Non-synchronism in Global Usage of Research Methods in Library and Information Science from 1990 to 2019

Sintesi Tecnica: Asincronia nell'uso globale dei metodi di ricerca nella Biblioteconomia e Scienza dell'Informazione (1990–2019)

Enunciato del problema
La Biblioteconomia e la Scienza dell'Informazione (LIS) è un campo interdisciplinare in cui i metodi di ricerca derivano da varie discipline. Sebbene l'importanza di comprendere questi metodi per l'indipendenza e lo sviluppo disciplinare sia ben consolidata, esiste una mancanza di comprensione quantitativa completa su come l'uso dei metodi di ricerca vari tra i diversi paesi. Gli studi precedenti si sono concentrati ampiamente sulle tendenze internazionali generali, su regioni specifiche o su singoli paesi, affidandosi spesso alla codifica manuale. Inoltre, con l'emergere di nuovi metodi di ricerca, l'evoluzione delle differenze e delle tendenze internazionali negli ultimi due decenni rimane poco chiara. Questo studio affronta la lacuna nella comprensione della "non sincronia" o dello sviluppo asincrono dei metodi di ricerca in 81 paesi durante un periodo di 30 anni.

Metodologia
Lo studio impiega un'analisi quantitativa automatizzata su larga scala della letteratura accademica per mappare la distribuzione e l'evoluzione dei metodi di ricerca.

• Fonte dei dati: Il dataset comprende 5.281 articoli di ricerca a testo completo pubblicati tra il 1990 e il 2019 in tre riviste internazionalmente rappresentative: Journal of the Association for Information Science and Technology (JASIST), Journal of Documentation (JDoc) e Library and Information Science Research (LISR). Sono stati inclusi articoli provenienti da 81 paesi; gli articoli con più autori sono stati attribuiti a tutti i paesi rilevanti.
• Schema di codifica: Gli autori hanno adottato uno schema di codifica basato su Chu & Ke (2017), categorizzando i metodi in 15 tipi distinti (ad es., Bibliometria, Analisi del contenuto, Esperimento, Questionario) più una categoria "Altro".
• Espansione dei dati: Per affrontare lo sbilanciamento delle classi nei dati di addestramento (dove alcuni metodi avevano meno di 300 campioni), gli autori hanno ampliato il dataset. Hanno utilizzato TextRank per estrarre le parole chiave dagli articoli esistenti, selezionato le parole chiave principali per i metodi sottorappresentati e recuperato ulteriori abstract da Web of Science. Questi sono stati annotati manualmente, risultando in un set di addestramento espanso di 2.799 articoli.
• Modello di classificazione automatica: È stato sviluppato un modello di deep learning chiamato CogFT (Full-text cognitive-based classification).
  • Architettura: Ispirato a CogLTX, il modello suddivide gli articoli a testo completo in 128 blocchi. Una Rete di Riassunto (utilizzando SciBERT e Self-Attention) identifica i blocchi più rilevanti per i metodi di ricerca, filtrando i contenuti estranei. I quattro blocchi superiori vengono uniti e inseriti in una Rete di Classificazione (SciBERT con uno strato di output Sigmoide) per la classificazione multi-etichetta.
  • Riduzione del rumore: Gli autori hanno utilizzato il Confident Learning per identificare e verificare manualmente le etichette potenzialmente rumorose nel dataset, aggiornando i dati di addestramento per migliorare l'accuratezza del modello.
  • Prestazioni: Il modello finale ha raggiunto un punteggio Macro-F1 di 0,8299 e un punteggio Micro-F1 di 0,8171.
• Tecniche analitiche:
  • Analisi di somiglianza: Le distribuzioni dei metodi di ricerca sono state vettorializzate. UMAP è stato utilizzato per la visualizzazione 2D, e il clustering K-means (basato sulla distanza Euclidea) ha raggruppato i paesi con profili di metodi simili.
  • Test statistici: Il test di Kolmogorov-Smirnov (K-S) è stato utilizzato per identificare differenze statisticamente significative nelle distribuzioni dei metodi tra i paesi.
  • Analisi temporale: L'indice di varietà di Shannon ha misurato la diversità di metodi e argomenti nel tempo. La Dynamic Time Warping (DTW) e il clustering gerarchico sono stati utilizzati per raggruppare i paesi in base alla traiettoria dei cambiamenti nella varietà dei metodi. La divergenza di Jensen-Shannon ha misurato la distanza tra le distribuzioni nazionali e internazionali dei metodi per specifici argomenti.

