| DC Field | Value | Language |
|---|
| dc.contributor.author | Шульдова, С. Г. | - |
| dc.contributor.author | Парамонов, А. И. | - |
| dc.contributor.author | Лапицкая, Н. В. | - |
| dc.coverage.spatial | Ижевск | en_US |
| dc.date.accessioned | 2025-04-09T07:18:07Z | - |
| dc.date.available | 2025-04-09T07:18:07Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Шульдова, С. Г. Подход к оценке научного взаимодействия = The approach to assessing scientific interaction / С. Г. Шульдова, А. И. Парамонов, Н. В. Лапицкая // Актуальные тенденции социальных коммуникаций: история и современность : сборник научных статей, Ижевск, 11–15 ноября 2024 г. : в 2 ч. Ч. 2 / Удмуртский государственный университет ; науч. ред. Г. В. Мерзлякова. – Ижевск, 2025. – С. 177–186. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59440 | - |
| dc.description.abstract | В статье рассматриваются вопросы оценки научного взаимодействия
сотрудников одного подразделения с использованием сетей
соавторства и цитирования. Рассмотрены модели представления сетей
в виде графов, а также методы кластеризации графов (выявления
сообществ), использующих модулярность. Приведены результаты
компьютерного эксперимента по исследованию научных связей
профессорско-преподавательского кафедры на основе данных из Google
Академии. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Удмуртский государственный университет | en_US |
| dc.subject | публикации ученых | en_US |
| dc.subject | сеть сотрудничества | en_US |
| dc.subject | цитирование | en_US |
| dc.subject | граф соавторства | en_US |
| dc.subject | кластеризация | en_US |
| dc.subject | научные сообщества | en_US |
| dc.title | Подход к оценке научного взаимодействия | en_US |
| dc.title.alternative | The approach to assessing scientific interaction | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article discusses the issues of assessing the scientific interactions
between employees of one department using co-authorship and citation
networks. Models of representing networks in the form of graphs, as well as
methods of graph clustering (identifying communities) using modularity are
considered. The results of a computer experiment to study the scientific
relations of scientists based on data from the Google Academy are presented. | en_US |
| Appears in Collections: | Публикации в зарубежных изданиях
|
