Każdego roku na świecie ukazują się miliony publikacji naukowych. Autorzy nowych artykułów odwołują się do wcześniejszych badań, tworząc ogromną sieć powiązań. Niektóre prace są cytowane przez tysiące kolejnych autorów, podczas gdy większość otrzymuje zaledwie kilka cytowań. Jednocześnie naukowcy zajmujący się podobnymi zagadnieniami częściej korzystają ze swoich prac, tworząc charakterystyczne społeczności – fizyków, biologów, matematyków czy badaczy sztucznej inteligencji.

Sieć tę można przedstawić jako mapę, na której każda publikacja jest punktem, a cytowania łączącymi je strzałkami. W odróżnieniu od znajomości w mediach społecznościowych połączenia te mają określony kierunek: nowsza praca zwykle cytuje starszą. Na podstawie takiej mapy można badać rozwój poszczególnych dziedzin, odnajdywać ważne publikacje czy identyfikować nowe kierunki badań.

Do analizowania tych ogromnych zbiorów informacji wykorzystuje się algorytmy komputerowe. Jak jednak sprawdzić, czy rzeczywiście potrafią one poprawnie rozpoznawać naukowe społeczności i występujące między nimi powiązania? W rzeczywistej sieci cytowań często nie znamy jednoznacznej odpowiedzi, ponieważ granice między dziedzinami bywają płynne. Przydałaby się więc sztuczna sieć, która zachowuje się jak prawdziwa, ale której strukturę znamy od początku.

Takie rozwiązanie opracowali Łukasz Brzozowski i Marek Gagolewski z Wydziału Matematyki i Nauk Informacyjnych oraz Grzegorz Siudem z Wydziału Fizyki Politechniki Warszawskiej. Wyniki opublikowali w czasopiśmie Information Sciences (doi: 10.1016/j.ins.2026.124196).

Zaproponowany przez nich algorytm, nazwany Citation Seeder, tworzy fikcyjne publikacje i przypisuje im cytowania. Wykorzystuje przy tym zjawisko dobrze znane nie tylko w nauce: popularność przyciąga kolejną popularność. Praca, na którą powoływało się już wielu autorów, ma większą szansę na następne cytowania. Jest to tzw. zasada kumulacyjnej przewagi, czasem określana jako mechanizm „bogaci stają się bogatsi”.

Nie oznacza to jednak, że nowe czy mniej znane publikacje nie mają szans. Model uwzględnia również przypadkowe cytowania, dzięki którym powiązania mogą powstawać niezależnie od dotychczasowej popularności prac. Ponadto odtwarza podział nauki na dziedziny, z których każda może rozwijać się w innym tempie i mieć własne zwyczaje dotyczące cytowania.

Aby sprawdzić skuteczność metody, naukowcy porównali dwanaście sposobów generowania takich sieci. Wykorzystali siedem rzeczywistych zbiorów cytowań publikacji i patentów, obejmujących nawet ponad 3,5 miliona dokumentów. Następnie oceniali podobieństwo sieci sztucznych do prawdziwych za pomocą 26 różnych wskaźników opisujących między innymi liczbę cytowań, strukturę powiązań i podział na społeczności.

Okazało się, że nowy model osiąga wyniki porównywalne z najbardziej rozbudowanymi metodami, choć w niektórych przypadkach potrzebuje ponad dziesięć tysięcy razy mniej parametrów. Co szczególnie istotne, bardzo dobrze odtwarza sposób, w jaki algorytmy rozpoznające społeczności zachowują się na rzeczywistych sieciach. Nie chodzi więc jedynie o stworzenie przekonująco wyglądającej imitacji, ale o taką, która stawia analizującym ją programom podobne wyzwania jak prawdziwe dane.

Badacze sprawdzili również, czy ich model potrafi przewidywać rozwój sieci. W jednym z testów, korzystając jedynie ze starszych publikacji, odtworzyli późniejszy rozkład liczby cytowań trafniej niż dwa porównywane modele. Nie oznacza to, że algorytm przewiduje sukces konkretnych artykułów. Potrafi jednak naśladować ogólne prawidłowości rządzące wzrostem ich popularności.

Znaczenie tych badań wykracza poza analizę publikacji. Podobne sieci występują w systemach patentowych, powiązaniach między dokumentami czy zależnościach między elementami oprogramowania. Możliwość tworzenia ich realistycznych, sztucznych odpowiedników pozwala bezpiecznie testować i doskonalić algorytmy, zanim zostaną wykorzystane do analizy rzeczywistych danych.

Badania pokazują także coś bardziej ogólnego: nawet bardzo złożone struktury mogą powstawać w wyniku działania stosunkowo prostych reguł. Świat nauki, z jego specjalizacjami, popularnymi odkryciami i tysiącami wzajemnych powiązań, okazuje się pod tym względem mniej chaotyczny, niż mogłoby się wydawać. (PAP)

Nauka w Polsce

kmp/ zan/