CC BY
8
Вестник Томского государственного университета. Философия. Социология. Политология. 2024.
№ 79. С. 221-232.
Tomsk State University Journal of Philosophy, Sociology and Political Science. 2024. 79. pp. 221-232.
Научная статья УДК 316.35
doi: 10.17223/1998863Х/79/20
ИЗУЧЕНИЕ СЕТЕЙ КОЛЛАБОРАЦИЙ РОССИЙСКИХ СОЦИОЛОГОВ: МЕТОДОЛОГИЧЕСКИЙ ПОДХОД И ЕГО АПРОБАЦИЯ
Дарья Васильевна Мальцева1, Арюна Витальевна Ким2, Тамара Евгеньевна Щеглова3
1 '2' 3 Национальный исследовательский университет «Высшая школа экономики»,
Москва, Россия 1 [email protected]
2 [email protected] 3 [email protected]
Аннотация. Представлен общий методологический подход к использованию библио-метрического анализа для изучения различных видов сетей коллаборации российских социологов, который апробируется на данных об участии социологов в международных конференциях ESA и ISA в 2010-2019 гг. Подход может быть применен для анализа публикаций российских социологов на русском языке.
Ключевые слова: коллаборация ученых, социологическое сообщество, социальная структура, сетевой анализ, библиометрический анализ
Благодарности: проект «Паттерны коллаборации в российском социологическом сообществе: структура научных школ и возможные точки роста» выполняется в рамках гранта Российского научного фонда № 21-78-00077 по Соглашению от 27.07.2021. Руководитель - Мальцева Дарья Васильевна.
Благодарим сотрудников МЛ ПСА НИУ ВШЭ за обсуждение проекта и стажера-исследователя Н.П. Бузину за помощь в подготовке базы данных.
Для цитирования: Мальцева Д.В., Ким А.В., Щеглова Т.Е. Изучение сетей коллабо-раций российских социологов: методологический подход и его апробация // Вестник Томского государственного университета. Философия. Социология. Политология. 2024. № 79. С. 221-232. doi: 10.17223/1998863Х/79/20
Original article
STUDYING COLLABORATIVE NETWORKS OF RUSSIAN SOCIOLOGISTS: A METHODOLOGICAL APPROACH
AND ITS TESTING
Daria V. Maltseva1, Aryuna V. Kim2, Tamara E. Scheglova3
1 2' 3 National Research University Higher School of Economics, Moscow, Russian Federation
1 [email protected] 2 [email protected], [email protected]
Abstract. Modern science research proceeds from the importance of studying social interaction between scientists to determine the effectiveness of research teams and form an idea of the structural changes necessary to increase their competitiveness. The community of Russian sociologists is characterized by weak integration into foreign sociological science and selective representation of researchers in the world scientific discourse due to the
© Д.В. Мальцева, А.В. Ким, Т.Е. Щеглова, 2024
peculiarities of its formation, as well as disintegration at the local level due to the high level of centralization and inequality between the capital cities and regions in modern Russia. This study is aimed at studying collaborative networks in the scientific community of Russian sociologists in the period from 2010 to 2019. The main method of data analysis is the bibliometric network analysis of publications, which is a special case of applying the social network analysis methodology. The article presents a general methodological approach to the analysis of collaborative networks of Russian authors, which includes the formation of a bibliographic data base, the construction of collaborative networks, and a description of the network analysis strategy for studying collaboration in the community of Russian sociologists. The proposed approach is tested based on the analysis of data on the participation of Russian sociologists in conferences of the international sociological associations ESA and ISA in 2010-2019 and can be used for further analysis of publications of Russian sociologists. The results showed many unrelated groups of authors at the local level. At the same time, the links between the authors are well expressed at the level of organizations; there is a high level of geographical centralization and the dominance of three main institutions - the Russian Academy of Sciences, the National Research University Higher School of Economics and Saint Petersburg State University. This confirms the initial assumptions and actualizes the research questions of the study. The next step in the development of the methodology is the description of a workflow using specific tools and algorithms for collecting, processing, and analyzing data from Russian-language publications. In addition to the substantive interest, the scientific novelty and practical significance of the project lies in the development of an integrated methodological approach for the analysis of bibliographic data in Russian.
Keywords: collaboration, sociological community, social structure, network analysis, bibli-ometric analysis
Acknowledgements: The study is supported by the Russian Science Foundation, Project No. 21-78-00077. We thank the staff of the International Laboratory for Applied Network Analysis of the National Research University Higher School of Economics for discussing the project and trainee researcher N.P. Buzina for her assistance in preparing the database.
