|
Zamknij X
|
Dlaczego jedne publikacje naukowe są cytowane tysiące razy, a inne pozostają niemal niezauważone? Jak powstają grupy badaczy zajmujących się podobnymi problemami? Naukowcy z PW opracowali model komputerowy, który pozwala odtwarzać takie zjawiska, tworząc sztuczne sieci publikacji i cytowań. Okazało się, że do naśladowania złożonego świata nauki wystarczy stosunkowo niewiele prostych reguł.
Każdego roku na świecie ukazują się miliony publikacji naukowych. Autorzy nowych artykułów odwołują się do wcześniejszych badań, tworząc ogromną sieć powiązań. Niektóre prace są cytowane przez tysiące kolejnych autorów, podczas gdy większość otrzymuje zaledwie kilka cytowań. Jednocześnie naukowcy zajmujący się podobnymi zagadnieniami częściej korzystają ze swoich prac, tworząc charakterystyczne społeczności – fizyków, biologów, matematyków czy badaczy sztucznej inteligencji.
Sieć tę można przedstawić jako mapę, na której każda publikacja jest punktem, a cytowania łączącymi je strzałkami. W odróżnieniu od znajomości w mediach społecznościowych połączenia te mają określony kierunek: nowsza praca zwykle cytuje starszą. Na podstawie takiej mapy można badać rozwój poszczególnych dziedzin, odnajdywać ważne publikacje czy identyfikować nowe kierunki badań.
Do analizowania tych ogromnych zbiorów informacji wykorzystuje się algorytmy komputerowe. Jak jednak sprawdzić, czy rzeczywiście potrafią one poprawnie rozpoznawać naukowe społeczności i występujące między nimi powiązania? W rzeczywistej sieci cytowań często nie znamy jednoznacznej odpowiedzi, ponieważ granice między dziedzinami bywają płynne. Przydałaby się więc sztuczna sieć, która zachowuje się jak prawdziwa, ale której strukturę znamy od początku.
Takie rozwiązanie opracowali Łukasz Brzozowski i Marek Gagolewski z Wydziału Matematyki i Nauk Informacyjnych oraz Grzegorz Siudem z Wydziału Fizyki Politechniki Warszawskiej. Wyniki opublikowali w czasopiśmie Information Sciences (doi: 10.1016/j.ins.2026.124196).
Zaproponowany przez nich algorytm, nazwany Citation Seeder, tworzy fikcyjne publikacje i przypisuje im cytowania. Wykorzystuje przy tym zjawisko dobrze znane nie tylko w nauce: popularność przyciąga kolejną popularność. Praca, na którą powoływało się już wielu autorów, ma większą szansę na następne cytowania. Jest to tzw. zasada kumulacyjnej przewagi, czasem określana jako mechanizm „bogaci stają się bogatsi”.
Nie oznacza to jednak, że nowe czy mniej znane publikacje nie mają szans. Model uwzględnia również przypadkowe cytowania, dzięki którym powiązania mogą powstawać niezależnie od dotychczasowej popularności prac. Ponadto odtwarza podział nauki na dziedziny, z których każda może rozwijać się w innym tempie i mieć własne zwyczaje dotyczące cytowania.
Aby sprawdzić skuteczność metody, naukowcy porównali dwanaście sposobów generowania takich sieci. Wykorzystali siedem rzeczywistych zbiorów cytowań publikacji i patentów, obejmujących nawet ponad 3,5 miliona dokumentów. Następnie oceniali podobieństwo sieci sztucznych do prawdziwych za pomocą 26 różnych wskaźników opisujących między innymi liczbę cytowań, strukturę powiązań i podział na społeczności.
Okazało się, że nowy model osiąga wyniki porównywalne z najbardziej rozbudowanymi metodami, choć w niektórych przypadkach potrzebuje ponad dziesięć tysięcy razy mniej parametrów. Co szczególnie istotne, bardzo dobrze odtwarza sposób, w jaki algorytmy rozpoznające społeczności zachowują się na rzeczywistych sieciach. Nie chodzi więc jedynie o stworzenie przekonująco wyglądającej imitacji, ale o taką, która stawia analizującym ją programom podobne wyzwania jak prawdziwe dane.
Badacze sprawdzili również, czy ich model potrafi przewidywać rozwój sieci. W jednym z testów, korzystając jedynie ze starszych publikacji, odtworzyli późniejszy rozkład liczby cytowań trafniej niż dwa porównywane modele. Nie oznacza to, że algorytm przewiduje sukces konkretnych artykułów. Potrafi jednak naśladować ogólne prawidłowości rządzące wzrostem ich popularności.
