Сетевое издание
Современные проблемы науки и образования
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 1,006

ПОСТРОЕНИЕ НАУЧНЫХ ПРОФИЛЕЙ УЧАСТНИКОВ НАУЧНО - ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В ИНФОРМАЦИОННОЙ СИСТЕМЕ УНИВЕРСИТЕТА

Вареников Д.А. 1 Шлей М.Д. 1 Муромцев Д.И. 1
1 Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики
В статье описаны подходы к построению научных профилей пользователей в информационной системе университета. Представлена информационная модель научной деятельности обучающихся, которая описывает процессы взаимодействия участников и результаты их научной деятельности. Уделено внимание вопросу идентификации авторов публикаций, участников научно-образовательного процесса, а также интеграции с авторскими профилями из наукометрических баз данных. Методы идентификации авторов публикаций позволяют повысить качество наполнения базы знаний университета по сведениям из различных наукометрических баз данных. Предложенные методы лежат в основе разрабатываемого рекомендательного сервиса для пользователей информационной системы университета. Данный сервис позволяет формировать рекомендации по выбору научного руководителя или обучающегося, научного мероприятия, грантов, публикаций и периодических изданий для публикации научных результатов.
наукометрические базы данных.
обучающиеся
научная деятельность
научные интересы
1. ВарениковД.А., МуромцевД.И., ШлейМ.Д. Подходы автоматизации обработки данных наукометрических баз данных // Компьютерные инструменты в образовании. - 2015. - № 2. - С. 3-13.
2. ВарениковД.А., ШлейМ.Д., ИвановВ.В. Методы идентификации авторов при автоматизированной обработке информации о публикациях // Научно-образовательная информационная среда XXI века: Материалы IX Всероссийской научно-практической конференции, Петрозаводск, 23-25 сентября 2015 г. - 2015. - С. 36-39.
3. ЕфимовМ.Н., ШлейМ.Д., ВарениковД.А. Метод определения рекомендаций для пользователей информационной системы на основе их научных интересов и активности // Научно-образовательная информационная среда XXI века. Материалы VIII Международной научно-практической конференции. Петрозаводск, 2014. - 2014. - С. 74-77.
4. ЕфимовМ.Н., Шлей М.Д., ВарениковД.А. Система определения научных интересов пользователей // Труды XXI Всероссийской научно-методической конференции "Телематика'2014". - 2014. - С. 87-88.
5. КазинФ.А., БиккуловА.С., ЗленкоА.Н., ТойвоненН.Р., ПоповаИ.А., ШлейМ.Д., ВарениковД.А. Система поддержки проектной деятельности в Университете ИТМО // Инновации. - 2014. - № 8(190). - С. 77-83.
6. КолядаА.С., ГогунскиийВ.Д. Автоматизация извлечения информации из наукометрических баз данных // Управліннярозвиткомскладних систем. - 2013. - № 16. - С. 96 - 99.
7. Коэффициент Жаккара [Электронный ресурс]. – Режим доступа: https://ru.wikipedia.org/wiki/Коэффициент_Жаккара. - Загл. с экрана.
8. МазовН.А., ГуреевВ.Н. Проблемы идентификации метаданных в наукометрических базах данных WebofKnowledge, Scopus и РИНЦ на примере профилей авторов// Библиотеки и информационные ресурсы в современном мире науки, культуры, образования и бизнеса: 19-я междунар. конф. «Крым 2012» (2-10 июня 2012 г., г. Судак): Труды конф. - М.: Изд-во ГПНТБ России, 2012. - С. 1-4.
9. Наукометрические базы данных [Электронный ресурс]. - Режим доступа: http://pspu.ru/university/biblioteka/prepodavatelam/indeksy-nauchnogo-citirovanija, свободный. – Загл. с экрана.
10. Пинжин А.Е. Применение вероятностного алгоритма соединения записей для исключения дублирования информации в корпоративной базе данных// Известия Томскогополитехническогоуниверситета. –2006.–№7. – С. 111-116.
11. ПоповаИ.А., ТойвоненН.Р., ВарениковД.А. Система информационной поддержки проектной деятельности вуза // Информационные системы для научных исследований: Труды XV Всероссийской объединенной конференции «Интернет и современное общество» (IMS-2012). - 2012. - С. 156-159.
12. ПоповаИ.А., ГромовГ.Ю. Подходы к созданию эффективной информационной системы управления университетом // Сборник материалов XX Всероссийской научно-методическая конференции. – Санкт-Петербург, 2013.
13. СемерхановИ.А., МуромцевД.И.Интеграция информационных систем на основе технологии связанных данных// Научно-технический вестник информационных технологий, механики и оптики. - 2013. - № 5 (87). - С. 123-127.

