Ερευνητές του Πανεπιστημίου Cornell ανακάλυψαν έναν τρόπο να εντοπίζουν τις μελλοντικές επιτυχίες στον χώρο της έρευνας, πολύ πριν αυτές γίνουν πραγματικά δημοφιλείς. Η μέθοδος των ερευνητών βασίζεται σε κάτι εξαιρετικά απλό: Στα πρώιμα downloads μιας επιστημονικής εργασίας – στοιχείο που, όπως αποδεικνύεται, μπορεί να προβλέψει τη μελλοντική της απήχηση χρόνια νωρίτερα.
Η μέθοδος του lead-lag forecasting
Η ομάδα δημοσίευσε νέα σύνολα δεδομένων που αντλήθηκαν από το arXiv – το βασικό αποθετήριο για εργασίες που δεν έχουν ακόμη περάσει από κρίση – καθώς και από το GitHub, την πλατφόρμα όπου οι προγραμματιστές αποθηκεύουν και μοιράζονται τα projects τους.
Στόχος ήταν η δοκιμή του λεγόμενου lead-lag forecasting, μιας μεθόδου που αξιοποιεί την πρώιμη ενασχόληση του κοινού – προβολές, downloads και likes – για να προβλέψει ποιες εργασίες ή projects θα αποδειχθούν σημαντικά χρόνια αργότερα.
Γιατί λειτουργεί
Σήμερα, η σημασία μιας επιστημονικής εργασίας κρίνεται από το πόσο συχνά την αναφέρουν άλλοι ερευνητές. Το πρόβλημα είναι ότι οι αναφορές αυτές μπορεί να χρειαστούν χρόνια για να εμφανιστούν.
Αντί, λοιπόν, να περιμένουν τις παραπομπές, οι ερευνητές εστίασαν στην ταχύτητα με την οποία οι άνθρωποι αρχίζουν να διαβάζουν μια εργασία μόλις αυτή δημοσιευθεί. Ο συν-συγγραφέας της μελέτης, Yian Yin, παρομοιάζει τη διαδικασία με μια αγορά προβλέψεων – με τη διαφορά ότι οι επιστήμονες ποντάρουν τον χρόνο τους αντί για χρήματα.
Η επικεφαλής συγγραφέας, Sarah Dean, σημειώνει ότι κάθε πλατφόρμα συλλέγει ήδη σήμερα αυτού του είδους τα δεδομένα ενασχόλησης – και ότι τα δεδομένα αυτά αποδεικνύονται εκπληκτικά ισχυρός προγνωστικός δείκτης.
Τα αποτελέσματα της έρευνας
Η ομάδα άντλησε ανώνυμα δεδομένα downloads από 2,3 εκατομμύρια εργασίες του arXiv και συνέκρινε τα πρώιμα downloads με τον αριθμό των αναφορών πέντε χρόνια αργότερα.
Το εύρημα είναι εντυπωσιακό: με δεδομένα downloads ενός μόλις μήνα, οι ερευνητές μπορούσαν ήδη να προβλέψουν τη δημοτικότητα μιας εργασίας σε ορίζοντα πενταετίας.
Το ίδιο ισχύει και για τον κώδικα
Η μέθοδος αποδείχθηκε εξίσου αποτελεσματική και σε εντελώς διαφορετικό πεδίο. Η ομάδα ανέλυσε επίσης pushes, stars και forks από σχεδόν 3 εκατομμύρια repositories του GitHub, διαπιστώνοντας ότι το ίδιο μοτίβο ισχύει.
Τα πρώιμα stars και pushes μεταφράζονταν, τελικά, σε περισσότερα forks πέντε χρόνια αργότερα. Το γεγονός ότι η ίδια λογική λειτουργεί τόσο στην ακαδημαϊκή έρευνα όσο και στην ανάπτυξη λογισμικού ενισχύει σημαντικά την αξιοπιστία της μεθόδου.
Οι πρακτικές εφαρμογές
Οι ερευνητές ελπίζουν ότι τα σύνολα δεδομένων που δημοσίευσαν θα βοηθήσουν άλλους να αναπτύξουν ακόμη ακριβέστερα εργαλεία πρόβλεψης.
Υπάρχει, ωστόσο, και μια δεύτερη, ιδιαίτερα επίκαιρη εφαρμογή. Γίνεται ήδη λόγος για την αξιοποίηση της μεθόδου στον εντοπισμό εργασιών χαμηλής ποιότητας, παραγόμενων από τεχνητή νοημοσύνη, οι οποίες κατακλύζουν το arXiv – πριν αυτές επιβαρύνουν περαιτέρω την πλατφόρμα.
Γιατί έχει σημασία
Η αξία της μεθόδου ξεπερνά την ακαδημαϊκή περιέργεια. Η ικανότητα πρόβλεψης της σημασίας μιας εργασίας μέσα σε έναν μήνα, αντί για πέντε χρόνια, θα μπορούσε να μεταμορφώσει τον τρόπο με τον οποίο κατανέμονται οι ερευνητικοί πόροι.
Χρηματοδοτικοί οργανισμοί, πανεπιστήμια και ερευνητικά κέντρα θα μπορούσαν να εντοπίζουν πολλά υποσχόμενες κατευθύνσεις πολύ νωρίτερα, στηρίζοντας έγκαιρα εργασίες που διαφορετικά θα χρειάζονταν χρόνια για να αναγνωριστούν.
Η ίδια μέθοδος, ωστόσο, εγείρει και εύλογα ερωτήματα. Η μετατροπή της πρώιμης δημοτικότητας σε κριτήριο αξίας ενέχει τον κίνδυνο να ενισχύσει φαινόμενα αυτοεκπληρούμενης προφητείας – όπου εργασίες που τραβούν νωρίς την προσοχή λαμβάνουν περισσότερους πόρους και, ως εκ τούτου, καταλήγουν πράγματι πιο επιδραστικές. Η ισορροπία ανάμεσα στην αξιοποίηση των δεδομένων και στη διατήρηση της επιστημονικής αντικειμενικότητας θα είναι, επομένως, κρίσιμη.
