GeoDBLP：为挖掘计算机科学社会学而对 DBLP 进行地理标记
社会与信息网络
2013-05-01 v1 数字图书馆
物理与社会
摘要
许多集体人类活动已被证明表现出普遍模式。然而，在全球尺度上，研究人员迁移时间事件中存在普遍模式的可能性几乎未被探索。在此，我们表明不同国家内的迁移时间事件表现出显著的相似性。具体而言，我们研究了支配从网络推断的研究人员迁移数据的分布。汇编数据本身代表了迁移模式定量分析领域的一项重大进展。官方和商业记录通常访问受限、各国间不兼容，且尤其未在研究人员层面进行登记。相反，我们引入了 GeoDBLP，我们将从网络检索到的地理种子位置传播到包含 1,080,958 名作者和 1,894,758 篇论文的 DBLP 数据库中。但或许更重要的是，我们能够发现统计模式并创建模型来解释研究人员的迁移。例如，我们表明科学就业市场可被视为泊松过程，个体迁移倾向在研究人员职业生涯阶段上遵循对数正态分布。也就是说，虽然职位不断进入市场，但研究人员通常并非“无记忆”的，而是必须非常关心他们的下一步行动。然而，进行 k>1 次迁移的倾向遵循伽玛分布，这表明职业生涯后期的迁移是“无记忆”的。这与通常基于小案例研究提出的科学计量模型非常吻合，但实际上超越了它们。在非常大的跨国尺度上，我们建立了首个一般规律，这应对全球教育和研究策略产生重大影响。
引用
@article{arxiv.1304.7984,
title = {GeoDBLP: Geo-Tagging DBLP for Mining the Sociology of Computer Science},
author = {Fabian Hadiji and Kristian Kersting and Christian Bauckhage and Babak Ahmadi},
journal= {arXiv preprint arXiv:1304.7984},
year = {2013}
}