For citation: Maltseva, D.V., Kim, A.V. & Scheglova, T.E. (2024) Studying collaborative networks of russian sociologists: a methodological approach and its testing. Vestnik Tomskogo gosudarstvennogo universiteta. Filosofiya. Sotsiologiya. Politologiya - Tomsk State University Journal of Philosophy, Sociology and Political Science. 79. pp. 221-232. (In Russian). doi: 10.17223/1998863Х/79/20
Введение
Современные исследования науки исходят из важности изучения социального взаимодействия между учеными и их коллективами для определения их эффективности и успешно используют инструменты библиометрического анализа для изучения сетей соавторства и коллаборации.
Наш исследовательский проект нацелен на изучение современной структуры коллаборации в научном сообществе российских социологов, выделение присущих ей паттернов и выявление возможных точек роста для интернационализации и повышения их конкурентоспособности. Выбор сообщества социологов как фокуса анализа определяется: 1) нелинейным характером развития социологической дисциплины и профессионального сообщества; 2) дезинтеграцией в сообществе социологов на локальном уровне; 3) слабой интеграцией российских социологов в зарубежную социологическую науку.
Для построения сетей коллабораций между российскими социологами используется методология библиометрического сетевого анализа. Помимо содержательного интереса научная новизна и практическая значимость проекта состоят в разработке комплексного методологического подхода для анализа библиографических данных на русском языке.
Литературный обзор
При изучении научной коллаборации сети соавторства используются для анализа научных областей, представленных глобально (наукометрика и ин-форметрика [1, 2], анализ социальных сетей [3, 4]) и на национальном уровне (информационные науки в Аргентине [5], экономика в Польше [6]). На основе данных о соавторстве изучаются паттерны коллаборации в различных науках и проводится их сравнение (биология, физика и математика [7, 8], математика и нейронаука [9], все дисциплины в Словении [10, 11]). Сети соавторства изучены на многонациональном [12] и международном [13] уровнях. На их основе изучаются тренды в социологической науке в США [14, 15], США и Франции [16], Словении [17].
Хотя в российской научной периодике появляются публикации, где биб-лиометрический анализ применяется для изучения научных областей на международном уровне [18, 19], его использование для анализа отечественной науки представлено несколькими примерами: изучением этнологии и социологии [20, 21] и группы петербургских социологов [22].
Исследования показывают, что академические сообщества имеют иерархическую структуру «ядро-периферия» [9]. Исследование петербургских социологов [22] показало наличие трех групп, отличающихся по характеристикам и научным ориентирам.
О наличии иерархизированных структур в российском социологическом сообществе говорят и другие исследования. Сетевой анализ биографических интервью [23] выделил «звезд», вокруг которых формируются группы. Изучение сообщества «прикладных» социологов [24] показало, что коммуникации между организациями относятся к типу «заказчик - исполнитель». Исследования структуры коммуникации в онлайн-сообществе социологов [25, 26] показало, что оно состоит из ядра и периферийных групп. Содержательное объяснение характеристик взаимодействия может быть взято у М.М. Соколова и К.Д. Титаева [27], выделяющих три типа научной коммуникации: столичную, периферийную и туземную науки.
Обзор подтверждает предположение для формирования проблематики исследования: российское социологическое сообщество является неоднородным и включает группы, состоящие в различных отношениях. В отличие от предыдущих работ, мы рассматриваем все сообщество российских социологов. Библиографическая информация почти не используется в российских исследованиях; закрывая этот лаг, исследование предлагает методологический подход к использованию библиометрического анализа для анализа сетей коллаборации российских социологов.
Методологический подход
Методология библиометрического анализа
Библиометрический анализ основан на применении математических и статистических методов для анализа библиографической информации. Анализ библиографических сетей - частный случай применения методологии анализа социальных сетей. Он основан на построении и анализе сетей соавторства и коллаборации, цитирования и социтирования, библиографического сочленения соприсутствия библиометрических единиц анализа. Направление
способно показать закономерности развития взаимодействия в научном сообществе, определить его структуру, динамику, направления исследований.
Применяемая методология анализа библиографических сетей разработана В. Батагелем, А. Ферлигой и П. Дореаном [28] и уже использовалась для анализа научных сетей в области сетевого анализа [3], блокмоделинга [28], научного рецензирования [29], наукометрии [30]. В отечественной литературе методология представлена при описании алгоритмического подхода к систематическому обзору литературы [17] и использовалась для изучения развития социологии [18].
