dsaitЦифровые решения и технологии искусственного интеллектаDigital Solutions and Artificial Intelligence Technologies3033-7097Финансовый университет при Правительстве Российской Федерации10.26794/3033-7097-2025-1-3-69-76dsait-23Research ArticleМАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕMATHEMATICAL, STATISTICAL AND INSTRUMENTAL METHODS IN ECONOMICSАнализ публикационной активности и научных коллабораций научно-педагогических работников Финансового университетаThematic Analysis of Publication Activity Among Academic and Teaching Staff: A Case Study of the Financial Universityhttps://orcid.org/0000-0002-1015-5407ОстапенкоГ. А.OstapenkoG. A.

Григорий Александрович Остапенко — доктор технических наук, профессор, проректор по цифровизации

Москва

Grigory A. Ostapenko — Dr. Sci. (Tech.), Prof., Vice-Rector for Digitalization

Moscow

ostg@fa.ruhttps://orcid.org/0009-0008-9111-9539РожковаГ. Г.RozhkovaG. G.

Галина Геннадьевна Рожкова — студентка бакалавриата

Москва

Galina G. Rozhkova — undergraduate student

Moscow

220941@edu.fa.ruhttps://orcid.org/0000-0002-1803-6699ФеклинВ. Г.FeklinV. G.

Вадим Геннадьевич Феклин — кандидат физико-математических наук, доцент, декан факультета информационных технологий и анализа больших данных

Москва

Vadim G. Feklin — Cand. Sci. (Phys.-Math.), Assoc. Prof., Dean of the Faculty of Information Technology and Big Data Analysis

Moscow

vfeklin@fa.ruhttps://orcid.org/0000-0003-3186-3901КочкаровР. А.KochkarovR. A.

Расул Ахматович Кочкаров — кандидат экономических наук, доцент кафедры искусственного интеллекта факультета информационных технологий и анализа больших данных

Москва

Rasul A. Kochkarov — Cand. Sci. (Econ.), Assoc. Prof. of the Department of Artificial Intelligence, Faculty of Information Technology and Big Data Analysis

Moscow

rkochkarov@fa.ruФинансовый университет при Правительстве Российской ФедерацииFinancial University under the Government of the Russian Federation202510122025136976Copyright © Остапенко Г.А., Рожкова Г.Г., Феклин В.Г., Кочкаров Р.А., 20252025Остапенко Г.А., Рожкова Г.Г., Феклин В.Г., Кочкаров Р.А.Ostapenko G.A., Rozhkova G.G., Feklin V.G., Kochkarov R.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.digitarin.ru/jour/article/view/23

В условиях стремительного роста объема научных публикаций, увеличения междисциплинарных исследований и усиления конкуренции в академической среде особенно актуальными становятся задачи анализа и визуализации научной активности. Современные цифровые инструменты позволяют не только отслеживать публикационную динамику, но и выявлять ключевые исследовательские направления, а также устойчивые коллективы авторов, образующие научные сообщества. Одним из эффективных подходов в данной области является сочетание методов тематического моделирования и сетевого анализа на основе теории графов. Научные организации зачастую сталкиваются с проблемой отсутствия оперативной информации о внутренней структуре исследовательской деятельности: какие тематики наиболее активно развиваются, каковы связи между авторами и коллективами, кто выступает в роли «ядер» научных сообществ. Особенно это актуально для крупных вузов, где работают сотни исследователей, создающих значительное число научных работ. В такой ситуации ручной анализ становится невозможным, и на помощь приходят методы автоматизированной обработки текстов и графовой аналитики. Настоящая статья посвящена анализу публикационной активности авторов Финансового университета. Цель исследования заключается в выявлении тематик научных работ и выделении научных сообществ для понимания развития научно-исследовательской деятельности высших учебных заведений на примере Финансового университета. В исследовании представлен подход к формированию набора данных научных публикаций авторов Финансового университета. Проведены визуализация динамики публикаций и анализ ключевых слов, позволяющие выявить общие тренды. Для решения задачи кластеризации текстов и определения тематик публикаций применена модель BERTopic. Выявление научных сообществ реализовано посредством построения и анализа графа соавторства, что позволяет идентифицировать группы исследователей, активно сотрудничающих в рамках определенных научных направлений.

