Odkrywanie sieci współpracy badawczej z naukowych bibliotek cyfrowych i repozytoriów
Mieczysław Muraszkiewicz
Afiliacja: Politechnika Warszawska, Polska
Henryk Rybiński
Afiliacja: Politechnika Warszawska, Polska
Piotr Szczepański
Afiliacja: Politechnika Warszawska, Polska
Abstrakt
CEL/TEZA: Celem pracy jest naszkicowanie praktycznego modelu odkrywania sieci współpracy badawczej korzystając z zasobów naukowych bibliotek cyfrowych i repozytoriów. Odkryte zależności wiążące badaczy, projekty, instytucje naukowe i inne naukowe przedsięwzięcia i artefakty stanowią podstawę do wyodrębnienia sieci współpracy naukowców i instytucji naukowych zainteresowanych wspólną tematyką badawczą. Sieci takie mogą być następnie przedmiotem analizy w celu uzyskania pogłębionej wiedzy na ich temat.
KONCEPCJA/METODY BADAŃ: Pracę oparto na metodzie, która ma dwa składniki, a mianowicie: (i) wykorzystano proste mechanizmy odkrywania sieci współpracy badawczej opracowane i zastosowane w ramach systemu bazy wiedzy akademickiej ΩΨR, który zrealizowano w Politechnice Warszawskiej oraz (ii) opracowano zarys formalnego modelu sieci współpracy naukowej, który bierze pod uwagę specyfikę naukowych bibliotek cyfrowych i repozytoriów oraz zawiera zbiór technik analizy sieciowej pozwalających na odkrywanie wiedzy zawartej/ukrytej w sieciach współpracy naukowej.
WYNIKI I WNIOSKI: Przedstawiono zarys formalnego modelu sieci współpracy naukowej, który ma dwa komponenty, a mianowicie: (i) mechanizm odkrywania tematycznie skorelowanych badaczy, projektów, instytucji naukowych i innych podmiotów i artefaktów naukowych oraz (ii) zbiór metod analizy sieciowej, które umożliwiają wykrywanie wiedzy zawartej w sieciach współpracy naukowej. Zaproponowany model jest skalowalny zarówno w zakresie jego funkcjonalności, jak i technik analizy sieciowej. Został on oparty na sprawdzonych rozwiązaniach zrealizowanych w ramach systemu ΩΨR i jest obecnie wykorzystany w pracach nad rozszerzeniem tego systemu.
ORYGINALNOŚĆ/WARTOŚĆ POZNAWCZA: Opracowany i realizowany w ramach prac nad rozszerzeniem systemu ΩΨR własny model pozwala odkrywać i w pogłębiony sposób analizować naukowe sieci współpracy badawczej, co zwiększa zakres, wartość i wpływ przedsięwzięć naukowych na rozwój nauki i społeczeństwa.
Słowa kluczowe
Sieci współpracy badawczej; Model sieci współpracy badawczej; Analiza sieci; Odkrywanie wiedzy; System ΩΨR
Bibliografia
Albert, R.; Jeong, H.; Barabasi, A. (2000). Error and attack tolerance of complex networks. Nature, 406, 378-382.
Bork, P.; Jensen, L. J.; von Mering, C.; Ramani, A. K.; Lee, I.; Marcotte, E. M. (2004). Protein interaction networks from yeast to human. Current Opinion in Structural Biology, 14 (3), 292-299.
Freeman, L. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1 (3), 215–239.
Freixas, X.; Parigi, B.; Rochet, J. C. (2000). Systemic risk, interbank relations and liquidity provision by the central bank. Journal of Money Credit and Banking, 32 (3), 611-638.
Girvan, M.; Newman, M.E.J. (2002). Community structure in social and biological networks. Proceedings of the National Academy of Sciences, 99 (12), 7821–7826.
Hockney, M. (2012). The Last Man Who Knew Everything, Hyperreality books.
Leskovec J.; Kleinberg J.; Faloutsos C. (2007). Graph evolution: Densification and shrinking diameters. ACM Transaction Knowledge Discovery, vol. 1 (1), article no. 2.
Lü, L.; Zhou, T. (2011). Link prediction in complex networks: A survey, Physica A: Statistical Mechanics and its Applications, 390 (6), 1150-1170.
Muraszkiewicz, M. (2004). Mobile Network Society, Dialog and Universalism, 14 (1-2), 113-124
Muraszkiewicz, M. (2013). W stronę społeczeństwa sieciowego i inteligentnych miast. Propozycja programu I’Miasto. Przegląd Telekomunikacyjny, 8-9, 609-613.
Muraszkiewicz, M.; Szmidt, J.; Zaremba, K (2014). SYNAT i R – ku ekosystemowi wsparcia informacyjnego nauki i uczelni polskich. Zagadnienia Informacji Naukowej – Studia Informacyjne, 54 (2), 7-22.