Основные шаги методологии заключаются в 1) формировании базы библиографических данных, 2) построении сетей в зависимости от предмета исследования и 3) применении методов сетевого анализа для определения трендов изучаемой области. Ниже эти шаги рассмотрены применительно к изучению сетей коллаборации в сообществе российских социологов.
Формирование базы данных
Базы данных научных публикаций являются важным источником объективной ретроспективной и актуальной информации о коммуникации в научной среде. Оригинальная методология библиометрического анализа [18, 19, 28] подразумевает использование информации о публикациях из базы Web of Science (WoS). Публикации российских авторов в этой базе могут быть найдены в базах WoS Core Collection и Russian Science Citation Index (RSCI). Использование первой коллекции занижает количество работ российских социологов, а второй - сложноосуществимо в связи с неоптимальной фильтрацией.
Коллекция RSCI представлена в библиотеке eLibrary, где каждый зарегистрированный ученый получает уникальный идентификатор автора, что позволяет решать проблему дизамбигуации. Альтернативой могут выступать другие электронные библиотеки (КиберЛенинка) и базы, составленные на основе массива экспертно отобранных публикаций (что трудоемко для большого объема данных).
Другими источниками данных о научной коммуникации являются информация об участии в конференциях, данные об организационных аффили-ациях и информация, полученная в ходе опросов.
Использование русскоязычных данных в качестве источника информации требует разработки методологии сбора, предобработки и анализа данных, аналогичной используемой в оригинальной методологии [28].
Построение сетей коллабораций
Сети коллабораций основаны на отношениях соавторства. Для их построения используются двумодальные сети «Работа - Автор» WA, где первый набор узлов составляют произведения (Works), а второй - их авторы (Authors). Сети коллабораций являются производными и строятся через перемножение сети на саму себя [28, 30]. Публикации выступают посредниками, через которых происходит объединение авторов, поэтому двумодальная сеть транспонируется: первый набор узлов составляют авторы, второй - их работы. В результате строятся сети соавторства Co = WAT * WA, где сила связи между двумя авторами Co[a,b] показывает количество работ, которые
авторы a и b подготовили совместно. Вес петлей в таких сетях соответствует общему числу работ авторов.
Более сложные способы построения сетей коллаборации подразумевают предварительную нормализацию двумодальных сетей, необходимую для учета вклада авторов, через фракционный подход [28, 30]. В нормализованной сети n(WA) предполагается, что каждый соавтор делает одинаковый вклад в статью, и вес связи делится на количество авторов работы (исходящая центральность). Общий вклад каждой работы равен 1 (max в формуле задается для учета работ, не имеющих авторов):
n(WA) [w, a] = WA[w, a] / max(1, outdegWA(w)).
Более строгая процедура нормализации [7] понимает силу связи между авторами как пропорцию времени, затраченного на коллаборацию только с другими соавторами, поэтому из значения входящей степени центральности автора удаляется 1 (коллаборация с собой):
n'(WA) [w, a] = WA[w, a] / max(1, outdegWA(w) - 1).
Сеть коллаборации второго типа Cn [30] принимает во внимание вклад авторов в свои собственные работы и статьи, подготовленные в соавторстве. Сеть строится через перемножение транспонированной исходной сети с нормализованной сетью:
^w = WAT * n(WA).
Сила связи между авторами a и b равна вкладу автора a в статьи, написанные совместно с автором b (может быть ассиметричен). Значения петлей обозначают общий фракционный вклад автора в свои работы. Предложен [30] индекс самодостаточности (self-sufficiency) Sa - пропорция авторского вклада в свои работы и общего количества его работ. Комплементарным для этого индекса является индекс коллаборативности (collaborativeness) Ka -тенденция автора к работе с другими:
Sa = Cn[a, a] / indegWA(a);
Ka =1 - Sa.
Перемножая нормализованные двумодальные сети, строится сеть колла-борации третьего типа Ct:
Ow = n(WA)T * n(WA).
Веса связей между авторами симметричны, сила связи между авторами a и b равна общему фракционному вкладу авторов в статьи, подготовленные совместно. Общий вклад автора в поле рассчитывается как сумма весов всех подготовленных им статей (включая статьи без соавторов, вклад в которые указан в петлях).
Сеть коллаборации четвертого типа Ct' строится через перемножение транспонированной двумодальной сети, нормализованной стандартно, и дву-модальной сети, построенной со строгой нормализацией [7] :
Q'w = n(WA)T * n'(WA).
