Semantic Alignment, Chronological Distance, and Citation-Network Prominence in Citation Formation: Evidence from Ten Citation Corpora
दस ग्रंथसूची संग्रहों (bibliographic corpora) पर एक कठोरता से लीकेज-निवारित ढांचे को लागू करते हुए, यह अध्ययन प्रदर्शित करता है कि कालानुक्रमिक दूरी (chronological distance) उद्धरण निर्माण का प्रमुख भविष्यवक्ता है, जो समय के रूप में सख्त स्थितियों के तहत अर्थ संबंधी संरेखण (semantic alignment) और उद्धरण-नेटवर्क प्रमुखता की भविष्य कहने वाली शक्ति को लगातार पीछे छोड़ देता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल का महान पुस्तकालय
मानव ज्ञान के संपूर्ण इतिहास की कल्पना एक विशाल, निरंतर बढ़ते पुस्तकालय के रूप में करें जहाँ हर नई पुस्तक एक वैज्ञानिक शोध पत्र (scientific paper) है। जब एक नई पुस्तक लिखी जाती है, तो लेखक को यह तय करना होता है कि वे अपने पाद-टिप्पणियों (footnotes) में किन पुरानी पुस्तकों का उल्लेख करेंगे। इन पाद-टिप्पणियों को उद्धरण (citations) कहा जाता है, और ये विज्ञान की जीवनधारा हैं: वे दिखाती हैं कि किसने किसके विचारों को आधार बनाया, खोजें कितनी तेज़ी से फैल रही हैं, और कौन से विषय अभी "हॉट" या चर्चा में हैं। दशकों से, वैज्ञानिक एक 'क्रिस्टल बॉल' बनाने की कोशिश कर रहे हैं—एक ऐसा कंप्यूटर प्रोग्राम जो एक नए पेपर को देख सके और अनुमान लगा सके कि वह किन पुरानी पुस्तकों को उद्धृत करेगा। इसे उद्धरण भविष्यवाणी (citation prediction) कहा जाता है।
लेकिन पेच यहाँ है: समय यात्रा असंभव है। वास्तविक दुनिया में, जब कोई लेखक 2020 में एक पेपर लिखता है, तो वह केवल 2020 से पहले प्रकाशित पुस्तकों को ही देख सकता है। वह भविष्य को नहीं देख सकता। हालाँकि, उद्धरणों की भविष्यवाणी करने वाले कई कंप्यूटर प्रोग्राम धोखाधड़ी कर रहे हैं। वे आज मौजूद पूरी लाइब्रेरी को देखकर "भविष्य" में झाँक लेते हैं, जिसमें वे पुस्तकें भी शामिल हैं जो अभी तक लिखी ही नहीं गई हैं। यह वैसा ही है जैसे मैच शुरू होने से पहले ही अंतिम स्कोरबोर्ड देखकर यह अनुमान लगाना कि फुटबॉल मैच कौन जीतेगा। यह "झाँकने" की क्रिया कंप्यूटर को बहुत स्मार्ट दिखाती है, लेकिन यह हमें यह नहीं बताती कि वास्तविक मनुष्य वास्तव में निर्णय कैसे लेते हैं। यह शोध पत्र एक सरल लेकिन कठिन प्रश्न पूछता है: यदि हम कंप्यूटर को भविष्य में झाँकने से रोक दें, तो वास्तव में क्या एक वैज्ञानिक को एक पेपर के बजाय दूसरे को उद्धृत करने के लिए प्रेरित करता है? क्या इसलिए कि विचार पूरी तरह से मेल खाते हैं? क्या इसलिए कि पेपर प्रसिद्ध है? या क्या यह केवल इसलिए है क्योंकि पेपर नया है?
