Social network analysis in academic environment

Abstract

Univerzitní informační systémy obvykle obsahují detailní data o kurzech, publikacích a vyučujících, ale zřídka využívají vztahy mezi těmito entitami. Tato práce si klade za cíl vylepšit webovou aplikaci Charles Explorer využitím akademické sociální sítě syntetizo- vané z existujících relačních dat. V práci navrhujeme pipeline pro transformaci relačních dat z univerzitních systémů do grafové reprezentace akademické sociální sítě. Tento graf zkoumáme a navrhneme několik metod pro inferenci chybějících dat pomocí grafového modelu. V další části porovnáváme různé strategie rerankingu výsledků vyhledávání po- mocí sociální sítě. Experimentálně ukážeme, že sociální síťové metriky mohou zlepšit pořadí výsledků vyhledávání. V poslední části reimplementujeme nástroj pro vizualizaci akademické sociální sítě v aplikaci Charles Explorer s ohledem na lepší uživatelský zážitek a snažší interpretaci výsledků. 1

While university information systems usually have detailed data about courses, publi- cations and lecturers, they rarely mine the relationships between these entities to provide additional value to the users. This thesis aims to improve the Charles Explorer web application by utilizing the synthesized academic social network from the existing rela- tional data. We propose a pipeline for transforming relational data from the university systems into a graph representation of the academic social network. We explore the network and propose various ways to infer missing data using the graph model. Later, we benchmark different re-ranking strategies using social network metrics against exist- ing academic search engines and show that social network-based re-ranking can improve search results ranking. Lastly, we reimplement the tool for visualising the academic social network in the Charles Explorer application for a better user experience. 1