Полученные сети являются ненаправленными и не имеют петлей. Сила связи между авторами a и b равна общему фракционному вкладу строгой коллаборации авторов в работы, написанные совместно.
Производные сети
Поскольку двумодальные сети являются связанными и могут быть перемножены в различных комбинациях, сети коллабораций могут быть дополне-
ны информацией об авторах или публикациях. Информация об аффилиации авторов (организация, страна, регион) формирует сеть «Автор-Аффилиация», которая может быть перемножена аналогичным образом в сеть связей между организациями или странами, что позволяет выйти на более высокие - мезо-и макроуровни анализа научного взаимодействия. Информация о ключевых словах в публикациях формирует сеть «Публикация - Ключевые слова», перемножение которой на сеть «Работа - Автор» позволяет получить сеть «Автор - Ключевые слова», дающую информацию о ключевых темах, характерных для (групп) авторов.
Стратегия анализа данных
Методы сетевого анализа подходят для изучения объекта исследования на разных уровнях. На микроуровне для выделения важных узлов используются метрики входящей и исходящей центральности. На мезоуровне важные подгруппы в сети получаются с помощью метода удаления связей, оставляющего в сети подструктуру с узлами, имеющими связи выше порогового значения, и через подход островов, выделяющий локально доминирующие группы узлов с более высокой сплоченностью внутри своей группы, чем с узлами-соседями за ее пределами [31. P. 432-433].
Описание общих характеристик коллаборации на макроуровне осуществляется с помощью статистических методов анализа. Общую структуру сети коллаборации можно определить с помощью кластеризации сетевых данных - блокмоделинга [32], способного выделять подгруппы узлов со схожими моделями отношений с другими узлами и интерпретировать структуру отношений между кластерами.
С точки зрения исследовательского инструментария построение сетей и их анализ в оригинальной методологии выполняются в программе Pajek [31].
Апробация
Апробация предложенного методологического подхода проводилась на основе анализа данных о докладах российских социологов на международных конференциях Всемирной и Европейской социологических ассоциаций в 2010-2019 гг. Коллаборация понимается как соавторство научного доклада: если несколько исследователей выступают авторами одного доклада, между ними выстраивается связь.
Данные
В базу данных вошли доклады с конференций ESA (2011, 2013, 2015, 2017, 2019 гг.), ISA Council (2013, 2017 гг.), ISA World Congress (2010, 2014, 2018 гг.), ISA Forum (2012, 2016 гг.). Стратегия сбора данных подразумевала полуавтоматический поиск авторов в программах конференций, в аффилиа-ции которых указана страна «Russia» и дальнейшее ручное кодирование. Собрана информация о докладах (название, тип, аннотации, ключевые слова) и их авторах (ФИО, аффилиации и города).
В базу вошло 933 доклада с общим числом авторов 1 258. Число уникальных авторов составляет 618; они аффилированы с 151 научно-исследовательской и образовательной организацией из 60 городов России; 45 авторов имеют две аффилиации.
Наибольшее количество участников из России было на конференции ISA World Congress в 2014 г. - 210 человек, и на конференции ESA в 2011 г. -186 человек. Наименьшее количество участников наблюдалось на конференциях ISA Council в 2013 и 2017 гг. (рис. 1).
210
Рис. 1. Число авторов и докладов на конференциях
Из 1 303 аффилиаций авторов значительнее всего представлены организации в Москве - 776 аффилиаций (60%); Санкт-Петербурге (20%) и Новосибирске (5%). Представлены также Ростов-на-Дону, Казань, Пермь, Грозный, Саратов, Екатеринбург, Уфа.
Наиболее часто указывались организации РАН (23%), кампусов НИУ ВШЭ (23%), СПбГУ (10%). Уровень подразделений внутри организаций указан в 578 случаях. Среди организаций РАН выделяются Институт социологии в Москве (128 раз), Институт экономики и организации промышленного производства Сибирского РАН (40 раз), Институт социально-политических исследований (23 раза). В НИУ ВШЭ наиболее представлен московский кампус (251 раз), кампус в Санкт-Петербурге упоминается 37 раз, в Перми - 3 раза. Уровень факультетов и подразделений указан в 325 случаях: 181 аффилиация связана с социологией, а 144 - со смежными областями (публичная политика, иностранные языки, история и философия, менеджмент).
