Zastosowanie technik wizualizacji do zbiorów naukowych, charakteryzujących aktualne trendy badań i dominujące dyscypliny nazywa się mapowaniem nauki. W ten sposób można skupić się na dwóch grupach jednostek: na dokumen-tach produkcji naukowców, np. artykułach, patentach oraz na samych ludziach nauki, ich aktywności w zakresie piśmie-nnictwa, analizy cytowań, dzielenia się wiedzą, edukacji i komunikacji sieciowej. Jeśli dla pierwszej grupy materiałem badawczym są opisy bibliograficzne a efektem  –  mapy tematyczne dyscyplin i dziedzin naukowych, to dla drugiej  –  dane o naukowcach, dotyczące np. współcytowań, webometryczne pochodzące z portali społecznościowych (altmetrics), w efekcie prowadzące do stworzenia socjogramów.

 

Pierwszy graf społeczny (tzw. socjogram) został nakreślony ręcznie przez Jacoba Morena − austriacko-amerykań-skiego psychiatrę i socjologa w latach 30-tych poprzedniego stulecia. Przedstawiał on relacje pomiędzy dziewczyn-kami a chło-pcami w grupie czteroklasistów, dzięki czemu można było zobaczyć ich wzajemne sympatie i antypatie podczas zabaw.

W rozdziale opisana została metoda analizy sieci społecznych (SNA), która stała się bardzo popularna w naukach społecznych. Dzisiaj za pomocą SAN bada się struktury wybranych wspólnot, a nawet makrostruktury całych społeczeństw. Układy złożone odgrywają w naszym życiu, w nauce i gospodarce niebagatelną rolę. Składają się one z milionów i więcej elementów, które bezustannie oddziałują ze sobą. Dotyczy to np. społeczeństwa, którego funkcjonowanie wymaga współpracy milionów osób, sieci energetycznych, sieci telekomunikacyjnych i transporto-wych, połączeń neuronalnych naszego mózgu, interakcji tysięcy genów wewnątrz biologicznych komórek. Do opi-su takich złożonych układów posługujemy się nauką o sieci (Network Science), która wykorzystuje teorię grafów, fizykę statystyczną, biologię i data mining. Gwałtowny rozwój badań w zakresie Network Science, ich implementacji w postaci gotowych i przyjaznych aplikacji w ostatnich dwóch dekadach z pewnością przełożył się na wzrost popularności SNA.

//

The use of visualization techniques to representation of data describing the current trends in science and scientific community is called mapping science. Thus we can focus on two tasks: production of scientists (articles, patents) and researchers activity in different fields such as writing, citation, knowledge sharing, education and communication network. In the case of first category, bibliographic data are research material and the topic maps of disciplines is the result of this study. Second category concerns webometrics, altmetrics data about scientists collaboration networks and the result of this is sociograms – graphical representation of social links between people.


The first social graph was drawn by hand by Jacob Moreno, Austrian-American psychiatrist and sociologist in the 30s of the last century. He presented the relations between classmates: girls and boys, so we can analyse their mutual sympathy and antipathy in the playground.


The chapter describes the popular method in social sciences - social network analysis (SNA). Nowadays by using SNA we can investigate the structure of selected communities and even whole society macrostructure. Complex systems play important role in our life as well as in science, economy and politics. They consist of millions and more elements that constantly interact with each other. For example this includes society, where many people should cooperate, energetic and telecommunication infrastructure, traffic and neuronal connections, the interaction of thousands genes within a biological cell. To describe these complex systems one can use network science methods. This is a new research field having origin in graph theory, statistical physics, biology and data mining. The rapid development of network science, its implementation in the form of on-line and user-friendly applications in the last two decades have certainly contributed to the growth of popularity of SNA.

//  Mapowanie nauki / Mapping science

rys. 1 // Ilustracja zagadnienia.
                  / Źródło: opracowanie własne.

rys. 2 // Mapa samoorganizująca się wygenerowana dla 30 tys. artykułów naukowych poklasyfikowanych

                  według 11 głównych kategorii tematycznych w zakresie nauk komputerowych
                   / Źródło: opracowanie własne.

rys. 3 // Cztery poziomy agregacji jednostek analizy w mapowaniu nauki.
                / Źródło: opracowanie własne na podstawie K. Börner. Everyone can map. London: MIT Press, 2015, s. 5.

1. kolekcjonowanie

2. przetwarzanie

3. analiza, modelowanie

4. mapowanie, projektownie układu

5. projektowanie graficzne

rys. 4 // Pięcioetapowy proces mapowania nauki.
                / Źródło: opracowanie własne.

rys. 5 // Rozkład liczby publikacji względem liczby autorów ilustrujący prawo Pareta (z lewej) oraz w skali logarytmicznej,  

               odpowiadający prawu potęgowemu (z prawej) na podstawie danych bibliotek cyfrowych.
               / Źródło: opracowanie własne, danych FBC.

rys. 6 // Wizualizacja współpracy naukowców w grupie 80-osobowej metodą autorską.
                / Źródło: V. Osińska. G. Osiński, W. Tomaszewski. Modelling...

rys. 7 // Miary SNA na przykładach.
               / Źródło: opracowanie własne.

rys. 8 // Współpraca i komunikacja członków grupy COST TD 1210. Kolory węzłów odpowiadają domenom kraju.
               / Źródło: opracowanie własne.

Zamów książkę 

//

Wydawnictwo UMK

This site was designed with the
.com
website builder. Create your website today.
Start Now