Live Shine - Uma ferramenta para suporte à avaliação de impacto de eventos científicos em computação

• Ano de defesa: 2016
• Autor(a) principal: Nascimento, Leonardo Fontes do
• Outros Autores: http://lattes.cnpq.br/0421588539869361
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Live Shine; Bibliotecas Digitais; Coleta Colaborativa; Índices de Impacto; CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: http://tede.ufam.edu.br/handle/tede/5162

Uma preocupação frequente entre os pesquisadores é que os resultados de suas pesquisas sejam publicados em veículos de impacto na comunidade científica. Geralmente, os índices de impacto são obtidos através de métricas baseadas no número de citações que seus artigos recebem. Instituições tais como o SCImago e Thomson Reuters fornecem índices de impacto precisos para os principais periódicos internacionais. Embora isso seja suficiente para a maioria das áreas, para a área de Ciência da Computação as conferências e outros eventos científicos são igualmente importantes como veículos de publicação. No entanto, atualmente não existe nenhuma solução que seja universalmente aceita para se obter índices precisos sobre conferências, pois as ferramentas mais utilizadas para esse fim apresentam divergências entre os índices gerados para uma mesma conferência e ano. Neste trabalho propomos uma ferramenta denominada Live SHINE, cujo objetivo é gerar índices de impacto de alta precisão de conferências de Ciência da Computação a partir de dados fornecidos pelo Google Scholar. Nossa ferramenta utiliza um método baseado em técnicas de aprendizagem de máquina que filtra automaticamente os metadados fornecidos pelo Google Scholar e considera no cálculo dos índices de impacto apenas os dados de citações de artigos que de fato pertencem a conferência. Os experimentos realizados indicam que nosso método é eficaz, alcançando uma métrica F1 média acima de 0.9 considerando 30 conferências analisadas. Além disso, desenvolvemos também uma nova estratégia distribuída e colaborativa de coleta de citações, na qual as consultas enviadas ao Google Scholar para recuperar os valores atualizados de citações de artigos são disparadas pela própria interface do usuário, evitando problemas como sobrecarga da rede, demora na atualização das citações e bloqueio frequente por parte do Google Scholar. Assim, essa estratégia faz com que a comunidade de usuários colabore para manter os dados de citações atualizados para o benefício de todos.