Програмне забезпечення системи аналізу даних авторів наукових статей

Abstract

Сучасна наука характеризується експоненційним зростанням обсягів публікацій, що ускладнює їхній ефективний аналіз та навігацію у величезному інформаційному просторі. В умовах глобалізації дослідницької д іяльності та посилення конкуренції, вимірювання наукової продуктивності, ідентифікація провідних дослідників, виявлення актуальних наукових трендів та ефективних колаборацій стають критично важливими завданнями для наукових установ, адміністраторів, гранто вих фондів та самих науковців. Традиційні методи оцінки, що ґрунтуються переважно на кількісних показниках, часто не надають глибинного розуміння якісного внеску та взаємодії у науковій спільноті. Актуальність теми дослідження. Зростаюча доступність бібліо метричних даних через відкриті програмні інтерфейси (API), відкриває нові можливості для застосування методів інтелектуального аналізу даних та машинного навчання. Це дозволяє не лише агрегувати інформацію, а й виявляти приховані закономірності, прогнозува ти тенденції та візуалізувати складні взаємозв'язки, що є недосяжним для ручного аналізу. Таким чином, розробка автоматизованих систем для інтелектуального аналізу бібліометричних даних авторів наукових статей стає вкрай актуальною для підвищення ефективності наукового менеджменту та підтримки дослідницької діяльності. Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась відповідно до плану науково науково-дослідних робіт кафедри комп'ютерних наук НУБІП України за темою " Програмне забезпечення системи аналізу авторів наукових статей статей". Мета дослідження. Розробка та реалізація програмної системи для інтелектуального аналізу бібліометричних даних авторів наукових статей з метою виявлення наукових тенденцій, колаборацій та оцінки прогнозної активності. Завдання дослідження. Для досягнення поставленої мети було сформульовано наступні завдання: 1. Дослідити методи збору та структуризації бібліометричних даних з відкритих наукометричних джерел. 2. Вибрати та адаптувати алгоритми інтелектуального аналізу дан их для виявлення наукових тематик (тематичне моделювання), аналізу мережевих колаборацій (мережевий аналіз) та прогнозування динаміки публікаційної активності (моделі часових рядів). 3. Розробити архітектуру програмної системи, що інтегрує модулі збору, Розробити архітектуру програмної системи, що інтегрує модулі збору, обробобробки, аналізу та візуалізації бібліометричних даних.ки, аналізу та візуалізації бібліометричних даних. 4. Здійснити програмну реалізацію основних модулів системи з Здійснити програмну реалізацію основних модулів системи з використанням сучасних технологій.використанням сучасних технологій. 5. Провести експериментальні дослідження ефективності розроблених Провести експериментальні дослідження ефективності розроблених алгоритмів та оцінити точність прогнозних моделейалгоритмів та оцінити точність прогнозних моделей на реальному наборі на реальному наборі даних.даних. 6. Розробити зручний та інформативний інтерфейс користувача з Розробити зручний та інформативний інтерфейс користувача з можливостями інтерактивної візуалізації результатів аналізу.можливостями інтерактивної візуалізації результатів аналізу. 7. Провести оціПровести оцінкунку практичнпрактичногоого значення для наукової спільноти.значення для наукової спільноти. Об'єкт дослідження. Об'єкт дослідження. Процеси збору, обробки, анаПроцеси збору, обробки, аналізу та представлення лізу та представлення бібліометричних даних.бібліометричних даних. Предмет дослідження. Предмет дослідження. Методи та моделі інтелектуального аналізу Методи та моделі інтелектуального аналізу бібліометричних даних авторів наукових статей.бібліометричних даних авторів наукових статей. Методи дослідження. Методи дослідження. У роботі використано методи системного аналізу, У роботі використано методи системного аналізу, математичного моделювання, інтелематематичного моделювання, інтелектуального аналізу даних ктуального аналізу даних (Data Mining)(Data Mining), машинного навчання машинного навчання (Machine Learning)(Machine Learning), статистичного аналізу, мережевого , статистичного аналізу, мережевого аналізу, а також методи програмної інженерії для розробки архітектури та аналізу, а також методи програмної інженерії для розробки архітектури та реалізації системи.реалізації системи. Наукова новизна одержаних результатів. Наукова новизна одержаних результатів. - Удосконалено підхід до агрегації та нормалізації бібліометричних даних з Удосконалено підхід до агрегації та нормалізації бібліометричних даних з множинних відкритих джерел для побудови комплексних профілів авторів.множинних відкритих джерел для побудови комплексних профілів авторів. - Запропоновано інтегровану методику виявлення наукових тенденцій, що Запропоновано інтегровану методику виявлення наукових тенденцій, що поєднує тематичне моделювання для поєднує тематичне моделювання для ідентифікації тематик, мережевий ідентифікації тематик, мережевий аналіз (метрики центральності, виявлення спільнот) для дослідження аналіз (метрики центральності, виявлення спільнот) для дослідження колаборацій та моделі часових рядів для прогнозування активності.колаборацій та моделі часових рядів для прогнозування активності. - Розроблено програмну архітектуру та реалізовано систему, яка ефективно Розроблено програмну архітектуру та реалізовано систему, яка ефективно об'єднує процеси збоб'єднує процеси збору, обробки, аналізу та візуалізації бібліометричних ору, обробки, аналізу та візуалізації бібліометричних даних, надаючи інтерактивні інструменти для підтримки прийняття рішень.даних, надаючи інтерактивні інструменти для підтримки прийняття рішень. Практичне значення одержаних результатів. Практичне значення одержаних результатів. Розроблена система може Розроблена система може бути використана науковими установами, університетами та грантовбути використана науковими установами, університетами та грантовими ими фондами для:фондами для: - Об'єктивної оцінки наукової продуктивності та впливу дослідників.Об'єктивної оцінки наукової продуктивності та впливу дослідників. - Ідентифікації провідних науковців та формування ефективних Ідентифікації провідних науковців та формування ефективних дослідницьких колективів.дослідницьких колективів. - Виявлення та моніторингу актуальних наукових трендів для стратегічного Виявлення та моніторингу актуальних наукових трендів для стратегічного планування.планування. - ОптимОптимізації розподілу ресурсів та фінансування наукових проектів.ізації розподілу ресурсів та фінансування наукових проектів