Большинство докладов (680, 73%) сделаны одним автором. Только четверть докладов (253) созданы в коллаборации: 21% докладов с двумя, 5% - с тремя, и 2% - с четырьмя авторами. Информация об этих докладах является основой для построения сети коллаборации.
Результаты анализа сети коллаборации
Двумодальная сеть «Доклад - Автор» RA, где первый набор узлов составляют доклады (Reports), а второй - их авторы (Authors), содержит информацию о 933 докладах и 618 авторах.
Для апробации возможностей предложенного методологического подхода была построена первая сеть соавторства CoR с 618 авторами и 312 связями.
Петли показывают количество докладов авторов. 270 узлов в этой сети являются изолированными, так как не имеют докладов в соавторстве; анализ сделан по 348 узлам.
Подход островов выделил 118 подгрупп, 68 из которых являются парами авторов. Остальные 50 подгрупп имеют размер от 3 до 10. Интересные структуры из 5 и более узлов показаны на рис. 2.
Рис. 2. Подгруппы в сети соавторства CoR
Сеть связей между аффилиациями соавторов AfA, построенная на основе сетей «Работа - Автор» и «Автор - Аффилиация», фиксирует связи между организациями. Подход островов позволил выявить 7 подгрупп с наиболее крупной структурой (68 узлов) с тремя центрами: РАН, НИУ ВШЭ и СПбГУ (рис. 3).
Рис. 3. Подгруппа в сети связей между аффилиациями соавторов AfA
Заключение
Таким образом, показана важность разработки методологии библиомет-рического анализа библиографических описаний научных публикаций на русском языке. Представлен общий методологический подход к анализу сетей коллабораций российских авторов, который апробирован на данных об участии российских социологов в конференциях социологических ассоциаций ESA и ISA. Результаты показали множество не связанных групп авторов на локальном уровне. При этом связи между авторами хорошо выражены на уровне организаций; наблюдается высокий уровень географической централизации и доминирование трех основных институтов. Это подтверждает исходные предположения и актуализирует проблематику исследования. Следующим этапом разработки методологии является описание рабочих процессов с применением конкретных инструментов и алгоритмов сбора, обработки и анализа данных русскоязычных публикаций.
Список источников
1. Maltseva D., Batagelj V. iMetrics: the development of the discipline with many names // Scientometrics. 2020. Vol. 125. Р. 313-359.
2. Hou H., Kretschmer H., Liu Z. The structure of scientific collaboration networks in Scientometrics // Scientometrics. 2008. Vol. 75, № 2. Р. 189-202.
3. Otte E., Rousseau R. Social network analysis: a powerful strategy, also for the information sciences // Journal of information Science. 2002. Vol. 28, № 6. Р. 441-453.
4. Maltseva D., Batagelj V. Collaboration Between Authors in the Field of Social Network Analysis // Scientometrics. 2022. P. 1-34.
5. Chinchilla-Rodríguez Z., Miao L., Murray D., Robinson-García N., Costas R., Sugimoto C.R. A Global Comparison of Scientific Mobility and Collaboration According to National Scientific Capacities // Front. Res. Metr. Anal. 2018. Vol. 3. P. 17.
6. LopaciukB. Collaboration strategies for publishing articles in international journals - A study of Polish scientists in economics // Social Networks. 2016. Vol. 44. Р. 50-63.
7. Newman P. The structure of scientific collaboration networks // PNAS. 2001, January 16. Vol. 98, № 2. P. 404-409.
8. Newman M.E.J. Mixing patterns in networks // Physical Review E. 2003. Vol. 67, № 2. URL: http://arxiv.org/abs/cond-mat/0209450 (accessed: 10.11.2019).
9. Barabási A.-L. Statistical Mechanics of Complex Networks // Reviews of Modern Physics. 2002. Vol. 74. Р. 47-97.
10. Kronegger L., Ferligoj A., Doreian P. On the Dynamics of National Scientific Systems // Quality & Quantity. 2011. № 45 (5). Р. 989-1015.
11. Ferligoj A., Kronegger L., Mali F. Scientific collaboration dynamics in a national scientific system // Scientometrics. 2015. Vol. 104. Р. 985-1012.
12. Glanzel W., Schubert A. Analysing Scientific Networks Through Co-Authorship // Handbook of Quantitative Science and Technology Research. 2005. Р. 257-276.
13. Wagner C.S., Leydesdorff L. Network structure, self-organization, and the growth of international collaboration in science // Research policy. 2005. Vol. 34, № 10. Р. 1608-1618.
