=Paper=
{{Paper
|id=None
|storemode=property
|title=Rede de Pesquisadores Brasileiros em Ontologia: Uma Análise de Rede Social
|pdfUrl=https://ceur-ws.org/Vol-1041/ontobras-2013_paper28.pdf
|volume=Vol-1041
|dblpUrl=https://dblp.org/rec/conf/ontobras/BordinG13
}}
==Rede de Pesquisadores Brasileiros em Ontologia: Uma Análise de Rede Social==
https://ceur-ws.org/Vol-1041/ontobras-2013_paper28.pdf
Rede de Pesquisadores Brasileiros em Ontologia: Uma
Análise de Rede Social
Andréa S. Bordin1, Alexandre Leopoldo Gonçalves1
1
Departamento de Engenharia e Gestão do Conhecimento – Universidade Federal de
Santa Catarina (UFSC)
Florianópolis – SC – Brazil
andreabord@gmail.com,a.l.goncalves@ufsc.br
Abstract. The research interest in the topic ontology has grown considerably
in recent decades. Ontologies are searched or used primarily in the areas of
Humanities, Exact and Health. This article aims to analyze the collaboration
network based on co-authorship of Brazilian researchers on this topic. We
retrieved 1179 articles in journals and national and international conferences
from the Scopus database. The co-authorship network was created and
analyzed using metrics social network analysis. The results show the existence
of a fragmented network with many individual components, where the major
component of the area presents authors with higher computing centralities.
Resumo. O interesse de pesquisa pelo tópico ontologia vem crescendo
consideravelmente nas últimas décadas. Ontologias são pesquisadas ou
utilizadas principalmente nas áreas de Ciências Humanas, Exatas e Saúde.
Esse artigo objetiva analisar a rede de colaboração baseada em coautoria dos
pesquisadores brasileiros nesse tópico. Foram recuperados 1179 artigos em
periódicos e conferências nacionais e internacionais a partir da base de dados
Scopus. A rede de coautoria foi criada e analisada através de métricas de
análise de rede social. Os resultados mostram a existência de uma rede
fragmentada com muitos componentes isolados, onde o maior componente
apresenta autores da área de computação com as maiores centralidades.
1. Introdução
Ontologia vem se tornando um tópico de interesse de pesquisadores em todo o mundo.
Inicialmente abordado por pesquisadores da área de Ciências Humanas pelas suas raízes
na Filosofia, posteriormente se transformou em objeto de pesquisa da área de
Computação.
Uma pesquisa recente pelo termo “ontolog*” na base de dados Scopus revelou a
existência em torno de 56.000 documentos contra 2 documentos em 1980. A mesma
pesquisa, para documentos onde pelo menos um autor é brasileiro encontrou 1179
documentos, sendo o primeiro deles publicado no ano de 1995.
A partir desse ano, o número de artigos com a participação de pelo menos um
autor brasileiro teve uma ascendência constante e atingiu seu pico em 2010, com 198
documentos, o que denota o interesse e a importância desse tópico de pesquisa para a
ciência no Brasil.
197
Esse artigo analisa a colaboração cientifica entre os pesquisadores brasileiros em
ontologia. Estudar a colaboração cientifica de um campo de conhecimento permite que
sejam descobertos os focos e fluxos de transferência de conhecimentos e habilidades do
grupo que colabora (KATZ; MARTIN, 1997). O objetivo deste trabalho é descobrir os
autores que mais colaboram e as sub-redes de colaboração. O indicador utilizado é o de
coautoria dos documentos coletados na base Scopus. Com isso, criou-se a rede de
coautoria dos pesquisadores e o método de análise de rede social foi aplicado. Os
resultados obtidos buscam fornecer o perfil da área de pesquisa em ontologia no Brasil e
com isso ajudam novos e atuais pesquisadores a se posicionar nesse panorama.
A seguir será apresentado o referencial da área de análise de rede social, os
procedimentos metodológicos, os resultados, a discussão e a conclusão do trabalho.
2. Análise de Rede Social
A modelagem de sistemas em rede vem sendo aplicada em áreas diversas como
epidemiologia (Moore e Newman, 2000) e colaboração cientifica (Newman, 2004).
