کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4968136 | 1365185 | 2016 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Mapping the evolution of scientific fields based on cross-field authors
ترجمه فارسی عنوان
نقشه برداری تکامل زمینه های علمی بر اساس نویسندگان متقابل
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تکامل علمی، تجزیه و تحلیل شبکه، تحقیق بین رشته ای،
ترجمه چکیده
نقشه برداری تکامل زمینه های علمی در سال های اخیر توجه زیادی را به خود جلب کرده است. محققان روش های مختلفی برای توصیف، توضیح و پیش بینی جنبه های مختلف علم پیشنهاد کرده اند. تجزیه و تحلیل مبتنی بر شبکه به طور گسترده ای برای شبکه های دانش مورد استفاده قرار گرفته است، به منظور پیگیری تغییرات موضوع تحقیق و گسترش ایده های علمی. در اینجا ما یک روش جدید برای نقشه برداری از علم از دیدگاه نویسندگان متقابل پیشنهاد می دهیم. علم کامپیوتر بر اساس برنامه های بین رشته ای آن انتخاب شده است. ما یک شبکه علمی را تشکیل می دهیم که از کنفرانس های علوم رایانه به عنوان گره ها تشکیل شده است و اگر هم نویسندگان مقاله هایی را در هر دو کنفرانس منتشر کنند، دو کنفرانس مرتبط هستند. زمینه های علمی توسط الگوریتم تشخیص جامعه شناسایی می شوند. نتایج نشان می دهد که روش پیشنهادی براساس همخوان نویسنده در زمینه های مختلف در نقشه برداری از علم موثر است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Mapping the evolution of scientific fields has drawn much attention in recent years. Researchers have proposed various methods to describe, explain and predict different aspects of science. Network-based analysis has been widely used for knowledge networks, in order to track the changes of research topics and the spread of scientific ideas. Here we propose a novel approach for mapping the science from the perspective of cross-field authors. Computer science is selected based on its interdisciplinary applications. We build a scientific network consisting of computer science conferences as nodes, and two conferences are linked if there exist authors that published papers on both conferences. The scientific fields are identified by community detection algorithm. The results suggest the proposed method based on author overlaps across fields are effective in mapping the science.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Informetrics - Volume 10, Issue 3, August 2016, Pages 750-761
Journal: Journal of Informetrics - Volume 10, Issue 3, August 2016, Pages 750-761
نویسندگان
Xiaoling Sun, Kun Ding, Yuan Lin,