Aineisto seminaarista: KOHTI SISÄLTÖPAINOTTEISIA TUTKIMUS- JA INNOVAATIOINDIKAATTOREITA: SUOMEN TUTKIMUSJÄRJESTELMÄN RAKENNE JA DYNAMIIKKA 1995-2011, 1.4.2014
More than Just Lines on a Map: Best Practices for U.S Bike Routes
Suomalaisen tutkimusjärjestelmän semanttinen analyysi - tiedejulkaisut ja tutkimuksen & patentoinnin suhde vuosilta 1995- 2010
1. Suomalaisen tutkimusjärjestelmän
epistemologinen ekosysteemi, ja
tutkimuksen & patentoinnin suhde 1995-
2010
Kohti sisältöpainotteisia tutkimus- ja innovaatioindikaattoreita:
Suomen tutkimusjärjestelmän rakenne ja dynamiikka 1995-2011
1.4.2014, Tekes
Arho Suominen & Hannes Toivanen
VTT Technical Research Centre of Finland
2. 2
Epistemologinen ekosysteemi
Lähtökohtana on ollut jäsentää uudella tavalla tietoa, ottaen
lähtökohdaksi luonnollisen kielen analyysin ja kielen pohjalta
tehtävän aineiston osituksen.
1960-luvulta lähtöisin oleva tapa käsittää tietovirtoja on
perustunut julkaisufoorumien, artikkeleiden, viittausketjujen
luokitteluun.
Tiedonlouhinta, koneoppiminen ja luonnollisen kielen analyysin
menetelmät mahdollistavat myös vaihtoehtoisen lähestymisen
käsittää maailman tietoa.
Seuraavassa olemme jäsentäneet Suomen tiedejulkaisut
ajanjaksolta 1995 – 2011 viiteenkymmeneen temaattiseen
luokkaan.
3. 3
Aineiston luokittelu
Aineistona käytämme ISI Web of Science -tietokannasta saatuja
julkaisuja ajanjaksolla 1995 – 2011, joissa mainitaan vähintään
yksi suomalainen organisaatio.
Articles, Reviews, Confence Proceedings, Abstracts
Aineiston koko 144 081 julkaisua
Luokittelun pohjana on abstraktien analyysi.
Ennen analyysiä aineisto käsitellään Python koodilla, joka poistaa
abstrakteista semanttisesti merkityksettömät sanat, numerot ja
välimerkit.
Koodi luo jokaisesta uniikista termistä oman tunnisteen.
Analyysi tehdään Latent Dirichlet Allocation –algoritmilla, joka on
toteutettu C++ -ohjelmointikielellä.
4. 0
100
200
300
400
500
600
700
800
900
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Topic 1 Topic 2
Topic 3 Topic 4
Topic 5 Topic 6
Topic 7 Topic 8
Topic 9 Topic 10
Topic 11 Topic 13
Topic 14 Topic 15
Topic 16 Topic 17
Topic 18 Topic 19
Topic 20 Topic 21
Topic 22 Topic 23
Topic 24 Topic 25
Topic 26 Topic 27
Topic 28 Topic 29
Topic 30 Topic 31
Topic 32 Topic 33
Topic 34 Topic 35
Topic 36 Topic 37
Topic 38 Topic 39
Topic 40 Topic 41
Topic 42 Topic 43
Topic 44 Topic 45
Topic 46 Topic 47
Topic 48 Topic 49
Topic 50
LÄHDE: ISI Web of Science
• Tieto jakaantuu joukkoon staattisia aihepiirejä, jotka ovat osa Suomen tiedettä yli tarkastelu ajanjakson.
• Muutamia nousevia aihealueita.
• Kuvaa ei ole kontrolloitu tiedejulkaisujen kokonaiskasvun suhteen.
• Yksi temaattinen aihealue on poistettu, johtuen ISI Web of Science –aineiston puutteista.
5. 0
100
200
300
400
500
600
700
800
900
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Topic 9
Topic 40
Topic 44
LÄHDE: ISI Web of Science
• Kuvassa voimakkaimmin nousevat aihepiirit tarkastelujaksolla.
• Hyödyntämällä sanapilviä kuvaamaan temaattisen aihepiirin julkaisuja voimme paremmin ymmärtää
aihepiirin monimuotoisuutta.
– Kasvualoina aineistossa näyttäytyy fysikaaliset tieteet, innovaatiotutkimus laajasti sekä kasvatustieteet.
6. 0
100
200
300
400
500
600
700
800
900
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Topic 25
Topic 45
LÄHDE: ISI Web of Science
• Kuvassa nousevat aihepiirit 25 ja 45, joissa tapahtuu tarkastelujaksolla merkittäviä muutoksia.
• Lähestymistapamme mahdollistaa sen, että voimme havaita ajansuhteen tapahtuvia muutoksia.
Esimerkkinä teemassa 45 tapahtuva merkittävä pudotus vuosien 2009 ja 2010 välillä.
7. 0
100
200
300
400
500
600
700
800
900
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Topic 3
Topic 26
LÄHDE: ISI Web of Science
• Aineistossa on myös hyvin stabiileja tutkimusteemoja, joiden julkaisumäärä pysyy
tarkastelujaksolla lähes vakiona.
• Erityisesti lääketieteen osalta, aineisto jakaantuu hyvin tarkkoihin tutkimusaloihin.
– On hyvä huomata että merkittävä osa teemoista on lääketieteen teemoja.