Наукометры уличили маленькие научные группы в подрыве парадигм. Анализ миллионов публикаций показал: маленькие команды копают вглубь и находят оригинальные идеи, а большие развивают ныне модные

Образ одинокого ученого, постигающего тайны Вселенной, ушел в прошлое вместе с XIX веком. Сегодня наука делается коллективно, причем явно заметен тренд на укрупнение исследовательских коллективов. Считается, что это обеспечивает необходимую междисциплинарность и так легче находить финансовые ресурсы для дорогих научных исследований. К тому же простота и быстрота современных телекоммуникаций позволила ученым, находящимся иногда в разных концах мира, сбиваться в крупные коллаборации. Все чаще слышны мнения о том, что будущее за большими командами из десятков человек, в то время как одиночки и маленькие группы уже неспособны внести в поступь прогресса большого вклада.

У сотрудников Лаборатории знаний Чикагского университета было 42 миллиона научных статей и 611 миллионов цитирований из базы научных публикаций Web of Science (1954—2014 годы), 5 миллионов патентов из базы Ведомства по патентам и товарным знакам США за 1976—2014 годы, а также 65 миллионов цитирований между ними, 16 миллионов проектов на платформе Github (2011—2014 годы) и 9 миллионов форков от них.

Каждую работу в этом массиве они оценили на предмет того, совершенствовала ли она уже существующие идеи в науке и технике или совершала прорыв, предлагая нечто новое. В терминологии авторов «подрывные» (disruptive) работы находят новые проблемы, ставя под вопрос существующую парадигму, а «развивающие» работы не подвергают парадигму сомнению, решая (develop) уже существующие проблемы.

Во-первых, ученые измеряли степень, до которой работа подрывает существующую научную парадигму, предлагая новую идею, или движется в русле уже сложившейся научно-исследовательской традиции. Этот показатель мог принимать значения в диапазоне: -1 (разрабатывает существующие идеи), 0 (нейтральное значение) и 1 (прорывная работа).

Меру «подрывности» идей рассчитывали по методу «затмений», предложенному в 2017 году. Он гласит, что прорывная статья выталкивает из актуальной научной литературы прошлые работы, в то время как статья, разрабатывающая существующие идеи, напротив, удерживает и наращивает некоторый корпус текстов во внимании научного сообщества.

Поэтому статьи второго типа цитируются вместе с теми работами, на которые опираются. С прорывными все иначе: они начинают набирать цитирование вместе с тем, как предшествовавшие тексты перестают упоминаться в новых публикациях. Так, например, исследования, впоследствии получившие Нобелевскую премию, на «графе прорывности» в большинстве своем попадают в 2% наиболее прорывных по этой метрике, статья 1987 года о самоорганизующейся критичности относится к 1%, а обзоры попадают в противоположную половину (а сами ссылаются на статьи в «зеркальной» точке этого графика). Хотя «нормальная наука» не обязательно чем-то нехороша. Так, «нобелевская» статья Вольфганга Кеттерле про создание конденсата Бозе — Эйнштейна вообще относится к нижней четверти этого графика. Но цитируют ее до сих пор вместе со статьями Бозе и Эйнштейна.

Во-вторых, ученые измерили для всех статей коэффицент Спящей красавицы, который оценивает то, насколько всплеск внимания к статье отсрочен от ее публикации во времени. Делается это путем расчета кривизны графика цитирования произведения. Иными словами, этот индекс наибольший, если статья ни разу не цитируется в течение какого-то времени после публикации, а затем начинает цитироваться резко, достигая экстремума. Это говорит о том, что ее оценили с запозданием. Индекс равен 0, если цитирование линейно многие годы после публикации, и отрицательный, если график функции вогнутый, то есть слава настигает статью сразу же, но со временем эта слава блекнет.

Наконец, для каждой статьи учитывали ее индекс цитирования.

Сопоставив все эти метрики с числом авторов исследуемых публикаций, ученые увидели, что большие научные коллективы имеют тенденцию производить статьи, патенты и софт, которые сразу же получают большое влияние, но подрывной потенциал этих продуктов монотонно снижается по мере добавления каждого нового члена команды. Например, по мере того как команды вырастают от 1 члена до 50, их статьи, патенты и софт падают в «подрывности» на 70, 30 и 50% соответственно.

Это подчеркивает резкий переход от прорыва к разработке известного, поскольку кривые «подрывности» опускаются ниже нуля. Этот результат может служить хорошим аргументом в пользу тезиса, что большие команды двигаются в русле текущей научно-исследовательскую программы (или парадигмы, если пользоваться более известной терминологией Томаса Куна), а маленькие подрывают ее, ставя новые проблемы и открывая новые возможности для исследований. Интересно, что эти различия отражаются и в названиях статей. В заголовках подрывных чаще встречаются слова «ввести», «измерить», «изменить» и «продвинуться», в то время как заголовки консервативных работ чаще используются «одобрить», «подтвердить», «продемонстрировать», «теория» и «модель».

