[論文レビュー] A social Network Analysis of the Operations Research/Industrial Engineering Faculty Hiring Network

Enrique Del Castillo, Adam Meyers+1 more|arXiv (Cornell University)|Feb 28, 2018

Complex Network Analysis Techniques参考文献 19被引用数 3

ひとこと要約

本稿は、米国のオペレーションズ・リサーチ／インダストリアル・エンジニアリング（ORIE）教員採用ネットワークに対して、社会的ネットワーク分析および潜在的指数型ランダムグラフモデル（ERGM）を適用し、ほぼ線形の階層構造と3つの明確な部門グループを特定した。学術的評価の指標として、最小違反と強度（MVS2）指数を導入し、自己採用の傾向が強く、グループ間移動が限定的であることを明らかにした。これらの結果は、学術的移動と知識の拡散に関する示唆を示している。

ABSTRACT

We study the U.S. Operations Research/Industrial-Systems Engineering (ORIE) faculty hiring network, consisting of 1,179 faculty origin and destination data together with attribute data from 83 ORIE departments. A social network analysis of faculty hires can reveal important patterns in an academic field, such as the existence of a hierarchy or sociological aspects such as the presence of communities of departments. We first statistically test for the existence of a linear hierarchy in the network and for its steepness. We find a near linear hierarchical order of the departments, proposing a new index for hiring networks, which we contrast with other indicators of hierarchy, including published rankings. A single index is not capable to capture the full structure of a complex network, however, so we next fit a latent exponential random graph model (ERGM) to the network, which is able to reproduce its main observed characteristics: high incidence of self-hiring, skewed out-degree distribution, low density and clustering. Finally, we use the latent variables in the ERGM to simplify the network to one where faculty hires take place among three groups of departments. We contrast our findings with those reported for other related disciplines, Computer Science and Business.

研究の動機と目的

• 米国のORIE教員採用ネットワークにおける構造的パターン、特に階層構造とコミュニティ構造を特定すること。
• 主観的な順位付けに依存しない、客観的かつデータ駆動型の部門の評価指標（MVS2）を構築すること。
• 潜在的指数型ランダムグラフモデル（ERGM）を用いてネットワークをモデル化し、自己採用や度数分布の歪みといった複雑な特徴を捉えること。
• 採用パターンと潜在的ポジションに基づいて、ネットワークを3つのまとまりある部門グループに簡略化すること。
• コンピュータサイエンスやビジネス分野と比較し、ORIEの採用ダイナミクスにおけるネットワーク構造と自己採用率の違いを明らかにすること。

提案手法

• ORIE採用ネットワークにおける線形的支配階層の存在とその傾きを統計的仮説検定により評価する。
• ブートストラップされたネットワーク上で最適化を実行することで、順位付けに依存しない部門の評価指標として、最小違反と強度（MVS2）指数を提案する。
• 自己採用、度数分布の歪み、低密度、クラスタリングといったネットワークの主要特徴を捉えるために、潜在的位置指数型ランダムグラフモデル（ERGM）を適合させる。
• ERGMから得られる潜在変数を用いてクラスタリング分析を実施し、ネットワークを3つの明確な部門グループに簡略化する。
• 採用件数に比例する辺の重みを用いて簡略化されたネットワークを可視化し、グループ内採用の優位性と最小限のグループ間接続を強調する。
• 公表済みの順位（US News、NRC）と、コンピュータサイエンスおよびビジネス分野の採用ネットワークとを比較し、研究結果の文脈を明確にする。

実験結果

リサーチクエスチョン

• RQ1 ORIE教員採用ネットワークには線形的階層が存在するか？その傾きはどの程度か？
• RQ2 提案されたMVS2指標による部門の評価は、US News や NRC といった既存の順位とどのように比較できるか？
• RQ3 自己採用、度数分布、クラスタリングといったネットワーク的特徴は、潜在的ERGMによってどの程度適切に捉えられるか？
• RQ4 潜在的ポジションに基づいて、ORIE採用ネットワークを意味的に整合性のある少数のまとまりある部門グループに簡略化できるか？
• RQ5 ORIEにおける構造的パターンは、コンピュータサイエンスやビジネスといった関連分野と比較して、どのように異なるか？

主な発見

• ORIE教員採用ネットワークは、強いほぼ線形の階層構造を示しており、統計的証拠から部門の支配的順序が裏付けられている。
• MVS2指標は、客観的かつ信頼性の高い評価指標を提供しており、公表済みの順位とは相関が低いため、ネットワークに基づく影響力のより正確な反映を示している。
• 潜在的ERGMは、主なネットワーク特徴を的確に再現した：自己採用率が高く（CSのほぼ2倍、ビジネスの3倍）、度数分布の歪み、低密度、クラスタリング。
• ネットワークは3つの明確なグループに簡略化される：トップティア、中間ティア、ローウィーントイアの部門。採用の大部分はグループ内に限定され、グループ間移動は最小限である。
• 中間ティアに属する部門は高い媒介性（betweenness）を示し、階層全体のネットワーク接続性を維持する重要な役割を果たしている。
• ORIE全体の高い自己採用率（CSやビジネスに比べ顕著に高い）は、新規のアイデアやカリキュラムのイノベーションが部門間を流れるのを妨げる可能性がある。