A análise de redes de colaboração científica é uma ferramenta importante para entender como os pesquisadores se relacionam e colaboram entre si. Ela possibilita visualizar as relações existentes entre os pesquisadores e identificar tendências e padrões de colaboração, além de avaliar a eficiência na produção acadêmica. Neste estudo, buscou-se analisar a rede de colaboração científica e o panorama da produção científica dos servidores efetivos do Instituto Federal de Rondônia (IFRO). Para isso, foram utilizados dados de currículos dos servidores disponíveis na Plataforma Lattes do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) a fim de mensurar as colaborações científicas realizadas entre os servidores. O período avaliado foi de 2010 a 2021 e a metodologia empregada foi a Análise de Redes Sociais (ARS) e a teoria das redes complexas. Os resultados apontaram que a instituição tem um número expressivo de trabalhos publicados e um grupo diversificado de autores. Durante o período estudado, os servidores publicaram um total de 2.378 trabalhos, com um crescimento anual até o ano de 2019, seguido de uma queda no número de publicações, o que pode ser atribuído à pandemia. Além disso, foi constatado que aproximadamente 25% das publicações foram realizadas por autores que trabalharam de forma isolada, sem colaboração de outros servidores da instituição. A distribuição de graus foi observada em todos os triênios, com uma alta quantidade de vértices com baixo grau e uma quantidade baixa de vértices que apresentam alto grau, o que indica que a maioria dos servidores da rede possui poucos colaboradores científicos. Com isso, torna-se importante desenvolver ações para fomentar a colaboração entre os servidores e incentivar a participação deles na produção científica, tais como programas de treinamento e desenvolvimento, bem como a criação de oportunidades para que os servidores possam trabalhar em projetos conjuntos. O estudo encerra realizando comparação de 8 algoritmos de aprendizado de máquina que foram utilizados para prever ligações de arestas na rede. Os resultados indicam que os modelos atualmente não demonstram uma capacidade significativa para a execução da tarefa de previsão de links na rede. Uma possível explicação para essa dificuldade reside no fato de que, para a formação de conexões, são essenciais não apenas padrões de interconexão, mas também fatores de natureza humana. Além disso, é crucial considerar se os próprios pesquisadores têm a intenção de estabelecer tais conexões. No entanto, há potencial para utilizar o modelo como um sistema de recomendação, auxiliando na identificação de parcerias promissoras entre os membros da rede de pesquisadores.

Palavras-chave: Colaboração Científica, Análise de Redes, Participação Científica Ver menos

The analysis of scientific collaboration networks is an important tool for understanding how researchers relate and collaborate with each other. It allows for the visualization of existing relationships between researchers and identifying trends and patterns of collaboration, as well as evaluating efficiency in academic production. In this study, we sought to analyze the scientific collaboration network and the panorama of scientific production of the permanent staff of the Instituto Federal de Rondônia (IFRO). For this, data from the curricula of the staff available on the Lattes Platform of the National Council for Scientific and Technological Development (CNPq) were used to measure the scientific collaborations carried out among the staff. The evaluated period was from 2010 to 2021, and the methodology employed was Social Network Analysis (SNA) and the theory of complex networks. The results showed that the institution has a significant number of published works and a diverse group of authors. During the studied period, the staff published a total of 2,378 works, with annual growth until 2019, followed by a drop in the number of publications, which can be attributed to the pandemic. Furthermore, it was found that approximately 25% of the publications were made by authors who worked in isolation, without collaboration from other institution staff. The degree distribution was observed in all three-year periods, with a high number of vertices with low degree and a low number of vertices with high degree, indicating that most network staff have few scientific collaborators. Therefore, it is important to develop actions to promote collaboration among staff and encourage their participation in scientific production, such as training and development programs, as well as creating opportunities for staff to work on joint projects. The study concludes by comparing 8 machine learning algorithms that were used to predict edge links in the network. The results indicate that the models currently do not demonstrate a significant capacity for the task of predicting links in the network. A possible explanation for this difficulty lies in the fact that, for the formation of connections, not only interconnection patterns are essential, but also human nature factors. In addition, it is crucial to consider whether the researchers themselves intend to establish such connections. However, there is potential to use the model as a recommendation system, assisting in the identification of promising partnerships among the members of the research network.
Keywords: Scientific Collaboration, Network Analysis, Scientific Participation Ver menos