Je bedeutender eine Studie ist, desto häufiger wird sie von anderen zitiert. Dieser Logik folgend, dienen Zitationen üblicherweise als Maß für den Einfluss einer Forschungsarbeit. Doch manchmal greift diese Methode zu kurz. Denn werden nur direkte Zitationen einbezogen, lässt sich nicht abbilden, wenn eine Studie ein ganz neues Forschungsfeld eröffnet hat, in dem die Ursprungsstudie nicht mehr unbedingt in jeder auf ihr aufbauenden Veröffentlichung erwähnt wird. „Wissenschaftlicher Einfluss breitet sich sowohl über direkte als auch indirekte Zitationspfade aus und Entdeckungen sind oft über mehrere Artikel verstreut“, erklärt ein Team um Munjung Kim von der Indiana University in Bloomington. „Das macht es schwierig, Disruptivität zu messen.“
Abgleich von Vergangenheit und Zukunft
Gemeinsam mit ihren Kollegen hat Kim nun einen neuen Ansatz entwickelt, um die Durchschlagskraft wissenschaftlicher Entdeckungen zu klassifizieren. Dazu ordneten die Forschenden mehr als 55 Millionen Studien und Patente in ein hochdimensionales Raster ein, das mit Hilfe künstlicher Intelligenz alle direkten und indirekten Verbindungen zu weiteren Studien erfasst und jeweils darstellt, auf welchen früheren Veröffentlichungen eine Arbeit aufbaut und welche neuen Forschungsarbeiten sie inspiriert hat.
„Der Kerngedanke unseres Ansatzes besteht darin, dass wir uns für jede Arbeit zwei unterschiedliche Vektoren vorstellen können: einen für die Vergangenheit und einen für die Zukunft“, erklären Kim und ihre Kollegen. „Wenn ein Beitrag die Verbindung zwischen Vergangenheit und Zukunft wesentlich neu gestaltet oder einen neuen Forschungszweig initiiert, divergieren diese beiden Kontexte.“ Je größer also der Abstand zwischen dem Vergangenheits- und dem Zukunftsvektor ist, desto größere Veränderungen hat die jeweilige Arbeit angestoßen. „Unser Maß – das „Embedding Disruptiveness Measure“ (EDM) – bietet einen kontinuierlichen, hochauflösenden Einblick darin, wie wissenschaftliche Beiträge die Beziehung zwischen überliefertem Wissen und neuen Forschungsrichtungen neu gestalten“, so die Forschenden.
Wissenschaftlicher Einfluss messbar gemacht
Um ihr neues Maß zu testen, prüften die Forschenden für zahlreiche mit dem Nobelpreis ausgezeichnete Forschungen sowie weitere herausragende Arbeiten, wo diese eingeordnet wurden. Tatsächlich identifizierte das EDM die relevanten Beiträge zuverlässiger als bisherige Methoden. Das galt insbesondere für Entdeckungen, die mehrere Forschungsgruppen zeitgleich unabhängig voneinander gemacht haben – ein Fall, in dem andere Metriken oft versagen.
Ein Beispiel für eine solche gleichzeitige Entdeckung ist der Higgs-Mechanismus, der erklärt, wie Elementarteilchen ihre Masse gewinnen. Entdeckt wurde er sowohl von dem namensgebenden Physiker Peter Higgs, als auch unabhängig von ihm von François Englert und Robert Brout. Da Higgs diese beiden in seiner Veröffentlichung zitiert, bewerten gängige Disruptions-Maßstäbe seine Veröffentlichung fälschlicherweise als wenig innovativ. Das EDM dagegen zeigt korrekt an, dass Higgs, Englert und Brout gemeinsam einen wissenschaftlichen Durchbruch angestoßen haben.
„Durch die robustere Identifizierung disruptiver Innovationen und gleichzeitiger Entdeckungen ermöglicht unsere Methode eine genauere Zuordnung transformativer Beiträge und liefert gleichzeitig Einblicke in die Mechanismen, die wissenschaftliche Durchbrüche vorantreiben“, schreibt das Forschungsteam. Aus Sicht von Co-Autor Sadamori Kojaku von der Binghamton University in New York könnte das erhebliche Auswirkungen auf die Wissenschaftspolitik haben. Denn wenn bekannt ist, unter welchen Umständen in der Vergangenheit wissenschaftliche Durchbrüche stattgefunden haben, lassen sich zukünftig entsprechende Bedingungen gezielt schaffen, um weitere bahnbrechende Forschung voranzutreiben. „Diese Einblicke sind hilfreich für die Priorisierung von Fördermitteln“, sagt er. „Wir verfügen nun über die quantitativen Kennzahlen, um zu untersuchen, in welcher Forschungsphase disruptive Arbeiten stattfinden und am wichtigsten sind.“
Quelle: Munjung Kim (Indiana University, Bloomington, USA) et al., Science Advances; doi: 10.1126/sciadv.adx3420
