Zastosowanie statystycznej analizy szeregów czasowych do krótkoterminowego prognozowania rozwoju dyscyplin naukowych
Łukasz Opaliński
Afiliacja: Biblioteka Politechniki Rzeszowskiej im. I. Łukasiewicza, Polska
Marcin Jaromin
Afiliacja: Wydział Chemiczny Politechniki Rzeszowskiej, Polska
Abstrakt
CEL/TEZA: Celem pracy jest opis podstaw statystycznej metody analizy szeregów czasowych, zbadanie możliwości jej zastosowania do krótkoterminowego prognozowania rozwoju dyscyplin naukowych w oparciu o dane na temat cytowalności publikacji dyscyplinarnych, wykorzystanie zapewnianej przez metodę możliwości oceny niepewności prognozy, a także interpretacja uzyskanych wyników w kategoriach naukoznawczych.
KONCEPCJA/METODY BADAŃ: W ramach niniejszego opracowania zastosowano metodę analitycznej dekompozycji szeregu czasowego jako metodę wyodrębniania trendu rozwojowego w oparciu o dane na temat dynamiki zjawisk masowych. Zjawiskiem masowym było w tym przypadku cytowanie literatury naukowej w polskojęzycznej sferze nauk o Ziemi. Metoda polega w głównej mierze na sformułowaniu równania opisującego ilościowo przebieg zjawiska z rozróżnieniem trendu głównego oraz składowej odpowiadającej wahaniom przypadkowym. Równanie stanowi podstawę przewidywania przyszłych wartości szeregu czasowego. WYNIKI I WNIOSKI: Uzyskane wyniki przemawiają za możliwością efektywnego zastosowania statystycznej analizy szeregów czasowych do krótkoterminowego prognozowania tempa rozwoju dyscyplin naukowych. W przypadku zrealizowanego badania prognozy okazały się akceptowalne dla dwuletniego horyzontu prognozy, chociaż istnieją podstawy, aby przypuszczać, że skonstruowanie prognoz w postaci przedziałów ufności lub nieznaczne zmodyfikowanie metody mogłoby wydłużyć ten okres. Wyniki zinterpretowano w kategoriach naukoznawczych jako uproszczony indeks natychmiastowości dyscyplin, który jest szczególnie predysponowany do praktycznych zastosowań komparatywnych.
ORYGINALNOŚĆ/WARTOŚĆ POZNAWCZA: W ramach analizy literatury przedmiotu nie natrafiono na przykłady badań, które byłyby prowadzone w sposób zaproponowany w ramach niniejszej publikacji. Analiza szeregów czasowych była wcześniej stosowana jedynie do wyników podziału zbioru publikacji dyscyplinarnych na, nazywane „klastrami”, podzbiory prac w założeniu reprezentatywnych dla określonych subdyscyplin. Operacja podziału jest zawsze dokonywana w oparciu o jedno z wielu dostępnych kryteriów podobieństwa publikacji, a w szczególności kryterium oparte na współwystępowaniu słów i terminów kluczowych oraz w oparciu o bardzo liczne i dające różne efekty algorytmy grupujące. Wydaje się w związku z tym, że podejście oparte na bezpośredniej cytowalności publikacji pozwala wyeliminować ze zbioru wyników element pewnej niejednoznaczności (względności) uwarunkowany znaczącym zróżnicowaniem i brakiem uniwersalności w zakresie sposobu działania algorytmów grupujących oraz kryteriów kognitywnego podobieństwa publikacji naukowych.
Słowa kluczowe
Analiza szeregów czasowych; Bibliometria; Czasopisma naukowe; Metody statystyczne w informatologii; Rozwój dyscyplin naukowych
Bibliografia
Aczel, A.D. (2007). Statystyka w zarządzaniu. Warszawa: PWN.
Bornmann, L., Daniel, H-D. (2008). What Do Citation Counts Measure? A Review of Studies on Citing Behavior. Journal of Documentation, 64(1), 45–80.
Boyack, K.W., Klavans, R. (2014). Creation of Highly Detailed, Dynamic, Global Model and Map of Science. Journal of the Association for Information Science and Technology, 65(4), 670–685.
Braun, T., Schubert, A., Kostoff, R. (2000). Growth and Trends of Fullerene Reserch as Reflected in Its Journal Literature. Chemical Reviews, 100(1), 23–37.
