ANÁLISE DAS REDES DE COAUTORIA DO IFSP A PARTIR DOS CURRÍCULOS LATTES

Transcrição

1 ANÁLISE DAS REDES DE COAUTORIA DO IFSP A PARTIR DOS CURRÍCULOS LATTES Adriana Muller, adrianamuller10@yahoo.com.br Elisandra Aparecida Alves da Silva, elissilva@gmail.com Instituto Federal de Educação e Ciência e Tecnologia de São Paulo (IFSP) Bragança Paulista - SP Brasil RES UMO. A plataforma Lattes tem sido adotada pela maioria dos pesquisadores brasileiros e representa uma base com informações relevantes sobre o atual cenário de produção acadêmica nacional, o que permite estudar as relaçõe s entre autores cadastrados na plataforma de diversas maneiras. Neste contexto, este artigo propõe o estudo de métricas de predição de links para a análise das redes de coautoria do IFSP a partir dos currículos Lattes. Para isso, uma ferramenta que permite a extração de dados desses currículos e a análise da evolução das parcerias identificadas foi desenvolvida. Palavras-chave: Plataforma Lattes. Predição de Links. Coautoria. Extração de Dados. Análise de Dados. 1. INTRODUÇÃO As redes sociais são estruturas formadas por pessoas ou organizações inseridas em um determinado contexto social, estabelecendo diferentes tipos de relações (Silva, 2011). Redes de coautoria permitem compreender a estrutura e dinâmica das colaborações realizadas entre os autores envolvidos. Com o crescente interesse em análise de redes sociais e do uso da base de currículos Lattes do CNPq, prover uma ferramenta que permita extrair informações dos currículos de pesquisadores do IFSP e analisar as redes de coautoria existentes pode ser útil para compreender a evolução das parcerias. Para Liben-Nowell e Kleinberg (2007), redes sociais são objetos bastante dinâmicos que crescem e se alteram com a ocorrência de novas interações dentro das estruturas sociais. Com a análise dessas redes é possível definir e estudar um problema que abrange a evolução das redes sociais: a predição de links, onde dado o estado de uma rede em um tempo t 1 busca-se o mais precisamente possível as conexões que acontecerão entre o tempo t 1 e o tempo t 2 futuro. Muitas metodologias para solucionar o problema de predição de links foram propostas, mas como cada uma leva em conta diversos fatores, torna-se difícil apontar qual é o método mais adequado. Dessa forma, durante a análise das redes é importante verificar os resultados das predições e julgar da forma mais adequada ao contexto em que se encontram. Lü e Zhou (2011) apontam que a análise de redes sociais realizada com a predição de links é importante para recuperação da informação. De acordo com Newman (2003), o estudo de redes sociais pode ser baseado em grafos, onde os nós representam os indivíduos e as arestas representam a interação entre eles. Nas redes de coautoria, Mena-Chalco e Cesar-Jr. (2011) sugerem que uma aresta entre dois nós é criada toda vez que uma produção em comum é detectada entre dois autores. Estudar o valor dessas arestas possibilita criar diferentes métodos de avaliação dessas redes. A Figura 1 apresenta como uma relação entre autores pode ser representada a partir de um grafo. É possível representar uma conexão entre nós em um grafo de diversas formas, nas redes não-direcionadas dois nós são conectados por um único tipo de aresta, que também pode ser direcionada ou possuir pesos diferentes. Essas representações podem variar de acordo com a necessidade e por isso é importante escolher o tipo adequado para a rede estudada. Há muitas ferramentas de desenvolvimento que dão suporte para geração de estruturas como grafos e tabelas, facilitando a análise dessas redes. Com um grande número de informações disponíveis, como as encontradas na base de currículos Lattes, é possível extrair esses dados de forma que seja possível manipulá-los adequadamente, como um banco de dados. Com esses dados trabalhados, uma aplicação pode mapear toda a rede de coautoria e pe rmitir que o usuário analise-a de diversas formas, servindo como objeto de estudo. A utilização de aplicações Web cresceu nos últimos anos e tem sido a escolha preferencial, uma das grandes vantagens é sua a manutenção, uma vez que toda mudança é feita para todos os usuários sem necessidade de instalação em todas as máquinas. Há outras vantagens como portabilidade e conexão entre usuários remotos. Porém, por outro lado é necessário avaliar o peso do processamento nos servidores, então cálculos complexos precisam ser levados em consideração. Somando todos esses fatores, é possível desenvolver uma ferramenta onde o usuário possa interagir com as redes de coautoria geradas para realizar uma análise mais detalhada das relações existentes e das que possam surg ir com o tempo. Todos esses fatores podem auxiliar a compreender melhor como são feitas as parcerias durante as produções acadêmicas e melhorar o desenvolvimento de trabalhos e projetos no ambiente acadêmico. Dessa forma, este artigo apresenta uma ferramenta para análise das redes de coautoria de pesquisadores do IFSP que adotou algumas métricas de predição de links bastante conhecidas na literatura. O experimento apresentado foi realizado com dados de alguns currículos extraídos da plataforma Lattes.

