打破科学过滤气泡：通过新颖作者发现促进创新

孤立的科学研究孤岛与日益增长的信息过载挑战限制了对文献的广泛认知并阻碍创新。算法化的策展与推荐往往优先考虑相关性，可能进一步加剧这些信息的“过滤气泡”。为此，我们描述了 Bridger，一个用于促进学者及其工作发现的系统。我们借助从论文中搜集的信息和推断出的作者画像，构建作者的分面表示，并据此开发一种定位科学家之间共性与差异的方法，以平衡相关性与新颖性。在计算机科学研究人员的研究中，该方法帮助用户发现了被认为对生成新颖研究方向有用的作者。我们还展示了一种展示作者信息的方法，提升理解陌生新学者工作的能力。我们的分析揭示，Bridger 连接了具有不同引用画像且在不同会议发表的作者，从而提出了桥接多元科学社群的前景。