14. Moody J. The Structure of a Social Science Collaboration Network: Disciplinary Cohesion from 1963 to 1999 // American Sociological Review. 2004. Vol. 69, № 2. Р. 213-238.
15. Hunter L., Leahey E. Collaborative research in sociology: Trends and contributing factors // American Sociologist. 2008. Vol. 39. Р. 290-306.
16. Pontille D. Authorship Practices and Institutional Contexts in Sociology: Elements for a Comparison of the United States and France // Science, Technology, & Human Values. 2003. Vol. 28, № 2. Р. 217-243.
17. Mali F. Turning science transdisciplinary: Is it possible for the new concept of cross-disciplinary cooperations to enter Slovenian science and policy? // Modern RISC-Societies: Towards a New Paradigm for Societal Evolution / eds. L. Kajfez-Bogataj, K.H. Müller, I. Svetlik, N. Tos. 2010. Р. 461-474.
18. Моисеев С.П., Мальцева Д.В. Отбор источников для систематического обзора литературы: сравнение экспертного и алгоритмического подходов // Социология: методология, методы, математическое моделирование (4М). 2019. № 47. С. 7-43.
19. Булычева Е.Е., Мальцева Д.В. Выделение актуальных тематик в социологии: взгляд сквозь призму анализа сети цитирований // Мониторинг общественного мнения: экономические и социальные перемены. 2020. № 6. С. 113-14
20. Сафонова М.А., Винер Б.Е. Сетевой анализ социтирований этнологических публикаций в российских периодических изданиях: предварительные результаты // Социология 4М. 2013. № 36. С. 140-176.
21. Винер Б.Е., Дивисенко К.С. Когнитивная структура современной российской социологии по данным журнальных ссылок // Журнал социологии и социальной антропологии. 2012. № 15 (4). С. 144-166.
22. Соколов М.М., Сафонова М.А., Губа К.С. Димке Д.В. Интеллектуальный ландшафт и социальная структура локального академического сообщества (случай петербургской социологии) // Гуманитарные исследования. WP6. Высшая школа экономики. 2012.
23. Батыгин Г.С., Градосельская Г.В. Сетевые взаимосвязи в профессиональном сообществе социологов: методика контент-аналитического исследования биографий // Социологический журнал. 2001. № 1. С. 88-109.
24. Задорин И.В., Мальцева Д.В. Исследование информационной культуры и профессиональной коммуникации в социологическом сообществе // Телескоп. 2013. № 3. С. 41-52.
25. Бархатова Л.А. Структурные особенности коммуникации российских социологов: кейс онлайн-сообщества // Мониторинг общественного мнения: экономические и социальные перемены. 2020. № 5. С. 204-221.
26. Ким А.В., Мальцева Д.В. Профессиональное онлайн-сообщество российских социологов: тематики обсуждений и структура социальных взаимодействий // Мониторинг общественного мнения: Экономические и социальные перемены. 2022. № 3.
27. Соколов М.М., Титаев К.Д. Провинциальная и туземная наука // Антропологический форум. 2013. № 9.
28. Batagelj V., Doreian P., Ferligoj A., Kejzar N. Understanding large temporal networks and spatial networks: Exploration, pattern searching, visualization and network evolution. John Wiley & Sons, Ltd., 2014.
29. Batagelj V., Ferligoj A., Squazzoni F. The emergence of a field: a network analysis of research on peer review // Scientometrics. 2017. Vol. 113. Р. 503-532.
30. Batagelj V., Cerinsek M. On bibliographic networks // Scientometrics. 2013. № 96 (3). P. 845-864.
31. Nooy W. de, Mrvar A., Batagelj V. Exploratory social network analysis with Pajek. Revised and expanded edition for updated software. Cambridge ; New York, NY USA : Cambridge University Press., 2018.
32. Щеглова Т.Е., Мальцева Д.В., Ким А.В. Блокмоделинг для анализа социальных структур: методологические основания // Социология: методология, методы, математическое моделирование. 2021. Т. 1, № 52.
References
1. Maltseva, D. & Batagelj, V. (2020) iMetrics: the development of the discipline with many names. Scientometrics. 125. pp. 313-359.
2. Hou, H., Kretschmer, H. & Liu, Z. (2008) The structure of scientific collaboration networks in Scientometrics. Scientometrics. 75(2). pp. 189-202.
3. Otte, E. & Rousseau, R. (2002) Social network analysis: a powerful strategy, also for the information sciences. Journal of Information Science. 28(6). pp. 441-453.
