Réseaux de co-publication

Dans un deuxième temps, des réseaux de co-publication furent construits à partir des résultats bibliométriques obtenus. Les réseaux ont permis de faire ressortir des éléments de collaborations entre les différentes organisations et auteurs. Les réseaux de co-publication seront présentés par organisations et par auteurs pour chacune des périodes étudiées, soit 2003-2007 et 2008-2012 afin d’observer l’évolution d’une période à l’autre.

Les données bibliométriques ont été importées dans le logiciel libre NodeXL (Basic Excel Template 2014), utilisé pour présenter les réseaux et calculer certaines métriques descriptives. Les nœuds représentent les auteurs ou les organisations auxquelles sont affiliés ces auteurs et les liens entre eux représentent un lien de co-publication. L’épaisseur des traits liant deux nœuds est proportionnelle à la fréquence de collaboration. La taille des nœuds est proportionnelle au nombre d’articles afin de démontrer le niveau de productivité. Afin de faciliter la visualisation, l’organisation des données a été générée sous forme de communauté, présentée selon les affinités de regroupement avec l’algorithme Clauset-Newman-Moore (Clauset et al., 2004). Un code de couleur a été déterminé pour chaque type d’organisation et la forme du nœud correspond au pays

d’origine de l’organisation ou de l’affiliation de l’auteur. Une légende est présentée au bas de chaque réseau.

Les indicateurs de performance et de centralité, tout comme les mesures de structure de réseau, ne sont présentés que pour l’analyse par auteur. Ce choix méthodologique est basé sur le désir d’observer les habitudes de co-publications au niveau micro, soit au niveau des individus plutôt que des organisations.

Mesures de performance

Les indicateurs mesurant la performance scientifique utilisée dans le cadre de cette étude furent les suivants: nombre d’articles, nombre de liens de collaborations et le nombre de citations. Il est sous-entendu qu’un chercheur obtient de la visibilité lorsque ses articles sont cités; les citations deviennent donc en quelque sorte un indicateur servant à quantifier et qualifier le travail d’un auteur (Lehmann et al. 2006, 2008).

Mesures de centralité

Parmi les indicateurs utilisés dans l’analyse de réseaux sociaux, les mesures de centralité permettent d’identifier à quel point un nœud, dans ce cas-ci un auteur, est central par rapport au reste du réseau. Les mesures de centralité utilisées dans cette étude sont l’intermédiarité, le degré de centralité, le coefficient de clique et PageRank. Elles ont été calculées à partir du logiciel NodeXL. Ces mesures sont définies comme suit:

 L’intermédiarité est une moyenne de tous les chemins les plus courts d’un nœud. Une

valeur élevée indique que l’auteur joue un rôle important dans le flux d’information au sein du réseau (Freeman, 1977). Le modèle théorique est défini comme suit, où σst est le nombre total de chemins le plus court du nœud s au nœud t et σst (v) le nombre de ces chemins passant par v :

𝑔(𝑣) = ∑ 𝜎𝑠𝑡(𝑣) 𝜎_𝑠𝑡 𝑠≠𝑣≠𝑡

 Le degré de centralité est un indicateur des connexions d’un auteur et permet d’identifier ceux étant le mieux connectés au reste du réseau. Il représente le nombre total de liens d’un nœud. Chung et Hossain (2009) l’ont défini comme un indicateur d’activité de communication.

 Le coefficient de clique indique le niveau de connectivité d’un auteur par rapport aux nœuds voisins et permet d’identifier la possibilité de formation de clique avec ceux-ci. Une valeur élevée indique un haut niveau de connectivité et une faible valeur indique un manque de connectivité aux nœuds voisins. Le coefficient de clique local pour un réseau non dirigé, soit pour un nœud i, est calculé selon le modèle théorique suivant où Ni est le

voisinage du sommet i et ki pour chaque lien e entre les nœuds voisins ij (Watts et Strogatz, 1998). Le coefficient global d’un réseau consiste en une moyenne des coefficients de chaque nœud du réseau.

 PageRank est une mesure de l’importance d’un nœud selon le nombre et la qualité des liens qu’il entretient (Altman et Tennenholtz, 2005). L’algorithme, d’abord utilisé principalement par Google Search pour classer les pages web selon le nombre de cliques, est de plus en plus utilisé en bibliométrie dans l’étude des réseaux sociaux. Le modèle théorique, où la valeur PageRank (PR) de u dépend de la valeur de PR de chaque v contenu dans l’ensemble Bu contenant tous les liens avec u divisé par le nombre de liens

de v.

𝑃𝑅(𝑢) = ∑ 𝑃𝑅(𝑣) 𝐿 (𝑣) 𝑣∈𝐵𝑢 Mesure de structure de réseau

Les mesures de structure d’un réseau donnent une indication de cohésion du réseau. Parmi les mesures de structure utilisées dans cette étude, notons la moyenne de la distance des chemins, le diamètre, la composante géante, le nombre de composantes isolées et la modularité. Elles peuvent être définies comme suit :

 La moyenne de la distance des chemins est définie comme étant la distance moyenne des chemins entre chaque paire de nœuds (Albert et Barabasi, 2002).

 Le diamètre représente la plus longue distance maximale entre chaque paire de nœuds sur le chemin le plus court les séparant.

 Le nombre de composantes isolées correspond aux nombres de regroupements de nœuds connectés isolés.

 La composante géante correspond au nombre de nœuds connectés faisant partie de la composante isolée ayant le plus grand nombre de nœuds.

 La modularité mesure la qualité de regroupement et la division d’un réseau en sous- groupe ou en grappe; une valeur élevée caractérise les réseaux avec une forte densité de connexions au sein d’un même groupe et une distance les séparant d’avec les autres (Newman, 2006).

Structure de petit monde

Une structure de petit monde est un indicateur de réseau où les nœuds sont fortement connectés entre eux via un faible nombre d’intermédiaires (Watts, 1999). Afin de vérifier si un réseau a cette configuration, il se doit de comparer le réseau actuel avec un réseau aléatoire comportant le même nombre de nœuds et de liens. De plus, une configuration de petit monde est caractérisée par un ratio de clique plusieurs fois plus grand que 1 et un ratio de la distance moyenne des chemins aux environs de 1. Les données utilisées ont été extraites du logiciel NodeXL pour les réseaux des études de cas ainsi que pour des réseaux aléatoires comportant le même nombre de nœuds et de liens que le réseau auquel il était comparé. La formule suivante a été utilisée, où Q correspond à la valeur de petit monde, CC au coefficient de clique, PL la distance moyenne des chemins, a au réseau actuel (étude de cas) et r au réseau aléatoire. Une haute valeur de Q indique une forte tendance à la structure en petit monde (Watts et Strogatz, 1998).

𝑄 = 𝐶𝐶𝑎 𝐶𝐶𝑟 ÷

𝑃𝐿𝑎 𝑃𝐿𝑟