Uma rede pode ser representada por um grafo G=(V, E) formado por Vértices (V) e
Arestas (E). Cada vértice ou nodo representa um ator e cada aresta representa a relação
existente entre dois atores integrantes da rede. Uma rede pode ser direcionada ou não
direcionada e as arestas podem ser valoradas ou não valoradas.
Segundo Katz e Martin (1997) a colaboração cientifica pode ser estudada
segundo outros indicadores, porém a coautoria é o indicador mais utilizado. Logo, ao
modelar uma rede de colaboração científica os vértices representam os autores e as
arestas representam os artigos produzidos em parceria com outros autores. Esse tipo de
rede é não direcionada e valorada porque a relação de coautoria é assíncrona e a
valoração ocorre em função do número de artigos publicados em conjunto.
Dados modelados em rede são passíveis de serem analisados através de métricas
de análise de rede social, a qual por sua vez, tem suas raízes na teoria de grafos.
Segundo WASSERMAN e FAUST (1994) a área de análise de rede social (social
network analysis - sna) tem atraído muito interesse nas últimas décadas. Através das
métricas de sna é possível identificar aspectos, tais como: a) padrões de relacionamento
entre os atores de uma rede; b) a conectividade entre os mesmos; c) a formação de
clusters; d) a evolução da rede ao longo do tempo e, e) o fluxo de comunicação,
informação e conhecimento dentro da rede.
Uma rede pode ser analisada segundo o escopo de estrutura, onde a medida de
densidade é utilizada. Segundo Scott (2000), a densidade é um dos conceitos mais
utilizados em teoria dos grafos, pois esta medida descreve o nível geral de ligações entre
os pontos de um grafo. Um grafo "completo" é aquele em que todos os pontos são
adjacentes um ao outro, ou seja, cada ponto é ligado diretamente a todos os outros
pontos. Quanto mais pontos estão ligados uns aos outros, mais denso será o gráfico. No
contexto de uma rede de coautoria a densidade reflete o percentual do total da rede com
o qual um ator foi coautor de um artigo. (FISCHBACH; PUTZKE e SCHODER, 2011).
No escopo individual, existem algumas métricas de centralidade que procuram
descrever as propriedades de localização de um ator na rede. Os atores mais importantes
ou mais proeminentes estão normalmente localizados em posições estratégicas dentro da
198
rede (WASSERMAN; FAUST, 1994). A centralidade de um ator pode ser local ou
global. A centralidade local está preocupada com a importância de um ator na sua
vizinhança, enquanto que a centralidade global diz respeito a proeminência do ator
dentro de toda a rede. A centralidade local é medida através da centralidade de grau
(degree centrality), enquanto que a centralidade global é medida através da centralidade
de intermediação (betweeness centrality) e centralidade de proximidade (closeness
centrality).
A centralidade de grau de um ator corresponde ao número de arestas incidentes
ou ao número de vértices adjacentes a ele. Segundo Freeman (1979) a centralidade de
grau reflete a posição e o papel do ator em termos de popularidade e atividade. Em redes
valoradas, onde a aresta possui um peso, a centralidade de grau pode levar em conta o
valor ou peso da aresta. Em redes de coautoria essa medida determina o grau de
colaboração de um ator.
A centralidade de proximidade é uma medida que indica a proximidade de um
determinado ator em relação aos demais atores da rede, sendo definida pela soma das
distâncias geodésicas entre um determinado vértice e todos os outros vértices do grafo
(FREEMAN, 1979). Numa rede de coautoria, um autor com uma centralidade de
proximidade alta pode indicar uma maior possibilidade de estabelecer parcerias de
publicação na rede por estar mais próximo em relação a todos os outros autores
(SOUZA; BARBASTEFANO; LIMA, 2012).
Por sua vez, a centralidade de intermediação mede o quanto um determinado ator
se encontra "entre" os vários outros atores no grafo, ou seja, atribui importância a um
ator em função do fluxo que passa por ele para interligar outros dois atores da rede
através do menor caminho possível. Numa rede de coautoria, um autor com alto valor de
centralidade de intermediação indica que um número significativo das parcerias
estabelecidas na rede envolve, de forma direta ou indireta, as publicações relacionadas a
esse ator (SOUZA; BARBASTEFANO; LIMA, 2012).