4. Maltseva, D. & Batagelj, V. (2022) Collaboration Between Authors in the Field of Social Network Analysis. Scientometrics. 127. pp. 3437-3470. DOI: 10.1007/s11192-022-04364-z
5. Chinchilla-Rodriguez, Z., Miao, L., Murray, D., Robinson-Garcia, N., Costas, R. & Sugimoto, C.R. (2018) A Global Comparison of Scientific Mobility and Collaboration According to National Scientific Capacities. Front. Res. Metr. Anal. 3:17. DOI: 10.3389/frma.2018.00017
6. Lopaciuk, B. (2016) Collaboration strategies for publishing articles in international journals -A study of Polish scientists in economics. Social Networks. 44. pp. 50-63.
7. Newman, P. (2001) The structure of scientific collaboration networks. PNAS. 98(2). pp. 404409.
8. Newman, M.E.J. (2003) Mixing patterns in networks. Physical Review E. 67(2). [Online] Available from: http://arxiv.org/abs/cond-mat/0209450 (Accessed: 10th November 2019).
9. Barabâsi, A.-L. (2002) Statistical Mechanics of Complex Networks. Reviews of Modern Physics. 74. pp. 47-97.
10. Kronegger, L., Ferligoj, A. & Doreian, P. (2011) On the Dynamics of National Scientific Systems. Quality & Quantity. 45(5). pp. 989-1015.
11. Ferligoj, A., Kronegger, L. & Mali, F. (2015) Scientific collaboration dynamics in a national scientific system. Scientometrics. 104. pp. 985-1012.
12. Glänzel, W. & Schubert, A. (2005) Analysing Scientific Networks Through Co-Authorship. In: Moed, H.F., Glänzel, W. & Schmoch, U. (eds) Handbook of Quantitative Science and Technology Research. Springer. pp. 257-276.
13. Wagner, C.S. & Leydesdorff, L. (2005) Network structure, self-organization, and the growth of international collaboration in science. Research Policy. 34(10). pp. 1608-1618.
14. Moody, J. (2004) The Structure of a Social Science Collaboration Network: Disciplinary Cohesion from 1963 to 1999. American Sociological Review. 69(2). pp. 213-238.
15. Hunter, L. & Leahey, E. (2008) Collaborative research in sociology: Trends and contributing factors. American Sociologist. 39. pp. 290-306.
16. Pontille, D. (2003) Authorship Practices and Institutional Contexts in Sociology: Elements for a Comparison of the United States and France. Science, Technology, & Human Values. 28(2). pp. 217-243.
17. Mali, F. (2010) Turning science transdisciplinary: Is it possible for the new concept of cross-disciplinary cooperations to enter Slovenian science and policy? In: Kajfez-Bogataj, L., Müller, K.H., Svetlik, I. & Tos, N. (eds) Modern RISC-Societies: Towards a New Paradigm for Societal Evolution. Fakulteta za druzbene vede, IDV, CJMMK. pp. 461-474.
18. Moiseev, S.P. & Maltseva, D.V. (2019) Otbor istochnikov dlya sistematicheskogo obzora literatury: sravnenie ekspertnogo i algoritmicheskogo podkhodov [Selection of sources for a systematic literature review: Comparison of expert and algorithmic approaches]. Sotsiologiya: metodologiya, metody, matematicheskoe modelirovanie (4M). 47. pp. 7-43.
19. Bulycheva, E.E. & Maltseva, D.V. (2020) Vydelenie aktual'nykh tematik v sotsiologii: vzglyad skvoz' prizmu analiza seti tsitirovaniy [Identification of relevant topics in sociology: A look through the prism of citation network analysis]. Monitoring obshchestvennogo mneniya: ekonomicheskie i sotsial'nyeperemeny. 6. pp. 113-14
20. Safonova, M.A. & Viner, B.E. (2013) Setevoy analiz sotsitirovaniy etnologicheskikh publikatsiy v rossiyskikh periodicheskikh izdaniyakh: predvaritel'nye rezul'taty [Network analysis of co-citations of ethnological publications in Russian periodicals: preliminary results]. Sotsiologiya 4M. 36. pp. 140-176.
21. Viner, B.E. & Divisenko, K.S. (2012). Kognitivnaya struktura sovremennoy rossiyskoy sotsiologii po dannym zhurnal'nykh ssylok [Cognitive structure of modern Russian sociology according to journal references]. Zhurnalsotsiologii i sotsial'noy antropologii. 15(4). pp. 144-166.
