p Um estatístico NUS desenvolveu uma métrica que contabiliza automaticamente as variações de citação em diferentes disciplinas para medir o mérito de pesquisa de artigos científicos. p O mérito (impacto) da pesquisa de artigos científicos é freqüentemente usado como um dos parâmetros para julgar a qualidade dos resultados da pesquisa. Geralmente é obtido a partir de citações de trabalhos de pesquisa já publicados na revista. Contudo, diferentes disciplinas acadêmicas têm diferentes comportamentos de pesquisa e práticas de citação. Por exemplo, artigos em certas disciplinas (por exemplo, matemática) geralmente têm poucas citações, enquanto outros campos (por exemplo, biologia molecular), em comparação, tiveram uma média de mais citações. Portanto, uma comparação da qualidade da pesquisa em diferentes disciplinas com base em contagens brutas de citações não refletiria com precisão o mérito da pesquisa.

p Prof Linda TAN do Departamento de Estatística e Probabilidade Aplicada, A NUS desenvolveu uma métrica de nível de artigo, chamada de "métrica de visibilidade ajustada ao tópico", que é capaz de contabilizar automaticamente a variação nas atividades de citação entre diferentes campos de pesquisa. Ele calcula isso sem usar classificações de campo existentes marcadas para o artigo individual, mas usando uma rede complexa contendo atributos pertencentes ao artigo selecionado. Cada artigo não precisa pertencer a um único campo, mas pode pertencer a vários campos com graus variados. Isso pode fornecer uma medida melhor para comparar publicações científicas individuais em diferentes campos. A equipe de pesquisa também desenvolveu um algoritmo computacional eficiente usando essa métrica para ajudar pesquisadores acadêmicos com recomendações de artigos.

p Prof Tan disse, "Quando nosso método é aplicado ao conjunto de dados de benchmarking KDD Cup 2003 (competição de descoberta de conhecimento e mineração de dados), que tem aproximadamente 30, 000 artigos de física de alta energia, demonstrou melhor desempenho para recomendações de artigos por ser mais preciso na previsão das citações reais de artigos de teste, em comparação com outros modelos disponíveis. "