In the context of the rapid growth of scientific publications, the increase in interdisciplinary research and increased competition in the academic environment, the tasks of analyzing and visualizing scientific activity are becoming especially actual. Modern digital tools allow not only to track publication dynamics, but also to identify key research areas, as well as stable groups of authors that form scientific communities. One of the effective approaches in this area is a combination of topic modeling methods and network analysis based on graph theory. Scientific organizations often face the problem of lack of operational information about the internal structure of research activities: which topics are most actively developing, what are the connections between authors and teams, who acts as the “cores” of scientific communities. This is especially true for large universities, where hundreds of researchers work, creating a significant number of scientific papers. In such situation, manual analysis becomes impossible, and automated text processing and graph analytics methods come to the rescue. This article is devoted to the analysis of the publication activity of authors of the Financial University. The purpose of the study is to identify the topics of scientific papers and identify scientific communities to understand the development of research activities of higher education institutions by example of the Financial University. The study presents an approach to forming a data set of scientific publications of authors of the Financial University. Visualization of publication dynamics and keyword analysis were carried out, allowing to identify common trends. The BERTopic model was used to solve the problem of text clustering and determining publication topics. Identification of scientific communities was implemented through the construction and analysis of a co-authorship graph, which allows to identify groups of researchers actively collaborating within certain scientific areas.

научные сообществатематическое моделированиеBERTopicкластеризация текстовграф соавторстваscientific communitiestopic modelingBERTopictext clusteringco-authorship graphReferencesДевицын И.Н., Савин И.В. Инструмент анализа научных сообществ на основе метода моделирования тем и теории графов. Успехи кибернетики. 2020;1(4):13–21. DOI: 10.51790/2712-9942-2020-1-4-2Devitsyn I.N., Savin I.V. A tool for the analysis of scientific communities based on topic modeling and graph theory. Uspekhi kibernetiki. 2020;1(4):13–21. (In Russ.). DOI: 10.51790/2712-9942-2020-1-4-2Cohan A., Feldman S., Beltagy I., Downey D., Weld D.S. SPECTER: Document-level representation learning using citation-informed transformers. arXiv preprint. Cornell University. 2020;arXiv:2004.07180. URL: https://arxiv.org/abs/2004.07180 DOI: 10.48550/arXiv.2004.07180Cohan A., Feldman S., Beltagy I., Downey D., Weld D.S. SPECTER: Document-level representation learning using citation-informed transformers. arXiv preprint. Cornell University. 2020;arXiv:2004.07180. URL: https://arxiv.org/ abs/2004.07180 DOI: 10.48550/arXiv.2004.07180Wang L., Yang N., Huang X., Yang L., Majumder R., Wei F. Multilingual E 5 Text Embeddings: A Technical Report. arXiv preprint. Cornell University. 2024;arXiv:2402.05672. URL: https://arxiv.org/abs/2402.05672 DOI: 10.48550/arXiv.2402.05672Wang L., Yang N., Huang X., Yang L., Majumder R., Wei F. Multilingual E 5 Text Embeddings: A Technical Report. arXiv preprint. Cornell University. 2024;arXiv:2402.05672. URL: https://arxiv.org/abs/2402.05672 DOI: 10.48550/arXiv.2402.05672Li X., Li J. AnglE-optimized Text Embeddings. arXiv preprint. Cornell University. 2023;arXiv:2309.12871. URL: https://arxiv.org/abs/2309.12871 DOI: 10.48550/arXiv.2309.12871Li X., Li J. AnglE-optimized Text Embeddings. arXiv preprint. Cornell University. 2023;arXiv:2309.12871. URL: https://arxiv.org/abs/2309.12871 DOI: 10.48550/arXiv.2309.12871

The authors declare that there are no conflicts of interest present.