Do najnowszych światowych pozycji naukoznawczych należy monografia Dashuna Wanga (Northwestern University, Illinois) i Alberta Lászla Barabási’ego (Northeastern University, Boston), The Science of Science, Cambridge University Press 2021. Autorzy prezentują badania wykorzystujące technologie oparte na użyciu gigadanych (big data), dzięki którym odkrywają wzorce jakie rządzą indywidualnymi karierami naukowymi i działalnością naukową. Monografia przedstawia niezwykle bogaty przegląd zagadnień uporządkowanych w czterech wielorozdziałowych częściach dotyczących kolejno studium kariery naukowej (Part I. The Science of Career), współpracy naukowej (Part II. The Science of Collaboration), społecznego oddziaływania nauki (Part III.The Science of Impact), (IV) perspektyw nauk o nauce (Part IV. Outlook).
Część pierwszą otwiera rozdział dotyczący produktywności naukowej w postaci publikacji, stąd kolejny rozdział 2. odnosi się do indeksu Hirscha. Dalej w rozdziale 3. Autorzy przypominają tradycyjny efekt Mateusza, odnosząc go nie tylko do reputacji naukowca, ale i jego publikacji. Stąd poddają analizie dwa systemy recenzowania: w procesie anonimowości samego recenzenta (single-blind review), jak i autora i recenzenta (double-blind review). Rozważania tego rozdziału kończą pytaniem, czy uzyskane przez naukowca wyniki są jedynie efektem jego pozycji akademickiej, czy odzwierciedlają jego talent? Koncentrując uwagę na karierze naukowej w rozdziale 4. (Age and Scientific Achievement) Autorzy odnoszą się do kwestii wiekowej naukowców, starając się odpowiedzieć na pytanie, jaki okres życia najbardziej sprzyja twórczości naukowej, tworzeniu nowych idei i innowacyjnych rozwiązań. Przeprowadzona w tym celu analiza danych doprowadziła do wskazania różnic wiekowych pomiędzy naukowcami mającymi osiągnięcia innowacyjne w sferze konceptualnej, wymagającej poznania abstrakcyjnego (co zwykle zachodzi u młodszych badaczy) a naukowcami mającymi osiągnięcia w sferze eksperymentalnej. Interesujące są tu też indywidualne przypadki nietypowych „karier” naukowych. Wśród nich są też omówione w rozdziale 5. (Random Impact Rule) odkrycia przypadkowe i ich wpływ na karierę naukową. W opisie tego typu kariery naukowej ma zastosowanie tzw. model zerowy (the null model). Ponieważ nie jest to model wyjaśniający, wprowadzony został w rozdziale 6 (The Q-Factor) model jakościowy (Q-model), w którym istotny jest parametr Q wysokiej jakości publikacji, mierzonych ich najwyższym oddziaływaniem. Ten model poparty świadectwami okazał się stabilny i został przyjęty jako wyjaśniający różnice między poziomem publikacji (a tym samym między naukowcami jako autorami tych publikacji). Zdaniem Wanga i Barabása to parametr jakości Q winien być istotny w ewaluacji, a nie indeks Hirscha. W rozdziale 7. (Hot Streaks) zamykającym rozważania na temat kariery naukowej postawione zostało pytania o fenomen takiej świetnej passy naukowca. Zaprezentowane tu dociekania poparte są również materiałem uzyskanym z interpretacji danych, ciekawie ilustrowanym konkretnymi przykładami indywidualnych karier ze współczesnej historii nauki.
Od karier indywidualnych Autorzy przechodzą w części drugiej do omówienia badań zespołowych. Rozpoczynają w rozdziale 8. (The Increasing Dominance of Teams in Science) od podkreślenia wzrostu dominacji zespołowego uprawiania nauki, a dalej w kolejnych rozdziałach podkreślają rolę tworzonych w internecie „niewidzialnych” kolegiów (Ch. 9. The Invisible College), współautorskich sieci (Ch. 10. Coauthorship Networks) i zespołów (Ch. 11. Team Assembly). Zespołom poświęcają większą uwagę, dyskutując nad efektywnością pracy zespołowej i wkładem zespołów w rozwój nauki. Jak na tym tle wielkich sieci badawczych z olbrzymimi zespołami wypadają małe zespoły? (Ch. 12. Small or Large Teams). Badania Wanga i Barabási’ego odnoszą się jednak z pewnym dystansem do opinii postępu nauki dzięki tworzeniu wielkich sieci badawczych a spowolnieniu rozwoju nauki przez małe (często lokalne tylko) zespoły, a ukazują istotną rolę jednych i drugich. W tworzeniu zespołu stawiają dalej problem przyznawania kredytu naukowego członkom zespołu (Ch. 13. Scientific Credit), co często łączy się ze stwarzającym pewne trudności m.in. w ewaluacji jednostek i autorów problemem lokacji badaczy, jak w przypadku zaproszonych autorów (Ch. 14. Credit Allocation). Jak widać, także w tej części monografii można znaleźć niezwykle bogatą aktualną problematykę i skonfrontować własne doświadczenia z analizami i interpretacjami Autorów.
