Digitální stopy v podobě lajků, sdílení a stažení, které po sobě zanecháváme na internetu, je možné číst a analyzovat. Ne nutně kvůli narušení soukromí jednotlivých uživatelů, ale, jak zjistili odborníci Cornell University, digitální stopy lze vytěžit pro předpovídání úspěšných inovací, a to s několikaletým předstihem.
Sarah Deanová a její kolegové v rámci svého výzkumu sestavili (a také zveřejnili) dvě rozsáhlé sady dat. Jedna z nich těží z nesmírně populární preprintové platformy arXiv, která je úložištěm nerecenzovaných vědeckých článků, především z fyziky, matematiky a informatiky, zatímco druhá datová sada čerpá z platformy GitHub, kde vývojáři ukládají a sdílejí svůj kód. Zpracovali data o 2,3 milionech publikací na arXiv a 938 tisících úložištích kódu na GitHub.
Badatelé poté tato data využili k předpovídání budoucího úspěchu na základě časných signálů (lead-lag forecasting). Jednoduše řečeno, z lajků, zhlédnutí či stažení určitého odhadovali, co bude úspěšné v budoucnu, vzdáleném až pět let. Jak říká Deanová, v dnešní digitální realitě každý internetový systém shromažďuje taková data ve velkém. Na co lidé klikají? Co dělají? Tak proč to nevyužít? Jak se zdá, je to nesmírně mocný nástroj pro předpovědi.
Spoluautor výzkumu Yian Yin k tomu podotýká, že během pandemie covid-19 ekonomové odhadli, že urychlení řešení třeba jen o jediný den mělo hodnotu desítek miliard dolarů. Takže, kdo dokáže předvídat, kam se hranice poznání posune příště, dokonce i s předstihem jen o pár dní, může získat dramatickou konkurenční výhodu, ať už jde o firmy, poskytovatele financování výzkumu, nebo celé státy.
V současnosti se význam vědecké práce obvykle posuzuje podle počtu citací, tedy podle toho, kolikrát ji další vědci citují ve svých vlastních publikacích. Stále bolestněji se ale ukazuje, že taková metrika je poněkud předpotopní. Jak vědci moc dobře vědí, v mnoha oborech stále platí, že mezi dobu, kdy si vědecký článek někdo přečte, a tím, kdy ho cituje ve vlastní vědecké publikaci, mohou uplynout roky, pokud k tomu vůbec kdy dojde.
Jak říká Yin, s kolegy do značné rezignovali na citace a zaměřili se na to, jaké články se čtou, případně stahují. Podle něj to funguje podobně jako predikční trh, jen vědci místo peněz (v nichž se obvykle netopí), vsázejí svůj čas. Přečíst si novou vědeckou práci představuje nákladnou investici času a pokud takové investiční rozhodnutí učiní tisíce odborníků, pak jejich zájem dohromady poskytuje určitý vhled do budoucnosti dotyčného poznatku či technologie.
##seznam_reklama##
Je jasné, že i tento přístup má svá úskalí. Přinejmenším arXiv je zavalený spoustou AI hlušiny a když na to přijde, jistě není problém obstarat i falešný zájem o jinak bezcenné studie. Budoucí prediktivní modely, pokud mají být smysluplné, se tímhle budou muset prokousat. Je to ale každopádně zajímavá metrika, která určitě stojí za pozornost.
Video: Learning and decision making under observer effects
Literatura