Взвешенные индикаторы: скрытая математика, объединяющая научные статьи, Google и футбол... — 29 июня 2026 г. в 12:00:37.531
Взвешенные индикаторы: скрытая математика, объединяющая научные статьи, Google и футбольные турниры В наукометрии, как и в теории сетей, простого подсчета цитирований-ссылок-связей часто бывает недостаточно. Одно дело, когда вашу научную статью процитировали в малоизвестном студенческом вестнике, и совсем другое — когда на нее ссылается Nature. Именно здесь на сцену выходят взвешенные индикаторы, которые учитывают не только количество связей, но и качество (вес) источника. Как показано в учебном пособии Ф.Т. Алескерова, Э.Л. Хабиной и Д.А. Шварца «Бинарные отношения, графы и коллективные решения» (2006), современные математические подходы к описанию объектов разной природы позволяют строить модели, хорошо отражающие социально-экономические реалии. И у этих моделей много лиц. В основе оценки «важности» узла в сети лежат математические концепции, которые нашли применение в самых разных сферах: — Google PageRank: алгоритм, совершивший революцию в поиске. Ларри Пейдж и Сергей Брин применили принцип матриц цитирования к гиперссылкам в интернете, т.е. страница важна, если на нее ведут ссылки с других важных страниц. — Марковские процессы: эту же задачу можно описать через случайные блуждания. Представьте читателя (или алгоритм), который случайным образом переходит по ссылкам из статьи в статью. Вероятность того, что он окажется в конкретном журнале в долгосрочной перспективе, и есть мера влиятельности этого журнала. — Нахождение собственного вектора матрицы цитирования: это решение уравнения линейной алгебры. Важность узла (статьи, журнала, веб-страницы) определяется как сумма важностей всех узлов, которые на него ссылаются. При этом важность ссылающихся узлов, в свою очередь, тоже зависит от тех, кто ссылается на них. Возникает рекурсия, а точным математическим решением данной задачи будет собственный вектор матрицы цитирования. Он сразу показывает итоговые веса каждого узла, соответствующие стабильному состоянию в финале бесконечного рекурсивного процесса (после следующего шага рекурсии уже ничего не меняется). — SJR (SCImago Journal Rank) и Eigenfactor / Article Influence: можно сказать, что это PageRank в наукометрии. Эти метрики оценивают престиж научных журналов, придавая больший вес цитированиям, исходящим из высокорейтинговых изданий. Самое интересное, что этот математический аппарат выходит далеко за привычные рамки науки и интернета, находя весьма неожиданное применение, — например, на футбольных чемпионатах. Более подробно об этом и многом другом можно узнать, посмотрев запись вебинара Владимира Пислякова «Библиометрические индикаторы: на глубине»: - YouTube - ВКонтакте - Rutube