[論文レビュー] Formation of subject area and the co-authors network by sounding of Google Scholar Citations service

Dmytro Lande, Valentyna Andrushchenko|arXiv (Cornell University)|May 7, 2016

Research Data Management Practices参考文献 1被引用数 3

ひとこと要約

本稿では、Google Scholar Citationsの引用データを用いて、分野別モデルおよび共同著者ネットワークを構築する手法を提案する。物理学的光学分野におけるタグ-著者関係を分析することで、学際的協働パターンを明らかにし、ネットワーク解析手法を用いて研究コミュニティの可視化を可能にする。

ABSTRACT

The suggested methodic is the way of formatting the subject areas models and co-authors networks by sounding the content networks. The paper represents the notion networks which match tags and authors of Google Scholar Citations service. Models depicted in the work were built for the physical optics area, and it can be applied for other domains. The proposed ways of defining connections between science areas and authors depicts the collaborations opportunities and versatility of interdisciplinary.

研究の動機と目的

• Google Scholar Citationsの引用およびタグデータを用いた分野別モデル構築のための体系的かつ包括的な手法を開発すること。
• 学術論文における共著者および分野タグの共有に基づいて、共同著者協働ネットワークをマッピングすること。
• 科学的分野内における学際的つながりと協働構造を可視化すること。
• 本手法が物理光学にとどまらず、他の研究分野へも適用可能であることを示すこと。
• オープンアクセスの引用データを用いて研究コミュニティおよび協働トレンドを特定するフレームワークを提供すること。

提案手法

• Google Scholar Citationsの引用およびメタデータを活用し、著者-タグ関係を抽出する。
• ノードが著者および分野タグを表し、エッジが出版物内での共起を表すノイズネットワークを構築する。
• 著者と分野タグの間のつながりをモデル化するために、ネットワーク解析手法を適用する。
• 可視化ツールを用いて、得られた共同著者および分野タグネットワークを表現する。
• 実際のGoogle Scholarデータを用いて、物理光学分野でモデルを検証する。
• グラフベースの表現を用いて、著者のクラスターや分野内におけるテーマ的グループ化を強調する。

実験結果

リサーチクエスチョン

• RQ1 Google Scholarの引用およびタグデータを用いて、どのように分野を体系的にモデル化できるか。
• RQ2 著者-タグ共起ネットワークを分析することで、どのような共同著者協働のパターンが浮き彫りになるか。
• RQ3 ネットワーク可視化によって、科学的研究における学際的つながりをどの程度明らかにできるか。
• RQ4 実世界の分野、たとえば物理光学のような分野において、得られた分野別および共同著者ネットワークはどの程度安定的かつ代表的であるか。
• RQ5 この手法は、物理光学を越えて他の科学的分野へ一般化可能か。

主な発見

• 本手法は、Google Scholarの引用データを用いて、物理光学分野の整合性のある分野別モデルを成功裏に生成した。
• 共同著者ネットワークは、分野内における強い協働グループを示す明確なクラスタを明らかにした。
• 分析により、異なるサブフィールドにまたがる重複するトピックに取り組む著者間の学際的つながりが同定された。
• ネットワークの可視化により、主要な著者およびテーマ的ハブが強調され、影響力のある貢献者および新たな研究トレンドの兆候が示された。
• 本手法は、公開利用可能な引用データを用いた研究コミュニティのマッピングにおいて、実現可能性と再現性を示した。
• 得られたモデルは他の分野へ拡張可能であり、研究の全体像分析にスケーラブルなフレームワークを提供する。