Analisi basata su grafici dell'evoluzione temporale nella ricerca scientifica sulla sclerosi multipla

Abstract

La ricerca scientifica è un processo neutrale e sistematico, fondamentale per l'avanzamento delle conoscenze. Per garantire che ogni nuova scoperta contribuisca effettivamente al progresso scientifico, è essenziale la condivisione delle conoscenze. Un aspetto chiave in questo contesto è la collaborazione scientifica: team composti da studiosi con competenze diverse e complementari elaborano idee più innovative rispetto a quelle prodotte da singoli ricercatori. È su queste premesse che si fonda il presente lavoro di tesi. L'obiettivo dello studio è analizzare, mediante un approccio temporale basato sui grafi di collaborazione tra ricercatori, l'evoluzione della ricerca sulla Sclerosi Multipla, una malattia neurodegenerativa complessa che ha registrato un costante aumento dei casi negli ultimi anni. In particolare, è stato costruito un grafo eterogeneo che include informazioni sugli autori, le pubblicazioni e gli anni di pubblicazione, con un successivo focus sul grafo di co-authorship. In seguito all'utilizzo di tecniche avanzate, come BERT, per identificare gli interessi di ricerca dei vari autori, è stato implementato un processo di clusterizzazione non supervisionato mediante l'algoritmo k-means, che assegna ogni autore a un cluster specifico. Per ciascuna collaborazione, individuata tramite le componenti connesse del grafo, è stato calcolato uno score di eterogeneità al fine di identificare le differenze negli interessi di ricerca degli autori all'interno delle collaborazioni stesse. Infine, è stata condotta un'analisi di stabilità per valutare la coerenza e l'affidabilità del modello.

Scientific research is a neutral and systematic process, fundamental to the advancement of knowledge. To ensure that every new discovery effectively contributes to scientific progress, the sharing of knowledge is essential. A key aspect in this context is scientific collaboration: teams composed of scholars with diverse and complementary expertise develop more innovative ideas compared to those produced by individual researchers. It is on these premises that this thesis is founded. The aim of this study is to analyse, through a temporal approach based on collaboration graphs between researchers, the evolution of research on Multiple Sclerosis, a complex neurodegenerative disease that has seen a steady increase in cases in recent years. Specifically, a heterogeneous graph was constructed that includes information about the authors, publications, and publication years, with a subsequent focus on the co-authorship graph. Following the use of advanced techniques, such as BERT, to identify the research interests of various authors, an unsupervised clustering process was implemented using the k-means algorithm, which assigns each author to a specific cluster. For each collaboration, identified through the connected components of the graph, a heterogeneity score was calculated to identify differences in the research interests of the authors within the collaborations themselves. Finally, a stability analysis was conducted to assess the consistency and reliability of the model.