Burrell, Q. (2001). Stochastic Modelling of the First-Citation Distribution. Scientometrics, 52(1), 3–12.
Burton, R.E., Kebler, R.W. (1960). The ‘Half-Life’ of Some Scientific and Technical Literatures. American Documentation, 11(1), 18–22.
Chen, Ch. (2006). CiteSpace II: Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature. Journal of the American Society for Information Science and Technology, 57(3), 359–377.
Costas, R., van Leeuwen, T.N., van Raan, A.F.J. (2010). Is Scientific Literature Subject to a ‘Sell-By-Date’? A General Methodology to Analyze the ‘Durability’ of Scientific Documents. Journal of the American Society for Information Science and Technology, 61(2), 329–339.
De Gooijer, J.G., Hyndman, R.J. (2006). 25 Years of Time Series Forecasting. International Journal of Forecasting, 22(3), 443–473.
Diodato, V. (1994). Dictionary of Bibliometrics. New York: London: Norwood: The Haworth Press.
Diodato, V., Smith, F. (1993). Obsolescence of Music Literature. Journal of the American Society for Information Science, 44(2), 101–112.
Ena, O., Mikova, N., Saritas, O., Sokolova, A. (2016). A Methodology for Technology Trend Monitoring: The Case of Semantic Technologies. Scientometrics, 108(3), 1013–1041.
Garfield, E. (1985). The Articles Most Cited in the SCI from 1961 to 1982. Another 100 Citation Classics: The Watson-Crick Double Helix Has Its Turn [online]. Essays of an Information Scientist, 8, 187–196, [21.12.2017], http://garfield.library.upenn.edu/essays/v8p187y1985.pdf
Garfield, E. (2004). Historiographic Mapping of Knowledge Domains Literature. Journal of Information Science, 30(2), 119–145.
Gelper, S., Fried, R., Croux, Ch. (2007). Robust Forecasting with Exponential and Holt–Winters Smoothing. Journal of Forecasting, 29(3), 285–300.
Glänzel, W. (2004). Towards a Model for Diachronous and Synchronous Citation Analyses. Scientometrics, 60(3), 511–522.
Guo, H., Weingart, S., Börner, K. (2011). Mixed-Indicators Model for Identifying Emerging Research Areas. Scientometrics, 89(1), 421–435.
Hirshey, M. (2009). Fundamentals of Managerial Economics. Mason, OH: South-Western Cengage Learning.
Huang, M-H., Chang, C-P. (2015). A Comparative Study on Detecting Research Fronts in the Organic Light-Emitting Diode (OLED) Field Using Bibliographic Coupling and Co-Citation. Scientometrics, 102(3), 2041–2057.
Kildiszew, G., Frenkel, A. (1976). Analiza szeregów czasowych i prognozowanie. Warszawa: PWE.
Krawiec, S. (2014). Adaptacyjne modele wygładzania wykładniczego jako instrumenty prognozowania krótkoterminowego zjawisk ilościowych. Gliwice: Wydaw. Politechniki Śląskiej.
Krzysztofiak, M., Luszniewicz, A. (1976). Statystyka. Warszawa: PWE.
Kuhn, T.S. (2001). Struktura rewolucji naukowych. Warszawa: Fundacja Aletheia.
Levitt, J.M., Thelwall, M. (2008). Patterns of Annual Citation of Highly Cited Articles and the Prediction of Their Citation Ranking: A Comparison Across Subjects. Scientometrics, 77(1), 41–60.
Łapkowska-Baster, B. (2009). Miary współzależności i dynamiki zjawisk w statystyce opisowej. Przykłady i zadania. Kraków: Wydaw. Uniwersytetu Jagiellońskiego.
Opaliński, Ł. (2017a). Bibliometryczna metodologia prognozowania i oceny rozwoju dyscyplin naukowych. Analiza piśmiennictwa. Część 1: Publikacje pionierskie, metoda powiązań bibliograficznych, metoda współcytowań i metoda współwystępowania specjalistycznej terminologii naukowej. Zagadnienia Informacji Naukowej. Studia Informacyjne, 109(1), 34–65.