Те же самые результаты получились, когда ученые взяли только самые подрывные и значительные работы. Авторы-одиночки так же влиятельны (топ 5% цитирований), как и команды с пятью участниками, но их статьи на 72% вероятнее будут высоко подрывными (топ 5% подрывных). С другой стороны, работы команд из 10 человек на 50% вероятнее выпустят высокоимпактную статью, но вот шансы на прорыв у них намного ниже. Повторив исследование на патентах и софте, авторы получили те же результаты.

Кроме того, различия в «подрывности» увеличиваются и с импактом.

Маленькие команды, делающие высокоимпактные статьи, наиболее «подрывные», а высокоимпактные статьи больших коллективов оказались наиболее «конформистскими».

По мере увеличения импакта и увеличения количества людей в команде снижается и ее революционный потенциал. И этот паттерн устойчив для всех времен и 90% дисциплин. Исключением стали инженерные и компьютерные науки, в которых норма публикации не статьи в научных журналах, а тезисы научных конференций, которые Web of Science не учитывает.

Далее ученые поставили вопрос, как большие и малые коллективы ищут в базах данных идеи для своих новых статей, патентов или софта. Для этого исследователи сравнили средний относительный возраст статей в библиографических списках публикаций и «попсовость», то есть то, сколько еще статей ссылаются на те же источники, что и данная статья. Оказалось, что одиночки и маленькие команды гораздо чаще «копали вглубь», т.е. строили свои исследования на более старых и менее популярных идеях.

А команды, в которых больше людей, охватывающих более широкие области знания, менее вероятно будут строить свои исследования вокруг старых и непопулярных идей — напротив, скорее будут отталкиваться на недавние высокоимпактные работы. И по мере роста коллектива эта склонность тоже только растет. Поэтому большие исследовательские группы получают больше цитирований их собственной работы немедленно, поскольку двигаются в общем русле современной им исследовательской программы.

В свою очередь, маленькие команды начинают получать цитирования значительно позже. К примеру, индекс Спящей красавицы для команд из одного-двух человек в среднем в два раза выше, чем для команды из 10 человек. Таким образом, успешная маленькая команда исследователей создает платформу для дальнейшей работы больших команд.

Известно, что преимущество больших команд в том, что они могут позволить себе больше дисциплинарное разнообразие, набрав представителей различных исследовательских областей. Этот эффект, показывают чикагские ученые из Лаборатории знаний, изменяется, как выпуклая вверх функция от размера команды.

Эффект от того, что большие команды соединяют комбинации идей из разных областей знания, достигает предела в командах из примерно 10 человек, а затем идет на спад по мере дальнейшего роста команды.

Это означает, что от совмещения широкого круга идей в какой-то момент выигрывают коллективы покрупнее, но эти идеи с большей вероятностью попадут в научные публикации, когда возникают внутри маленьких команд.

Общий вывод таков: маленькие команды вносят в науку прорывы, исследуя и проверяя многообещающие идеи из более старых и менее популярных работ. Большие команды развивают недавние успехи, решают уже признанные проблемы и доводят до совершенства уже применяющийся дизайн исследований. Частично эта дифференциация заложена в структуру самих дисциплин: для каких-то в целом характерны более крупные исследовательские группы (тут нетрудно вспомнить статьи экспериментальных групп Большого адронного коллайдера, которые за годы работы так и не прорвались за пределы Стандартной модели), а для каких-то более характерны малочисленные команды. Но часть зависит и от размера команды. Это согласуется и с предыдущими исследованиями, которые показывают: маленьким командам обычно нечего терять, поэтому они меньше боятся рисковать, в то время как большие команды обычно должны «платить по счетам» и боятся потерять репутацию, поэтому рискуют меньше, предпочитая держаться мейнстрима.

«Большие команды чаще всего более консервативны. Работа, которую они делают, похожа на сиквелы блокбастеров, — говорит в пресс-релизе Университета Чикаго один из авторов исследования, Джеймс Эванс. — Большие команды всегда ищут недавнее прошлое, строят свою работу на вчерашних хитах. А маленькие команды находят сумасшедшие вещи, копают глубже, и другим нужно больше времени понять и оценить их потенциал».

Поддерживать, по мнению исследователей, надо и те и другие команды, так как науке нужно и развитие уже существующих идей, и радикальные прорывы.

При этом, упоминают они, анализ опубликованных с 2004 по 2014 год отчетов о точечной финансовой поддержке нескольких отдельных малых коллективов показал, что такие коллективы ничуть не более подрывные — они оказались на уровне больших команд. Возможные причины этого — консервативность грантовых комиссий, в которых к новым идеям относятся с недоверием. Да и сами заявки пишутся с оглядкой на это, так что действительно подрывные маленькие команды просто выпадают из поля зрения грантодателей.  Так что точечная спонсорская помощь малым коллективам, очевидно, не выход из ситуации.

 Евгения Щербина