समय-यात्रा-मुक्त प्रयोग
इस शोध पत्र के लेखक, मोसेस बुडोरइड्स (Moses Boudourides) ने यह पता लगाने के लिए एक "समय-यात्रा-मुक्त" प्रयोगशाला बनाने का निर्णय लिया। उन्होंने पाँच अलग-अलग क्षेत्रों से वैज्ञानिक पत्रों के दस विशाल संग्रह एकत्र किए: विज्ञान (जैसे प्रोटीन फोल्डिंग और CRISPR), इंजीनियरिंग, बायोमेडिसिन, सामाजिक विज्ञान, और मानविकी (जैसे फिल्म अध्ययन)। फिर उन्होंने अपने कंप्यूटर प्रोग्राम के लिए नियमों का एक सख्त सेट बनाया: यह केवल उस जानकारी का उपयोग कर सकता था जो उद्धृत करने वाले पेपर के प्रकाशित होने से पहले उपलब्ध थी। कोई भविष्य का डेटा नहीं, यह नहीं देखना कि बाद में कोई पेपर कितना प्रसिद्ध हुआ, और न ही ऐसी मेटाडेटा का उपयोग करना जो बाद में अपडेट किया गया हो।
जब कंप्यूटर को निष्पक्ष खेलने के लिए मजबूर किया गया, तो परिणाम आश्चर्यजनक थे। कंप्यूटर सटीक नहीं था—उसने क्षेत्र के आधार पर 53% से 73% के बीच सही उत्तर दिया। लेकिन असली कहानी इस बारे में नहीं थी कि उसने कितनी अच्छी तरह अनुमान लगाया; बल्कि इस बारे में थी कि उसने जो अनुमान लगाया वह क्यों लगाया। लेखक ने किसी पेपर को उद्धृत करने के कारणों को तीन श्रेणियों में विभाजित किया: सिमेंटिक अलाइनमेंट (Semantic Alignment) (क्या विचार मेल खाते हैं?), क्रोनोलॉजिकल डिस्टेंस (Chronological Distance) (पेपर कितना पुराना है?), और नेटवर्क प्रॉमिनेंस (Network Prominence) (पेपर कितना प्रसिद्ध है?)।
सबसे बड़ा झटका? समय की जीत, लगभग हर बार होती है।
अध्ययन किए गए लगभग हर क्षेत्र में, यह अनुमान लगाने वाला सबसे शक्तिशाली कारक कि एक पेपर को उद्धृत किया जाएगा या नहीं, बस यह था कि वह कितना हालिया था। यदि आपके पास एक ही विषय पर दो पेपर हैं, तो कंप्यूटर पिछले वर्ष प्रकाशित पेपर को दस साल पुराने पेपर की तुलना में चुनने की अधिक संभावना रखता है, भले ही पुराने पेपर का टेक्स्ट थोड़ा बेहतर मेल खाता हो। वास्तव में, एक बार जब कंप्यूटर को पता चल गया कि पेपर कितना पुराना है, तो शीर्षक या सारांश में सटीक शब्दों को जानना बहुत काम नहीं आया। चार क्षेत्रों में, वास्तव में उद्धृत किए गए पेपर उन पेपरों की तुलना में कम सिमेंटिक रूप से समान थे जो उद्धृत नहीं किए गए थे। यह ऐसा है जैसे कंप्यूटर कह रहा हो, "मुझे परवाह नहीं है कि विचार एक सटीक मेल हैं; मैं बस शेल्फ पर सबसे नई चीज़ चाहता हूँ।"
हालाँकि, दो महत्वपूर्ण अपवाद थे जहाँ समय का शासन नहीं था। मेमोरी स्टडीज (Memory Studies) (मानविकी) के क्षेत्र में, विचारों (सिमेंटिक अलाइनमेंट) का महत्व आयु से अधिक था। यह समझ में आता है क्योंकि फिल्म या इतिहास जैसे क्षेत्रों में, शोधकर्ता अक्सर उन पुराने, क्लासिक विचारों तक पहुँचते हैं जो आज भी प्रासंगिक हैं, न कि केवल नवीनतम समाचारों के पीछे भागते हैं। और सामाजिक विज्ञान के क्षेत्र आय असमानता (Income Inequality) में, समय मायने नहीं रखता था; पेपर की आयु ने भविष्यवाणी के लिए कोई संकेत नहीं दिया। इसके बजाय, उस विशिष्ट क्षेत्र में, एक पेपर की "प्रसिद्धि" (Network Prominence) प्राथमिक चालक थी।
