[論文レビュー] The Research Space: using the career paths of scholars to predict the evolution of the research output of individuals, institutions, and nations

Miguel Guevara, Dominik Hartmann+3 more|arXiv (Cornell University)|Feb 26, 2016

scientometrics and bibliometrics research参考文献 19被引用数 9

ひとこと要約

本論文は、研究者の共同出版パターンに基づく学術分野のネットワーク地図「リサーチスペース」を導入し、個人および機関レベルでの将来の研究実績予測において、引用ベースの科学地図よりも、キャリアの軌跡（すなわち、個人が発表した分野）が顕著に優れた予測要因であることを示している。この手法は、特に個人や組織といった集中的な単位において、従来の引用ネットワークを上回り、分野間移行の予測に優れている。

ABSTRACT

In recent years scholars have built maps of science by connecting the academic fields that cite each other, are cited together, or that cite a similar literature. But since scholars cannot always publish in the fields they cite, or that cite them, these science maps are only rough proxies for the potential of a scholar, organization, or country, to enter a new academic field. Here we use a large dataset of scholarly publications disambiguated at the individual level to create a map of science-or research space-where links connect pairs of fields based on the probability that an individual has published in both of them. We find that the research space is a significantly more accurate predictor of the fields that individuals and organizations will enter in the future than citation based science maps. At the country level, however, the research space and citations based science maps are equally accurate. These findings show that data on career trajectories-the set of fields that individuals have previously published in-provide more accurate predictors of future research output for more focalized units-such as individuals or organizations-than citation based science maps.

研究の動機と目的

• 研究者の実際のキャリアの軌跡を活用することで、個人、機関、国レベルの将来の研究実績をより正確に予測する手法を開発すること。
• 引用リンクに依存する引用ベースの科学地図の限界を是正すること。これらは、実際の学術的移動性や新分野への潜在的進出を反映していない可能性がある。
• 同じ研究者が両方の分野に発表した確率に基づいて、分野同士を接続するリサーチスペースネットワークを構築すること。これは、実際の学術的パスを反映する。
• キャリアパスに基づく予測が、引用ベースの科学地図に比べて、将来の研究活動の予測において優れているかどうかを評価すること。
• リサーチスペースの予測力が、個人、機関、国レベルという異なるスケールでどのように変化するかを評価すること。

提案手法

• 個々の研究者を明確に識別できる大規模な学術出版データセットを構築し、学術分野を横断するキャリアの軌跡を追跡する。
• 同じ研究者が両方の分野に発表した確率に基づいて、学術分野間のリンクを定義する。
• ノードが学術分野を表し、エッジが研究者が出版を通じて分野間を移動する可能性を示すネットワーク「リサーチスペース」を構築する。
• このネットワークを用いて、過去の出版履歴に基づき、個人および機関の将来の分野進出を予測する。
• 実データを用いて、リサーチスペースの予測精度を従来の引用ベースの科学地図と比較する。
• 個人、機関、国レベルでの予測性能を測定する統計的評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 研究者のキャリアの軌跡（具体的には、発表した分野の順序）を用いることで、引用ベースの地図よりも、将来の研究実績をより正確に予測できるか？
• RQ2 リサーチスペースの予測力は、個人および機関レベルで、引用ベースの科学地図と比べてどの程度優れているか？
• RQ3 リサーチスペースの予測精度は、個人、機関、国レベルといった異なるスケールでどのように変化するか？
• RQ4 研究者間の共同出版パターンは、実際に学術的移動性や新分野への進出可能性をどの程度反映しているか？
• RQ5 なぜ引用ベースの地図は、研究者や機関が新分野に進出する真の潜在的力を捉えられていないのか？

主な発見

• 共同出版パターンに基づいて構築されたリサーチスペースは、個人および機関レベルにおける将来の分野移行予測において、引用ベースの科学地図よりも顕著に優れた予測精度を示している。
• 個人および機関レベルでは、リサーチスペースが、研究者がどの新分野に進出するかを予測する際に、引用ベースの地図を上回っている。
• 国レベルの予測では、リサーチスペースと引用ベースの地図が同等の性能を示しており、マクロレベルでは異なるダイナミクスが働くことが示唆される。
• 本研究では、キャリアの軌跡（具体的には、研究者が発表した分野の集合）が、引用ネットワークよりも、将来の研究実績に対するより強い予測信号を提供することが明らかになった。
• リサーチスペースモデルは、引用ネットワークよりも、実際の学術的移動性をよりよく捉えている。引用ネットワークは、分野ごとの引用習慣によって歪められる可能性がある。
• 結果から、微細なスケールでの研究の進化を予測するには、実際の研究者発表履歴のデータが、引用パターンよりも情報量が多いことが示された。