Risultati chiave

• Concentrazione delle pubblicazioni: I primi 20 paesi rappresentano oltre il 90% del totale degli articoli. Gli Stati Uniti sono il principale contributore (circa il 37-40% degli autori), seguiti da Regno Unito, Cina e Canada.
• Differenze nella distribuzione dei metodi: Esiste un'eterogeneità significativa nell'uso dei metodi. Ad esempio, Belgio e Paesi Bassi mostrano una forte preferenza per la bibliometria (oltre il 45-60% dei documenti), mentre la Norvegia utilizza prevalentemente i questionari. I primi cinque metodi nella maggior parte dei paesi costituiscono oltre il 60% delle loro pubblicazioni, indicando una dipendenza da un set limitato di metodi.
• Divergenza statistica: I test K-S hanno confermato differenze significative nelle distribuzioni dei metodi tra molte coppie di paesi, in particolare tra i paesi ad alto volume e quelli a basso volume di pubblicazione.
• Tendenze temporali:
  • Metodi multipli: L'uso complessivo di molteplici metodi di ricerca è aumentato significativamente negli ultimi 30 anni. Tuttavia, questa tendenza è guidata principalmente dai paesi con volumi di pubblicazione inferiori (specialmente dopo il 2008), mentre i principali editori come USA e Regno Unito mostrano tendenze di crescita meno chiare nell'uso di metodi multipli.
  • Varietà dei metodi: La maggior parte dei paesi mostra una tendenza al rialzo nella varietà dei metodi di ricerca utilizzati. Ciò correla con un'espansione degli argomenti di ricerca.
  • Clustering: I paesi sono stati raggruppati in tre gruppi in base alle traiettorie della varietà dei metodi: (1) Paesi sviluppati (USA, Regno Unito, Canada) con una varietà costantemente alta; (2) Paesi in rapido sviluppo (es. Cina, Australia, Finlandia) che mostrano un forte aumento della varietà; (3) Paesi specializzati (Belgio) con modelli stabili influenzati dalla tradizione.
• Convergenza: Sebbene le differenze nazionali persistano, la divergenza di Jensen-Shannon tra le distribuzioni nazionali e internazionali dei metodi per specifici argomenti (ad es., "Comportamento di ricerca dell'informazione") è diminuita negli ultimi tre decenni, suggerendo una graduale convergenza verso le norme internazionali.

Significato e contributi
L'articolo rivendica diversi contributi al campo della LIS:

1. Prospettiva globale: Fornisce la prima analisi automatizzata su larga scala dell'uso dei metodi di ricerca in 81 paesi durante 30 anni, andando oltre gli studi su singolo paese o regione.
2. Innovazione metodologica: Lo studio dimostra l'efficacia dell'uso del deep learning (CogFT) e dell'analisi del testo completo per la classificazione automatica dei metodi di ricerca, superando i limiti della codifica manuale e dell'analisi basata solo sull'abstract.
3. Approfondimento disciplinare: Evidenziando la "non sincronia" nell'uso dei metodi, lo studio offre un quadro per comprendere i percorsi di sviluppo unici della LIS in diversi contesti nazionali. Suggerisce che lo sviluppo disciplinare è influenzato da fattori economici, sociali e culturali locali, nonché dalle tradizioni disciplinari.
4. Guida pratica: I risultati possono guidare lo sviluppo disciplinare a livello nazionale identificando lacune o un eccessivo affidamento su specifici metodi. Inoltre, comprendere queste differenze può favorire una migliore cooperazione scientifica transnazionale e lo scambio accademico allineando aspettative e metodologie.

Gli autori concludono che, sebbene le differenze nei metodi di ricerca persistano, il campo sta diventando più integrato, con una graduale diminuzione della divergenza tra le pratiche nazionali e le tendenze internazionali.