Cómo el PageRank de Google puede predecir a los Premios Nobel

El patrón de citas entre papers científicos forman una red que tiene notables similitudes con la red formada por Internet. Así que por qué no usar el famoso PageRank de Google, el algoritmo de búsqueda más efectivo, para poder ranquear a los artículos científicos de la misma forma que Google ranquea los sitios web. Bueno, […]

El patrón de citas entre papers científicos forman una red que tiene notables similitudes con la red formada por Internet. Así que por qué no usar el famoso PageRank de Google, el algoritmo de búsqueda más efectivo, para poder ranquear a los artículos científicos de la misma forma que Google ranquea los sitios web. Bueno, un grupo de físicos ha decidido hacerlo.

El PageRank de Google fue desarrollado en 1999, y está formado por una serie de algoritmos que asignan de una forma numérica la relevancia de los sitios de internet de acuerdo cómo se citan entre sí. Cada cita es un voto, pero a su vez cada sitio, y su voto, va adquiriendo más importancia si recibe muchos votos.

Fue desarrollado por Larry Page y Sergey Brin, y en base a ese algoritmo crearon el buscador Google que hoy en día es una de las empresas más exitosas del mundo.

Investigadores de Estados Unidos han decidido hacer la prueba y utilizar el algoritmo en un experimento de citas entre artículos publicados por la American Physical Society desde 1893 hasta la actualidad. Los resultados son de lo más interesante, ya que los papers que terminaron en el top 10, resultaron ser de científicos que recibieron el Premio Nobel.

Esto significa que el algoritmo de Google es perfecto para medir la importancia de los artículos científicos, y no sólo eso, sino que se podría predecir quién va a ganar el premio Nobel estudiando los top 10 de artículos más citados.

Y es que la forma en que se ranquea en la actualidad la importancia de los papers o publicaciones de acuerdo a la cantidad de citas que reciben, no es lo más democrático. Ya que no es lo mismo se citado por un paper de un Premio Nobel, que por un recién recibido. Tampoco es lo mismo que la cita provenga de una revista desconocida, que de otra famosa por su buena calidad. Ni tampoco es lo mismo ser citado por alguien del mismo campo que de una ciencia totalmente diferente.

El PageRank resuelve todo esto ya que no sólo cuenta la cantidad de citas que recibe un artículo dado. Ya que un paper que tiene muchas citas, aporta un voto con más peso, que un paper que no ha recibido citas. Por lo que si un paper muy importante cita a otro, le otorga también más peso.

El top ten resultante del estudio realizado por Sergei Maslov y Sidney Redner es:

  1. Unitary Symmetry & Leptonic Decays por Cabibbo
  2. Theory of Superconductivity por Bardeen, Cooper & Schrieffer
  3. Self-Consistent Equations . . . por Kohn & Sham
  4. Inhomogeneous Electron Gas por Hohenberg & Kohn
  5. A Model of Leptons por Weinberg
  6. Crystal Statistics . . . por Onsager
  7. Theory of the Fermi Interaction por Feynman & Gell-Mann
  8. Absence of Diffusion in . . . por Anderson
  9. The Theory of Complex Spectra por Slater
  10. Scaling Theory of Localization por Abrahams, Anderson, et al.

La mayoría de los autores son Premios Nobel. Bien valdría que el sistema de valoración de las citas y menciones se cambiase de una buena vez.

Fuente: arXiv Vía Slashdot

Cómo el PageRank de Google puede predecir a los Premios Nobel
4.60 / 5
4.60 - 50 Votos

También te puede interesar