Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Fair-Cost Analysis of the Random Neighbor Sampling Method Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

A Leading Author Model for the Popularity Effect on Scientific Collaboration

verfasst von : Hohyun Jung, Frederick Kin Hing Phoa, Mahsa Ashouri

Erschienen in: Complex Networks & Their Applications X

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we focus on the popularity effect of the scientific collaboration process that popular authors have an advantage in making more publications. Standard network analysis has been used to analyze the scientific collaboration network. However, the standard network has limitations in explaining the scientific output by binary co-authorship relationships since papers have various numbers of authors. We propose a leading author model to understand the popularity effect mechanism while avoiding the use of the standard network structure. The estimation algorithm is presented to analyze the size of the popularity effect. Moreover, we can find influential authors through the estimated genius levels of authors by considering the popularity effect. We apply the proposed model to the real scientific collaboration data, and the results show positive popularity effects in all the collaborative systems. Furthermore, finding influential authors considering the genius level are discussed.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Context-Sensitive Mental Model Aggregation in a Second-Order Adaptive Network Model for Organisational Learning
Nächstes Kapitel Factoring Small World Networks
Literatur
1.
Abbasi, A., Chung, K.S.K., Hossain, L.: Egocentric analysis of co-authorship network structure, position and performance. Inf. Process. Manag. 48(4), 671–679 (2012)CrossRef
2.
3.
Bianconi, G., Barabasi, A.-L.: Competition and multiscaling in evolving networks. Europhys. Lett. 54(4), 436 (2001)CrossRef
4.
5.
Dorogovtsev, S.N., Mendes, J.F.F.: Evolution of networks with aging of sites. Phys. Rev. E 62(2), 1842 (2012)CrossRef
6.
Fotouhi, B., Rabbat, M.G.: Degree correlation in scale-free graphs. Eur. Phys. J. B 86(12), 510 (2013)CrossRef
7.
8.
Gilks, W.R., Wild, P.: Adaptive rejection sampling for Gibbs sampling. J. Roy. Stat. Soc.: Ser. C (Appl. Stat.) 41(2), 337–348 (1992)MATH
9.
Jeong, H., Neda, Z., Barabasi, A.-L.: Measuring preferential attachment in evolving networks. Europhys. Lett. 61(4), 567 (2003)CrossRef
10.
Jung, H., Lee, J.-G., Kim, S.-H.: On the analysis of fitness change: fitness-popularity dynamic network model with varying fitness. J. Stat. Mech: Theory Exp. 2020(4), 043407 (2020)MathSciNetCrossRefMATH
11.
Jung, H., Lee, J.-G., Lee, N., Kim, S.-H.: PTEM: a popularity-based topical expertise model for community question answering. Ann. Appl. Stat. 14(3), 1304–1325 (2020)MathSciNetCrossRefMATH
12.
Louis, T.A.: Finding the observed information matrix when using the EM algorithm. J. Roy. Stat. Soc.: Ser. B (Methodol.) 44(2), 226–233 (1982)MathSciNetMATH
13.
Lu, H., Feng, Y.: A measure of authors’ centrality in co-authorship networks based on the distribution of collaborative relationships. Scientometrics 81(2), 499–511 (2009)CrossRef
14.
15.
Merton, R.K.: The Matthew effect in science: the reward and communication systems of science are considered. Science 159(3810), 56–63 (1968)CrossRef
16.
Metz, T., Jackle, S.: Patterns of publishing in political science journals: an overview of our profession using bibliographic data and a co-authorship network. PS Polit. Sci. Polit. 50(1), 157–165 (2017)CrossRef
17.
Perc, M.: The Matthew effect in empirical data. J. R. Soc. Interface 11(98), 20140178 (2014)CrossRef
18.
Rode, S.M., Pennisi, P.R.C., Beaini, T.L., Curi, J.P., Cardoso, S.V., Paranhos, L.R.: Authorship, plagiarism, and copyright transfer in the scientific universe. Clinics 74, 1312 (2019)CrossRef
19.
Roy, S., Ravindran, B.: Measuring network centrality using hypergraphs. In: Proceedings of the Second ACM IKDD Conference on Data Sciences, pp. 59–68 (2015)
20.
Metadaten
Titel
A Leading Author Model for the Popularity Effect on Scientific Collaboration
verfasst von
Hohyun Jung
Frederick Kin Hing Phoa
Mahsa Ashouri
Copyright-Jahr
2022
Buch
Complex Networks & Their Applications X

Print ISBN: 978-3-030-93408-8

Electronic ISBN: 978-3-030-93409-5

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-030-93409-5_36

Premium Partner

    Bildnachweise