Análise das redes brasileiras de coautoria nos programas de pós-graduação em ciências da computação por meio de medidas topológicas

• Autor(a) principal: Silva, Alex Junior Nunes Da
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/5433
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Coautoria; Universidades e faculdades - Pós-graduação; Bibliometria; Authorship - Collaboration; Universities and colleges - Graduate work; Bibliometrics; Ciência Da Computação

A análise das redes sociais tem se tornado uma área de grande atenção e foco nos últimos anos, pois com ela, podem ser observados padrões de comportamento entre seus componentes, bem como suas interações podem ser estudadas. Redes de coautoria, são um exemplo de rede social, na qual um pesquisador passa a ter uma ligação com outro pesquisador quando ambos compartilham a coautoria em um artigo publicado. A partir das redes formadas por essas ligações, medidas topológicas podem ser aplicadas para investigar padrões, classificar e prever os seu comportamento. Nesse trabalho, foi realizada a análise dos programas Brasileiros de pós-graduação em Ciência da Computação, para tal, foram extraídos os currículos acadêmicos da Plataforma Lattes, mapeadas as conexões entre os pesquisadores e geradas a representação das redes por meio de grafos. A partir desses grafos foram extraídas diversas medidas topológicas para compor um vetor de características para a respectiva classificação. Nesse sentido, esse trabalho propõe um índice quantitativo para medir a produtividade dos programas a partir da Média de Pesquisadores por Publicações. Além disso, são propostos três índices qualitativos de colaboração acadêmica: o Índice de Primeiro Autor, o Índice de Colaboração e o Índice de Senioridade, os quais analisam a posição em que um autor participa em uma publicação. As medidas extraídas e as medidas propostas foram analisadas levando em consideração a avaliação realizada periodicamente aos programas (Nota CAPES) para validar suas efetividades. A análise foi realizada considerando abordagens de classificação como Random Forest, seleção de características como Best First e também medidas de correlação. Os resultados gerados indicam grande relevância e identificam padrões de comportamento entre os programas que podem justificar a classificação realizada pela CAPES.