2 2. METODOLOGIA O trabalho dividiu-se em três etapas: implementação do método de extração dos dados dos currículos Lattes; estudo de métricas de predição de links em redes sociais para análise da evolução das parcerias envolvidas nas redes de coautoria do IFSP; e implementação do método de geração da rede e visualização da evolução das parcerias. Para trabalhar com os dados dos currículos da Plataforma Lattes foi necessário o desenvolvimento de uma ferramenta que obtêm os dados a partir da versão XML destes currículos. De acordo com Tittel (2003) todo XML necessita de uma fundação que defina o que cada elemento significa, dessa forma, a ferramenta mais utilizada para declaração de elementos é a Definição de Tipo de Documento (DTD). Portanto, avaliar o DTD dos currículos Lattes também se tornou uma etapa importante deste desenvolvimento. Foi realizado também um estudo das métricas de predição de links em redes sociais para análise da evolução das parcerias envolvidas nas redes de coautoria. De acordo com Rebaza (2013), a predição de links é um importante problema para se resolver no contexto das redes complexas e, portanto, nas redes sociais. Dessa forma, foram avaliadas algumas métricas de predição de links conhecidas na literatura. Destes estudos considerou-se sempre a representação das redes através de grafos. A Figura 1 mostra um exemplo de como autores se relacionam a partir de artigos, onde os números são as produções acadêmicas e as letras são os autores. Analisando os currículos Lattes é possível identificar alguns atributos que são importantes para a estruturação da rede entre os coautores. Porém, a predição de relacionamentos é complexa e requer a identificação dos melhores conjuntos de atributos relevantes à predição (DIMIPETRI; SANTIAGO; ALVES, 2013). Figura 1. Exemplo de representação em grafos de uma relação artigo-autor e autor-autor extraído de (NEWMAN; STROGATZ; WATTS, 2001). Na ferramenta desenvolvida foram selecionados inicialmente os currículos dos pesquisadores do IFSP, do campus de Bragança Paulista, evoluindo para outros campi. Apesar de o enfoque ser nos pesquisadores do IFSP, tornou -se necessário incluir pesquisadores de outras instituições relacionados aos do IFSP. Os dados extraídos dos currículos são inseridos diretamente em um banco de dados relacional, permitindo a melhor manipulação dessas informações nas aplicações que analisam a rede entre os coautores. O banco de dados escolhido foi o MySQL. Para o desenvolvimento das ferramentas de análise da evolução das parcerias identificadas, escolheu-se a linguagem Java, que segundo Liang (2012), teve uma rápida ascensão e aceitação devido à mobilidade dos programas, que podem executar em qualquer plataforma. O autor ainda defende seu uso em aplicações Web, onde junto com o Hypertext Markup Language (HTML), torna possível desenvolver aplicações modernas e atrativas. A ferramenta web para visualização das parcerias foi desenvolvida com a tecnologia Java Server Faces (JSF) e a biblioteca PrimeFaces. Para geração dos grafos adotou-se um componente JavaScript chamado D3.js, que utiliza os dados em objetos JSON. Os grafos são interativos e as informações da rede aparecem em um componente de texto ao lado. Na Figura 2 é possível ver a rede de coautoria de um dos autores, ao lado apresentam-se informações sobre parceria dos dois coautores, a linha preta no grafo indica a conexão entre eles. Na Figura 3, observa -se a rede de coautoria ampliada para obter detalhes não visualizados no grafo apresentado na Figura 2.

