صادق سلیمانی

تحلیل شبکه‌های هم‌نویسندگی یک زمینه میان‌رشته‌ای است که اغلب از ابزارهای گوناگون تحلیلی در مراحل مختلف استفاده می‌کند. با این حال، با افزایش پیچیدگی و گستردگی شبکه‌ها، روش‌های سنتی با محدودیت‌های قابل‌توجهی روبه‌رو می‌شوند. علاوه بر این، ادغام داده‌های متنی و منابع غیرمعمول، فرصتی برای استخراج بینش‌های عمیق‌تر و پیچیده‌تر از این شبکه‌ها فراهم می‌کند. این فرایند نیازمند بهره‌گیری از تکنیک‌های پیشرفته‌ای همچون استخراج متن و پردازش زبان طبیعی است. این مقاله ضمن بررسی این چالش‌ها، مرور نظام‌مندی از مطالعات موجود درباره تحلیل شبکه‌های هم‌نویسندگی از دیدگاه‌های مختلف ارائه می‌دهد. پژوهش حاضر ویژگی‌های ارتباطی و تکامل پویای شبکه‌های هم‌نویسندگی را با استخراج داده‌های مربوط به کاربردهای گوناگون از پایگاه‌های معتبری مانند PubMed، Scopus و Semantic Scholar بررسی می‌کند. مجموعه‌ای از داده‌های بیش از ۲٬۰۰۰ مقاله مرتبط گردآوری و با استفاده از روش‌های یادگیری شبکه و الگوریتم‌های یادگیری ماشین تحلیل شد. این تحلیل شامل شاخص‌های عمومی شبکه‌های هم‌تألیفی مانند تراکم و ضریب خوشه‌بندی، شناسایی فعال‌ترین زمینه‌های پژوهشی، نویسندگان و مجلات، روش‌بندی موضوعی و بررسی پویایی زمانی تغییرات شبکه است. نتایج نشان‌دهنده گسترش چشمگیر جوامع هم‌نویسندگی، به‌ویژه در حوزه‌های میان‌رشته‌ای مانند مهندسی، پزشکی و علوم کامپیوتر است. این پژوهش اطلاعات ارزشمندی برای پژوهشگرانی فراهم می‌کند که به شناسایی حوزه‌های کمتر بررسی‌شده و رفع شکاف‌های دانشی در تحلیل شبکه‌های هم‌تألیفی علاقه‌مند هستند.