Trotz des verbesserten digitalen Zugangs zu wissenschaftlichen Veröffentlichungen in den letzten Jahrzehnten bleiben die Grundprinzipien der wissenschaftlichen Kommunikation unverändert und sind weiterhin weitgehend dokumentenbasiert. Die dokumentenorientierten Arbeitsabläufe in der Wissenschaft haben die Grenzen der Angemessenheit erreicht, wie die jüngsten Diskussionen über die zunehmende Verbreitung wissenschaftlicher Literatur, die Unzulänglichkeit des Peer-Review und die Krise der Reproduzierbarkeit zeigen.
In ScienceGRAPH wollen wir ein neuartiges Modell zur Darstellung, Analyse, Erweiterung und Nutzung wissenschaftlicher Kommunikation auf wissensbasierte Weise entwickeln, indem wir wissenschaftliche Beiträge und zugehörige Artefakte durch semantisch reichhaltige, miteinander verknüpfte Wissensgraphen ausdrücken und verknüpfen. Das Modell basiert auf einer tiefen semantischen Repräsentation wissenschaftlicher Beiträge, deren manueller, crowd-sourced und automatischer Ergänzung und schließlich der intuitiven Exploration und Interaktion mit Hilfe von question answering auf der resultierenden ScienceGRAPH-Basis.
Derzeit beschränken sich Wissensgraphen noch auf die Darstellung enzyklopädischer, faktischer Informationen. ScienceGRAPH bringt den Stand der Technik voran, indem es die Darstellung komplexer interdisziplinärer wissenschaftlicher Informationen ermöglicht, einschließlich der Erhaltung feinkörniger Provenienzen, der Erfassung von Diskursen, der Verfolgung von Entwicklungen und der Konzeptdrift. Außerdem werden wir zeigen, dass wir automatisierte Extraktions- und Augmentierungstechniken synergetisch mit groß angelegter Zusammenarbeit kombinieren können, um ein noch nie dagewesenes Niveau an Breite und Tiefe des Wissensgraphen zu erreichen. Als Ergebnis erwarten wir einen Paradigmenwechsel in den Methoden des akademischen Diskurses hin zu wissensbasierten Informationsflüssen, die völlig neue Wege der Suche und Erkundung ermöglichen. Die Effizienz und Effektivität der wissenschaftlichen Kommunikation wird deutlich zunehmen, da Mehrdeutigkeiten reduziert, die Reproduzierbarkeit erleichtert, Redundanzen vermieden, Herkunft und Beiträge besser nachvollzogen und die Zusammenhänge von Forschungsbeiträgen expliziter und transparenter gemacht werden können.
Laufzeit: 05/2019 – 04/2024
Förderprogramm: HORIZON-HLTH-2021-DISEASE-04–04, HORIZON Research and Innovation Actions
Förderkennzeichen: 819536
Projektteam
- Dr. Michael Martin
- Milan Dojchinovski
Projektförderung
Das Projekt wurde vom Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union im Rahmen der Finanzhilfevereinbarung Nr. 819536 gefördert.