基于網絡的學術合作分析

Category: STEM國際競賽 Date: 2020年3月26日下午6:57

網絡分析法是美國匹茲堡大學的T.L.Saaty教授于1996年提出的一種適應非獨立的遞階層次結構的決策方法，它是在層次分析法的基礎上發展而形成的一種新的實用決策方法。　AHP作為一種決策過程，它提供了一種表示決策因素測度的基本方法。今天小編要介紹的內容就是關于網絡分析法的科研項目。項目的題目就是耶魯科研課題：基于網絡的學術合作分析。

課題簡介

隨著學術平臺的發展，學術合作本身作為科學家發表研究、升職評職稱和獲得終身教授的重要零度之一，受到了許多關注。圍繞科學家之間的學術合作與論文合著問題，很多問題被探討與解決。例如，勞動經濟學所關注的性別歧視問題，男性科學家是否更傾向與男性科學家合作論文？這樣的同質合作又是否在某種程度上影響了最終學術成果的質量？另一方面，科學家之間的合作可以被看成一個網絡。

隨著近些年網絡分析的方法論的發展，一些新的網絡分析算法，比如社區簇結構(community structure detection) 也逐漸被運用在研究重要的經濟學問題中。由一個科學家團隊提供的DBLP網絡數據（計算機學者合作網絡）為研究此類問題提供了極大的便利。

本課題旨在運用大數據與網絡分析方法對計算機學者合作網絡數據進行分析，探究合作的基本測度、合作的模式、合作成果與科學家特征的關系，并應用計量經濟學中的時間序列分析、面板回歸、預測等方法對數據做進一步分析處理，力求獲得對實踐有指導意義的結論。

本課題是統計學和經濟學的綜合研究，是先進網絡分析方法的實際應用。研究者將獲得使用Python和R進行大數據分析的技能和對網絡的深入了解。

科研方法

AI+X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。