О подходе к анализу развития научных направлений (на примере тематической области «Микробиология»)

Проблема выявления наиболее активно развивающихся научных тем очень актуальна. Отслеживание динамики терминологии научных направлений на примере тематической области «Микробиология» позволяет сделать выводы о происходящих внутри научного направления изменениях. Особенно показателен анализ такой динамики у часто цитируемых публикаций, как наиболее востребованных научным сообществом. На примере разработанного нами ранее рубрикатора «Микробиология» мы показали методику по определению наиболее активно развивающихся научных тем на основе метода частотного распределения ключевых слов. Можно предположить, что доля уникальных ключевых слов в рубриках может служить индикатором, показывающим широту спектра разнообразия исследований, методов, организмов: чем больше доля таких слов, тем более разнообразными являются исследования по направлению. Показано, что по числу документов выделяется рубрика «Генетика дрожжей и микроскопических грибов», вобравшая в себя наибольшее количество документов, а на долю уникальных ключевых слов приходится 83%. К числу активно развивающихся рубрик можно также отнести «Почвенную микробиологию», «Геомикробиологию», «Взаимоотношение возбудителя и хозяина» и «Генетику бактерий».

1. Путин В. В. Послание Президента Федеральному Собранию. 15.01.2020 // Официальный сайт Президента России. – Режим доступа: http://kremlin.ru/events/president/news/62582 (дата обращения: 10.05.2020).

2. Национальный проект «Наука» (2019–2024 гг.). Утверждён Президиумом Совета при Президенте РФ по стратегическому развитию и национальным проектам – Протокол от 24 дек. 2018 г. (№ 16). – Режим доступа: www.consultant.ru/document//cons_doc_LAW_31304/ (дата обращения: 10.05.2020).

3. Bremmer I. The End of the American Order: Ian Bremmer speech at 2019 GZERO Summit. 18.11.2019 Eurasia Group. – URL: https://www.eurasiagroup.net/live-post/end-of-american-order-ian-bremmer-2019-gzero-summit-speech (дата обращения: 10.05.2020).

4. Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года». – Режим доступа: http://consultant.ru>document/ (дата обращения: 10.05.2020).

5. Субботин М. М. О логико-смысловом моделировании содержания управленческих решений // Науч. упр. о-вом. — 1980. — Вып. 13. – С. 203–224.

6. Штейнберг В. Э. Логико-смысловые модели и познавательная самостоятельность // История. – 2014. – № 11 (35). – С. 2–5. – Режим доступа: www.docviewer.yandex.ru (дата обращения: 10.05.2020).

7. Павловска Е. Ю. Методы библиометрического анализа научных публикаций. – Режим доступа: www.gpntb.ru/win/inter-evants/073.pdf (дата обращения: 10.05.2020).

8. Сысоев А. Н., Цветкова В. А., Тютюнова В. С. Лингвистические методы анализа данных в задачах наукометрии // НТИ. Сер. 1. – 2018. – № 9. – С. 22–27.

9. Цветкова А. В., Харыбина Т. Н., Мохначева Ю. В., Бескаравайная Е. В., Митрошина И. Ю. Особенности совмещения классификационных систем и формирования массива ключевых слов для определения пространства знаний по микробиологии // Науч. и техн. б-ки. – 2019. – № 11. – С. 25–43. – Режим доступа: https://doi.org/10.33186/1027-3689-2019-11-25-43.

10. Цветкова В. А., Мохначева Ю. В., Харыбина Т. Н., Бескаравайная Е. В., Митрошин И. А. Пространство знаний: подходы к извлечению знаний из научных текстов // Информ. ресурсы России. – 2019. – № 2. – С. 31–34.

11. Антопольский А. Б., Белоозеров В. Н., Маркарова Е. С. О разработке онтологии на основе классификаторов научной информации и терминологических словарей // Информ. ресурсы России. – 2017. – № 5 (159). – С. 2–7.

12. Mengyang Wang, Lihe Chai. Three new bibliometric indicators/approaches derived from keyword analysis // Scientometrics. – 2018. – V. 116. – P. 721–750. – URL: https://doi.org/10.1007/s11192-018-2768-9.