Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Mapping Low-Resolution Edges to High-Resolution Paths: The Case of Traffic Measurements in Cities Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Unraveling the Structure of Knowledge: Consistency in Everyday Networks, Diversity in Scientific

verfasst von : Owen G. W. Saunders, Chico Q. Camargo, Massimo Stella

Erschienen in: Complex Networks XV

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The patterns and dynamics that govern the flow of concepts and the association of information for various scientific domains, are not well understood in the realm of knowledge evolution and organisation. To that end, we look at using concept networks to capture the associations between these concepts as a domain grows. We compare concept networks as they grow for scientific domains, sci-fi literature, common news topics and science news, using Quantum Spectral Jensen-Shannon Divergence, to evaluate how consistent their network structures are at their early stages. We find that everyday concept networks tend to be more consistent with each other, whereas scientific networks are less consistent and we discuss the potential factors influencing the structures of these networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Exploring Ingredient Variability in Classic Russian Cuisine Dishes Through Complex Network Analysis
Nächstes Kapitel Kinematic-Based Force-Directed Graph Embedding
Fußnoten
Literatur
1.
Donnat, C., Holmes, S.: Tracking network dynamics: a survey using graph distances. Ann. Appl. Stat. 12(2), 971–1012 (2018)MathSciNetCrossRef
2.
Fortunato, S., Bergstrom, C.T., Börner, K., Evans, J.A., Helbing, D., Milojević, S., Petersen, A.M., Radicchi, F., Sinatra, R., Uzzi, B., et al.: Science of science. Science 359(6379), eaao0185 (2018)
3.
Hartle, H., Klein, B., McCabe, S., Daniels, A., St-Onge, G., Murphy, C., Hébert-Dufresne, L.: Network comparison and the within-ensemble graph distance. Proc. R. Soc. A 476(2243), 20190744 (2020)MathSciNetCrossRef
4.
Koponen, I.T., Pehkonen, M.: Coherent knowledge structures of physics represented as concept networks in teacher education. Sci. Educ. 19, 259–282 (2010)CrossRef
5.
Krenn, M., Buffoni, L., Coutinho, B., Eppel, S., Foster, J., Gritsevskiy, A., Lee, H., Lu, Y., Moutinho, J., Sanjabi, N., Sonthalia, R., Tran, N., Valente, F., Xie, Y., Yu, R., Kopp, M.: Predicting the future of AI with AI: high-quality link prediction in an exponentially growing knowledge network. Nat. Mach. Intell. (2022)
6.
McCabe, S., Torres, L., LaRock, T., Haque, S.A., Yang, C.H., Hartle, H., Klein, B.: netrd: a library for network reconstruction and graph distances (2020). arXiv:​2010.​16019
7.
8.
Misra, R., Grover, J.: Sculpting Data for ML: The First Act of Machine Learning (2021)
9.
Scott, C., Mjolsness, E.: Graph diffusion distance: properties and efficient computation. PLoS ONE 16(4), e0249624 (2021)CrossRef
10.
11.
12.
Tran, N.M., Xie, Y.: Improving random walk rankings with feature selection and imputation science4cast competition, team hash brown. In: 2021 IEEE International Conference on Big Data (Big Data), pp. 5824–5827. IEEE (2021)
13.
Vincent-Lamarre, P., Massé, A.B., Lopes, M., Lord, M., Marcotte, O., Harnad, S.: The latent structure of dictionaries. Top. Cogn. Sci. 8(3), 625–659 (2016)CrossRef
14.
Metadaten
Titel
Unraveling the Structure of Knowledge: Consistency in Everyday Networks, Diversity in Scientific
verfasst von
Owen G. W. Saunders
Chico Q. Camargo
Massimo Stella
Copyright-Jahr
2024
Buch
Complex Networks XV

Print ISBN: 978-3-031-57514-3

Electronic ISBN: 978-3-031-57515-0

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-57515-0_10

Premium Partner

    Bildnachweise