"प्रसिद्ध" पेपर का मिथक
आप सोच सकते हैं कि प्रसिद्ध पेपर—जिनके हजारों उद्धरण होते हैं—वही होंगे जिन्हें हर कोई कॉपी करता है। शोध पत्र इसे "नेटवर्क प्रॉमिनेंस" कहता है। लेकिन जब कंप्यूटर को भविष्य को अनदेखा करने और केवल उस समय ज्ञात जानकारी को देखने के लिए मजबूर किया गया, तो अधिकांश क्षेत्रों में प्रसिद्धि से बहुत अधिक शक्ति नहीं मिली। क्यों? क्योंकि इन करीबी शोध समूहों में, "प्रसिद्ध" पेपर आमतौर पर वे पुराने पेपर थे जो ध्यान आकर्षित करने के लिए पर्याप्त समय से मौजूद थे। एक बार जब कंप्यूटर को पता चल गया कि पेपर पुराना (या नया) है, तो यह जानना कि वह प्रसिद्ध है, उसे कुछ भी नया नहीं बताता था। "प्रसिद्धि" केवल समय का एक दुष्प्रभाव थी।
भविष्य के लिए इसका क्या अर्थ है
शोध पत्र निष्कर्ष निकालता है कि अधिकांश वैज्ञानिक क्षेत्रों के लिए, जब आप एक ही विषय पर काम करने वाले शोधकर्ताओं के एक विशिष्ट समूह को देख रहे हों, तो एक पेपर कब प्रकाशित हुआ, यह इससे अधिक महत्वपूर्ण है कि वह क्या कहता है। "मैथ्यू इफेक्ट" (Matthew Effect)—यह विचार कि अमीर और अमीर होता जाता है और प्रसिद्ध पेपर और अधिक प्रसिद्ध होते जाते हैं—अभी भी सच है, लेकिन यह मुख्य रूप से इसलिए है क्योंकि उन पेपरों के पास उद्धरणों को संचित करने के लिए अधिक समय था, न कि इसलिए कि वे स्वाभाविक रूप से बेहतर हैं।
लेखक सावधानी बरतते हुए कहते हैं कि यह विज्ञान के भविष्य की भविष्यवाणी करने का कोई जादुई सूत्र नहीं है। कंप्यूटर अभी भी पूर्ण रूप से उद्धरणों की भविष्यवाणी नहीं कर सका, और परिणाम इस बात पर बहुत अधिक निर्भर करते हैं कि आप देखे जा रहे पेपरों के समूह को कैसे परिभाषित करते हैं। हालाँकि, यह अध्ययन सिद्ध करता है कि यदि हम वास्तव में समझना चाहते हैं कि विज्ञान कैसे काम करता है, तो हमें कंप्यूटर को भविष्य देखकर धोखाधड़ी करने से रोकना होगा। जब हम ऐसा करते हैं, तो हम देखते हैं कि विज्ञान सटीक विचार-मिलान से कम और समय की निरंतर गति से अधिक संचालित होता है। नए विचारों को सबसे अधिक ध्यान मिलता है, और "प्रसिद्ध" पेपर अक्सर वे होते हैं जो दिखने के लिए पर्याप्त समय से मौजूद हैं। लेकिन कुछ क्षेत्रों में, जैसे मेमोरी स्टडीज, विचार की गहराई अभी भी तारीख से ऊपर है, और अन्य में, जैसे आय असमानता, प्रसिद्धि का नेटवर्क घड़ी से अधिक महत्वपूर्ण है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।