Ідентифікація наукових спеціальностей дослідників на основі їх інтересів в Google Scholar
Abstract
Сьогодні професійні спільноти людей взаємодіють в різноманітних онлайнових мережах. Не виключенням є і спільнота дослідників. Найбільшою онлайновою мережею дослідників є Google Scholar. В ній, зокрема, у відкритому доступі є понад 50 тисяч профілів українських дослідників. Такий величезний ресурс виглядає привабливим для розробки технологій аналітичного опрацювання накопиченої в ньому інформації з метою ідентифікації лідерів – статей, науковців, університетів, журналів, виявлення тенденцій наукових досліджень, кластеризації науковців, підбору партнерів для спільних проєктів, опонентів дисертацій, рецензентів рукописів тощо.
References
López-Cózar, E. D., Orduña-Malea, E., Martín-Martín, A., & Ayllón, J. M. Google Scholar: the big data bibliographic tool. In Research analytics: boosting university productivity and competitiveness through scientometrics (edited by Francisco J. Cantú-Ortiz) Boca Raton, FL : Taylor & Francis, 2018. P. 59-80.
Martín-Martín, A., Thelwall, M., Orduna-Malea, E., & López-Cózar, E. D.. Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations’ COCI: a multidisciplinary comparison of coverage via citations. Scientometrics, Vol. 126, pages871– 906(2021).
Harzing, A.-W., & Alakangas, S. (2016). Google Scholar, Scopus and the Web of Science: A longitudinal and cross-disciplinary comparison. Scientometrics, 106(2), 787–804.
Rahdari, B., Brusilovsky, P., Babichenko, D., Littleton, E. B., Patel, R., Fawcett, J., & Blum, Z. (2020). Grapevine: A profile‐based exploratory search and recommendation system for finding research advisors. Proceedings of the Association for Information Science and Technology, 57(1), e271.
Saad-Falcon, J., Shaikh, O., Wang, Z. J., Wright, A. P., Richardson, S., & Chau, D. H. (2020). PeopleMap: Visualization Tool for Mapping Out Researchers using Natural Language Processing. arXiv preprint arXiv:2006.06105.
Rosen-Zvi, M., Griffiths, T., Steyvers, M., Smith, P., The author-topic model for authors and documents. In Proceedings of the 20th Conference on Uncertainty in Artificial Intelligence (2004), AUAI Press, 487--494.
D. Blei, A. Ng. and M. Jordan. Latent dirichlet allocation. Journal of Machine Learning Research, 3:993-1022. 2003.
Jian Jin, Qian Geng, Haikun Mou, Chong Chen. (2018) Author–Subject–Topic model for Reviewer Recommendation, JIS-Journal of Information Science, SAGE, 1-16.
