theory and practice of social systems management, 2, 3 – 16. [In Ukrainian]

Gipp, B. & Beel, J. (2009). Citation Proximity Analysis (CPA) – A New Approach for Identifying Related Work Based on Co-Citation Analysis. Proceedings of the 12th International Conference on Scientometrics and Informetrics (ISSI’09), Rio de Janeiro, Brazil, 571 – 575.

Biloshchytskyi, A., Kuchansky, A., Andrashko, Yu., Biloshchytska, S., Kuzka, O. & Terentyev, O. (2017). Evaluation methods of the results of scientific research activity of scientists based on the analysis of publication citations. Eastern-European Journal of Enterprise Technologies, 3(2 (87)), 4–10. doi: 10.15587/1729-4061.2017.103651

Kuchansky, A., Andrashko, Yu., Biloshchytskyi, A., Danchenko, O., Ilarionov, O., Vatskel, I. & Honcharenko, T. (2018). The method for evaluation of educational environment subjects' performance based on the calculation of volumes of M-simplexes. Eastern-European Journal of Enterprise Technologies, 2(4(92)), 15– 5. doi: 10.15587/1729-4061.2018.126287

Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Andrashko, Yu. & Biloshchytska, S. (2019). Improvement of the method for scientific publications clustering based on n-gram analysis and fuzzy method for selecting research partners. Eastern-European Journal of Enterprise Technologies. 4(4(100)), 6–14. doi: https://doi.org/10.15587/1729-4061.2019.175139

Biloshchytskyi, A., Myronov, O., Reznik, R., Kuchansky, A., Andrashko, Yu., Paliy, S., et al. (2017). A method to evaluate the scientific activity quality of HEIs based on a scientometric subjects presentation model. Eastern-European Journal of Enterprise Technologies, 6, 2 (90), 16–22. doi: 10.15587/1729-4061.2017.118377

Biloshchytskyi, A., Kuchansky, A., Andrashko, Yu., Biloshchytska, S., Dubnytska, A., Vatskel, V. (2017). The Method of the Scientific Directions Potential Forecasting in Infocommunication Systems of an Assessment of the Research Activity Results. 2017 IEEE International Conference «Problems of Infocommunications. Science and Technology» (PIC S&T), 69–72. doi: 10.1109/INFOCOMMST.2017.8246352

Biloshchytskyi, А., Kuchansky, A., Andrashko, Yu., Biloshchytska, S. & Kuzka, О. (2017). The conceptual model of information technology evaluated the results of the research work. Management of Development of Complex Systems, 30, 163–168. [In Ukrainian]

Biloshchytskyi, A., Kuchansky, А., Andrashko, Yu., Paliy, S., Biloshchytska, S., Bronin, S. et al. (2018). Development of technical component of the methodology for project-vector management of educational environment. Eastern-European Journal of Enterprise Technologies, 2/2 (92), 4–13. doi: 10.15587/1729-4061.2018.126301

Moed, H., Glanzel, W. & Schmoch, U. (2004). Handbook of Quantitative Science and Technology Research. Springer Netherlands, 800. ISBN 978-1-4020-2755-0.

Ying, Ding. (2011). Scientific collaboration and endorsement: Network analysis of coauthorship and citation networks. Journal of Informetrics, 5 (1), 187–203. doi: 10.1016/j.joi.2010.10.008

Hou, H., Kretschmer, H. & Liu, Z. (2008). The Structure of Scientific Collaboration Networks in Scientometrics. Scientometrics, 75, 189-202.

Barabási, A.-L. (2002). The New Science of Networks. Perseus Books Group, 288.

Kobourov, S.G. (2012). Spring Embedders and Force-Directed Graph Drawing Algorithms. Biocode, URL: https://arxiv.org/abs/1201.3011

Long, J.C., Cunningham, F.C., Carswell, P. & Braithwaite, J. (2013). Who are the key players in a new translational research network? BMC Health Serv Res, 13, 338. doi: 10.1186/1472-6963-13-338

Øystein, O. (1967). Theory of graphs. Colloquium Publications, American Mathematical Society, 104.

Bavelas, A. (1950). Communication patterns in task-oriented groups. Journal of the Acoustical Society of America, 22, 725 – 730.

Marchiori, M. & Latora, V. (2000). Harmony in the small-world. Physica A: Statistical Mechanics and its Applications, 285 (3–4), 539–546. doi: 10.1016/s0378-4371(00)00311-3

Newman, M.E. (2010). Networks: An Introduction. Published to Oxford Scholarship, 784. doi: 10.1093/acprof:oso/9780199206650.003.0006

Brandes, U., Delling, D., Gaertler, M., Gorke, R., Hoefer, M., Nikoloski, Z. & Wagner, D. (2008). On Modularity Clustering. IEEE Transactions on Knowledge and Data Engineering, 20(2), 172–188. doi: 10.1109/TKDE.2007.190689.

Watts, D.J. & Strogatz, S. (1998). Collective dynamics of 'small-world' networks. Nature, 393, 440 – 442.

