Сеть научного сотрудничества

Сеть научного сотрудничества - это социальная сеть, где узлы - это ученые, а ссылки - соавторства, как последние - одна из наиболее хорошо задокументированных форм научного сотрудничества. Это неориентированная безмасштабная сеть, где распределение следует степенному закону с экспоненциальным отсечка - большинство авторов связаны редко, в то время как несколько авторов тесно связаны. Сеть имеет ассортативный характер - концентраторы имеют тенденцию связываться с другими концентраторами, а узлы низкого уровня имеют тенденцию связываться с узлами низкого уровня. Ассортативность не является структурной, то есть она не является следствием распределения степеней, а порождается некоторым процессом, который управляет эволюцией сети.

Подробная реконструкция фактического сотрудничества была сделана Марком Ньюманом. Он проанализировал сети сотрудничества через несколько больших баз данных в области биологии и медицины, физики и информатики за пятилетний период (1995–1999). Результаты показали, что эти сети образуют маленькие миры, в которых случайно выбранные пары ученых обычно разделены лишь коротким путем промежуточных знакомств. Они также предполагают, что сети сильно сгруппированы, то есть двое ученых с гораздо большей вероятностью будут сотрудничать, если у них есть третий общий сотрудник, чем два ученых, случайно выбранных из сообщества.

Барабаси и др. изучал сети сотрудничества в математике и нейробиологии за 8-летний период (1991–1998), чтобы понять топологические и динамические законы, управляющие сложными сетями. Они рассматривали сеть совместной работы как прототип развивающихся сетей, поскольку она расширяется за счет добавления новых узлов (авторов) и новых ссылок (статьи в соавторстве). Полученные результаты показали, что сеть не требует масштабирования и ее развитие регулируется предпочтительным подключением. Более того, авторы пришли к выводу, что большинство величин, используемых для характеристики сети, зависят от времени. Например, средняя степень (взаимосвязанность сети) увеличивается со временем. Более того, исследование показало, что разделение узлов со временем уменьшается, однако эта тенденция, как полагают, обеспечивается неполной базой данных, и может быть противоположной в полной системе.