[论文解读] Prediction of next career moves from scientific profiles

Charlotte James, Luca Pappalardo+2 more|arXiv (Cornell University)|Feb 13, 2018

Human Mobility and Location-Based Analysis参考文献 18被引用 10

一句话总结

本文提出一种两阶段预测模型，利用科学家的科研档案（包括职业轨迹、研究环境质量及合作网络结构）来预测其下一次职业变动。该模型引入一种新颖的社会引力模型，整合合作数据，相较于最先进方法将预测误差降低85%，并识别出异源合作（xenophilia，即与外部机构合作）是迁移的关键预测因子。

ABSTRACT

Changing institution is a scientist's key career decision, which plays an important role in education, scientific productivity, and the generation of scientific knowledge. Yet, our understanding of the factors influencing a relocation decision is very limited. In this paper we investigate how the scientific profile of a scientist determines their decision to move (i.e., change institution). To this aim, we describe a scientist's profile by three main aspects: the scientist's recent scientific career, the quality of their scientific environment and the structure of their scientific collaboration network. We then design and implement a two-stage predictive model: first, we use data mining to predict which researcher will move in the next year on the basis of their scientific profile; second we predict which institution they will choose by using a novel social-gravity model, an adaptation of the traditional gravity model of human mobility. Experiments on a massive dataset of scientific publications show that our approach performs well in both the stages, resulting in a 85% reduction of the prediction error with respect to the state-of-the-art approaches.

研究动机与目标

• 基于科学家的科研档案，预测其在未来一年内是否会更换机构。
• 识别影响科学家搬迁决策的关键因素，尤其聚焦于职业、环境及合作网络特征。
• 利用一种新颖的社会引力模型，结合合作网络数据，预测科学家将前往的具体机构。
• 评估模型在不同地理区域的表现，检验其对全球及区域迁移模式的泛化能力。
• 为机构和政策制定者提供可操作的见解，以吸引或留住顶尖科研人才。

提出的方法

• 为每位研究人员构建多维科研档案，包括近期职业表现、研究环境质量以及合作网络结构。
• 应用数据挖掘技术，将科学家分类为未来一年内可能迁移或不迁移的群体。
• 开发一种社会引力模型，通过整合科学家特定的合作模式，扩展传统人类流动引力模型。
• 利用社会引力模型，根据相似性、距离及合作联系对潜在目标机构进行排序。
• 在涵盖1950–2009年期间360,000篇美国物理学会（APS）出版物的大规模数据集上，训练并评估两阶段模型。
• 通过在不同地理子集（如美国与欧洲）间进行交叉验证，检验模型的泛化能力。

实验结果

研究问题

• RQ1 科学家档案中的哪些特征——职业、环境或合作网络——最能预测其搬迁决策？
• RQ2 一种包含合作网络数据的改进引力模型，是否能相比传统引力模型更准确地预测目的地？
• RQ3 该预测模型是否可在不同地理区域（如美国与欧洲）间保持泛化能力？
• RQ4 科学家的异源合作程度（与本机构外部科学家合作）与其迁移可能性之间存在何种相关性？
• RQ5 社会网络信息在多大程度上能增强迁移预测模型的预测能力？

主要发现

• 与最先进引力模型相比，社会引力模型在预测目标机构时将预测误差降低了85%。
• 异源合作（定义为与本机构外部科学家合作的倾向）与搬迁决策存在强烈相关性。
• 该模型在不同地理区域间保持一致的性能表现，无论是在美国科学家数据上训练、在欧洲科学家上测试，还是反之，准确率均无显著差异。
• 第一阶段的数据挖掘模型成功识别出可能迁移的科学家，其预测准确率较高，且基于职业、环境及网络特征。
• 将合作网络数据整合进引力模型显著提升了其预测能力，表明社会关系与流动模式之间存在双向影响。
• 对于一位测试科学家，该模型正确将真实目标机构列为排名第一的选项，而传统引力模型则未能做到。