Istraživači sa Cornell University objavili su velike anonymizovane skupove podataka sa arXiv-a i GitHub-a kako bi testirali metodu lead-lag forecasting, koja koristi ranu angažovanost da predvidi dugoročni uticaj. Analiza 2,3 miliona arXiv radova pokazala je da već mesec dana podataka o preuzimanjima omogućava značajnu prognozu citiranosti za pet godina. Sličan obrazac uočen je i kod skoro 3 miliona GitHub repozitorijuma, a autori vide i potencijalnu upotrebu za otkrivanje niskokvalitetnih ili AI-generisanih radova.
Istraživači sa Cornella: Kako Rani Pregledi Mogu Predvideti Buduće Naučne Hitove
arXiv
Da li neki naučni rad postaje važan odmah nakon objave — i može li se to predvideti? Tim sa Cornell University tvrdi da može: jednostavan indikator, poput ranih pregleda i preuzimanja, pokazuje zapanjujuću moć predviđanja dugoročnog uticaja.
Metodologija i noviteti
Istraživači su objavili velike, anonimne skupove podataka prikupljene sa arXiv-a i GitHub-a kako bi testirali pristup nazvan „lead-lag forecasting”. Ovaj pristup koristi ranu angažovanost — preglede, preuzimanja, lajkove, "stars", push-ove i forks — da bi procenio koji će radovi i projekti postati uticajni nakon nekoliko godina.
Podaci i rezultati
Tim je analizirao anonimne podatke o preuzimanjima za oko 2,3 miliona radova na arXiv-u i uporedio obrasce ranih preuzimanja sa brojem citata pet godina kasnije. Već sa podacima iz prvog meseca nakon objave mogli su značajno da predvide petogodišnju citiranost.
Slično, analiza skoro 3 miliona GitHub repozitorijuma pokazala je da rani signali — kao što su "stars" i push aktivnosti — koreliraju sa većim brojem forks i aktivnijim razvojem projekta u narednih pet godina.
Zašto ovo ima smisla
„To je kao tržište predviđanja, osim što naučnici ulažu svoje vreme, a ne novac,”
kaže suautor Yian Yin. Glavna autorka Sarah Dean naglašava da većina platformi automatski prikuplja ove vrste podataka, te da oni mogu služiti kao brzi indikator buduće relevantnosti bez čekanja godina na citate.
Moguće primene i etička razmatranja
Autori se nadaju da će objavljeni skupovi podataka pomoći drugim istraživačima da razviju preciznije alate za prognozu uticaja i da unaprede sisteme preporuka. Takođe razmatraju primenu ovih metoda za brzo otkrivanje niskokvalitetnih ili AI-generisanih radova koji bi mogli da zatrpaju arXiv i otežaju pronalaženje vrednih radova.
Međutim, postoji i upozorenje: rani angažman može odražavati trendove ili senzacionalizam, a ne nužno naučnu vrednost. Zato autori i zajednica treba da kombiniraju ove signale sa drugim merama kvaliteta i ekspertizom u procesu ocenjivanja.
Zaključak
Rezultati ukazuju da digitalna pažnja u ranim fazama može biti pouzdan prediktor dugoročnog uticaja radova i projekata. Objavljeni podaci otvaraju prostor za razvoj alata koji bi brzo identifikovali perspektivne radove — ali i za diskusiju o etičkoj upotrebi takvih sistema.
Pomozite nam da budemo bolji.
