Proximity Matters: Analyzing the Role of Geographical Proximity in Shaping AI Research Collaborations

Resumen Técnico: La proximidad importa: Analizando el papel de la proximidad geográfica en la configuración de las colaboraciones en investigación de IA

Planteamiento del problema
Si bien el papel de la proximidad geográfica para facilitar las colaboraciones interregionales e interorganizacionales está bien documentado, su efecto específico en la formación de colaboraciones científicas a nivel individual permanece insuficientemente abordado. A pesar de los avances significativos en las tecnologías de transporte y comunicación, la geografía sigue siendo un determinante primario de la colaboración, lo que a menudo impide la formación de asociaciones a larga distancia. Este estudio investiga si la distancia geográfica continúa obstaculizando la colaboración científica a nivel individual en el campo de la Inteligidad Artificial (IA), que evoluciona rápidamente, y examina si la proximidad de red puede actuar como un sustituto de la proximidad geográfica para fomentar las colaboraciones a larga distancia.

Metodología
El estudio utiliza datos de publicaciones del campo de la IA que abarcan desde 2001 hasta 2019, obtenidos de la base de datos Scopus de Elsevier. El conjunto de datos incluye 45.738 publicaciones (artículos, actas de conferencias, capítulos de libros y libros) de la autoría de 153.720 investigadores de 162 países. Para analizar los datos, los autores construyeron cuatro escenarios distintos para comparar los hallazgos en diferentes niveles:

1. Investigadores de IA canadienses únicamente.
2. Investigadores de Canadá y los Estados Unidos.
3. Investigadores de Canadá, los EE. UU. y Europa.
4. Todos los investigadores de IA en la base de datos.

Construcción de datos y variables:

• Ventanas temporales: Para evitar el sesgo de simultaneidad, los autores emplearon ventanas deslizantes de 2 y 3 años. Las variables independientes se calcularon basándose en una ventana de 3 años, mientras que la variable dependiente (co-publicación) se midió durante una ventana subsiguiente de 2 años.
• Variable dependiente: Una variable binaria que indica si dos autores tuvieron al menos una co-publicación durante la ventana de 2 años.
• Variables independientes:
  • Proximidad geográfica: Medida como la distancia "en línea recta" (fórmula de Haversine) entre las afiliaciones de los autores.
  • Proximidad de red: Estimada mediante el "Número Total Esperado de Caminos de Puente" (TENB, por sus siglas en inglés), que cuantifica las conexiones indirectas entre autores.
  • Proximidad institucional: Variables binarias que indican si los autores comparten la misma provincia o país.
  • Proximidad cognitiva: Calculada como la inversa de la correlación entre los vectores de base de conocimiento de los autores, derivados de la modelización de temas LDA (Latent Dirichlet Allocation) sobre los títulos y resúmenes de las publicaciones.
  • Contigüidad regional: Variables binarias que capturan si los autores están ubicados en provincias o países contiguos.

Enfoque analítico:
El estudio empleó un enfoque de método dual:

1. Regresión Logística Convencional: Para estimar los coefones y probar las hipótesis con respecto a las relaciones lineales entre las dimensiones de la proximidad y la probabilidad de colaboración.
2. Clasificación de Aprendizaje Automático (Machine Learning): Se entrenaron varios clasificadores (Regresión Logística, Naive Bayes, Vecinos más Cercanos, SVM, Random Forest y XGBoost) para predecir la co-publicación. El modelo de Gradient Boosting Extremo (XGBoost) demostró el mejor rendimiento. La técnica de explicaciones de SHapley Aditivas (SHAP) se utilizó para interpretar la importancia de las características y su direccionalidad.

Resultados clave

• Distancia geográfica: En los cuatro escenarios, la distancia geográfica exhibe una asociación negativa significativa con la probabilidad de colaboración científica. Los resultados de la regresión logística confirman que el aumento de la distancia impide la colaboración, incluso después de controlar otros factores. El análisis de importancia de características de aprendizaje automático (SHSHAP) refuerza esto, mostrando que una mayor distancia geográfica se correlaciona con menores probabilidades predichas de colaboración.
• Proximidad de red: La proximidad de red (TENB) muestra un efecto positivo significativo en la colaboración. Los autores con más caminos de puente en la red tienen más probabilidades de colaborar.
• Sustituibilidad: Un hallazgo crítico es la interacción positiva significativa entre la distancia geográfica y la proximidad de red. Esto indica que el efecto de la proximidad de red sobre la probabilidad de colaboración aumenta a medida que la distancia geográfica aumenta. Por consiguiente, la proximidad de red actúa como un sustituto de la proximidad geográfica; es particularmente vital para permitir colaboraciones entre investigadores geográficamente distantes.
• Otros factores: La distancia cognitiva (disimilitud en los temas de investigación) impacta negativamente en la colaboración. La proximidad institucional (compartir un país) también influye positivamente en la colaboración, siendo este efecto más pronunciado en escenarios más amplios y multipaís.

Contribuciones clave
El artículo realiza cuatro contribuciones específicas a la literatura:

1. Análisis a nivel individual: A diferencia de estudios previos centrados en regiones u organizaciones, este trabajo analiza patrones geoespaciales a nivel del investigador individual, descubriendo matices que a menudo se enmascaran en los datos agregados.
2. Multiescalabilidad: El estudio emplea una expansión paso a paso desde un alcance nacional (canadiense) hasta uno global, proporcionando una visión integral de cómo funcionan las dimensiones de la proximidad a través de diferentes escalas geográficas.
3. Alcance temporal: Al cubrir publicaciones de IA de 2001 a 2019, el estudio captura una amplia gama de desarrollos recientes en un campo que ha experimentado un crecimiento exponencial desde el año 2000.
4. Rigor metodológico: La integración de técnicas econométricas convencionales con clasificadores avanzados de aprendizaje automático y herramientas de interpretabilidad (SHAP) ofrece una validación robusta de las relaciones entre la proximidad y la colaboración.

Significancia y afirmaciones
Los autores afirman que sus hallazgos desafían la suposición de que los avances tecnológicos en la comunicación han disminuido el papel de la distancia física. En cambio, la geografía sigue siendo una barrera sólida para la colaboración a nivel individual. Sin embargo, el estudio destaca un mecanismo para superar esta barrera: la proximidad de red. La identificación de un patrón de sustituibilidad sugiere que el fortalecimiento de las conexiones de red (por ejemplo, a través de colaboraciones previas o intermediarios compartidos) puede compensar la falta de proximidad geográfica.

Desde la perspectiva de las políticas públicas, los autores sugieren que apoyar las colaboraciones a larga distancia no solo es beneficioso para producir investigación de alta calidad, sino que también cumple una función estructural: aumenta la proximidad de red de los investigadores involucrados, desencadenando así un bucle de retroalimentación positiva de futuras colaboraciones. Esto implica que las políticas destinadas a fomentar las asociaciones distantes pueden, de manera efectiva, facilitar futuros flujos de conocimiento y mejorar el ecosistema científico general, particularmente en el dominio de la IA.

Limitaciones
Los autores reconocen que el estudio se limita al campo de la IA y que es necesario extender el análisis a otros dominios científicos para verificar la generalizabilidad del patrón de sustituibilidad. Además, el estudio carece de variables de control a nivel individual (por ejemplo, edad, género), y el impacto de la era post-pandemia en la dinámica de la colaboración sigue siendo una pregunta abierta para investigaciones futuras.