В настоящее время проводится активная модернизация системы высшего образования с целью повышения ее качества, в частности, значительное внимание уделяется увеличению доли научной составляющей в образовательном процессе, вопросам интеграции научной, инновационной и образовательной деятельностей, а также развитию научной деятельности в целом. Данный процесс сопровождается резким ростом требований ко всем участникам научно-образовательного процесса – преподавателям, магистрантам и аспирантам [11]. Среди основных требований можно выделить увеличение объема научных исследований в работе, число публикаций, активное участие в научных мероприятиях, количество полученных патентов и выигранных грантов [5]. Изменения, проводимые в деятельности вуза, требуют внедрения современных автоматизированных систем управления образовательными процессами и создания инфраструктуры для поддержки деятельности сотрудников и обучающихся. Эффективность реализации процессов научной деятельности определяется качеством решения следующих задач: поиск и обеспечение доступа к научно-исследовательским работам, выполняемым по схожим тематикам, своевременное информирование о проведении научных мероприятий и планирование участия в них, обеспечение возможности публикации полученных научных результатов в высокорейтинговых изданиях.

Постановка задачи

Для анализа процесса реализации научной деятельности обучающихся (магистранты и аспиранты) и преподавателей вуза была построена информационная модель верхнего уровня, представленная на рисунке 1. Данная модель описывает процессы взаимодействия участников и результаты их научной деятельности в информационной системе университета.

Рис. 1. Информационная модель научной деятельности

Анализ модели и предметной области позволил выделить основные проблемные области, связанные с принятием решений и поиском соответствующей информации:

· Выбор научного руководителя или обучающихся с учетом научных интересов.

· Поиск подходящих периодических изданий для публикации научных результатов.

· Выбор актуальных научных мероприятий для участия.

· Выбор конкурсов и грантов для финансирования проводимых научных исследований. В университете организована структура проектных менеджеров, которые регулярно отслеживают новости об открываемых конкурсах и фондах и отбирают те из них, которые могут заинтересовать преподавателей и обучающихся [12].

· Поиск значимых публикаций по заданным тематикам.

В построенной модели можно выделить следующие ключевые объекты:

· Научные руководители и обучающиеся – пользователи информационной системы.

· Научные мероприятия – конференции, конгрессы, семинары, круглые столы и прочие.

· Конкурсы – конкурсы, ориентированные на материальную поддержку преподавателей и обучающихся.

· Публикации – статьи, опубликованные в периодических издания.

· Издания – периодические издания.

В представленной модели, основные информационные объекты, связаны через ключевые слова, которые формируют профиль объекта или так называемую «область научных интересов». Использование методов частотного анализа и информационных технологий позволяют выполнять анализ связей между научными интересам участников, проводимыми исследованиями, актуальными конкурсами и мероприятиями. По результатам анализа формируются рекомендации для решения вопросов, озвученных выше.

