Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิเคราะห์กราฟผู้วิจัยร่วมโดยใช้ตัววัดหลายตัว
Other Title (Parallel Title in Other Language of ETD)
Analysis of co-authorship graph using multiple metrics
Year (A.D.)
2013
Document Type
Thesis
First Advisor
วีระ เหมืองสิน
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Degree Name
วิศวกรรมศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
วิศวกรรมคอมพิวเตอร์
DOI
10.58837/CHULA.THE.2013.1235
Abstract
งานวิจัยนี้ได้นำเสนอและพัฒนาเครื่องมือสำหรับการวิเคราะห์กราฟเครือข่ายผู้วิจัยร่วมด้านพฤติกรรมการทำวิจัยร่วมกันของนักวิจัยโดยใช้ตัววัดหลายตัวในการวิเคราะห์ เพื่อให้สามารถเปรียบเทียบความแตกต่างระหว่างกราฟเครือข่ายผู้วิจัยร่วม ผู้วิจัยได้นำเสนอ 3 ตัววัดโดยชุดของตัววัดประกอบไปด้วยตัววัด Component leadership (CL) | ตัววัด Weighted betweenness centralization (W-BC) และตัววัด Weighted clustering coefficient (W-GCC) ซึ่งตัววัดแรกเป็นตัววัดใหม่ที่ผู้วิจัยนำเสนอ ตัววัดอื่นๆเป็นที่เกิดจากการประยุกต์ตัววัดที่วัดที่มีอยู่แล้วให้เหมาะกับกราฟเครือข่ายผู้วิจัยร่วม โดยผลลัพธ์ของตัววัดชุดนี้จะอยู่ในช่วง[0-1] เพื่อให้สามารถเปรียบเทียบระหว่างกราฟเครือข่ายผู้วิจัยร่วมที่มีจำนวนโหนดไม่เท่ากัน และผู้วิจัยได้ประยุกต์ใช้วิธีการนี้ในการวิเคราะห์เครือข่ายผู้วิจัยร่วมของสาขาวิชาต่างๆ รวมทั้งเครือข่ายผู้วิจัยร่วมของ 9 มหาวิทยาลัยที่สังกัดมหาวิทยาลัยวิจัยแห่งชาติ ผลลัพธ์แสดงให้เห็นว่าการผสมกันของตัววัดทั้งสามมีประสิทธิภาพในการวิเคราะห์กราฟเครือข่ายผู้วิจัยร่วมด้านพฤติกรรมการทำวิจัยร่วมกันของนักวิจัยได้ ซึ่งมหาวิทยาลัยหรือสถาบันวิจัยสามารถใช้เป็นแนวทางหนึ่งสำหรับประเมินพฤติกรรมการทำวิจัยและการนำไปใช้เป็นเครื่องมือสำหรับวางแผนยุทธศาสตร์การวิจัยได้
Other Abstract (Other language abstract of ETD)
Research collaboration is increasingly involved with the growth of co-authored publication. Studying the structure of co-authorship graphs can lead to insights about the collaboration. This paper presents a study of co-authorship graphs using multiple graph analysis metrics. We propose that three metrics including component leadership, weighted betweenness centralization, weighted clustering coefficient can effectively capture the structural distinctiveness of co-authorship graphs. We used this method to analyze co-authorship graphs of six leading Thai research universities. The results show that the 3-metric combination can effectively represent the structures of the co-authorship graphs. Therefore, it can be used as a tool for strategic research planning.
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
ภู่กลาง, สุธีรา, "การวิเคราะห์กราฟผู้วิจัยร่วมโดยใช้ตัววัดหลายตัว" (2013). Chulalongkorn University Theses and Dissertations (Chula ETD). 69515.
https://digital.car.chula.ac.th/chulaetd/69515