Newman, M.E.J. (2001): The structure of scientific collaboration networks [online]. In: Proceedings of the National Academy of Sciences, 98 (2), 404-409 [24.10.2015], http://www.pnas.org/content/98/2/404.full.
Radosevic, S.; Yoruk, E. (2014). Are there global shifts in the world science base? Analysing the catching up and falling behind of world regions. Scientometrics, 101 (3), 1897-1924
Szczepański, P.L.; Michalak, T.P.; Talal, R.; Barcz, A. (2015). The Game-Theoretic Interaction Index on Social Networks With Applications to Link Prediction and Community Detection. In: Proceedings of the 24rd International Joint Conference on Artificial Intelligence. Palo Alto: AAAI Press / International Joint Conferences on Artificial Intelligence, 638-644
Szczepański, P.L.; Michalak, T.P.; Wooldridge, M. (2014). A Centrality Measure for Networks With Community Structure Based on a Generalization of the Owen Value. Frontiers in Artificial Intelligence and Applications, 263, 867-872
Wasserman, S.; Faust, K. (1994). Social network analysis: Methods and applications. Cambridge, New York: Cambridge University Press.
Afiliacja: Politechnika Warszawska, Polska
Biogram:
Prof. MIECZYSŁAW MURASZKIEWICZ is a professor of computer science at Warsaw University of Technology
interested in knowledge representation and the relationships between technology and culture. His recent
publications are: B. Jacobfeuerborn, M. Muraszkiewicz: Media, Information Overload, and Information Science. In: R. Bembenik et. al. (eds.) Intelligent Tools for Building Scientific Information Platform. Advanced
Architectures and Solutions Berlin, Heidelberg, Springer 2013, 3–13 [Studies in Computational Intelligence No. 467]; Muraszkiewicz, M.: Information Science Needs Cognitivism. An Essay. Miscellanea Informatologica
Varsoviensia, SBP, 2012; Muraszkiewcz, M., Szmidt, J., Zaremba, K (2014). SYNAT i ΩΨR – ku ekosystemowi
wsparcia informacyjnego nauki i uczelni polskich.
Contact to the Author:
m.muraszkiewicz@ii.pw.edu.pl
Institute of Computer Science
Faculty of Electronics and Information Technology
Warsaw University of Technology
Nowowiejska 15/19
00–665 Warszawa
Afiliacja: Politechnika Warszawska, Polska
Biogram:
Prof. HENRYK RYBIŃSKI is a professor of computer science at Warsaw University of Technology. His research
areas cover knowledge representation, data and text mining, and information retrieval. His recent publications are: J. Koperwas, Ł. Skonieczny, M. Kozłowski, H. Rybiński, W. Struk: University Knowledge Base: Two Years of Experience, In: Intelligent Tools for Building a Scientific Information Platform: From Research to Implementation / Bembenik Robert [et al.] (eds.), Studies in Computational Intelligence 2014, vol. 541, Springer; R. Krajewski, M. Kozłowski, H. Rybiński A novel method for dictionary translation, Journal of Intelligent Information Systems, 2015, 1–24, J. Koperwas, Ł. Skonieczny, M. Kozłowski, P. Andruszkiewicz,
H. Rybiński, W. Struk: AI Platform for Building University Research Knowledge Base, In: Foundations of
Intelligent Systems. Proceedings / A. Troels [et.al.] (eds), LNAI, vol. 8502, 2014, Springer
Contact to the Author:
h.rybinski@ii.pw.edu.pl
Institute of Computer Science
Faculty of Electronics and Information Technology
Warsaw University of Technology
Nowowiejska 15/19
00–665 Warszawa
Afiliacja: Politechnika Warszawska, Polska
Biogram:
PIOTR SZCZEPAŃSKI, MSc Eng., is a Ph.D. student of computer science at Warsaw University of Technology.
His research topics mostly cover the intersection of Social Networks and Game-Theory including knowledge
representation and information mining. His recent publications are: T. Michalak, K. Aaditha, P. Szczepański,
B. Ravindran, N.Jennings: Efficient computation of the Shapley value for game-theoretic network centrality.
Journal of AI Research 2013, vol. 46, 607–650; P. Szczepański, T. Michalak, M. Wooldridge: A Centrality Measure for Networks with Community Structure Based on a Generalization of the Owen Value. Frontiers in
Artificial Intelligence and Applications, 2014, vol. 263, 867–872; P. Szczepański, M. Tarkowski, T. Michalak,
P. Harrenstein, M. Wooldridge: Efficient Computation of Semivalues for Game-Theoretic Network Centrality.
In: Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, 2015, vol. 1, 461–469.
Contact to the Author:
p.szczepanski@ii.pw.edu.pl
Institute of Computer Science
Faculty of Electronics and Information Technology
Warsaw University of Technology
Nowowiejska 15/19
00–665 Warszawa
CC BY-NC-ND 4.0 Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0 Międzynarodowe