Opaliński, Ł. (2017b). Bibliometryczna metodologia prognozowania i oceny rozwoju dyscyplin naukowych. Analiza piśmiennictwa. Część 2: badania porównawcze, hybrydowe, statystyczne, analizy dokumentów patentowych, ścieżek rozwoju dyscyplin oraz pozostałe oryginalne podejścia metodologiczne. Zagadnienia Informacji Naukowej. Studia Informacyjne, 110(2), 74–106.
Price, D. de Solla (1967). Mała Nauka – Wielka Nauka. Warszawa: PWN.
Pritchard, A. (1969). Statistical Bibliography or Bibliometrics? Journal of Documentation, 25(4), 348–349.
Purczyński, J. (2010). Wybrane problemy stosowania trendu wielomianowego w prognozowaniu gospodarczym. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług, 60, 324–339.
Purczyński, J. (2014). Wybrane aspekty prognozowania z wykorzystaniem klasycznych modeli trendu. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, 36(2), 119–130.
Redner, S. (1998). How Popular is Your Paper? An Empirical Study of the Citation Distribution. The European Physical Journal B-Condensed Matter and Complex Systems, 4(2), 131–134.
Seglen, P.O. (1992). The Skewness of Science. Journal of the American Society for Information Science, 43(9), 628–638.
Shibata, N., Kajikawa, Y., Takeda, Y., Matsushima, K. (2008). Detecting Emerging Research Fronts Based on Topological Measures in Citation Networks of Scientific Publications. Technovation, 28(11), 758–775.
Skalska-Zlat, M. (1993). Bibliometryczne badania rozwoju dyscypliny naukowej. Seria: Bibliotekoznawstwo XVII. Wrocław: Wydaw. UWr.
Skalska-Zlat, M. (1999). Bibliografia jako odbicie rozwoju nauki. Zagadnienia Naukoznawstwa, 1(139), 57–63.
Small, H., Boyack, K.W., Klavans, R. (2014). Identifying Emerging Topics in Science and Technology. Research Policy, 43(8), 1450–1467.
Snarska, A. (2011). Statystyka. Ekonometria. Prognozowanie. Ćwiczenia z Excelem 2007. Warszawa: Placet.
Sobczyk, M. (2008). Prognozowanie. Teoria, przykłady, zadania. Warszawa: Placet.
Sobczyk, M. (2015). Statystyka. Warszawa: PWN.
Stinson, E.R., Lancaster, F.W. (1987). Synchronous Versus Diachronous Methods in the Measurement of Obsolescence by Citation Studies. Journal of Information Science, 13(2), 65–74.
Szkutnik, W., Przybylska-Mazur, A. (2008). Algebra liniowa dla studiów ekonomicznych: metody i zadania, algebra macierzy. Katowice: Wydaw. Uczelniane Akademii Ekonomicznej im. Karola Adamieckiego.
Takeda, Y., Kajikawa, Y. (2009). Optics: A Bibliometric Approach to Detect Emerging Research Domains and Intellectual Bases. Scientometrics, 78(3), 543–558.
Trajdos, T. (2013). Matematyka. Cz. 3, Liczby zespolone, wektory, macierze, wyznaczniki, geometria analityczna i różniczkowa. Warszawa: WNT.
Tu, Y-N., Hsu, S-L. (2016). Constructing Conceptual Trajectory Maps to Trace the Development of Research Fields. Journal of the Association for Information Science and Technology, 67(8), 2016–2031.
Van Dalen, H.P., Henkens, K. (2005). Signals in Science – On the Importance of Signaling in Gaining Attention in Science. Scientometrics, 64(2), 209–233.
Wang, Ch-Ch., Ho, Y-S. (2016). Research Trend of Metal-Organic Frameworks: A Bibliometric Analysis. Scientometrics, 109(1), 481–513.
Yaffee, R.A., McGee, M. (2000). Introduction to Time Series Analysis and Forecasting: With Applications of SAS and SPSS. San Diego: Academic Press.
Zeliaś, A. (1997). Teoria prognozy. Warszawa: PWE.
Zeliaś, A., Pawełek, B., Wanat, S. (2013). Prognozowanie ekonomiczne. Teoria, przykłady, zadania. Warszawa: PWN.
