Ученые выявили взаимосвязь между качеством научной работы и наличием в ней графики

Лев Шевченко

Группа исследователей в Университете штата Вашингтон в Сиэтле использовала алгоритмы машинного обучения для поиска, анализа и классификации графических материалов в научных работах, пишет MIT Technology Review.

Ученые использовали в своей работе 4,8 млн графиков из 650 000 материалов, размещенных в базе биомедицинских исследований PubMed Central. Главный исследователь проекта По-Шэнь Ли и его команда тренировали алгоритм для распознавания графических материалов и разделения их на составляющие части. Это увеличило количество изображений до 10 миллионов. Далее алгоритм разделил изображения по типам — графики (35%), фотографии (22%), диаграммы (20%), уравнения (17%) и таблицы (5%).

По словам ученых, между эффективностью научной работы и наличием в ней графических материалов существует взаимосвязь. Чем качественнее работа, тем больше она содержит графиков и диаграмм, и в меньшей степени — чертежей и фотографий. Существует два объяснения этого — либо визуальный контент приводит к большему числу цитирований, либо интересные работы включают новые идеи, требующие графического пояснения. На следующем этапе исследования ученые проанализируют графику из работ по физике.

Команда также хочет исследовать особенности различных видов представления данных. Цель этого исследования состоит в изучении успешности разных типов передачи информации. Это могло бы превратить искусство оформления графиков в научных работах в науку. Команда Университета штата Вашингтон называет это визиометрией, наукой о визуальной информации.

Загрузить еще