[논문 리뷰] The Reconstruction of Science Phylogeny

David Chavalarias, Jean‐Philippe Cointet|arXiv (Cornell University)|2009. 04. 21.

scientometrics and bibliometrics research참고 문헌 20인용 수 7

한 줄 요약

이 논문은 종단적 과학 문헌 데이터를 바탕으로 공저어 분석과 겹치는 클러스터링을 사용하여 과학 계통수를 자동으로 복원하는 방법을 제안한다. 가짜 포함도 및 실증적 품질 지표를 도입함으로써 과학 분야의 진화 과정에서 강력하고 반복 가능한 패턴을 드러내며, 계통수 역학이 이들 지표와 강하게 연관되어 있음을 보여주고 과학 분야의 정규화된 생명 주기 존재를 시사한다.

ABSTRACT

We are facing a real challenge when coping with the continuous acceleration of scientific production and the increasingly changing nature of science. In this article, we extend the classical framework of co-word analysis to the study of scientific landscape evolution. Capitalizing on formerly introduced science mapping methods with overlapping clustering, we propose methods to reconstruct phylogenetic networks from successive science maps, and give insight into the various dynamics of scientific domains. Two indexes - the pseudo-inclusion and the empirical quality - are introduced to qualify scientific fields and are used for reconstruction validation purpose. Phylogenetic dynamics appear to be strongly correlated to these two indexes, and to a weaker extent, to a third one previously introduced (density index). These results suggest that there exist regular patterns in the "life cycle" of scientific fields. The reconstruction of science phylogeny should improve our global understanding of science evolution and pave the way toward the development of innovative tools for our daily interactions with its productions. Over the long run, these methods should lead quantitative epistemology up to the point to corroborate or falsify theoretical models of science evolution based on large-scale phylogeny reconstruction from databases of scientific literature.

연구 동기 및 목표

• 정보 과부하와 과학적 생산의 가속화에 대응하기 위해 시간에 따라 변화하는 과학적 풍경을 맵핑하는 데 목적이 있다.
• 정적인 과학적 스냅샷을 넘어서 종단적 데이터를 활용하여 과학 분야의 진화 역학을 재구성하는 데 목적이 있다.
• 공현 패턴을 통해 과학 분야의 출현, 성장, 변화를 추적하기 위한 자동화되고 확장 가능한 방법을 개발하는 데 목적이 있다.
• 분야의 품질과 구조적 역학을 반영하는 새로운 정량적 지표를 사용하여 재구성된 계통수를 검증하는 데 목적이 있다.
• 이론적 과학 진화 모델의 반증 또는 확인이 가능하도록 하기 위해 정량적 인지론의 기초를 마련하는 데 목적이 있다.

제안 방법

• PubMed-MedLine의 과학 초록(1950–2008)에서 단어 공현 데이터를 추출하기 위해 공저어 분석을 적용한다. 시스템 생물학 및 네트워크 분야의 834개 핵심 용어에 집중한다.
• 시간 해상도를 가진 공현 행렬 M_t를 구성한다. 여기서 M_t(i,j)는 연도 t에 두 용어 i와 j를 모두 언급한 논문 수를 의미한다.
• 다음 과학 지ap에서 메조-구조(과학 분야 및 하위 분야)를 탐지하기 위해 겹치는 클러스터링(예: Cfinder)을 사용한다.
• 비대칭적 관계(예: 특수성/일반성)를 캡처하기 위해 가짜 포함도 측정치 P_α^T(i,j) = (n_ij^T / n_i^T)^α를 도입한다.
• 실증적 품질 지표를 사용하여 용어 공현 패턴과 구조적 안정성에 기반해 분야의 품질을 평가한다.
• 시간에 따라 클러스터를 연결함으로써 계통수 네트워크를 재구성하며, 과학 진화를 다중 기원을 가진 분기 및 교차 구조를 가진 과정으로 모델링한다.

실험 결과

연구 질문

• RQ1 종단적 과학 문헌 내 공현 데이터로부터 과학 계통수를 자동으로 복원할 수 있는가?
• RQ2 과학 분야의 품질과 구조적 역학을 시간에 따라 신뢰성 있게 캡처할 수 있는 정량적 지표는 무엇인가?
• RQ3 과학 분야의 생명 주기, 예를 들어 출현, 성장, 쇠퇴 단계에서 반복 가능한 정규화된 패턴이 존재하는가?
• RQ4 가짜 포함도 및 실증적 품질 지표는 관측된 계통수 역학과 어떻게 연관되는가?
• RQ5 재구성된 과학 계통수는 과학 진화 이론적 모델을 지지하거나 도전하는 데 어느 정도 기여할 수 있는가?

주요 결과

• 재구성된 과학 계통수는 과학 분야 진화 과정에서 강력하고 강인한 패턴을 드러내며, 정규화된 생명 주기 역학이 존재함을 시사한다.
• 계통수 역학은 가짜 포함도 및 실증적 품질 지표와 강하게 연관되어 있으며, 밀도 지표와는 약하게 연관되어 있다.
• 클러스터의 평균 실증적 품질과 밀도는 계통수 내 위치에 따라 일관된 의존성을 보이며, 다양한 파라미터 설정(0.3 ≤ d₀ ≤ 0.6)에 대해 강인하다.
• 높은 실증적 품질을 가진 분야는 더 안정적이고 구조화된 클러스터 형성을 보이며, 품질과 통합성 사이에 측정 가능한 연관성이 있음을 시사한다.
• ‘자식’(후계 클러스터) 수는 클러스터의 밀도와 논문 수와 상관이 있으며, 고생산성 분야일수록 더 많이 분열함을 나타낸다.
• 이 방법론은 과학 문헌 외에도 특허, 웹 쿼리, 포크소노미, 마이크로어레이 결과와 같은 생물학적 데이터 등으로 일반화 가능하다.