学者网大数据研究:Understanding Scholar Social Networks: Taking SCHOLAT as An Example
来源: 陈阳/
复旦大学
1074
26
0
2021-11-03

会议:The 16th Chinese Conference on Computer Supported Cooperative Work and Social Computing (ChineseCSCW 2021)

标题:Understanding Scholar Social Networks: Taking SCHOLAT as An Example

作者:Min Gao (高敏/复旦大学计算机学院博士生), Yang Chen (陈阳/复旦大学计算机学院副教授), Qingyuan Gong (宫庆媛/复旦大学计算机学院博士后), Xin Wang (王新/复旦大学计算机学院教授), Pan Hui (许彬/香港科技大学&赫尔辛基大学教授,英国皇家工程院院士、欧洲科学院院士、IEEE FellowACM Distinguished Scientist)

 

简介:为了广泛探索学者社交网络的特性,本文以具有代表性的学术社交网络服务网站学者网(SCHOLAT)为例,选取Google Scholar学者合作网络和图片分享社交网络Flickr作为比较对象,分别开展了基于社交图谱的分析、基于结构洞的重要用户识别和基于重要属性的用户组分析。

 

通过基于图结构指标的比较发现,学者网的社交关系图具有小世界效应(较高的聚类系数和较低的最短路径长度),可参考表1和图1

 

1: 基于图指标的比较(其中LCC指的是对应社交图的最大连通分支)

 

 

 

 1: 基于局部聚类系数和最短路径长度的分布

 

基于社会学的结构洞理论,本文发现结构洞占据者和普通学者在网络结构上存在较大差异,结构洞占据者往往在网络中占据更关键的位置并连接更多的社团。

 

 

2: 基于介数中心性和连接社团数目的分布

 

最后,本文进一步基于不同用户组开展了探索,发现大多数学者的研究领域和计算机科学/计算机工程相关,而且来自排名靠前的高校和广东省高校的学者在整个网络中扮演更重要的角色。

 

3: 基于用户地理位置和高校排名的分布

 

总结与展望:本文针对学者网(SCHOLAT)的社交结构开展了一系列多方面的探索和分析,在SCHOLAT开放数据的支持下,揭示了该网络结构的小世界特性,并基于结构洞理论识别出该网络中的重要用户。根据用户属性数据,本文进一步探索了网络中用户群体的特点:大多数用户均来自排名靠前的高校和广东省,而且这些用户在整个网络中扮演更重要的角色。

 

[全文PDF]


登录用户可以查看和发表评论, 请前往  登录 或  注册
SCHOLAT.com 学者网
免责声明 | 关于我们 | 联系我们
联系我们: