The Key to Fostering Transdisciplinary Research Collaboration: Finding the Connections
Notice bibliographique
Résumé
How to foster collaboration among researchers is an enduring issue facing university administrators. Homophily, the tendency that people like to work with those similar to themselves, has been found as a fundamental mechanism behind scientific collaboration. When similarity breeds connections, collaboration becomes conceivable. In a multidisciplinary context, like a university, how can a homophily mechanism be applied to facilitate research collaboration? This paper proposes a co-word analysis approach which can be used to process a large volumes of data. The aim is to identify and reveal hidden connections between university faculty members and contribute towards cultivating transdisciplinary research collaboration.Comment favoriser la collaboration entre chercheurs est un problème permanent auquel sont confrontés les administrateurs universitaires. L’homophilie, la tendance selon laquelle les gens aiment à travailler avec ceux qui leur ressemblent, a été reconnue comme un mécanisme fondamental derrière la collaboration scientifique. Lorsque la similarité engendre des connexions, la collaboration devient concevable. Dans un contexte multidisciplinaire, comme une université, comment un mécanisme d'homophilie peut-il être appliqué pour faciliter la collaboration en recherche? Cet article propose une approche d'analyse de co-occurence de termes qui peut être utilisée pour traiter de gros volumes de données. L'objectif est d'identifier et de révéler les connexions cachées entre les membres du corps professoral des universités et de contribuer à cultiver la collaboration de recherche transdisciplinaire.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,013 | 0,020 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».