Akademik işbirliklerinin yeni bir çizge olarak modellenmesi ve istatistiki analizi

Yıl 2019, , 439 - 460, 26.03.2019

Kenan İnce , Ali Karcı

https://doi.org/10.17341/gazimmfd.416506

Cited By: 3

Öz

Akademik işbirliği (ortak yazarlık) ile kurulan ağlar, bir çok açıdan önemli bir konudur. Bir ülkenin gelişmişlik analizinden, üniversite veya bölümlerin sıralanması gibi bir çok alanda kullanılmaktadır. Ayrıca, akademik işbirliklerinin modellenmesi ve bu modellerden akademik işbirliklerinin düzeyi noktasında yapılacak çıkarım ve yorumlarda büyük önem arz etmektedir. Bu amaçla, bir veri tabanı oluşturulmuş ve Türkiye’nin akademik işbirlikleri çizge kullanılarak modellenmiştir. Veri tabanı oluşturulurken, Web of Science (WOS) verileri kullanılarak, yazar, üniversite, bölüm, araştırma alanı ve yayın ana hatları olmak üzere, ilişkisel bir veri tabanı oluşturuldu. Oluşturulan veri tabanı, uç noktalar dahil olmak üzere, 1980-2015 yıllarını kapsamaktadır. Elde edilen veri üzerinde, ilgili yıllar aralığında, Türkiye’nin akademik işbirlikleri modellendi ve akademik işbirliklerini etkileyen faktörler üzerinde bilimsel çıkarımlar yapıldı. Çalışmamızda aktör olarak üniversiteler, üniversiteler arası gerçekleşen ortak yazarlık ise işbirliği olarak ele alınmıştır. Elde edilen modeller üzerinde, bölgesel bazda topluluk keşifleri yapılarak, bölgelerdeki öncü üniversiteler tespit edildi. Topluluk keşfinde, Bron-Kerbosch (BK) topluluk keşfi algoritması kullanıldı. Ancak, bu algoritma ile bulunan topluluklar, akademik işbirlikleri özelinde verinin yapısından ötürü, bazı eksiklikler ve hatalar ortaya koymaktadır. Öncelikle, akademik işbirlikleri çok değişken ve gelişen bir yapıdır. Şöyle ki, bir araştırmacının, danışmanı ile yapmış olduğu çalışmalar, ilgili araştırmacının farklı kurumda çalışıyor olması durumunda üniversitelerarası işbirliği olarak ortaya çıkmaktadır.  Ancak, belli bir seviyenin altında ise, gerçekte bu güvenilir bir işbirliği olarak yorumlanamaz. Ayrıca, veride bulunabilecek, benzer yazar isimleri gibi sebeplerle, gerçekte olmayan ilişkilerin işbirliği gibi yansımasına sebep olmaktadır. Bu gibi sebeplerle, işbirliği çizgeleri olarak yeni bir çizge türü önerilmekte ve bu tür çizgeler üzerinde yapılacak topluluk keşfi özel konusunda, en temel algoritmalardan olan BK algoritmasına, bu hatayı giderdiğini düşündüğümüz, Merkezi Limit Teoremi alt sınırı eklenmiştir. Bu ekleme ile birlikte, bölgelerdeki topluluk sayısının arttığı ancak daha güvenilir seviyede toplulukların kaldığını ve bunun sonucu olarak, bölgelerdeki öncü üniversitelerin daha net ortaya çıktığını görülmüştür.

Anahtar Kelimeler

Türkiye’deki akademik işbirlikleri, Bron-Kerbosch algoritması; işbirliği çizgeleri; merkezi limit teoremi

Kaynakça

• X. F. WANG, “Complex Networks: Topology, Dynamics and Synchronization,” Int. J. Bifurc. Chaos, vol. 12, no. 5, pp. 885–916, 2002.
• S. Boccaletti, V. Latora, Y. Moreno, M. Chavez, and D. U. Hwang, “Complex networks: Structure and dynamics,” Phys. Rep., vol. 424, no. 4–5, pp. 175–308, 2006.
• Cuijuan Wang, Wenzhong Tang, Bo Sun, Jing Fang, and Yanyang Wang, “Review on community detection algorithms in social networks,” in 2015 IEEE International Conference on Progress in Informatics and Computing (PIC), 2015, pp. 551–555.
• T. Hastie, R. Tibshirani, and J. Friedman, “The Elements of Statistical Learning,” Elements, vol. 1, pp. 337–387, 2009.
• M. Girvan and M. E. J. Newman, “Community structure in social and biological networks.,” Proc. Natl. Acad. Sci. U. S. A., vol. 99, no. 12, pp. 7821–6, 2002.
• E. A. Leicht and M. E. J. Newman, “Community structure in directed networks,” pp. 1–5, 2007.
• M. Li, Y. Deng, and B. H. Wang, “Clique percolation in random graphs,” Phys. Rev. E - Stat. Nonlinear, Soft Matter Phys., vol. 92, no. 4, pp. 1–6, 2015.
• G. Palla, I. Derenyi, I. Farkas, and T. Vicsek, “Uncovering the overlapping community structure of complex networks in nature and society,” no. m, pp. 1–10, 2005.
• A. Lancichinetti and S. Fortunato, “Community detection algorithms: a comparative analysis,” pp. 1–12, 2009.
• C. Bron and J. Kerbosch, “Algorithm 457: Finding All Cliques of an Undirected Graph,” Commun. ACM, vol. 16, no. 9, pp. 575–577, 1973.
• Thomson Reuters Corporation, “Web of Science,” 2015. [Online]. Available: https://apps.webofknowledge.com. [Accessed: 01-Jan-2015].
• K. İnce, “An Application for Retrieving Data from Web Pages in a DB Like Manner,” in International Artifical Intelligence and Data Processing Symposiom, 2016, pp. 396–399.
• K. İnce, “Analyzing Tendency of Academic Growth in Turkey,” in International Artifical Intelligence and Data Processing Symposiom, 2016, pp. 400–403.
• M. Çakıcı, A. Oğuzhan, and T. Özdil, İstatistik, 2nd ed. Ekin Basım Yayın Dağıtım, 2015.
• K. İnce and A. Karcı, “Analysing and Modelling of Academic Collaboration of Turkey,” in İnternational Conference on Natural Science and Engineering, 2016, pp. 2772–2776.