[论文解读] Visualisation of massive data from scholarly Article and Journal Database A Novel Scheme

Gouri Ginde|arXiv (Cornell University)|Nov 3, 2016

Complex Network Analysis Techniques参考文献 3被引用 3

一句话总结

本文提出了一种基于图的可视化方案，用于从 Google Scholar 提取的海量学术数据，利用作者隶属关系、引用关系和出版元数据，揭示研究领域转变、新兴子领域以及引用卡特尔行为等隐藏模式。通过将数据建模为图结构并应用 Cobb-Douglas 计量经济学模型，计算出基于学术指标的期刊“国际化指数”，从而深入洞察学术影响力与合作趋势。

ABSTRACT

Scholarly articles publishing and getting cited has become a way of life for academicians. These scholarly publications shape up the career growth of not only the authors but also of the country, continent and the technological domains. Author affiliations, country and other information of an author coupled with data analytics can provide useful and insightful results. However, massive and complete data is required to perform this research. Google scholar which is a comprehensive and free repository of scholarly articles has been used as a data source for this purpose. Data scraped from Google scholar when stored as a graph and visualized in the form of nodes and relationships, can offer discerning and concealed information. Such as, evident domain shift of an author, various research domains spread for an author, prediction of emerging domain and sub domains, detection of journal and author level citation cartel behaviors etc. The data from graph database is also used in computation of scholastic indicators for the journals. Eventually, econometric model, named Cobb Douglas model is used to compute the journals Modeling "Internationality" Index based on these scholastic indicators.

研究动机与目标

• 解决从海量非结构化学术出版数据中提取并可视化有意义模式的挑战。
• 利用来自 Google Scholar 的数据，识别学术出版中隐藏的研究趋势、领域转变及合作行为。
• 开发一种基于图的学术网络表示方法，以捕捉作者、机构与期刊之间的关系。
• 基于学术指标，利用计量经济学建模计算期刊的定量“国际化指数”。
• 为研究人员、机构和政策制定者提供关于学术影响力、新兴研究领域及潜在引用卡特尔行为的数据驱动洞察。

提出的方法

• 从 Google Scholar 抓取数据，重点关注作者隶属关系、出版记录和引用网络。
• 将提取的数据进行结构化处理并存储于图数据库中，将作者、机构、期刊和引用关系表示为节点与关系。
• 应用图可视化技术揭示领域转变、多领域作者活动及引用聚类等模式。
• 从图数据中计算学术指标，如引用次数、出版数量及国际合规模糊。
• 将 Cobb-Douglas 生产函数进行调整，基于这些指标建模并计算期刊层面的“国际化指数”。
• 该模型整合了全球引用覆盖范围和跨机构合作等变量，以量化期刊的国际化程度。

实验结果

研究问题

• RQ1 如何有效可视化来自 Google Scholar 的海量学术数据，以揭示隐藏的研究趋势与模式？
• RQ2 可以从作者和期刊的引用网络中推导出哪些指标，以评估学术影响力与国际化程度？
• RQ3 基于图的表示能否揭示作者随时间推移研究领域发生的变化？
• RQ4 引用模式在多大程度上可指示期刊或作者层面的潜在引用卡特尔行为？
• RQ5 Cobb-Douglas 这类计量经济学模型在多大程度上可被调整以量化学术期刊的“国际化”程度？

主要发现

• 基于图的可视化成功揭示了个体作者不明显的领域转变，包括在技术领域与跨学科领域之间的过渡。
• 识别出多位看似专注于单一领域的作者实际上活跃于多个研究领域，表明其更广泛的学术参与。
• 通过特定期刊与机构之间密集的引用聚类，可检测到引用卡特尔行为，暗示可能存在合谋行为。
• 基于 Cobb-Douglas 模型计算出的“国际化指数”提供了一个基于学术指标的期刊全球影响力量化指标。
• 该方法在将非结构化学术数据转化为研究人员、机构和政策制定者可操作的洞察方面展示了可行性。