کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7538395 1488851 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A Bayesian approach for the reliability of scientific co-authorship networks with emphasis on nodes
ترجمه فارسی عنوان
یک رویکرد بیزی برای اطمینان از شبکه های علمی همکاری با تاکید بر گره ها
کلمات کلیدی
ترجمه چکیده
همکاری در میان اعضای یک گروه تحقیق معمولا توسط یک گراف (همکاری) نشان داده می شود که در آن گره ها نشان دهنده محققانی هستند که این گروه را تشکیل می دهند و لبه ها ارتباط بین دو عامل را نشان می دهند (به عنوان مثال، این عوامل) مطالعه حاضر، قابلیت اطمینان شبکه را با توجه به گره های غیر قابل اعتماد (محققین) و لبه های کاملا قابل اعتماد (همکاری بین دو محقق) مورد سنجش قرار می دهد. یک رویکرد بیزی برای قابلیت اطمینان شبکه ای که توسط همکاری در میان اعضای یک گروه پژوهشی واقعی معرفی شده است، ارائه می شود و برآوردهای تخمین های بیزی و اعتبار برای اجزای فرد (گره ها یا محققان) و شبکه می باشد. توزیع های ناقص و آموزنده و غیر آموزنده برای آن مولفه ها صورت می گیرد و خلاصه های خلفی با روش های مونت کارلو مارکوف به دست می آیند. نتایج نشان می دهد که رویکرد استنباطی برای قابلیت اطمینان شبکه های علمی همکاری می کند. نتایج همچنین نشان می دهد که سهم هر پژوهشگر برای حفظ یک گروه تحقیق بسیار مهم است. علاوه بر این، روش بیزی نیز یک پیاده سازی محاسباتی امکان پذیر و آسان بود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
یک رویکرد بیزی برای اطمینان از شبکه های علمی همکاری با تاکید بر گره ها
چکیده انگلیسی
The co-authorship among members of a research group commonly can be represented by a (co-authorship) graph in which nodes represent the researchers that make up of this group and edges represent the connections between two agents (i.e., the co-authorship between these agents). Current study measures the reliability of networks by taking into consideration unreliable nodes (researchers) and perfectly reliable edges (co-authorship between two researchers). A Bayesian approach for the reliability of a network represented by the co-authorship among members of a real research group is proposed, obtaining Bayesian estimates and credibility intervals for the individual components (nodes or researchers) and the network. Weakly informative and non-informative prior distributions are assumed for those components and the posterior summaries are obtained by Monte Carlo-Markov Chain methods. The results show the relevance of an inferential approach for the reliability of scientific co-authorship network. The results also demonstrate that the contribution of each researcher is highly relevant for the maintenance of a research group. In addition, the Bayesian methodology was a feasible and easy computational implementation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Social Networks - Volume 48, January 2017, Pages 110-115
نویسندگان
, , ,