Znaczenie tych badań wykracza poza analizę publikacji. Podobne sieci występują w systemach patentowych, powiązaniach między dokumentami czy zależnościach między elementami oprogramowania. Możliwość tworzenia ich realistycznych, sztucznych odpowiedników pozwala bezpiecznie testować i doskonalić algorytmy, zanim zostaną wykorzystane do analizy rzeczywistych danych.
Badania pokazują także coś bardziej ogólnego: nawet bardzo złożone struktury mogą powstawać w wyniku działania stosunkowo prostych reguł. Świat nauki, z jego specjalizacjami, popularnymi odkryciami i tysiącami wzajemnych powiązań, okazuje się pod tym względem mniej chaotyczny, niż mogłoby się wydawać.
Źródło: pap.pl
Szczególnie u młodych dorosłych w wieku od 18 do 34 lat.
Powstrzymanie do końca 2032 r. automatycznego wzrostu wydatków.
Projekt wpisany na Polską Mapę Infrastruktury Badawczej.
Nigdy nie udało się zaobserwować żadnego z nich w pojedynkę.
Nie jest generowane przez jeden „ośrodek własności”.
25 maja 2018 roku zacznie obowiązywać Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r (RODO). Potrzebujemy Twojej zgody na przetwarzanie Twoich danych osobowych przechowywanych w plikach cookies. Poniżej znajdziesz pełny zakres informacji na ten temat.
Zgadzam się na przechowywanie na urządzeniu, z którego korzystam tzw. plików cookies oraz na przetwarzanie moich danych osobowych pozostawianych w czasie korzystania przeze mnie ze strony internetowej Laboratoria.net w celach marketingowych, w tym na profilowanie i w celach analitycznych.
Administratorami Twoich danych będziemy my: Portal Laboratoria.net z siedzibą w Krakowie (Grupa INTS ul. Czerwone Maki 55/25 30-392 Kraków).
Chodzi o dane osobowe, które są zbierane w ramach korzystania przez Ciebie z naszych usług w tym zapisywanych w plikach cookies.
Przetwarzamy te dane w celach opisanych w polityce prywatności, między innymi aby:
dopasować treści stron i ich tematykę, w tym tematykę ukazujących się tam materiałów do Twoich zainteresowań,
dokonywać pomiarów, które pozwalają nam udoskonalać nasze usługi i sprawić, że będą maksymalnie odpowiadać Twoim potrzebom,
pokazywać Ci reklamy dopasowane do Twoich potrzeb i zainteresowań.
Zgodnie z obowiązującym prawem Twoje dane możemy przekazywać podmiotom przetwarzającym je na nasze zlecenie, np. agencjom marketingowym, podwykonawcom naszych usług oraz podmiotom uprawnionym do uzyskania danych na podstawie obowiązującego prawa np. sądom lub organom ścigania – oczywiście tylko gdy wystąpią z żądaniem w oparciu o stosowną podstawę prawną.
Masz między innymi prawo do żądania dostępu do danych, sprostowania, usunięcia lub ograniczenia ich przetwarzania. Możesz także wycofać zgodę na przetwarzanie danych osobowych, zgłosić sprzeciw oraz skorzystać z innych praw.
Każde przetwarzanie Twoich danych musi być oparte na właściwej, zgodnej z obowiązującymi przepisami, podstawie prawnej. Podstawą prawną przetwarzania Twoich danych w celu świadczenia usług, w tym dopasowywania ich do Twoich zainteresowań, analizowania ich i udoskonalania oraz zapewniania ich bezpieczeństwa jest niezbędność do wykonania umów o ich świadczenie (tymi umowami są zazwyczaj regulaminy lub podobne dokumenty dostępne w usługach, z których korzystasz). Taką podstawą prawną dla pomiarów statystycznych i marketingu własnego administratorów jest tzw. uzasadniony interes administratora. Przetwarzanie Twoich danych w celach marketingowych podmiotów trzecich będzie odbywać się na podstawie Twojej dobrowolnej zgody.
Dlatego też proszę zaznacz przycisk "zgadzam się" jeżeli zgadzasz się na przetwarzanie Twoich danych osobowych zbieranych w ramach korzystania przez ze mnie z portalu *Laboratoria.net, udostępnianych zarówno w wersji "desktop", jak i "mobile", w tym także zbieranych w tzw. plikach cookies. Wyrażenie zgody jest dobrowolne i możesz ją w dowolnym momencie wycofać.
Więcej w naszej POLITYCE PRYWATNOŚCI
Recenzje