🌐 О научной коллаборации

💥 Жизнь научного сообщества (как и любой крупномасштабной социальной системы, в той или иной мере) многомерна, нелинейна, да и в целом чаще всего отвечает свойствам сложных систем: эмерджентные свойства, динамическая и структурная сложность проявляются тут в полной мере. Более того, такие системы в целом являются открытыми, что с одной стороны усложняет проблему, а с другой - позволяет видеть в таких системах отражение динамики внешнего мира. На примере сообщества ICCS, которое существует уже четверть века мы видели как научное сообщество реагирует на появление новых технологий (IPv6, GPGPU, взлет ИИ) [1]. А в упомянутой выше статье [2] мы попытались понять роль сообщества в формировании новых связей между учеными.

💡 Идея в том, что конференции по своей задумке должны служить площадкой для построения дальних связей (одно из характерных свойств сложных систем) между коллективами, а не только выполнению KPI по публикациям. При этом возникает вопрос, как такие связи возникают? Кто их инициирует? И как это влияет на сообщество?

🤔 На примере конференции ICCS попробовали оценить и предсказать возникновение таких связей, определяя их через сеть соавторства как ситуацию, когда люди без совместных публикаций независимо участвуют в конференции в один год, а через какое-то время у них появляется совместная статья (определение, безусловно, ограниченное по многим причинам, но некоторую оценку позволяет дать). Получается, что такие связи работают как в рамках растущего “ядра” сообщества (гигантская связанная компонента на рисунке), так и в рамках отдельно возникающих пар, троек и т.д. Первый компонент отражает “стабильность” сообщества, а второй - новые связи. Представляется, что именно комбинация первого и второго дает адаптивную систему, способную жить и развиваться, не распадаясь на отдельные группы.

Ссылки:
[1] Evolution of the computational science community: The dynamics of topics and collaborations in 24 years of ICCS and JoCS publications
[2] Predicting future collaborations in a scientific community using graph neural networks