RECONHECIMENTO DE PADRÕES EM REDES DE COAUTORIA UTILIZANDO REDES COMPLEXAS
Matheus Montanini Breve; Fabrício Martins Lopes
doi:10.20906/CPS/SICITE2015-0717
Resumo
A crescente quantidade de dados disponível na internet possibilitou que as redes sociais tomassem um local de destaque em pesquisas e projetos devido ao grande potencial de novas descobertas ou novos padrões em relações sociais. No meio acadêmico, plataformas como o currículo Lattes, Google Scholar e ResearchGate, por exemplo, armazenam informações acerca de seus usuários, seus trabalhos e suas colaborações com outros usuários, possibilitanto a extração de uma rede de colaboração que pode ser analisada topologicamente com o auxílio de métricas de redes complexas. O objetivo principal deste trabalho é extrair as redes de colaboração entre os pesquisadores da Plataforma Lattes de todas as áreas e também, como diferencial, separá-las de acordo com os programa de pós-graduação e extensão (PPGE) no qual os pesquisadores estão inseridos, separá-los por área e grande área do conhecimento - conforme definidas pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e também por períodos de avaliação, neste caso, o modelo adotado pela CAPES, triênios começando em 2004 e terminando em 2012. Outro objetivo é a geração das métricas de redes complexas de cada uma das redes extraídas de cada triênio. Por meio de tal processo, juntamente com a aquisição dos dados relativos ao conceito atríbuito pela CAPES aos programas de pós-graduação, pretende-se permitir o posterior reconhecimento de padrões que regem as relações acadêmicas dentro e entre os PPGEs, dentre e entre áreas e grandes áreas e o desenvolvimento destes ao longo do tempo. Foram escritos vários códigos para extrair os dados disponíveis publicamente em bases de dados e com tais dados, como resultado, as redes e métricas foram obtidas com sucesso. Este trabalho visa explicar os procedimentos e resultados obtidos durante o projeto em maior detalhe.
Palavras-chave: redes complexas; redes sociais; redes acadêmicas; reconhecimento de padrões; data mining; e-science