Особенно важной задачей при использовании данного подхода является формирование научного профиля пользователя информационной системы и таких объектов как издания, публикации, конкурсы, мероприятия. Поскольку от полноты информации о профиле будет зависеть качество и точность формируемых рекомендаций, а следовательно эффективность развития научной деятельности вуза. Решение данной задачи имеет свои особенности, так как при формировании профиля используется множество источников информации, и при анализе информации необходимо правильно определять приоритеты тех или иных научных интересов.

В данной статье рассмотрен процесс формирования научного профиля для участника научно-исследовательской деятельности вуза, а также других связанных информационных объектов на примере научного профиля издания.

Формирование научного профиля пользователя

Формирование научных интересов пользователя в информационной системе университета происходит за счет самостоятельного ввода информации при заполнении личного профиля в информационной системе, а также автоматического сбора сведений о ключевых словах. Автоматический сбор сведений основывается на формализации и последующей интеграции информации из наукометрических баз данных, анализа поведения пользователей в информационной системе, его научно-практических результатов на основе методов частотного анализа и алгоритмов нечеткого поиска (см. рис. 2). Под наукометрическими базами данных понимают библиографические и реферативные базы данных, а также инструмент для отслеживания цитируемости научных статей [6].

Рис. 2. Информационная модель научных интересов пользователя в информационной системе университета (ИСУ)

Автоматическое наполнение профилей ключевыми словами позволяет значительно расширить выборку, на которой в дальнейшем будет основываться инструмент предоставления рекомендаций по поставленным задачам, и повысить качество полученных рекомендаций.

Научные интересы пользователя – это множество его ключевых слов .

где – множество ключевых слов, указанных пользователем, а – множество ключевых слов, автоматически выбранных с учетом частоты их появления.

где – множество автоматически полученных ключевых слов, – частота появления ключевого слова , – пороговое значение для частоты появления ключевого слова.

где – количество источников, на основании которых формируется множество . Множество формируется за счет:

· Посещения пользователем информационной системы. – множество ключевых слов, полученных по результатам посещения страниц, содержащих ключевые слова и тематики;

· Анализа схожих интересов между пользователями, посетившими одинаковые страниц. – множество ключевых слов пользователей со схожими интересами [3, 4];

· Анализа тематик публикаций, автором которых является пользователь. – множество ключевых слов, полученных на основе анализа публикационной активности пользователя;

· Анализа схожести интересов между соавторами публикаций, автором которых является пользователь. – множество ключевых слов соавторов публикаций пользователя;

· Получения сведений о подписки пользователя на рассылку в информационной системе. – множество ключевых слов, указанных пользователям для получения рассылки в информационной системе;

· Анализа профиля пользователя в наукометрических базах данных. – множество ключевых слов пользователя, полученных из наукометрических баз данных.

где – множество ключевых слов страницы, – количество страниц. В статье рассматриваются страницы информационной системы, которые посещает пользователь.

где – множество ключевых слов пользователя , – множество пользователей, посетивших – страницу, за исключением рассматриваемого пользователя, – мера Жаккара (), а – пороговое значение схожести.

где – множество ключевых слов публикации, – количество публикаций пользователя.

где – множество ключевых слов пользователя , – множество соавторов публикации , за исключением рассматриваемого пользователя, – мера Жаккара, а – пороговое значение схожести.

где – множество ключевых слов пользовательского профиля , – множество авторских профилей наукометрической базы данных для рассматриваемого пользователя, – количество наукометрических баз данных. В статье рассматриваются наиболее распространенные наукометрические базы данных и их идентификаторы авторских профилей:

1. РИНЦ (российский индекс научного цитирования) – используется уникальный идентификатор SPIN-код [9];

2. Web of Science – самая авторитетная в мире база данных по научному цитированию института научной информации (Institute of Scientific Information - ISI) – используемый уникальный идентификатор ResearcherID [9];

3. Scopus – это крупнейшая в мире единая мульти дисциплинарная реферативная база данных, представляющая уникальную систему оценки частоты цитирования. Используемый уникальный идентификатор ORCID [9];

Авторский профиль из наукометрических базах данных в информационной системе представлен следующим образом:

где – множество публикаций авторского профиля,– идентификатор авторского профиля.

