Durante séculos, cientistas e acadêmicos mediram a influência de indivíduos e descobertas por meio de citações, uma estatística crua sujeita a vieses, política e outras distorções. Um novo artigo liderado pelo Laboratório de Conhecimento da Universidade de Chicago descreve uma maneira diferente de marcar pontos em ciências - uma medida mais direta de como as ideias influentes se propagam pelos estudos e pela cultura.

O modelo computacional destaca trabalhos que mudaram o caminho da ciência, mas permaneceram subestimados. A mesma abordagem também pode ser adaptada para rastrear a influência em outras áreas onde não existe cultura de citação, como literatura ou música, disseram os autores do artigo publicado na semana passada em Proceedings of the National Academy of Sciences .

"Estamos medindo o quanto os escritos de cientistas e acadêmicos influenciam a discussão de ideias no futuro, "disse James Evans, diretor do Knowledge Lab e professor de sociologia da UChicago. "A influência é um processo politizado; aqueles que a influenciam, pegue o crédito, e aqueles que recebem o crédito obtêm o capital para fazer a próxima grande coisa. Esta é a primeira vez que temos uma capacidade restrita de identificar influência, e também para diagnosticar influências sociais e estratégicas no comportamento de citação. "

O novo artigo complementa a pesquisa anterior do Knowledge Lab usando abordagens computacionais e de aprendizado de máquina em grandes coleções de texto, concessões, avaliações, citações e dados científicos para estudar como as descobertas se formam, evoluir e se tornar amplamente aceito. Seu trabalho foi recentemente apresentado em uma revisão na revista Ciência , coautoria de Evans, que descreveu como os métodos orientados por dados aprofundaram a compreensão do processo científico e ofereceu novos insights sobre como fazer futuras descobertas importantes com mais eficiência.

Indo além das citações

Em teoria, referências em um artigo acadêmico permitem aos autores dar crédito a seus predecessores, os pesquisadores e o trabalho sobre o qual construíram sua nova descoberta. Mas na prática, as citações são escolhidas por muitos motivos - os autores são mais propensos a se citar, colegas poderosos em seu campo e pesquisadores em instituições de prestígio, e muitas vezes tendem a citar artigos mais recentes ou já muito citados.

Apesar dessas imperfeições, muitos estudos computacionais de influência científica usaram o registro de citações como um proxy útil. O novo estudo, liderado pelo ex-pesquisador de pós-doutorado do Knowledge Lab Aaron Gerow, demonstra um romance, abordagem mais profunda, usando o texto completo dos artigos e informações externas, como a identidade do autor, afiliação e reputação do periódico.

Usando um método computacional conhecido como modelagem de tópicos - inventado pelo co-autor David Blei, da Universidade de Columbia - o modelo rastreia a "influência discursiva, "ou palavras e frases recorrentes em textos históricos que medem como os estudiosos realmente falam sobre um campo, em vez de apenas suas atribuições. Para determinar a influência de um determinado artigo, os pesquisadores poderiam removê-lo estatisticamente da história e ver como o discurso científico teria se desdobrado sem sua contribuição.

"Não podemos apenas descobrir como os tópicos mudaram ao longo do tempo, mas podemos simular o futuro sem um determinado documento do passado, e veja como o discurso que avançava era diferente com e sem um determinado documento, "disse Gerow, agora um professor assistente na Goldsmiths, Universidade de Londres. "As citações são um tipo de impacto, e a influência discursiva é de um tipo diferente. Nenhum deles é a história completa, mas eles trabalham juntos para dar uma imagem melhor do que está influenciando a ciência. "

Treinar o modelo em grandes coleções de textos de linguística computacional, física, e em ciência e bolsa de estudos (JSTOR), os autores quantificam vários preconceitos e discernem padrões distintos de influência. Cientistas que publicaram persistentemente em um único campo eram mais propensos a serem "canonizados" de uma forma que compelisse outros a citá-los de forma desproporcional às contribuições discursivas de seus artigos. Por outro lado, descobertas que cruzaram as fronteiras disciplinares eram mais propensas a ter um impacto discursivo desproporcional, mas menos citações, provavelmente porque a "dona" da ideia e seus aliados permanecem social e institucionalmente distantes do autor citante.

Lindas adormecidas e influenciadores desconhecidos

Uma subcategoria interessante de papel que o modelo detectou é conhecida como "belas adormecidas, "ou artigos que permaneceram relativamente sem reconhecimento por anos ou mesmo décadas antes de sofrer uma explosão tardia de citações. Por exemplo, um artigo de 1947 sobre o grafeno permaneceu obscuro e esquecido até a década de 1990, com um ressurgimento do interesse de pesquisa no material e um eventual Prêmio Nobel.

"Os jornais têm um ciclo de notícias, quando muitas pessoas conversam sobre eles e os citam, e então não são mais novidades, "Disse Evans." Nosso modelo mostra que alguns artigos têm muito mais influência do que as citações normalmente demonstram, como essas 'belezas adormecidas, 'que não teve muita influência no início, mas passou a ser apreciada e importante mais tarde. "

O mesmo modelo também pode ser usado para rastrear influência em outras áreas, como literatura e música, disseram os autores. Texto de poemas ou letras de músicas, e até mesmo características extra-textuais, como estrutura de estrofe ou progressões de acordes, poderia alimentar o modelo para encontrar influenciadores pouco reconhecidos e mapear a disseminação de novos conceitos e inovações.

“Há uma enorme quantidade de cultura literária que acaba influenciando todo tipo de coisa, mas que simplesmente não possui uma tecnologia de referência semelhante às citações, "Evans disse." Embora tenhamos desenvolvido e validado este modelo em texto científico, agora podemos usá-lo para tudo e qualquer coisa, especialmente casos em que não há traços de influência, mas padrões no próprio conteúdo. É como tendência no Twitter, mas onde tudo é Twitter. Isso é o que é mais emocionante para mim. "