อยากหา co-advisor ใน สวทช ปรึกษา Thesis ในสาขาที่เชี่ยวชาญ ปรึกษาท่านใหนดี? หรือ อยากรู้นักวิจัย/อาจารย์ท่านนี้เชี่ยวชาญด้านใหนบ้าง?  http://130.211.241.7/expertranking/v2/  มีคำตอบให้

Expert Ranking คือ การจัดอันดับผู้เชี่ยวชาญด้านสาขาเพื่อสามารถขอรับการให้คำปรึกษาเฉพาะทางได้หรือการจัดสรรบุคคลกรเพื่อปฏิบัติงานแก้ปัญหาทั้งภาคธุรกิจและภาครัฐได้ตรงกับความเชี่ยวชาญ

            ข้อมูลผู้เชี่ยวชาญภายในองค์กรถือว่ามีความสำคัญมากเนื่องจากหากสามารถระบุคนในการแก้ปัญหาได้อย่างเหมาะสมจะทำให้สามารถแก้ปัญหาต่าง ๆ ได้อย่างรวดเร็ว ประหยัดทั้งเวลาและจำนวนคน ดังนั้นจึงต้องมีการเก็บรวบมรวมข้อมูล วิเคราะห์จัดลำดับความเชี่ยวชาญที่เป็นอัติโนมัติ และสามารถเข้าใช้งานได้โดยง่ายผ่าน แอพพลิเคชันหรือเว็บแอพพลิเคชัน
ข้อมูลผลงานวิชาการ  ของนักวิจัยถือว่ามีความหลากหลายในแต่ละสาขา ประกอบด้วยผลงานการตีพิมพ์งานวิจัย (Paper) ผลงานการจดสิทธิบัตร (Patent) ผลงานหนังสือทางวิชาการ (academic book) และผลงานการนำเสนอข้อมูลทางวิชาการ (academic presentation) เป็นต้น ผลงานเหล่านี้สามารถสะท้อนถึงความสามารถและความเชี่ยวชาญของนักวิจัยได้เป็นอย่างดีและเป็นที่ยอมรับทั้งระดับประเทศและระดับสากล เมื่อมีข้อมูลผลงานทางวิชาการของนักวิจัยจำนวนมาก จะสามารถนำมาจัดลำดับผู้ที่มีความเชี่ยวชาญในแต่ละสาขาและลำดับสาขาที่ผู้วิจัยมีความเชี่ยวชาญได้ สามารถทดสอบการใช้งานได้ตามลิงค์ข้างล่าง

 http://130.211.241.7/expertranking
expertRanking

 

เป้าหมายและผู้ได้รับประโยชน์จากผลงานวิจัย

เพื่อให้ระบบให้สามารถค้นหา คำนวณ จัดลำดับ และแสดงผลลำดับผู้เชี่ยวในสาขาวิจัยต่าง ๆ จากการใช้ข้อมูลผลงานของนักวิจัยเช่น ผลงานตีพิมพ์ทางวิชาการ (paper) ผลงานการนำเสนอทางวิชาการ (academic presentation) และข่าวงานวิจัยที่เกี่ยวข้อง ดังนั้นระบบนี้มีประโยชน์และใช้ได้กับ ผู้ประกอบการ SME,บริษัท,นักเรียนนักศึกษา, นักวิจัยและผู้เชี่ยวชาญ

  • SME สามารถค้นหาผู้เชี่ยวชาญได้ตรงตามสาขาที่ต้องการจะปรึกษามากขึ้น
  • นักศึกษา สามารถหา co-advisor ภายนอกได้เร็ว ง่าย และตรงสาขามากขึ้น
  • ผู้เชี่ยวชาญ รู้ลำดับตัวเองและมีแรงผลักดันในการพัฒนางานวิจัยของตัวเองมากขึ้น

ที่มาของโครงการ

            กระทรวงวิทยาศาสตร์และเทคโนโลยีได้มีการริเริ่มให้จัดทำระบบฐานข้อมูลโครงสร้างพื้นฐานภาครัฐด้านวิทยาศาสตร์และเทคโนโลยี  เพื่อให้บริการแก่บุคคลทั่วไปโดยเฉพาะแก่ภาคเอกชน ในการสืบค้นข้อมูลทางด้านโครงสร้างพื้นฐานทางวิทยาศาสตร์และเทคโนโลยีภาครัฐที่มีอยู่ อันได้แก่ข้อมูลด้านห้องปฏิบัติการ เครื่องมือ ผู้เชี่ยวชาญ และผลงานวิจัยในแบบ One-Stop Service โดยมีวัตถุประสงค์เพื่อให้ทุกภาคส่วนสามารถเข้าร่วมใช้ประโยชน์จากโครงสร้างพื้นฐานภาครัฐด้านวิทยาศาสตร์ที่รัฐได้ลงทุนไปแล้วได้อย่างเต็มประสิทธิภาพและเพื่อเป็นการส่งเสริมให้เกิดการร่วมวิจัยและพัฒนาด้านวิทยาศาสตร์และเทคโนโลยีระหว่างภาครัฐและภาคเอกชน