Uma das maiores preocupações de analistas de redes sociais é a identificação de
subgrupos de atores dentro de uma rede. Subgrupos são subconjuntos de atores entre os
quais existem laços fortes, diretos, intensos, frequentes ou positivos (WASSERMAN;
FAUST, 1994). A identificação de componentes ou subgrafos dentro de uma rede é uma
das técnicas para analisar uma rede do ponto de vista de um grupo de atores.
Componentes são subgrafos que estão conectados dentro do grafo, mas desconectados
entre os subgrafos. Se um grafo contém um ou mais pontos "isolados", esses pontos
também são chamados de componentes. Componente gigante é o nome dado ao
subgrafo que contem o maior numero de atores conectados. Numa rede de coautoria a
presença de mais de um componente na rede indica a existência de grupos que publicam
isoladamente
3. Procedimentos metodológicos
Os procedimentos dessa pesquisa estão divididos em três etapas:
1) Coleta de dados: A base de dados utilizada na pesquisa foi a Scopus. Ela é
considerada a maior base de dados de resumos, citações e textos completos da literatura
científica mundial revisada, com cobertura desde 1960, com mais de 20.500 títulos de
199
aproximadamente 5.000 editoras internacionais e atualizações diárias (SCOPUS, 2013).
Para a pesquisa foram recuperados todos os documentos com o termo “ontolog*”
produzidos por ao menos um autor afiliado a uma instituição brasileira. Para isso foi
utilizado o termo “ontolog*” nos campos title, abstract, keywords juntamente com o
termo “brazil” no campo affiliation country. A pesquisa retornou 1179 documentos, os
quais foram exportados para o formato .RIS.
2) Normalização dos dados: A normalização dos dados foi realizada através de
um processo semiautomático, com a extração e ordenação dos nomes de todos os
autores através de uma aplicação e a conferência manual das inconsistências nos nomes
dos autores.
3) Análise de rede: a rede de coautoria foi criada por uma aplicação que analisou
e contabilizou todas as coautorias dos documentos a partir dos documentos coletados e
normalizados. A rede consiste de uma relação de nodos e uma relação de pares de nodos
juntamente com o peso (número de artigos publicados em coautoria). A análise da rede
foi efetuada com a utilização do software de análise exploratória de dados Gephi
(BASTIAN; HEYMANN; JACOMY, 2009).
4. Resultados
Na rede de coautoria foram identificados 2738 autores e 12345 relações. A densidade
encontrada foi 0,003 onde o valor máximo é 1.0 e o grau médio de colaboração foi 9.0.
Os autores foram classificados segundo a medida de centralidade de grau que leva em
consideração o peso das relações (C.G. c/ Peso) e que determina o grau de colaboração
entre os atores da rede. A tabela 1 apresenta dez autores, sua posição no ranking e o
grau de colaboração.
Tabela 1: Ranking dos pesquisadores brasileiros em ontologia
Ranking Instituição Autor Nu. Doc. C.G. C.G. c/Peso
2 UFRJ De Souza# J.M. 20 38 85
3 UFES Guizzardi# G. 42 40 75
14 PUCRIO Casanova# M.A. 14 30 56
61 UFPE Freitas# F. 16 43 55
62 UFC De Macedo# J.A.F. 8 28 54
119 UFAL Bittencourt# I.I. 9 29 46
121 UFRJ Xexeo# G.B. 11 23 45
122 UFAL Costa# E. 9 26 44
135 UFC Vidal# V.M.P. 7 17 40
139 UNICAMP Medeiros# C.B. 17 22 38
A análise de rede revelou a existência de 348 componentes isolados, onde o
maior componente (componente gigante) possui 941 autores e representa 34,37% da
rede. A figura 01 apresenta o componente gigante com destaque para os autores com
maior centralidade de intermediação, tais como Siqueira# S.W.M. (0,35), De Souza#
200
J.M. (0,32) e Breitman# K.K. (0,31). Em relação à centralidade de proximidade os
autores com maiores graus são Siqueira# S.W.M., De Souza# J.M. e Carvalho, G., todos
com 0.14.
