Unsupervised machine learning method for researchers’ profiles matching

Other Title(s)

طريقة التعلم الآلي غير الخاضع للإشراف لمطابقة ملفات تعريف الباحثي

Author

Sabah, Thabit Sulayman

Source

Palestinian Journal of Technology and Applied Sciences

Issue

Vol. 2022, Issue 5 (31 Jan. 2022), pp.44-59, 16 p.

Publisher

al-Quds Open University Deanship of Scientific Research and Graduate Studies

Publication Date

2022-01-31

Country of Publication

Palestine (West Bank)

No. of Pages

16

Main Subjects

Educational Sciences

Abstract AR

مطابقة ملفات تعريف الباحثين هي خطوة أولية ومهمة لتشكيل الفرق البحثية الفعالة.

إن الاهتمامات البحثية الواسعة و متعددة التخصصات و المتغيرة للباحثين تعقد عملية مطابقة الملفات التعريفية باستخدام الأساليب التقليدية، و تؤثر على أدائها.

يهدف هذا البحث إلى حل مشكلة مطابقة الملفات الشخصية في مجال البحث العملي، و العمل البحثي من خلال توظيف طرق تعلم الآلة غير الخاضعة للإشراف.

و استخدمت طريقة التصنيف (ك-متوسطات) لتصنيف ملفات تعريف الباحثين اعتمادا على التحليل الإحصائي لعناوين أبحاثهم، و وظف التشابه المبني على الارتباط لمطابقة ملفات التعريف ضمن الفئات.

و تم بناء الطريقة المقترحة، و فحصها، ثم قيمت باستخدام مجموعة بيانات مستخلصة من موقع الباحث العلمي ل(جوجل).

و أظهرت نتائج مطابقة الملفات الشخصية، و فحص جودة التصنيف أن المهمة المصممة قد تم إنجازها، يضاف إلى ذلك ظهور قيم تشابه عالية للأبحاث داخل الفئة و قيم ارتباط متدنية بين الفئات.

و يمكن لتحليل نتائج التصنيف أن تكشف معلومات مضيئة و مهمة حول العمل البحثي، و التي من شأنها أن تساعد الباحثين، و دوائر إدارة البحث، و صناع السياسات و القرارات في مهامهم المرتبطة بالعمل البحثي.

Abstract EN

Researcher profiles matching is an initial and important step of effective research teams’ formation.

the researchers’ wide, multidisciplinary, and changeable research interests complicate the process of profile matching using traditional methods and affect its performance.

this research aims to solve the problem of profile matching in scientific research and scholarly work by employing unsupervised machine learning methods.

the k-mean clustering method is utilized to categorize researcher profiles based on the statistical analysis of their publication titles, and the correlation-based similarity is employed for profile matching within the categories.

the proposed method is implemented, tested, and evaluated using an extracted dataset from google scholar.

the profile matching results and the clustering quality test result show that the designed task was achieved, in addition to high similarity values of publications within the categories and low correlation values among the clusters.

moreover, the clustering results’ analysis can reveal interesting and enlightening information about the scholarly work, which may help the researchers, research management departments, as well as policies and decisionmakers in their scholarly work associated tasks.

American Psychological Association (APA)

Sabah, Thabit Sulayman. 2022. Unsupervised machine learning method for researchers’ profiles matching. Palestinian Journal of Technology and Applied Sciences،Vol. 2022, no. 5, pp.44-59.
https://search.emarefa.net/detail/BIM-1405282

Modern Language Association (MLA)

Sabah, Thabit Sulayman. Unsupervised machine learning method for researchers’ profiles matching. Palestinian Journal of Technology and Applied Sciences No. 5 (Jan. 2022), pp.44-59.
https://search.emarefa.net/detail/BIM-1405282

American Medical Association (AMA)

Sabah, Thabit Sulayman. Unsupervised machine learning method for researchers’ profiles matching. Palestinian Journal of Technology and Applied Sciences. 2022. Vol. 2022, no. 5, pp.44-59.
https://search.emarefa.net/detail/BIM-1405282

Data Type

Journal Articles

Language

English

Notes

Includes bibliographical references : p. 58-59

Record ID

BIM-1405282