Онлайн заседание Общемосковского семинара Экспертные оценки и анализ данных

Название доклада: Анализ тенденций в развитии Науки о Данных с использованием метода КласКоРК
Докладчик: Б.Г.Миркин (НИУ ВШЭ)

Аннотация: Имеется несколько подходов к проведению компьютеризированного анализа тенденций развития данной предметной области. Наиболее популярными являются анализ взаимо-цитирования [1], выявление и анализ наиболее заметных публикаций [2], а также контент-анализ [3]. Мы хотим охватить все направления развития предметной области и поэтому выбираем другой путь. Мы используем таксономию (иерархическую классификацию) предметной области как источник тем и категорий для дальнейшего анализа. В качестве основы классификации Науки о Данных мы взяли релевантные части классификации компьютерных наук, сформированной Всемирной Ассоциацией Компьютерной Машинерии (АCM Computing Classification System 2012), и добавили к ней «листья», соответствующие более свежим разработкам. Всего получилось 381 категорий. Мы загрузили аннотации 67757 научных публикаций из 59 релевантных журналов издательства Шпрингер за 2003-2024 гг. как «универсальную» выборку текстов для дальнейшего анализа. Мы модифицировали наш гибридный метод [4,5,6]. Новизна состоит в использовании теоретико-множественной меры сходства между ключевыми словами. Эта мера отражает количество публикаций, которым релевантны оба рассматриваемых ключевых слова: чем оно выше, тем выше сходство. Мы разделили весь период 2003-2024 на два подпериода, и в каждом получили по 6 нечетких кластеров с использованием метода ФАДДИС [4], последовательно выделяющим кластеры. Полученные кластеры показывают определенную стабильность в направлениях исследований, а также изменения в них за 22-летний период. В расчетах использовались суперкомпьютерные ресурсы НИУ ВШЭ Москва
1. Börner, K., Chen, C., & Boyack, K. W. (2003). Visualizing knowledge domains. Annual review of information science and technology, 37(1), 179-255.

2. Donoho, D. (2017). 50 years of data science. Journal of Computational and Graphical Statistics, 26(4), 745-766.
3. Papyshev, G., & Yarime, M. (2023). The state’s role in governing artificial intelligence: development, control, and promotion through national strategies. Policy Design and Practice, 6(1), 79-102.
4. Mirkin, B., & Nascimento, S. (2012). Additive spectral method for fuzzy cluster analysis of similarity data including community structure and affinity matrices. Information Sciences, 183(1), 16-34.
5. Frolov, D., Nascimento, S., Fenner, T., & Mirkin, B. (2020). Parsimonious generalization of fuzzy thematic sets in taxonomies applied to the analysis of tendencies of research in data science. Information Sciences, 512, 595-615.
6. Frolov, D., & Mirkin, B. (2021, March). GOT: Generalization over Taxonomies, a Software Toolkit for Content Analysis with Taxonomies. In World Conference on Information Systems and Technologies (pp. 513-521). Cham: Springer International Publishing.

Семинар состоится в онлайн формате на платформе Zoom 10 июня в 14:30 по Москве.


Адрес для подключения к видеоконференции zoom:

https://us02web.zoom.us/j/86862557441?pwd=bXFTV1VsTksvcVRzd01QdFZwTDFwQT09
Идентификатор конференции: 868 6255 7441
Код доступа: 275177