W równie bogatej problemowo części trzeciej, dyskutowane jest zagadnienie społecznego wpływu nauki, zaczynając od rozważenia sytuacji w tzw. wielkiej nauce (Ch. 15. Big Science), czyli nauce akademickiej. Przytoczono tu dobrze znane zjawiska, takie jak: wykładniczy wzrost nauki, rolę rywalizacji między naukowcami, trudności w zdobyciu pozycji akademickiej, tyle że tutaj Autorzy podkreślają też coraz trudniejsze w stosunku do minionych okresów uzyskanie stopnia doktora i odchodzenia młodych do innych sektorów, szczególnie, do przemysłu, gdzie bardzo dobrze prosperują młodzi badacze, dla których zabrakło miejsca na uczelniach. W dalszych rozdziałach omawiane są znów typowe problemy związane z wpływem publikacji, takie jak problem rozbieżności cytowań (Ch. 16. Citation Disparity), mechanizmów i parametrów wysokiego oddziaływania publikacji (Ch. 17. High Impact Papers), a dalej (w R. 18. Scientific Impact) badanie wpływu publikacji ze względu na innowacyjność, podkreślany jest tu atrybut oryginalności i odbiór społeczny, w którym ważna rolę odgrywają media, nawet jeśli jest negatywny, to lepszy niż brak reakcji. Dalej rozważany jest czasowy wymiar nauki (Ch. 19. The Time Dimension of Science), który pozwala też przewidywać przyszłość. Końcowy rozdział dotyczy problemu oddziaływania dzisiejszych publikacji w niedalekiej nawet przyszłości, co Autorzy określają wprowadzonym przez siebie terminem „wpływ ostateczny” (Ch. 20. The Ultimate Impact). Pojawia się tu pytanie „Czy dzisiejsze publikacje za kilka lat będą mieć jeszcze znaczenie?” Autorzy stosując metody metryczne, pokazują m.in. zróżnicowane trajektorie cytowań. Dochodzą jednak do stwierdzenia, że nawet niezależnie od tego, gdzie artykuł miałby być publikowany osiągnąłby podobny wynik cytowań.
Ostatnia część monografii poświęcona jest perspektywom badań naukoznawczych. Po tym bogatym przeglądzie zagadnień związanych z uprawianiem nauki Autorzy stawiają pytanie „Jak wiedza na temat uprawiania nauki może zmienić sposób jej uprawiania?”. I mimo że żyjemy w czasach, w których nastąpił niespotykany dotąd w historii wzrost przedsięwzięć naukowych (podwojonych publikacji co 12 lata), jak pokazywali Autorzy na początku monografii, to rozpoczynają tę część rozdziałem, w którym zadają pytajnie, czy można przyśpieszyć rozwój nauki. (Ch. 21. Can Science Be Accumulated?). A pytanie to wcale nie wynika ze stawiania naukowcom coraz wyższych wymagań, lecz ma charakter badawczy, stawiany w kontekście rozwoju sztucznej inteligencji, kiedy nie tylko człowiek, ale i maszyny wytwarzają wiedzę naukową. Wykorzystywanym w procesie badań nad nauką technologiom sztucznej inteligencji (AI) poświęcony jest kolejny rozdział (Ch. 22. Artifficial Intelligence). Tutaj Autorzy wskazują na obecne już bardzo szerokie zastosowanie algorytmów głębokiego uczenia (deep learning), pozwalających na kopiowanie i analizowanie gigadanych. Badacze tworzący tandemy z technologiami AI mogą organizować uzyskane w ten sposób informacje i rozwiązywać wiele problemów naukowych. Jest to droga do dalszego rozwoju i zrewolucjonizowania procesów naukowych. W ten sposób na postawione w poprzednim rozdziale pytanie, Wang i Barabási odpowiadają pozytywnie, twierdząc że wiedza na temat uprawniania nauki zmieni również sposób w jaki nauka jest dotąd uprawiana. Dalej podejmują jeszcze problem występujących w karierze naukowej porażek, widocznych w dochodzeniu do błędnych wyników, co jest lekceważone w badaniach naukoznawczych. Autorzy znów odnoszą się tutaj do analiz, wskazując na wady i niespójności występujące w różnych wariantach cytowań. Pokazują jak poszerzyć badania nad nauką by uzyskać głębszy wgląd w uwarunkowania przyczynowe eliminując błędy podane w wadliwych korelacjach (Ch. 23. Bias and Causality in Science). Dwustronnicowy zaledwie paragraf Last Thought. All Science of Science kończy tę ostatnią też część monografii. Trudno uznać ten paragraf za konkluzywne zakończenie. Autorzy kierują w nim bardziej zaproszenie do badań nad nauką, a dla naukowców ważne przesłanie – nauka o nauce ma przyszłość, jeśli przekroczy granice między dyscyplinami.
Ale monografia jeszcze tym się nie kończy. Uzupełniona jest apendyksami dotyczącymi modelowania tworzenia zespołu (A1. Modeling Team Assembly) oraz modelowania cytowani (A2. Modelling Citation).
Monografia Dashuna Wanga i Alberta Laszla Barabási’ego zredagowana została w jak najlepszym stylu podręcznika, jak i przewodnika zarządzania nauką.
Zasługuje na uwagę i dyskusje, co już ma miejsce, bo ukazały się pierwsze recenzje na Zachodzie (m.in. w numerze majowym „Nature” 593 (2021), 30-31, jak i w specjalistycznym „Journal of Applied Crystallography” 54 (2021), 715-717).
(opr. U. Żegleń)