Анализ ключевых слов авторских профилей , полученных из наукометрических баз данных, начинается с определения связей между пользователями информационной системы (авторами публикаций) и наукометрическими базами данных. Множество авторов публикаций в информационной системе представлено следующий образом:

где – количество уникальных авторов.

Определение связей авторских профилей, полученных с наукометрических баз данных, и пользователями информационной системы является первостепенной задачей. Один из возможных подходов идентификации авторов публикаций из различных баз данных публикаций – это проведение анализа возможных внешних идентификаторов авторов и сопоставление их с внутренними (университетскими) идентификаторами [1]. Такие связи идентификаторов не всегда существуют, возникают новые авторские коллективы, автор может изменить фамилию, также в авторитетных базах данных авторы могут не иметь уникальный идентификатор, или один и тот же автор может быть связан с разными идентификаторами. В настоящее время в мире нет единого стандартизованного способа идентификации журнальных статей, авторов, их мест работы и др., несмотря на то, что в последние годы введены в действие немалое число различных идентификаторов [8]. При идентификации авторов большое значение имеет аффилиация. Некоторые авторы не указывают аффилиацию с университетом, что приводит к затруднению их идентификации. В случае работы с аффилиациями можно выделить следующие возможные варианты:

· Указана аффилиация – автор является сотрудником университета и указал ссылку на университет [1].

· Отсутствие аффилиации – автор является сотрудником университета и не указал ссылку на университет [1].

· Частичная аффилиация – автор является сотрудником университета и указал ссылку на несколько университетов [1].

Профиль автора в информационной системе имеет следующий вид:

где – множество ключевых слов – го автора, – множество публикаций, – множество идентификаторов профилей в наукометрических базах данных, – множество написаний автора на иностранном языке.

где – количество уникальных иностранных написаний.

В качестве основного правила транслитерации была использована технология «OVIR of Russia regulations». В информационной системе университета предусмотрена возможность хранения различных вариантов транслитерации фамилии авторов, что позволяет использовать любые правила транслитерации и их комбинации. В связи с тем, что существуют различные методы транслитерации, не всегда возможно однозначно получить русскоязычное написание фамилии авторов. С учетом данного фактора возможно также и неоднозначное определение потенциальных авторов из базы физических лиц университета. Для обработки такой неоднозначности, необходима специализированная обработка данных [10]. В качестве обработки таких данных был разработан модуль анализа авторских коллективов публикаций авторских профилей , наиболее схожих по написанию с . Метод идентификации авторов заключается в определении потенциальных авторов по написанию авторов статьи с учетом научных коллективов и частоты их появления .

где – количество потенциальный сотрудников, подходящих написанию .

В данной статье научные коллективы представлены следующим образом:

где – соавторы по публикациям автора , – сотрудники подразделений в котором работает или работал , – обучающиеся под руководством , – участники проектов, в которых участвует .

На рисунке 3 представлены возможные варианты идентификации авторов. Рассмотрим пример, представленный на рисунке 3а, более детально. У публикации на английском языке указаны два автора: Dzerzhauskaya T.A., Varenikov D.A. Для того чтобы идентифицировать сотрудников, являющихся авторами данной публикации, необходимо по иностранному написанию фамилии, имени и отчеству найти в базе данных соответствующих сотрудников [2]. Для рассматриваемого примера были найдены следующие совпадения:

1. Автор 1 - Dzerzhauskaya T.A. Для данного автора были найдены следующие схожие написания:

  – Dzerzhauskaya T.A. Данное написание указано у двух пользователей:

  – Дзержавская Т.А.

  – Державская Т.А.

  – Dziarzhauskaya T.A. Данное написание определено на основании анализа иностранного написания фамилий авторов, хранящихся в системе у одного сотрудника:

  – Дзиржавская Т.А.