Figura 1: Componente gigante da rede de coautoria de pesquisadores em
ontologia
O segundo maior componente encontrado na rede possui 110 autores e
corresponde a 4% da rede. Esse componente foi formado principalmente pela
publicação de cinco artigos que abordam o uso de ontologias na área de Bioinformática
e foram coautorados por pesquisadores de diversos países. O terceiro e quarto maior
componente, respectivamente com 59 e 54 autores, também são formados por autores
com publicações nessa área. O quinto e o sexto componente contam com 51 e 44
autores respectivamente, cujas publicações são na área de ciência da computação.
5. Discussão e Conclusão
O ranking original dos autores com maior grau de colaboração apresentou muitos
autores da área de Bioinformática. Verificou-se que os trabalhos desses autores abordam
apenas o uso de ontologias conhecidas na área. Como os trabalhos não contribuem
diretamente para o avanço da pesquisa em ontologia e o alto grau de colaboração
encontrado nesses autores está mais relacionado com a coautoria de poucos documentos
com muitos outros autores optou-se por não apresentá-los na tabela 1.
No ranking original de colaboração somente dois autores da área de Computação
ocupam as primeiras dez posições. Isso pode evidenciar a necessidade de maior
colaboração entre os pesquisadores dessa área.
A quantidade de componentes isolados (348) quando comparada ao numero de
atores da rede (2738) indica que a rede de coautoria dos pesquisadores brasileiros em
201
ontologia é bem fragmentada, ou seja, existem de grupos de pesquisadores trabalhando
isoladamente ou sem colaboração entre grupos. A análise do segundo ao décimo
componente isolado indica uma polarização das pesquisas entre as áreas de Computação
e Bioinformática.
O maior componente de rede encontrado indica que 1/3 dos atores então
conectados por algum caminho. Nesse componente gigante, pesquisadores da área de
Computação lideram o ranking de colaboração.
Esse trabalho apresentou uma análise preliminar da rede de pesquisadores
brasileiros em ontologia, a partir da qual se pode concluir que existe espaço para uma
maior colaboração entre os grupos de pesquisadores brasileiros e que as áreas de
conhecimento mais representativas envolvidas com a pesquisa em ontologia são
Computação e Bioinformática.
6. Referências
BASTIAN, M.; HEYMANN, S.; JACOMY, M. Gephi: an open source software for
exploring and manipulating networks. International AAAI Conference on Weblogs
and Social Media, 2009.
FREEMAN, L. Centrality in Social Networks: Conceptual Clarification. Social
Networks, 1(3), 215–239, 1979.
FISCHBACH, K.; PUTZKE, J.; SCHODER, D. Co-authorship networks in electronic
markets research. Electronic Markets, 21(1), 19–40, 2011.
KATZ, J. S.; MARTIN, B. R. What is research collaboration? Res. Policy, 26(1):1-18,
1997.
MOORE, C.; NEWMAN, M. E. J. Epidemics and percolation in small-world networks.
Phys. Rev. E 61, 5678–5682, 2000.
NEWMAN, M. E. Coauthorship networks and patterns of scientific collaboration.
Proceedings of the National Academy of Sciences of the United States of America, v.
101, n. Suppl 1:5200-5205, april 2004.
SCOPUS. Base de dados de literatura de pesquisa. Disponível em: http:
http://www.scopus.com
SCOTT, J. Social Network Analysis. A Handbook. 2nd edition. SAGE Publications:
London, 2000.
SOUZA, C. G.; BARBASTEFANO, R. G.; LIMA, L. S. Redes de colaboração científica
na área de química no Brasil: um estudo baseado nas coautorias dos artigos da revista
Química Nova. Química Nova, São Paulo, v. 35, n. 4, p. 671-676, 2012.
WASSERMAN, S.; FAUST, K. Social Network Analysis: methods and applications.
Cambridge University Press. Structural analysis in social the social sciences series, v.
8, (1994) 1999. 857 p. ISBN 0-521-38707-8.
202