Quantificazione dell'impatto e dell'innovazione nelle pubblicazioni scientifiche

Abstract

Questa tesi propone un framework per comprendere meglio le identità complesse e mutevoli dei ricercatori accademici. I metodi tradizionali di misurazione dell'impatto della ricerca, come il conteggio delle citazioni, forniscono spesso istantanee limitate e statiche delle carriere. Queste metriche convenzionali spesso non riescono a cogliere l'evoluzione del ruolo di uno scienziato, in particolare quando funge da "ponte" tra diversi campi o agisce come precursore di aree di ricerca emergenti. Per far fronte a queste limitazioni, il quadro di riferimento proposto si basa su due dimensioni distinte: la struttura delle reti di collaborazione e il contenuto semantico della produzione scientifica. Mappando i modelli di co-autorialità, il sistema identifica comunità di ricerca organizzate e costruisce profili dettagliati dell'influenza dei ricercatori. Allo stesso tempo, i modelli analizzano il linguaggio degli abstract degli articoli per determinare come il lavoro degli autori abbraccia diverse discipline. Una componente significativa del sistema è la sua capacità di "rilevamento di argomenti emergenti". Infatti, anziché concentrarsi solo sulle tendenze consolidate, l'analisi monitora i cambiamenti temporali per identificare le direzioni di ricerca nascenti fin dal loro inizio. Infine, questa metodologia va oltre le tradizionali metriche numeriche per offrire una comprensione più dinamica e completa della creazione e della diffusione della conoscenza nel panorama accademico.

This thesis proposes a framework to better understand the complex and shifting identities of academic researchers. Traditional methods of measuring research impact, such as citation counts, often provide limited, static snapshots of careers. These conventional metrics frequently fail to capture the evolution of a scientist’s role, in particular when serving as a ”bridge” between different f ields or acting as early adopters of emerging research areas. In order to face these limitations, the proposed framework is based on two distinct di mensions: the structure of collaboration networks and the semantic content of scientific production. By mapping co-authorship patterns, the system identifies organized research communities and constructs detailed profiles of researcher influence. At the same time, models analyze the language within paper abstracts to determine how authors’ work spans different disciplines. A significant component of the system is its capacity for ”emerging topic detection”. In deed, rather than focusing only on established trends, the analysis monitors temporal changes to identify nascent research directions at their beginning. Finally, this methodology moves beyond traditional numerical metrics to offer a more dy namic and comprehensive understanding of knowledge creation and dissemination in the academic landscape.