A human-validated procedure for linking PhD dissertation metadata to OpenAlex author profiles
Questo articolo presenta e valida un metodo generalizzabile, verificato da esseri umani, che combina misure di somiglianza a livello di carattere, topiche e basate su transformer per collegare in modo affidabile i metadati delle tesi di dottorato ai profili autore di OpenAlex, raggiungendo un'elevata accuratezza nel tracciare le traiettorie di carriera accademica e rivelando che circa il 17,3% dei laureati in dottorato del Nord America non può essere collegato a pubblicazioni successive.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Ogni anno, centinaia di migliaia di studenti in tutto il mondo completano il loro dottorato di ricerca, un traguardo che segna il loro ingresso formale nel mondo della ricerca. Per decenni, gli scienziati che studiano come si sviluppano le carriere accademiche si sono affidati a un gruppo specifico di persone per sapere cosa accade in seguito: coloro che continuano a pubblicare articoli in riviste scientifiche. Tracciando queste opere pubblicate, i ricercatori hanno costruito un quadro di quanto a lungo gli scienziati rimangano attivi, di quanto siano produttivi e di come si evolvano le loro carriere. Tuttavia, questo quadro presenta una significativa lacuna. Include solo le persone che hanno continuato a pubblicare. Ignora la vasta gamma di laureati che abbandonano completamente il mondo dell'editoria accademica, forse per lavorare nell'industria, nel governo o nell'insegnamento, o semplicemente per smettere di scrivere per le riviste. Poiché questi individui non compaiono nei database standard utilizzati per tracciare la produzione scientifica, essi sono effettivamente invisibili agli studi che cercano di comprendere l'intera portata dell'impatto di un dottorato. Senza sapere chi manca, qualsiasi stima del successo professionale o dell'attrito si basa su un campione che è già stato filtrato dal requisito di continuare a pubblicare.
Per risolvere questo problema, un team di ricercatori ha sviluppato un nuovo modo per connettere i punti tra una tesi di dottorato e la successiva carriera del suo autore, anche se l'autore non dovesse mai pubblicare un altro articolo. Si sono concentrati sul massiccio divario tra l'atestazione di una laurea e il record di una carriera. La sfida è immensa: una tesi è spesso l'unico record del lavoro di una persona in un campo specifico, e i database che contengono milioni di articoli scientifici sono pieni di persone che condividono nomi comuni. Un ricercatore di nome "John Smith" in una tesi del 2009 potrebbe essere la stessa persona di un "J. Smith" che ha pubblicato un articolo nel 2015, oppure potrebbero essere due persone completamente diverse. La difficoltà è complicata dal fatto che molti laureati cambiano nome, usano iniziali diverse o pubblicano sotto variazioni leggermente diverse dei loro nomi. I metodi precedenti spesso si affidavano a un semplice abbinamento di nomi o a volontari che avevano già collegato il proprio lavoro, entrambi i quali falliscono nel catturare la maggioranza silenziosa di laureati che non continuano nel mondo delle pubblicazioni.
I ricercatori hanno affrontato questo problema creando un sistema computerizzato che agisce come un bibliotecario altamente specializzato, confrontando i dettagli di una tesi con milioni di potenziali corrispondenze in un database globale di pubblicazioni scientifiche chiamato OpenAlex. Invece di guardare solo i nomi, il sistema legge i titoli delle tesi e i titoli degli articoli pubblicati, scomponendoli in piccoli frammenti di testo per vedere quanto si sovrappongano. Utilizza inoltre tecnologie avanzate per comprendere l'argomento sottostante del lavoro, riconoscendo che un articolo su "machine learning" potrebbe essere correlato a una tesi intitolata "intelligenza artificiale" anche se le parole sono diverse. Il sistema genera un punteggio che rappresenta la probabilità che la persona che ha scritto la tesi sia la stessa persona che ha scritto gli articoli. Per assicurarsi che questo sistema funzioni, i ricercatori lo hanno testato facendo in modo che esperti umani esaminassero migliaia di potenziali corrispondenze, verificando se gli indovini del computer fossero corretti. Hanno scoperto che, combinando l'abbinamento del testo con l'analisi degli argomenti, il sistema poteva identificare in modo affidabile la stessa persona attraverso diversi record con un alto grado di precisione.
I risultati di questo nuovo metodo rivelano una realtà sorprendente sulla forza lavoro accademica. Quando i ricercatori hanno applicato il loro sistema a un grande gruppo di dottorandi del Nord America, hanno scoperto che una parte significativa di questi individui non poteva essere collegata ad alcuna pubblicazione successiva nel database. Nello specifico, stimano che tra il 10,2% e il 20,7% di un tipico gruppo di dottorandi non compaia mai nei principali database bibliografici dopo aver conseguito il titolo, con una stima migliore del 17,3%. Ciò significa che quasi uno su cinque laureati è assente dalle mappe standard delle carriere scientifiche. Questo gruppo non è necessariamente un fallimento; potrebbero avere successo in altri settori, ma la loro assenza dai dati distorce la nostra comprensione di ciò che accade dopo un dottorato. Lo studio ha anche mostrato che il tasso di "scomparsa" dal record delle pubblicazioni aumenta nel tempo. Mentre circa il 73% dei laureati viene ancora osservato pubblicare nell'anno immediatamente successivo al conseguimento del titolo, questa percentuale scende a circa il 50% dopo quindici anni. Questo declino è ancora più ripido se si includono i laureati che non hanno mai pubblicato affatto, suggerendo che la maggior parte dei ricercatori contribuisce alla letteratura scientifica solo per un periodo di tempo limitato.
I ricercatori hanno anche testato se l'intelligenza artificiale moderna potesse sostituire il loro sistema computerizzato strutturato. Hanno scoperto che, sebbene i grandi modelli linguistici potessero prendere decisioni molto accurate quando erano molto sicuri, erano più lenti e leggermente meno efficaci nel trovare corrispondenze in tutto il gruppo rispetto al sistema di punteggio specializzato. L'approccio più efficiente, suggeriscono, è utilizzare il sistema veloce e specializzato per scansionare tutti i dati e poi utilizzare l'intelligenza artificiale solo per ricontrollare i casi in cui il primo sistema non è sicuro. Questo processo in due fasi consente una visione completa dei dati senza larsi bloccati dal tempo e dai costi del controllo di ogni singolo record con un modello complesso.
In definitiva, questo lavoro fa molto di più che risolvere un problema tecnico di abbinamento dei dati; cambia la storia della carriera accademica. Tenendo conto dei laureati che non pubblicano, lo studio fornisce un'immagine più onesta e completa degli esiti della formazione dottorale. Mostra che il percorso dopo un dottorato è molto più diversificato di quanto i dati abbiano precedentemente permesso di vedere, con un numero sostanziale di persone che si spostano verso ruoli che non comportano la pubblicazione in riviste accademiche. Il metodo sviluppato qui è aperto e può essere applicato ad altri campi e paesi, offrendo un nuovo strumento ai decisori politici e ai ricercatori per comprendere il vero destino dei milioni di persone che ottengono un dottorato ogni anno. Ci ricorda che la fine di una tesi non è sempre l'inizio di una carriera scientifica, e che il valore di un dottorato si estende ben oltre le pagine di una rivista.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.