ขณะนี้ สำนักงานเลขานุการคณะกรรมการส่งเสริมกิจการอุทยานวิทยาศาสตร์ (สอว.) ภายใต้ สำนักงานปลัดกระทรวงวิทยาศาสตร์และเทคโนโลยี ได้ทำการพัฒนาระบบฐานข้อมูลโครงสร้างพื้นฐานภาครัฐด้านวิทยาศาสตร์และเทคโนโลยีในระยะที่หนึ่งเสร็จสิ้น และได้เปิดให้บริการแก่ประชาชนทั่วไปแล้วในชื่อ S&T Infrastructure Databank (STDB) ผ่านทางเว็บไซต์ http://www.stdb.most.go.th แล้ว โดยในเบื้องต้นได้มีการประสานกับเครือข่ายอุทยานวิทยาศาสตร์ภูมิภาค ทั้ง 3 ภาค (ภาคเหนือ ภาคตะวันออกเฉียงเหนือ และภาคใต้)  ให้นำเอาข้อมูลโครงสร้างพื้นฐานห้องปฏิบัติการและนักวิจัยที่อยู่ภายใต้เครือข่ายอุทยานวิทยาศาสตร์ภูมิภาคเข้าสู่ระบบ

 

Capture2

สิ่งที่สะท้อนถึงอิทธิพลต่อการจัดลำดับผู้เชี่ยวชาญ จะเห็นได้จากคําถามต่างๆ เช่น บทความวิจัยของนักวิจัยคนนั้นมีผู้อื่นนําไปอ้างถึงกี่ครั้ง ใครบ้างที่อ้าง ถึงผลงานวิจัยนั้น และงานวิจัยของนักวิจัยนั้นได้เปิดเผยข้อค้นพบใหม่อะไรบ้าง มีจำนวนผู้ชื่นชอบผลงานกี่คน(Like),มีคนตามกี่คน(Follower), มีการแชร์กี่ครั้งหรือมีคนพูดถึงผลงานเป็นต้น ดังนั้นผลงานทางวิชาการเป็นการกําหนดตัวชี้วัดเกี่ยวกับคุณภาพและปริมาณของผลงานวิจัยที่ส่งผลต่อการจัดลำดับผู้เชี่ยวชาญ

