Title: | Convexity in scientific collaboration networks |
Other Titles: | Konvexita v odborných kolaboračních sítích |
Authors: | Šubelj, Lovro Fiala, Dalibor Ciglarič, Tadej Kronegger, Luka |
Citation: | ŠUBELJ, L., FIALA, D., CIGLARIČ, T., KRONEGGER, L. Convexity in scientific collaboration networks. Journal of Informetrics, 2019, roč. 13, č. 1, s. 10-31. ISSN 1751-1577. |
Issue Date: | 2019 |
Publisher: | Elsevier |
Document type: | článek article |
URI: | 2-s2.0-85057585433 http://hdl.handle.net/11025/34804 |
ISSN: | 1751-1577 |
Keywords: | konvexita;spoluautorství;konvexní kostra;centralita;slabé vazby |
Keywords in different language: | convexity;co-authorship;convex skeletons;centrality;weak links |
Abstract: | Konvexita v síti (grafu) byla nedávno definována jako vlastnost každého jeho subgrafu obsahovat všechny nejkratší cesty mezi uzly takového subgrafu. Lze ji měřit v intervalu [0, 1], kde 1 patří plně konvexním sítím. Největší konvexní komponenta grafu, která se objeví po odstranění nejmenšího počtu hran se nazývá konvexní kostra. Je to v zásadě strom klik, jenž se ukazuje mít mnoho zajímavých vlastností. V tomto příspěvku diskutujeme pojmy konvexita a konvexní kostra v kontextu odborných kolaboračních sítí. Přesněji řečeno analyzujeme spoluautorské sítě slovinských vědců v oborech informatiky, fyziky, sociologie, matematiky a ekonomie a extrahujeme z nich konvexní kostry. Potom srovnáváme tyto konvexní kostry se zbytkovými grafy z hlediska rozložení četnosti spolupráce podle různých kritérií jako např. rok a typ publikace, rok první publikace spoluautorů, jejich status, pohlaví, obor, apod. Taktéž ukazujeme nejlepší výzkumníky podle čtyř různých metrik centrality vypočítaných na základě původních sítí a jejich koster a docházíme k závěru, že konvexní kostry mohou pomoci najít vlivné vědce, kteří jsou jinak v původní kolaborační síti těžko zjistitelní. Nedílnou vlastností konvexních koster je to, že si zachovávají charakteristiky kolaboračních sítí. Ty zahrnují jak vysokoúrovňové strukturální vlastnosti, tak i ten fakt, že metriky centrality vyzdvihují stejné autory. Navíc jsou v kostrách zachovány nejvýznamnější vazby a tedy i nejvýznamnější spolupráce. |
Abstract in different language: | Convexity in a network (graph) has been recently defined as a property of each of its subgraphs to include all shortest paths between the nodes of that subgraph. It can be measured on the scale [0, 1] with 1 being assigned to fully convex networks. The largest convex component of a graph that emerges after the removal of the least number of edges is called a convex skeleton. It is basically a tree of cliques, which has been shown to have many interesting features. In this article the notions of convexity and convex skeletons in the context of scientific collaboration networks are discussed. More specifically, we analyze the co-authorship networks of Slovenian researchers in computer science, physics, sociology, mathematics, and economics and extract convex skeletons from them. We then compare these convex skeletons with the residual graphs (remainders) in terms of collaboration frequency distributions by various parameters such as the publication year and type, co-authors’ birth year, status, gender, discipline, etc. We also show the top-ranked scientists by four basic centrality measures as calculated on the original networks and their skeletons and conclude that convex skeletons may help detect influential scholars that are hardly identifiable in the original collaboration network. As their inherent feature, convex skeletons retain the properties of collaboration networks. These include high-level structural properties but also the fact that the same authors are highlighted by centrality measures. Moreover, the most important ties and thus the most important collaborations are retained in the skeletons. |
Rights: | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © Elsevier |
Appears in Collections: | Články / Articles (KIV) OBD |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ID43924610_Fiala_J_Journal of Informetrics - Elsevier_článek.pdf | 6,24 MB | Adobe PDF | View/Open Request a copy | |
ID43924610_Fiala_J_Journal of Informetrics - Elsevier.pdf | 162,32 kB | Adobe PDF | View/Open Request a copy |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/34804
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.