Kemper, A. (2010). Valuation of Network Effects in Software Markets: A Complex Networks Approach (Contributions to Management Science) 2010 Edition, Kindle Edition, 330.

Egghe, L. & Rousseau, R. (1990). Introduction to Infometrics. Amsterdam: Elsevier, 450.

Manning, C.D., Raghavan, P. & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press. Retrieved, 506.

Leskovec, J., Rajaraman, A. & Ullman, J.D. (2014). Mining of Massive Datasets 2nd Edition, Kindle Edition, 480.

Yudhoatmojo, S.B. & Samuar, M.A. (2017). Community detection on citation network of dblp data sample set using linkrank algorithm. Procedia Computer Science, 124, 29 – 37.

Hu, Y. (2005). Efficient and high quality forcedirected graph drawing. Mathematica Journal, 10, 37 – 71.

Small, H. (1973). Co-citation in the scientific literature: a new measure of the relationship between two documents. Journal of the American Society for Information Science, 24, 265 – 269.

Garfield, E. (2001). From Bibliographic Coupling to Co-CitationAnalysis Via Algorithmic Historio-Bibliography. A citationist’s tribute to Belver C. Griffith, Presented at Drexel University, Philadelphia, PA, URL: https://garfield.library.upenn.edu/papers/drexelbelvergriffith92001.pdf

Porter, A.L. & Rafols, I. (2009). Is science becoming more interdisciplinary? Measuring and mapping six research fields over time. Scientometrics, 81(3), 719 – 745.

National Academies of Sciences Engineering Medicine. Facilitating Interdisciplinary Research. URL: https://www.nap.edu/catalog/11153/facilitating-interdisciplinary-research

Bhattacharya, S. & Basu, P. (1998). Mapping a research area as the micro level using co-word analysis. Scientometrics, 43(3), 359–372. doi:10.1007/BF02457404

Glänzel, W. (2012). Bibliometric methods for detecting and analysing emerging research topics. El profesional de la informacion, 21(2), 194 – 201.

Mulesa, O., Geche, F. & Batyuk, A. (2015). Information technology for determining structure of social group based on fuzzy c-means. Proceedings of the International Conference on Computer Sciences and Information Technologies (CSIT), 60–62. doi: 10.1109/STC-CSIT.2015.7325431

Shvets, A., Devyatkin, D., Sochenkov, I., Tikhomirov, I., Popov, K. & Yarygin, K. (2015). Detection of current research directions based on full-text clustering. Proceedings of the Science and Information Conference (SAI), 152–156. doi: 10.1109/SAI.2015.7237186

Samatova, N., Hendrix, W., Jenkins, J., Padmanabhan, K. & Chakraborty, A. (2013). Practical Graph Mining with R Chapman and Hall/CRC, 495.

Blondel, V., Guillaume, J., Lambriotte, R. & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, P10008. doi:10.1088/1742-5468/2008/10/P10008

Seifi, M. & Guillaume, J. (2012). Community codes in evolving networks. 2012 International World Wide Web Conference (WWW), 1173–1180. doi:10.1145/2187980.2188258

Ovelgönne, M. & Geyer-Schulz, A. (2013). An ensemble learning strategy for graph clustering. Contemporary Mathematics, 588, 187–205. doi:10.1090/conm/588/11701

Zhang, T., Ramakrishnan, R. & Livny, M. (1996). BIRCH: an efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD international conference on Management of data, 25 (2), 103 – 114. doi:10.1145/233269.233324

Otradskaya, T. & Gogunskii, V. (2016). Development process models for evaluation of performance of the educational establishments. Eastern-European Journal of Enterprise Technologies, 3(81), 12–21. doi:10.15587/1729-4061.2016.66562

Otradskaya, T., Gogunskii, V., Antoschuk, S. & Kolesnikov, O. (2016). Development of parametric model of prediction and evaluation of the quality level of educational institutions. Eastern-European Journal of Enterprise Technologies, 5(3(83)), 12 – 21. doi:10.15587/1729-4061.2016.80790

Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993 – 1022.

Pawar, R.S., Sobhgol, S., Durand, G.C., Pinnecke, M., Broneske, D. & Saake, G. (2018). Codd’s World: Topics and their Evolution in the Database Community Publication Graph. Grundlagen von Datenbanken, 74 – 81.

Coccia, M. (2018). General properties of the evolution of research fields: a scientometric study of human microbiome evolutionary robotics and astrobiology. Scientometrics, 117(2), 1265-1283. doi: 10.1007/s11192-018-2902-8

Higham, K. W., Governale, M., Jaffe, B. & Zulicke, U. (2017). Unraveling the dynamics of growth, aging and inflation for citations to scientific articles from specific research fields. Journal of Informetrics, 11, 1190 – 1200.

##submission.downloads##

Опубліковано

2020-03-27

Як цитувати

Kuchansky, A. (2020). СКЛАДОВІ АНАЛІЗУ НАУКОВИХ МЕРЕЖ. Управління розвитком складних систем, (41), 115–126. https://doi.org/10.32347/2412-9933.2020.41.115-126

Номер

Розділ

ІНФОРМАТИЗАЦІЯ ВИЩОЇ ОСВІТИ