3 Figura 2. Exemplo de rede de coautoria gerada pela ferramenta. 3. MÉTRICAS PARA PREDIÇÃO DE LINKS Figura 3. Rede de coautoria ampliada. Newman (2003) aponta que a Sociologia possui um vasto campo de estudo no que diz respeito às redes sociais, avaliando a influência de cada indivíduo e as conexões existentes. Esses estudos são feitos através de uma série de questionários onde são detalhadas as relações entre os membros e levam em consideração como são conectados e quem possui maior influência. De acordo com Rebaza (2013), dentre as propostas para resolver o problema de predição de links, os índices baseados na similaridade foram uma das primeiras e mais simples ferramentas utilizadas. Índices que utilizam informações de apenas um par de vértices possuem baixo custo computacion al, embora o desempenho da predição não seja o melhor. Lü e Zhou (2011) afirmam que em algoritmos baseados na similaridade cada par de nós possui uma pontuação, e a partir da classificação dessa pontuação é possível selecionar melhores candidatos a futuros links. Neste trabalho são utilizados quatro métodos apresentados na Tabela 1, onde Γx e Γy é o conjunto de vizinhos de x e y, respectivamente, e o resultado é a pontuação da predição (Liben-Nowell e Kleinberg, 2007). Tabela 1. Métricas para predição de links. Vizinhos em Comum Coeficiente de Jaccard Coeficiente de Adamic-Adar Conexão Preferencial quantidade de vizinhos em comum probabilidade de se tornarem vizinhos maior peso para vizinhos com menores conexões baseado no efeito "rich-get-richer"

4 Silva (2011) propõe um método baseado em Composições Fuzzy para medir a Qualidade da Relação (QR) entre dois nós, calculada pela razão entre o número de publicações feitas em parceria por x e y e a média de coautores (Co). Esse método permite determinar o peso de um novo link. 4. ANÁLIS E DAS MÉTRICAS Neste trabalho optou-se por trabalhar com redes menores envolvendo três níveis: coautores(c) dos autores, coautores(cc) dos coautores(c) e coautores(ccc) dos coautores(cc). O experimento utilizando todas as métricas apresentadas neste artigo levou em consideração quatro coautores, indicados na Figura 4. Paiva, D.B. Santos, C.E. Silva, E.A.A. Giancoli, A.P.M. Leal, T.M.V. Souza, T.P.C. Kirchmair, K.K. Figura 4. Rede de Coautoria simples gerada pela ferramenta. O autor principal, Souza, T.P.C., está ligado a oito autores e apenas dois deles, Giancoli, A.P.M. e Silva, E.A.A., possuem coautores para serem candidatos à predição. Os resultados obtidos estão na Tabela 2. Tabela 2. Dados das métricas aplicadas na rede de Souza, T.P.C. Coautores de Giancoli, A. P. M. (Qualidade da Relação: 0,125) Coautores de Silva, E. A. A. (Qualidade da Relação: 0,133) Santos, C. E. Kirchmair, K.K. Leal, T. M. V. Paiva, D. B. Vizinhos em Comum Coeficiente de Jaccard 0,125 0,083 0,125 0,111 Coeficiente de Adamic-Adar 0,830 0,830 0,960 0,960 Conexão Preferencial Observa-se que tanto o Coeficiente de Jaccard quanto o Coeficiente de Adamic -Adar indicaram Leal, T. M. V. com maior probabilidade de ter uma conexão futura com Souza, T. P. C. Considerando os resultados com maiores valores indicados pelos Coeficientes de Jaccard e Adamic-Adar (valores em negrito na Tabela 2), percebe-se que eles possuem o menor valor apresentado pela métrica Conexão Preferencial (valores entre 8 e 16). Neste sentido, vale apena citar um conceito sociológico apresentado por Yin et al. (2010) chamado Exclusividade, defendendo que ao contrário da Conexão Preferencial, poucos vínculos podem indicar relacionamentos mais fortes e relevantes. O valor da Qualidade da Relação entre o autor principal e Silva, E. A. A. foi levemente maior que o valor entre o autor principal e Giancoli, A. P. M. Dessa forma, pode-se considerar que os coautores de Silva, E. A. A. (Leal, T. M. V. e Paiva, D. B.) possuem um peso um pouco maior para futuros links com Souza, T. P. C.