2. Автор 2 - Varenikov D.A. Для данного автора было найдено одно написание:

  – Varenikov D.A.

  – Вареников Д.А.

Таким образом, однозначно определить связь Автора 1 с пользователем информационной системы невозможно, в отличие от Автора 2, для которого была найдена только одна связь с . Для того чтобы определить Автора 1, используется анализ авторских коллективов. С помощью проведенного анализа удалось определить, что из потенциальных авторов , , только сотрудник участвовал в авторском коллективе с сотрудником .

Кроме того, возможен вариант неоднозначного определения соавтора после анализа авторских коллективов (см. рис. 3 б) и дополнительных сведений об авторах, в этом случае система оставляет данного автора нераспознанным и формирует подсказу для специалиста, который в дальнейшем будет обрабатывать публикацию. Чем больше авторов приведено в публикации и чем полнее они описаны, тем точнее происходит идентификация авторов на основе авторских коллективов (см. рис 3 в). На рисунке 3 г показан пример неоднозначного определения автора после транслитерации. В данном примере идентификация соавтора происходит только после анализа авторского коллектива и обработки специалистами публикации, на основании рекомендаций, представленных системой. Данный пример демонстрирует наполнение авторского профиля различными вариантами транслитерации его фамилии, что в дальнейшем позволяет идентифицировать его более точно [1].

Рис. 3. Подход к идентификации авторов

Метод идентификации авторов, основанный на определении потенциальных авторов по написанию, с учетом научных коллективов и частоты их появления, позволил повысить качество определения и связи авторских профилей с наукометрическими базами данных и пользователями информационной системы. Рассмотренные подходы в дальнейшем будут применены к определению соответствия между пользователями информационной системы университета и их профилями в открытых научных Интернет-ресурсах [13].

Формирование профиля публикации

Информационная модель профиля публикации, представлена на Рис. 4. Одним из показателей профиля публикации являются ключевые слова . Данный показатель важен при формировании рекомендаций и поиска публикаций.

где – количество источников ключевых слов для периодического издания. Множество ключевых слов публикаций формируются на основе:

· Множества ключевых слов, указанных авторами, – ;

· Множества ключевых слов, полученных из наукометрических баз данных, – . В наукометрических базах данных существует отдельное описание публикаций ключевыми словами и тематиками, соответствующим справочникам конкретной наукометрической базы;

· Множества ключевых слов периодического издания, к которому относится данная публикация, – .

Рис. 4. Информационная модель профиля публикации

Формирования научных профилей конкурсов и научных мероприятий производится по схожей схеме и в статье не рассматриваются.

Заключение

В результате выполненной работы предложены подходы по автоматизации формирования научных профилей, которые позволили значительно расширить выборку, на основе которой в дальнейшем строятся рекомендации для пользователей информационной системы по выбору научного руководителя или обучающегося, научного мероприятия, грантов, публикаций и периодических изданий для публикации научных результатов. Полнота полученных данных позволила оптимизировать учет публикаций специалистами и, как следствие, повысить качество отчетных данных. Предложенные методы были реализованы в информационной системе управления университета.

Рецензенты:

Арустамов С.А., д.т.н., профессор, профессор кафедры проектирования и безопасности компьютерных систем, Университет ИТМО, г. Санкт-Петербург;

Коробейников А.Г., д.т.н., профессор, заместитель директора по науке СПбФ ИЗМИ РАН, г. Санкт-Петербург.


Библиографическая ссылка

Вареников Д.А., Шлей М.Д., Муромцев Д.И. ПОСТРОЕНИЕ НАУЧНЫХ ПРОФИЛЕЙ УЧАСТНИКОВ НАУЧНО - ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В ИНФОРМАЦИОННОЙ СИСТЕМЕ УНИВЕРСИТЕТА // Современные проблемы науки и образования. – 2015. – № 2-2. ;
URL: https://science-education.ru/ru/article/view?id=23109 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674