Combinando Análise Bibliométrica e Análise de Redes Sociais para a Avaliação de Grupos Acadêmicos

• Lucas Leal Caparelli USP
• Luciano Antonio Digiampietri USP

DOI: https://doi.org/10.5753/brasnam.2018.3580

Resumo

A caracterização e a avaliação de grupos de pesquisadores são atividades relevantes e complexas. Este artigo visa a caracterizar programas brasileiros de pós-graduação em Ciência da Computação de acordo com diferentes medidas bibliométricas e oriundas da análise de redes sociais. Para tal, tomou-se como objeto de estudo a avaliação quadrienal dos programas feita pela CAPES, buscando identificar qual método de classificação é o mais indicado para esta tarefa. Utilizando algoritmos de aprendizado de máquina foi possível produzir um modelo de classificação destes programas alcançando acurácia de 86,15%.

Referências

Digiampietri, L., Linden, R., and Barbosa, L. (2016). Caracterizando departamentos e programas de computação utilizando análise de redes sociais e bibliometria. In V Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2016).

Digiampietri, L. A. and Ferreira, J. E. (2018). Desambiguação de nomes de autores para a identificação automática de perfis acadêmicos. Em Questão, pages 1–12.

Digiampietri, L. A., Mena-Chalco, J., de Jesus Perez-Alcazar, J., Tuesta, E. F., Delgado, K., and Mugnaini, R. (2012). Minerando e caracterizando dados de currículos Lattes. In Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2012).

Digiampietri, L. A., Mena-Chalco, J. P., Vaz de Melo, P. O. S., Malheiro, A. P. R., Meira, D. N. O., Franco, L. F., and Oliveira, L. B. (2014). Brax-ray: An x-ray of the brazilian computer science graduate programs. PLOS ONE, 9(4):1–12.

Hall, M. A. (1998). Correlation-based Feature Subset Selection for Machine Learning. PhD thesis, University of Waikato, Hamilton, New Zealand.

Hastie, T., Tibshirani, R., and Friedman, J. (2001). The Elements of Statistical Learning. Springer Series in Statistics. Springer New York Inc., New York, NY, USA.

John, G. H. and Langley, P. (1995). Estimating continuous distributions in bayesian classifiers. In Eleventh Conference on Uncertainty in Artificial Intelligence, pages 338–345, San Mateo. Morgan Kaufmann.

Korb, K. B. and Nicholson, A. E. (2010). Bayesian Artificial Intelligence, Second Edition. CRC Press, Inc., Boca Raton, FL, USA, 2nd edition.

Linden, R., Barbosa, L. F., and Digiampietri, L. A. (2017). “Brazilian style science” – an analysis of the difference between Brazilian and international computer science departments and graduate programs using social networks analysis and bibliometrics. Social Network Analysis and Mining, 7(1):44.

Mena-Chalco, J. P., Digiampietri, L. A., Lopes, F. M., and Cesar, R. M. (2014). Brazilian bibliometric coauthorship networks. Journal of the Association for Information Science and Technology, 65:1424–1445.

Silva, T. H. P., Laender, A. H. F., Davis, C. A., da Silva, A. P. C., and Moro, M. M. (2017). A profile analysis of the top Brazilian computer science graduate programs. Scientometrics, 113(1):237–255.

Witten, I. H., Frank, E., Hall, M. A., and Pal, C. J. (2016). Data Mining, Fourth Edition: Practical Machine Learning Tools and Techniques. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 4th edition.