Modelos de evaluacion de calidad y prediccion de impacto (TBaiget)

Me llega esta noticia, que me suena un poco a ciencia ficción, pero el
sitio web parece serio:
http://www.nyuinformatics.org/research/labs/eirsl

El New York University - Center for Health Informatics and
Bioinformatics (Chibi) tiene un laboratorio llamado Evidence based
medicine information retrieval and scientometrics lab (Eirsl) que dice
haber desarrollado un método de filtrado basado en el reconocimiento
de patrones que puede identificar automáticamente el contenido y la
calidad tanto de páginas web como de artículos científicos. Los
modelos aceleran la búsqueda y la síntesis de la literatura,
centrándose en el contenido de artículos específicos de más calidad
metodológica.

El trabajo del Eirsl ha demostrado que es posible aumentar las medidas
tradicionales de calidad bibliométricas, como el recuento de citas y
factor de impacto, utilizando enfoques de aprendizaje de máquina. En
particular, los métodos de aprendizaje de máquina predicen con
exactitud el número de citas en un horizonte de 10 años después de la
publicación, utilizando sólo los datos disponibles en el momento de la
publicación. La predicción de citas podría ser un potente filtro para
centrar la atención en las publicaciones recientes que tienen más
probabilidades de influir en los nuevos avances científicos y clínicos.

Los métodos de aprendizaje de máquina también puede caracterizar con
precisión la naturaleza de una cita como esencial o no. El númerode
citas se ajusta descartando las que no son importantes para los
documentos citados, ya que muchos de ellos reciben citas por otras
causas que no tienen nada que ver con su calidad (por ejemplo, pueden
ser citados para su refutación, etc.) Eirsl hará avanzar el estado del
arte en estas áreas, ampliando el número y el alcance de estos modelos
y su entrega a los investigadores y los pacientes a través de
colaboraciones con la Ehrman Medical Library para evaluar la eficacia
de estos métodos y para orientar sus futuras mejoras.

Eirsl también desarrollará nuevas tecnologías basadas en el
reconocimiento de patrones para identificar con precisión el contenido
y la calidad de Medline, y documentos web. El objetivo es identificar
rápidamente los resultados de investigación de mayor impacto y de
mayor calidad, a fin de acelerar su uso tanto para la investigación
como para la atención clínica.

Resumen de diapositivas de los métodos Eirsl:
-Modelos de reconocimiento de patrones para predecir las citas. Ver
esquema del proceso:
http://www.nyuinformatics.org/files/chibi/attachments/Intro.pdf
-Modelos de reconocimiento de patrones para identificar artículos y
páginas web de alta y baja calidad. Ver esquema del proceso:
http://webdoc.nyumc.org/nyumc/files/chibi/attachments/Filters.pdf

Tomàs Baiget
http://elprofesionaldelainformacion.com