ปัจจุบันมีเวปไซน์ที่เปิดให้บริการค้นคืนข้อมูลและการทำ Expert ranking เช่น Google Scholar[1] ซึงเป็นเวปที่มีฐานข้อมูลเพื่อการค้นคืนการอ้างอิงผลงานทางวิชาการและจัดลำดับผู้เชี่ยวชาญตามจำนวนผล paper และ patent ที่ถูกอ้างถึงการอ้าง, researchgate[2] เป็นเวปไซน์ที่มีฐานข้อมูลออนไลน์อีกเวปที่เรียงลำดับผู้เชี่ยวชาญจากจำนวนผลงานที่ถูกวิว,จำนวนการดาวน์โหลด จะเห็นว่าที่ผ่านมาผลงานหลักๆในการนำมาวิเคราะห์สาขาผู้เชี่ยวชาญที่ใช้ในการระบุความเชี่ยวชาญของนักวิจัยดึงมาจากข้อมูลผลงานวิจัยได้จากสังคมออนไลน์ส่วนใหญ่เช่น ฐานข้อมูลผลงานวิจัยออนไลน์ดังกล่าข้างต้น,ข่าวเกี่ยวกับงานวิจัยหน้าเวป ซึ่งผลงานที่ดึงมาจากแหล่งข้อมูลผลงานวิจัยออนไลน์ โดยเฉพาะฐานข้อมูลที่เก็บรวบรวมผลงานที่เป็นงานเขียนจะติด Tag เพื่อระบุคำสำคัญและสาขาวิจัย ข้อมูลที่มีความสำคัญต่อการแยกสาขาผู้เชี่ยวชาญคือ Tag ซึ่งบ่งบอกถึงสาขาตามอนุกรมวิธาร(Taxonomy) ดังนั้น ข้อมูลลักษณะนี้จึงเหมาะสมกับการจัดกลุ่ม(Classification)และแบ่งกลุ่ม(Clustering) ด้วยวิธี Data Mining  งานวิจัยที่ผ่านมามีผู้ใช้เทคนิค Classification คือ  Toine Bogers[3] ใช้ Tag ที่เป็นวลีมาหาคำสำคัญใช้เทคนิค TF-IDF ระบุสาขา และคำนวณค่าน้ำหนัก (weight) ของวลี และนำค่าน้ำหนักมาหาค่าเฉลี่ยเพื่อระบุขอบเขตความเชี่ยวชาญสาขาหลักของนักวิจัย  Ying Chen[4] งานวิจัยนี้ได้นำเสนออัลกอริทึมการจำแนกประเภทสาขา โดยมีกลำดับขั้นตอนดังนี้ a)นำวลีมาวิเคราะห์และสร้างกลุ่มสาขา b)ข้อมูลไม่มีสาขาก็จะสร้างอนุกรมวิธาร(taxonomy)ในการระบุสาขาความเชี่ยวชาญ c) คำนวณระยะห่าง(Distance)ตาม Taxonomy  d)นำข้อมูลทั้งหมดมาจัดลำดับความเชี่ยวชาญควบคู่กับจำนวนงานวิจัยของนักเขียน และ Nir Ofek [5]ได้ใช้เทคนิค Naive Bayes เพื่อแยกสาขาผ้เชี่ยวชาญ ข้อมูลที่ได้จากเฟสบุ๊คและเวปไซน์เลือกคำที่เกี่ยวกับกิจกรรม(activity)มาเป็นดัชนีในการคำนวณสาขา,Kas Kasravi[6] ใช้คุณภาพเป็นดัชนีกำหนดความเชี่ยวชาญในการคำนวณคะแนน (quality index score)ไช้ข้อมูลจาก e-mails, blogs, presentations, reports,  papers,  และ patents โดยการคำนวณ weightg เพื่อระบุคุณภาพเอกสารเช่นpatent มี weightg สูงสุด และใช้ citation ปรับค่าเปอร์เซ็นของ weightg  ระบุสาขาโดยใช้ tag ซึ่งระบุสาขาส่วนเอกสารใหนไม่มี tag และเอกสารใดที่ไม่มี tag ใช้ เทคนิค NLP อนุมานสาขาจากหัวข้อของเอกสารและมีผู้ใช้เทคนิค Clustering คือ  Yu-Min Su[7] ได้เสนอวิธีแยกสาขาผู้เชี่ยวชาญโดยพิจารณาผู้เขียนร่วม,ความถี่ที่มีผู้อ้างถึงเอกสารที่เขียนโดยผู้เขียนร่วมคู่ และวัดความความคล้ายคลึงของเอกสารด้วย Pearson’s correlation ด้วยเทคนิค k-means clustering ซึ่งทำให้ทราบว่าผู้เขียนมีความชำนาญมากกว่า 1 ด้าน และเมื่อทดสอบวิธีนี้สมารถแยกประเภทผู้เชี่ยวชาญได้ถูกต้อง 90%  นอกจากนี้ยังมีข้อมูลที่ได้จากสังคมออนไลน์ เช่น Webboard, Facebook,Email,Blog,Facebook fanpage,Presentations, Reports เทคนิค Text categorization เช่น  Sanghee Kim[8] ใช้เทคนิค EMNLP (Expertise Modelling using Natural Language Processing) เพื่อสะกัดและตัดคำค้นหา ที่เป็น Verb ของ subject  และทำการ Map คำที่เป็น verb ตาม Speech Act Theory category และใช้เทคนิคทางสถิติ (statistical) เพื่อระบุสาขา ว่าผู้เขียน Email มีความต้องการปรึกษาผู้เชี่ยวชาญใดมากที่สุด  และจะส่ง Email ไปให้ผู้เชี่ยวชาญคนใหนตอบคำถาม Wan Muhammad Zulhafizsyam Wan Ahmad[9] ได้หาผู้เชี่ยวชาญในกรณีอยู่ในสาขาเดียวกัน ใช้เทคนิค Expertise Data Mining (EDM) เพื่อปรับปรุงดัชนีในการประเมินคุณภาพผลงานวิจัย(h-index) โดยการเพิ่มข้อมูลจำนวนโปรเจ็ควิจัย   แต่ยังไม่มีงานวิจัยใดที่ทำการจัดลำดับนักวิจัยจากผลงานวิจัยทุกประเภท ซึ่งมีนักวิจัยบางคนที่เก่งๆและผลิตผลงานออกมาจำนวนนึงที่ออกสู่ภาคธุรกิจที่ไม่ได้ตีพิมพ์ในวารสารวิชาการก็ถือได้ว่ามีความเชี่ยวชาญแต่ไม่ได้นำมาจัดลำดับในฐานข้อมูลที่ผ่านมา 

 

API เกี่ยวกับการทำ Expert Ranking

API แนะนำชื่อสาขาและชื่อผู้เชี่ยวชาญ (Ranking suggestion)

API ค้นหาและจัดลำดับนักวิทยาศาสตร์ที่มีความเชี่ยวชาญภายในสาขา (Search Expert in Area)

API ค้นหาและจัดลำดับสาขาความเชี่ยวชาญของนักวิทยาศาสตร์ (Search Expertise of Expert)

 

[1]https://scholar.google.co.th/
[2]https://www.researchgate.net/
[3]http://journals.lib.washington.edu/index.php/acro/article/view/12488/10988
[4]https://www.google.com/patents/US7792786
[5]http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6840827&tag=1
[6]https://www.google.com/patents/US20130218644
[7]http://www.sciencedirect.com/science/article/pii/S0957417408001802
[8]https://www.google.com/patents/US20050108281
[9]http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5976499

ที่มาของรูป

[1] http://engineering.ucsb.edu/images/news/rankings2012.png 
[2] http://mustafasezgince.com/uploads/images/network-marketing1.jpg