Sabia que durante a pandemia houve o aumento de pesquisas? Mesmo em casa, as pessoas continuaram eventualmente grupos de pesquisas, publicação de artigos e outras coisas relacionadas à ciência. Além disso, o artigo “Discovering temporal scientometric knowledge in covid-19 scholarly production” teve a sua publicação em janeiro deste ano, na revista Springer Nature.
E nesta pesquisa contou com participantes do Rio Grande do Norte.
Os professores Luciana Lima, Ivanovitch Silva e Patricia Takako Endo, da UFRN. Além disso, contou com a participação do pesquisador Marcel da Câmara Ribeiro Dantas, do Institut Curie/Sorbonne, na França, e os pesquisadores do Programa de Pós-Graduação em Engenharia Elétrica e de Computação (PPGEEC) Breno Santana Santos e Gisliany Alves. Além disso, eles utilizaram a Ciência de Dados e Inteligência Artificial para observar comportamentos temporais das publicações sobre a doença e destacar padrões que não eram visíveis.
A sua principal funcionalidade é oferecer uma análise temporal focada em explorar as tendências das pesquisas sobre o coronavírus durante a pandemia. Foi investigado o tema mais relevante; os grupos e instituições que tiveram mais relevância nas produções científicas; os veículos de publicação mais utilizados; os trabalhos mais relevantes, considerando citações, veículos de publicação e formação de grupos; existência de temas cruzados de pesquisa; e agrupamento de países quanto às contribuições na ciência durante a pandemia.
O que foi constatado
Na pesquisa, o mapeamento e a análise do conhecimento científico permitem identificar as dinâmicas e crescimento de um campo de pesquisa e/ou apoiar decisões estratégicas relacionadas a diferentes entidades de investigação, com base em indicadores bibliográficos e cienciométricos. Para chegar aos resultados, eles fizeram uma análise de dados abertos a partir de uma máquina com redes específicas. É como se fosse um Google mais potente e voltada para acadêmica.
Os pesquisadores afirmam serem técnicas de aprendizado de máquina e análise de redes complexas e versão de dados com ferramenta trol (DVC), cujo seu objetivo é extrair conhecimento implícito em bases de produção científica.
Esses resultados também foram validados por meio de um conjunto de dados de manuscritos de 199.895 artigos em publicação. Além disso, os resultados sugerem a viabilidade da metodologia proposta, indicando os países mais ativos e os temas explorados em cada período da pandemia.
Quais os objetivos de estudo
O estudo, portanto, tem o potencial de instrumentalizar e ampliar as decisões estratégicas da comunidade científica, visando, no entanto, a extrair conhecimentos que sustentam a luta contra a pandemia.
Segundo o professor Ivanovitch Silva, a metodologia proposta tem como impacto compreender, de uma forma sistemática e reproduzível, problemas globais a partir dos dados e metadados das produções científicas. “Esse procedimento pode auxiliar tanto pesquisadores no tocante a entender a dinâmica de problemas globais quanto facilitar a descoberta de conhecimento, favorecendo a divulgação da ciência para toda a sociedade”, completa.
Além disso, para obter respostas, coletou os dados da produção científica sobre coronavírus. Esses dados fornecem uma visão geral das atividades de pesquisa científica. E para analisar a relevância desses estudos e suas fontes, coletaram dados referentes ao InCites Journal Citation Reports (JCR) de 2020. Os conjuntos de dados foram pré-processados e mesclados, utilizando a ferramenta Pandas Data Wrangling, gerando o conjunto de dados final utilizado no trabalho.
Mudança do comportamento da doença era sinal de mais pesquisa
De acordo com os autores, eles identificaram que as nações mais afetadas tendem a produzir o maior número de artigos sobre o coronavírus. Além disso, está intimamente ligada à taxa de infecção. Segundo Ivanovitch, os trabalhos futuros visam a expandir as bases de pesquisa utilizadas para coleta das informações. Como resultado, expandiu o contexto das análises, compreendendo os dados de 2022, e a utilização de outras técnicas mais sofisticadas, englobando algoritmos de Inteligência Artificial.
O comportamento temporal observado nas produções científicas por meio da metodologia tem o objetivo de guiar os pesquisadores para o entendimento da dinâmica dos problemas globais. Essa abordagem expandiu para outras áreas do conhecimento e para além dos temas relacionados à doença.
O professor Ivanovitch relata suas motivações para realizar a pesquisa. “Passada a fase dos estudos sobre o isolamento social, percebemos uma quantidade avassaladora de publicações científicas sobre o tema da covid-19. Pesquisadores do mundo todo dando suas contribuições. Então surgiu outra motivação do grupo, entender um pouco mais essa dinâmica das publicações quando relacionadas à covid-19, tendo como ponto central a questão da temporalidade e usando o know-how do grupo, sendo a Ciência de Dados e Inteligência Artificial”, afirma.
Deixe um comentário