22. Sokolov, M.M., Safonova, M.A., Guba, K.S. & Dimke, D.V. (2012) Intellektual'nyy landshaft i sotsial'naya struktura lokal'nogo akademicheskogo soobshchestva (sluchay peterburgskoy sotsiologii) [Intellectual landscape and social structure of the local academic community (the case of St. Petersburg sociology)]. Gumanitarnye issledovaniya. WP6. Higher School of Economics.
23. Batygin, G.S. & Gradoselskaya, G.V. (2001) Setevye vzaimosvyazi v professional'nom soob-shchestve sotsiologov: metodika kontent-analiticheskogo issledovaniya biografiy [Network connections in the professional community of sociologists: A methodology for content-analytical study of biographies]. Sotsiologicheskiy zhurnal. 1. pp. 88-109.
24. Zadorin, I.V. & Maltseva, D.V. (2013) Issledovanie informatsionnoy kul'tury i professional'noy kommunikatsii v sotsiologicheskom soobshchestve [A Study of Information Culture and Professional Communication in the Sociological Community]. Teleskop. 3. pp. 41-52.
25. Barkhatova, L.A. (2020) Strukturnye osobennosti kommunikatsii rossiyskikh sotsiologov: keys onlayn-soobshchestva [Structural Features of Communication of Russian Sociologists: A Case of an Online Community]. Monitoring obshchestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny. 5. pp. 204-221.
26. Kim, A.V. & Maltseva, D.V. (2022) Professional'noe onlayn-soobshchestvo rossiyskikh sotsiologov: tematiki obsuzhdeniy i struktura sotsial'nykh vzaimodeystviy [Professional Online Community of Russian Sociologists: Discussion Topics and Structure of Social Interactions]. Monitoring obshchestvennogo mneniya: Ekonomicheskie i sotsial'nye peremeny. 3.
27. Sokolov, M.M. & Titaev, K.D. (2013) Provintsial'naya i tuzemnaya nauka [Provincial and Indigenous Science]. Antropologicheskiy forum. 9.
28. Batagelj, V., Doreian, P., Ferligoj, A. & Kejzar, N. (2014) Understanding large temporal networks and spatial networks: Exploration, pattern searching, visualization and network evolution. John Wiley & Sons.
29. Batagelj, V., Ferligoj, A. & Squazzoni, F. (2017) The emergence of a field: a network analysis of research on peer review. Scientometrics. 113. pp. 503-532.
30. Batagelj, V. & Cerinsek, M. (2013) On bibliographic networks. Scientometrics. 96(3). pp. 845-864.
31. Nooy, W. de, Mrvar, A. & Batagelj, V. (2018) Exploratory social network analysis with Pajek. Cambridge; New York, NY USA: Cambridge University Press.
32. Shcheglova, T.E., Maltseva, D.V. & Kim, A.V. (2021) Blokmodeling dlya analiza sotsial'nykh struktur: metodologicheskie osnovaniya [Block modeling for the analysis of social structures: Methodological foundations]. Sotsiologiya: metodologiya, metody, matematicheskoe modelirovanie. 1(52).
Сведения об авторе:
Мальцева Д.В. - кандидат социологических наук, заведующий лабораторией, ведущий научный сотрудник Международной лаборатории прикладного сетевого анализа Национального исследовательского университета «Высшая школа экономики» (Москва, Россия). E-mail: [email protected]
Ким А.В. - младший научный сотрудник Международной лаборатории прикладного сетевого анализа Национального исследовательского университета «Высшая школа экономики» (Москва, Россия). E-mail: [email protected]
Щеглова Т.Е. - младший научный сотрудник Международной лаборатории прикладного сетевого анализа Национального исследовательского университета «Высшая школа экономики» (Москва, Россия). E-mail: [email protected]
Information about the authors:
Maltseva D.V. - Cand. Sci. (Sociology), head of the International Laboratory for Applied Network Research, National Research University Higher School of Economics (Moscow, Russian Federation). E-mail: [email protected]
Kim A.V. - junior research fellow, International Laboratory for Applied Network Research, National Research University Higher School of Economics (Moscow, Russian Federation). E-mail: [email protected]
Scheglova T.E. - junior research fellow, International Laboratory for Applied Network Research, National Research University Higher School of Economics (Moscow, Russian Federation). E-mail: [email protected]
Статья поступила в редакцию 26.04.2023; одобрена после рецензирования 24.05.2024; принята к публикации 11.06.2024
The article was submitted 26.04.2023; approved after reviewing 24.05.2024; acceptedfor publication 11.06.2024
