[論文レビュー] The Reconstruction of Science Phylogeny

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

scientometrics and bibliometrics research参考文献 20被引用数 7

ひとこと要約

本稿では、縦断的科学文献データを用いた共語分析と重複クラスタリングを用いて、科学の系統樹を自動的に再構築する手法を提案する。擬似包含および実証的品質インデックスを導入することで、科学分野の進化に一貫性があり、繰り返し現れるパターンが明らかになり、系統的ダイナミクスがこれらの指標と強く相関しており、科学分野に規則的なライフサイクルが存在することを示唆している。

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.

研究の動機と目的

• 情報過多と科学的生産の加速という課題に対処するため、時間的変化を伴う動的な科学的ランドスケープをマッピングすること。
• 静的な科学のスナップショットを越えて、縦断的データを用いて科学分野の進化ダイナミクスを再構築すること。
• 共起パターンを通じて、科学的ドメインの出現、成長、変容を自動的かつスケーラブルに追跡する手法を開発すること。
• 分野の質と構造的ダイナミクスを反映する新しい定量的インデックスを用いて、再構築された系統樹を検証すること。
• 理論的科学進化モデルの反証または裏付けが可能になるように、定量的認識論の基盤を築くこと。

提案手法

• PubMed-MedLineの科学的要約（1950–2008年）から、システム生物学とネットワーク分野の834のキーワードに焦点を当て、共語分析を適用して語の共起データを抽出する。
• 時系列に応じた共起行列 M_t を構築し、M_t(i,j) は年 t に両方の語 i と j を含む論文の数を表す。
• 重複クラスタリング（例：Cfinder）を用いて、連続する科学地図におけるミクロ構造（科学分野およびサブフィールド）を同定する。
• 非対称的関係（例：特異性／一般性）を捉えるために、擬似包含指標 P_α^T(i,j) = (n_ij^T / n_i^T)^α を導入する。
• 語の共起パターンと構造的安定性に基づいて、分野の質を評価する実証的品質インデックスを用いる。
• クラスタを時間軸に沿ってリンクすることで系統的ネットワークを再構築し、複数の系統的分岐を伴う分岐的かつ網状的なプロセスとして科学的進化をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 縦断的共起データに基づいて、科学の系統樹を自動的に再構築できるか？
• RQ2 時間経過に伴い、科学分野の質と構造的ダイナミクスを信頼性高く捉えることができる定量的インデックスは何か？
• RQ3 科学分野のライフサイクルに、出現、成長、衰退を含む規則的かつ再現可能なパターンが存在するか？
• RQ4 擬似包含および実証的品質インデックスは、観察された系統的ダイナミクスとどの程度相関するか？
• RQ5 再構築された科学の系統樹は、科学進化の理論的モデルを支持または挑戦するのにどの程度有効か？

主な発見

• 再構築された科学の系統樹は、科学分野の進化に強く、一貫性のあるパターンを示しており、規則的なライフサイクルダイナミクスが存在することを示している。
• 系統的ダイナミクスは、擬似包含および実証的品質インデックスと強く相関しており、密度インデックスとは弱い相関である。
• クラスタの平均実証的品質および密度は、系統樹における位置に強く依存しており、異なるパrameter設定（0.3 ≤ d₀ ≤ 0.6）に対しても安定している。
• 実証的品質がより高い分野では、より安定的かつ構造的なクラスタ形成が見られ、質と整合性の間には測定可能な関連があると考えられる。
• 『息子』（後続のクラスタ）の数は、クラスタの密度および論文数と相関しており、生産性の高い分野はより多くの分岐を示す傾向にある。
• 本手法は科学文献に限らず、特許、ウェブクエリ、フォルクソノミー、マイクロアレイ解析などの生物学的データに対しても一般化可能である。