Discovering Research Collaboration Networks from Scientific Digital Libraries and Repositories

• Authors: Muraszkiewicz Mieczysław , Rybiński Henryk , Szczepański Piotr

Title variants

PL

Odkrywanie sieci współpracy badawczej z naukowych bibliotek cyfrowych i repozytoriów

• Languages of publication: EN PL

Abstracts

EN

PURPOSE: The purpose of the study is to outline a practical model for discovering research collaboration networks on the basis of data and information stored in scientific digital libraries and repositories. The discovered relationships between researchers, projects, scientific institutions and other scientific entities are used for identifying collaboration networks of researchers and research institutions interested in or working on a given subject. Afterwards, such networks can be subject to various types of network analysis in order to get in-depth knowledge on the networks and their components. APPROACH/METHODS: The method adopted in the study is twofold, that is: (i) it takes into consideration the way of discovering collaboration networks by means of simple tools that have been implemented within the ΩΨR system developed at Warsaw University of Technology; (ii) it develops an outline of a formal model of research collaboration networks that takes into account the specificity of scientific digital libraries and repositories and includes the network analysis techniques for discovering knowledge residing/hidden in the networks. RESULTS AND CONCLUSIONS: The outcome of the research is the outline of a formal model of research collaboration networks that includes: (i) a discovery mechanism for identifying thematically related scientists, projects, research institutions, and other scientific entities; and (ii) a set of network analysis methods for getting in-depth knowledge residing in the networks. The model is implementable and scalable in terms of functionality it offers and the network analysis techniques it includes. The model is founded on a solid ground, which is the ΩΨR system functionality to discover simple collaboration networks, and it is being used for enhancing the ΩΨR system. ORIGINALITY/VALUE: The value of the research is the outline of a general research collaboration networks model that: (i) can help identify, build, and analyse research communities, and thereby increases the scope, value and impact of scientific endeavours on science and society; (ii) is used for enhancing the ΩΨR system.

PL

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.

Keywords

EN

Research collaboration network; Model of research collaboration network; Network analysis; Knowledge discovery; ΩΨR system

PL

Sieci współpracy badawczej; Model sieci współpracy badawczej; Analiza sieci; Odkrywanie wiedzy; System ΩΨR

• Publisher: Stowarzyszenie Bibliotekarzy Polskich i Wydział Dziennikarstwa, Informacji i Bibliologii. Uniwersytet Warszawski
• Journal: Zagadnienia Informacji Naukowej - Studia Informacyjne
• Year: 2015
• Volume: 53
• Issue: 2(106)
• Pages: 7-19

Dates

received

2015-10-24

revised

2015-11-10

accepted

2015-11-12

Contributors

author

Muraszkiewicz Mieczysław

• Institute of Computer Science, Faculty of Electronics and Information Technology, Warsaw University of Technology, Nowowiejska 15/19, 00-665 Warszawa

author

Rybiński Henryk

• Institute of Computer Science, Faculty of Electronics and Information Technology, Warsaw University of Technology, Nowowiejska 15/19, 00-665 Warszawa

author

Szczepański Piotr

• Institute of Computer Science, Faculty of Electronics and Information Technology, Warsaw University of Technology, Nowowiejska 15/19, 00-665 Warszawa

References

• 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.

Identifiers

ISSN

0324-8194

EISSN

2392-2648

DOI

https://doi.org/10.36702/zin.331