Estimando futuras colaborações com dados sobre atividades científicas

Autores

  • Thiago Magela Rodrigues Dias

Palavras-chave:

colaboração científica, predição de ligações, Plataforma Lattes

Resumo

Em uma rede de colaboração científica, uma conexão é formada quando dois ou mais cientistas publicam um trabalho em conjunto. Nesse caso, as publicações representam as arestas e os cientistas, os nós da rede. Lançando mão de conceitos de análise de redes sociais, é possível compreender melhor o relacionamento entre os nós. O trabalho em questão tem o objetivo de realizar a predição de ligações em redes de coautoria formadas pelos doutores com currículos cadastrados na Plataforma Lattes, e que tenham, como área de atuação, as Ciências da Informação. Atualmente, a Plataforma Lattes conta com 6.6 milhões de currículos de indivíduos e representa um dos conjuntos de dados curriculares mais relevantes e reconhecidos mundialmente. Diante isso, é possível compreender o comportamento da rede e acompanhar a sua evolução ao longo do tempo. Para tanto, algumas etapas precisam ser seguidas. São elas: extração dos dados, criação das redes de coautoria, definição dos atributos a serem utilizados, criação de um conjunto de dados, e por fim, emprego dos mesmos como entrada em um algoritmo de aprendizado de máquinas. Por meio dos resultados, é possível estabelecer, com precisão, a evolução da rede de colaborações científicas dos pesquisadores a nível nacional, auxiliando, assim, as agências de fomento na escolha de futuros pesquisadores de destaque.

Biografia do autor

Thiago Magela Rodrigues Dias

Doutor em Modelagem Matemática e Computacional pela Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), Belo Horizonte, Minas Gerais, Brasil. Professor do Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) - Belo Horizonte, MG - Brasil.

 

Referências

ACAR, E., DUNLAVY, D. M., KOLDA, T. G. Link Prediction on Evolving Data Using Matrix and Tensor Factorizations. Ieee. Data Mining Workshops, 2009. Icdmw’09. Ieee International Conference On, 2009, p. 262–269.
ADAMIC, L. A., ADAR, E. Friends And Neighbors On The Web. Social Networks, Elsevier, 2003, v.25, n. 3, p. 211–230.
BARABÁSI, A.-L. E ALBERT, R. Emergence of scaling in random networks. Science, American Association for the Advancement of Science, 1999, v.286, n.5439, p. 509–512.
CAÑIBANO, C.; BOZEMAN, B. Curriculum vitae method in science policy and re-search evaluation: the state-of-the-art. Research Evaluation, v. 18, n. 2, p. 86-94, 2009.
CHEN, H., LI, X., HUANG, Z. Link Prediction Approach to Collaborative Filtering. Ieee. Proceedings Of The 5th Acm/Ieee-Cs Joint Conference On Digital Libraries (Jcdl’05), 2005, p.141–142.
DIAS, T. M. et al. Modelagem E Caracterização De Redes Científicas: Um Estudo Sobre A Plataforma Lattes. Brasnam-Ii Brazilian Workshop On Social Network Analysis And Mining, 2013. p. 10–20.
DIAS, T. M. R. e MOITA, G. F. A Method For The Identification Of Collaboration In Large Scientific Databases. Em Questão, 2015, Vol. 21, N. 2, p. 140–161.
DIAS, T. Um Estudo Da Produção Científica Brasileira a Partir De Dados Da Plataforma Lattes. Programa De Pós-Graduação Em Modelagem Matemática E Computacional, Cen-tro Federal De Educação Tecnológica De Minas Gerais, Belo Horizonte (Doutorado), 2016, 181p.
DIGIAMPIETRI, L. A; SANTIAGO, C. R. N.; ALVES, C. M. Predição de coautorias em redes sociais acadêmicas: um estudo exploratório em Ciência da Computação. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING, 2, 2013, Anais… Maceió, 2013.
DIGIAMPIETRI, L. et al. Um Sistema De Predição De Relacionamentos Em Redes So-ciais. Brazilian Symposium on Information Systems, 2015, V. 11.
HASAN, M. A. e ZAKI, M. J. A Survey of Link Prediction In Social Networks. Social Network Data Analytics. Springer, 2011, p. 243–275.
LANE, J. Let’s Make Science Metrics More Scientific. Nature, Nature Publishing Group, 2010, v. 464, n. 7288, p. 488.
LIBEN-NOWELL, D. e KLEINBERG, J. The Link-Prediction Problem for Social Net-works. Journal of The American Society For Information Science And Technology, Wiley Online Library, 2007, v.58, n.7, p.1019–1031.
LIMA, H. et al. Aggregating productivity indices for ranking researchers across multiple areas. In: PROCEEDINGS OF THE 13TH ACM/IEEE-CS JOINT CONFERENCE ON DIGITAL LIBRARIES, ACM, p. 97-106, 2013.
LIU, Z. et al. Link Prediction in Complex Networks: A Local Naïve Bayes Model. Epl (Europhysics Letters), Iop Publishing, 2011, v.96, n.4, p.48007.
LÜ, L. e ZHOU, T. Link Prediction in Complex Networks: A Survey. Physica A: Statis-tical Mechanics And Its Applications, Elsevier, 2011, v.390, n.6, p.1150–1170.
MARUYAMA, W. T. e DIGIAMPIETRI, L. A. Co-Authorship Prediction In Academic Social Network. Sbc. Anais Do V Workshop Brasileiro De Análise De Redes Sociais E Mineração, 2019. p.79–90.
MENA-CHALCO, J. P.; CESAR-JUNIOR, R. M. Prospecção de dados acadêmicos de currículos Lattes através de scriptLattes. In: HAYASHI, M. C. P. I.; LETA, H. E. J. (Orgs.). Bibliometria e Cientometria: reflexões teóricas e interfaces. São Carlos: Pedro & João, p. 109-128, 2013.
MENA-CHALCO, J. P.; et al. Brazilian bibliometric coauthorship networks. Journal of the Association for Information Science and Technology, v. 65, n. 7, p. 1424-1445, 2014.
NEWMAN, M. E. The structure of scientific collaboration networks. Proceedings of the national academy of sciences, National Acad Sciences, 2001, v.98, n.2, p. 404–409.
NEWMAN, M. E.; PARK, J. Why social networks are different from other types of net-works. Physical Review E, APS, 2003, v. 68, n. 3, p. 036122.
PEREZ-CERVANTES, E. et al. Using link prediction to estimate the collaborative influ-ence of researchers. In: IEEE 9TH INTERNATIONAL CONFERENCE ON ESCI-ENCE (ESCIENCE), 9. Anais… China, Beijin, p. 293-300, 2013.
POTGIETER, A. et al. Temporality in Link Prediction: Understanding Social Complexi-ty. Emergence. Complexity & Organization (E: Co), Citeseer, 2009, v.11, n.1, p.69–83.
SIDONE, O. J. G.; HADDAD, E. A.; MENA-CHALCO, J. P. A Ciência nas Regiões Brasileiras: Evolução da Produção e das Redes de Colaboração Científica. Transin-formação. v. 28, n. 1, p. 15-31, 2016.
ZHOU, T., LÜ, L., ZHANG, Y.-C. Predicting Missing Links Via Local Information. The European Physical Journal B, Springer, 2009, v.71, n.4, p.623–630.

Downloads

Publicado

25/11/2020

Como citar

Magela Rodrigues Dias, T. (2020). Estimando futuras colaborações com dados sobre atividades científicas. Ciência Da Informação, 49(3). Recuperado de http://revista.ibict.br/ciinf/article/view/5470