Le premier moteur de recherche visuel pour les diagrammes scientifiques

En 1973, le statisticien Francis Anscombe a conçu une démonstration fascinante montrant pourquoi les données doivent toujours être tracées avant d'être analysées. La démonstration consistait en quatre ensembles de données qui avaient des propriétés statistiques presque identiques. Par cette mesure, ils sont essentiellement les mêmes.

Mais une fois tracés, les ensembles de données semblent complètement différents. Le quatuor d'Anscombe , comme on l'appelle désormais, montre comment de bons graphiques permettent aux gens d'analyser les données d'une manière différente, de penser et d'en parler à un autre niveau.

La plupart des scientifiques reconnaissent l'importance de bons graphiques pour communiquer des idées complexes. Il est difficile de décrire la structure de l'ADN, par exemple, sans schéma.

Et pourtant, il y a peu ou pas de preuves montrant que de bons graphiques sont une partie importante de l'effort scientifique. L'importance d'un bon graphisme peut sembler évidente, mais sans preuve, ce n'est qu'une hypothèse.

Aujourd'hui, cela change grâce au travail de Po-shen Lee chez des amis de l'Université de Washington à Seattle qui ont utilisé un algorithme de vision artificielle pour rechercher des graphiques dans des articles scientifiques, puis les analyser et les classer. Ce travail révèle pour la première fois que le graphisme joue un rôle important dans le processus scientifique. Nous trouvons une corrélation significative entre l'impact scientifique et l'utilisation d'informations visuelles, où les articles à impact plus élevé ont tendance à inclure plus de diagrammes et, dans une moindre mesure, plus de tracés et de photographies, disent-ils.

Ces gars-là commencent par télécharger 4,8 millions de chiffres à partir de 650 000 articles scientifiques de la base de données en ligne PubMed Central, qui héberge des articles principalement des sciences de la vie et de la biomédecine. Lee et co ont ensuite formé un algorithme de vision artificielle pour diviser les figures multi-graphiques en ses composants. Cela a augmenté la base de données à quelque 10 millions de chiffres pour l'analyse, 67 % d'entre eux provenant des chiffres multi-graphiques.

L'équipe a ensuite appris à l'algorithme à reconnaître cinq types de figures différents : diagrammes, photos, tableaux, tracés de données et équations. Les plus courants sont les tracés de données, qui représentent 35 % du total, suivis des photos (22 %), des diagrammes (20 %) et des équations (17 %). Les tables ne représentent que 5 % de la base de données.

Ensuite, les chercheurs ont analysé comment cette distribution variait par revue, par discipline et dans le temps. Nous constatons que la distribution des figures et des types de figures dans la littérature est restée relativement constante au fil du temps, mais peut varier considérablement selon le domaine et le sujet, disent-ils.

Mais leur découverte la plus remarquable est que les articles les plus réussis ont tendance à avoir plus de chiffres. En traçant le nombre de diagrammes dans un document par rapport à son impact, l'équipe conclut que les idées à fort impact ont tendance à être véhiculées visuellement.

Lee et co disent qu'il y a deux explications possibles à cela : que les informations visuelles améliorent la clarté de l'article, conduisant à plus de citations et à un impact plus élevé, ou que les articles à fort impact ont naturellement tendance à inclure de nouvelles idées complexes qui nécessitent une explication visuelle.

Il y a du travail devant bien sûr. Lee et co sont bien conscients du parti pris de PubMed Central envers les sciences de la vie et la biomédecine. Une prochaine étape évidente consiste donc à inclure des diagrammes issus des sciences physiques. La Physique arXiv est une ressource évidente à exploiter.

L'équipe souhaite également explorer les propriétés de différentes représentations de données. Leur objectif est d'étudier le succès avec lequel différents types de diagrammes transmettent des informations, produisant des preuves qui pourraient transformer l'art noir de la conception de diagrammes en une science.

C'est un travail intéressant qui jette les bases d'un tout nouveau type de science. L'équipe appelle cela la viziométrie, la science de l'information visuelle. Cela reflète la bibliométrie, qui est l'étude statistique des publications, et la scientométrie, qui est l'étude de la mesure de la science.

Les travaux laissent un héritage important. Lee and co ont rendu leur base de données consultable et disponible sur www.viziometrics.org . Cela rend la navigation intéressante - entrez un terme scientifique et le moteur de recherche renvoie un large éventail de diagrammes, de photos, etc., liés à ce thème.

Cela permet aux scientifiques d'effectuer des recherches dans la littérature scientifique à un niveau d'abstraction différent. En d'autres termes, cela leur permet de raisonner sur la science et les données d'une manière nouvelle. Il s'agit certainement d'un nouvel outil puissant qui pourrait avoir un impact profond sur la façon dont nous produisons, recherchons et accédons à l'information scientifique. Anscombe serait sûrement étonné.

Réf : arxiv.org/abs/1605.04951 : Viziometrics : Analyser l'information visuelle dans la littérature scientifique

cacher