Żurowska, J. (2005). Zastosowanie modelu trendu wielomianowego do opisu kształtowania się wskaźnika motoryzacji w Polsce w latach 1980–2004. Transport Miejski i Regionalny, 12, 15–21.
Afiliacja: Biblioteka Politechniki Rzeszowskiej im. I. Łukasiewicza, Polska
Biogram:
Łukasz Opaliński uzyskał tytuł magistra w zakresie nauki o języki i komunikacji (jako specjalności wyodrębnionej z kierunku filozofia) na Uniwersytecie Marii Curie-Skłodowskiej w Lublinie w 2005 r. Ukończył
studium podyplomowe „Technologie informacyjne i bibliotekoznawstwo” w Wyższej Szkole Informatyki i Zarządzania z siedzibą w Rzeszowie w 2009 r. oraz studium podyplomowe „Bibliotekarz dziedzinowy” w Instytucie Informacji Naukowej i Bibliotekoznawstwa Uniwersytetu Jagiellońskiego w 2012 r. Pracuje w Oddziale Informacji Naukowej Biblioteki Politechniki Rzeszowskiej na stanowisku bibliotekarza. Najważniejsze publikacje: Ł. Opaliński (2012). Niealfabetyczne systemy piśmiennicze a komunikacja językowa w Internecie [online]. Podkarpackie Studia Biblioteczne, 1/2012, 1–19, [25. 02. 2017], http://repozytorium.ur.edu.pl/handle/item/180; Ł. Opaliński (2013). Wybrane aspekty metodologii badań cyklu życiowego publikacji naukowych. Przegląd Biblioteczny, 81(2), 152–171; Ł. Opaliński, M. Jaromin, J. Wikiera (2015). Problem stabilności zachowań naukowców w zakresie cytowań w kontekście metodologii badań starzenia się publikacji
naukowych i możliwość jego ujęcia ilościowego. Zagadnienia Informacji Naukowej, 53(2/106), 65–83. Rola w przygotowaniu artykułu: Opracowanie części teoretycznej, analiza literatury przedmiotu, opracowanie wykresów, tabel i aneksów, zebranie danych empirycznych i interpretacja wyników badania. Udział: 60%.
Kontakt z autorem:
lopa@prz.edu.pl
Oddział Informacji Naukowej Biblioteki Politechniki Rzeszowskiej
al. Powstańców Warszawy 12
35–959 Rzeszów
Afiliacja: Wydział Chemiczny Politechniki Rzeszowskiej, Polska
Biogram:
Marcin Jaromin pracuje na stanowisku asystenta w Zakładzie Biotechnologii i Bioinformatyki Wydziału Chemicznego Politechniki Rzeszowskiej. Tytuł magistra inżynieria uzyskał w 2004 r. na Wydziale Chemicznym Politechniki Rzeszowskiej oraz, równolegle, w 2005 r. na Wydziale Elektrotechniki i Informatyki Politechniki Rzeszowskiej. Specjalizuje się w dziedzinie bioinformatyki i statystyki matematycznej. W dniu 11 stycznia 2012 r. Rada Wydziału Chemicznego podjęła decyzję o otwarciu jego przewodu doktorskiego. Najważniejsze publikacje: B. Dębska, M. Jaromin (2006). Komputerowo wspomagany dobór materiałów inżynierskich w procesie projektowania. W: B. Dębska, G. Fic (red.), Systemy Informacyjne w Chemii. Tom 3. Rzeszów: Oficyna Wydaw. Politechniki Rzeszowskiej, 37–46.; B. Dębska, M. Jaromin, P. Peszko (2006). Nowe metody kształcenia studentów na kierunku Technologia Chemiczna. Przemysł Chemiczny, 85(8–9),
1171–1174; A. Bocian, K. Hus, M. Jaromin, M. Tyrka, A. Łyskowski (2017). Identification of Proteins Differentially Accumulated in Enterococcus Faecalis Under Acrylamide Exposure. Turkish Journal of Biology, 41(1), 166–177.
Rola w przygotowaniu artykułu: analiza statystyczna. Udział: 40%.
Kontakt z autorem:
mjaromin@prz.edu.pl
Wydział Chemiczny Politechniki Rzeszowskiej
al. Powstańców Warszawy 6
budynek H, pokój H-242
35–959 Rzeszów
CC BY-NC-ND 4.0 Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0 Międzynarodowe