5 5. CONS IDERAÇÕES FINAIS Neste artigo foram apresentadas algumas métricas de predição de links e as técnicas utilizadas para o desenvolvimento da ferramenta desenvolvida para análise das métricas estudadas. Essas métricas apresentam resultados significativos que se associados aos conceitos da área de Sociologia permitem analisar as redes de coautoria extraídas da Plataforma Lattes. Porém, é necessário realizar outros experimentos para comparação dos métodos considerando diferentes períodos e um número maior de autores. A ferramenta se mostrou bastante efetiva e conseguiu mapear bem as redes inteiras, porém em alguns casos quando o número de relações era muito grande, a ferramenta apresentava lentidão para gerar as redes. Dessa forma, pode-se considerar a importância do desempenho e melhoria das aplicações, buscando soluções alternativas. Contudo, a escolha das ferramentas utilizadas foi satisfatória e conseguiu atingir um bom nível de interação com o usuário, permitindo visualizar todas relações e autores da rede de coautoria. Como trabalhos futuros, pretende-se adotar a API Apache Lucene Core, que possuiu métodos capazes de identificar similaridade entre documentos a partir de seus conteúdos. O Lucene combina modelos de espaço vetorial e booleanos de Recuperação de Informação para calcular as pontuações entre os documentos. Dessa forma, neste contexto os documentos possuiriam atributos de pesquisadores e seus trabalhos, sendo possível identificar similaridade entre eles. 6. REFERÊNCIAS DIGIAMPIETRI, L. A.; SANTIAGO, C. R. N.; ALVES, C. M. Predição de coautorias em redes sociais acadêmicas: um estudo exploratório em Ciência da Computação. CSBC 2013 BraSNAM, LIANG, D. Introduction to Java Programming 9th Edition Y. Editora: Pearson. Mar 2, LIBEN-NOW ELL, D. E KLEINBERG J. The link-prediction problem for social networks. Journal of the American Society for Information Science and Tech-nology.58(7): , LÜ, L E ZHOU, T. Link prediction in complex networks: A survey. Physica A: Statistical Mechanics and its Applications, 390(6): , MENA-CHALCO, J. P. AND CESAR-JR., R. M. Towards automatic discovery of coauthorship networks in the brazilian academic areas. In IEEE Seventh International Conference on e-science Workshops 2011 (esciencew), pages IEEE, NEWMAN, M. E. J. The structure and function of complex networks. SIAM Review, (45): , NEWMAN, M. E. J.; STROGATZ, S. H.; WATTS, D. J. Random graphs with arbitrary degree distributions and their applications. Santa Fé: The Santa Fé Institute, Paper REBAZA, J. C. V. Predição de links em redes complexas utilizando informações de estruturas de comunidades. Dissertação (Mestrado - Programa de Pós-Graduação em Ciências de Computação e Matemática Computacional), Instituto de Ciências Matemáticas e de Computação, Universidade de são Paulo, SILVA, E. A. A. Proposta de um Processo Sistemático Baseado em Métricas Não-Dicotômicas para Avaliação de Predição de Links em Redes de Coautoria. Tese (Doutorado) - USP - São Carlos, TITTEL, ED. Teoria e problemas de XML. - Porto Alegre, RS : Bookman, p YIN, Z., GUPTA, M., W ENINGER, T. E HAN, J. A unified framework for link recommendation using random walks. In Proceedings of the 2010 International Conference on Advances in Social Networks Analysis and Mining, ASONAM'10, NOTA DE RESPONSABILIDADE Os autores são os únicos responsáveis pelo conteúdo deste artigo.