Тематическое картирование психологической науки: семантическая кластеризация на службе аналитики
На конференции Science Analytics совместный доклад представят Анна Александровна Шведовская, кандидат психологических наук, доцент, начальник управления информационными и издательскими проектами МГППУ, Денис Викторович Косяков, заведующий лабораторией наукометрии и научных коммуникаций РИЭПП и научный сотрудник ИВМиМГ СО РАН, и Виктория Викторовна Пономарева, директор Фундаментальной библиотеки МГППУ.
В докладе представлен прототип веб-сервиса анализа и визуализации тематических трендов в психологии, разработанный для информационно-аналитического сопровождения научной деятельности Московского государственного психолого-педагогического университета. Сервис ориентирован на работу с реальными публикационными потоками и опирается на воспроизводимую связку семантической кластеризации, библиометрических данных и пользовательских интерфейсов.
Эмпирической базой послужили 929 119 публикаций, индексированных за период 2015–2024 гг. Для построения тематической структуры поля применён BERTopic: эмбеддинги заголовков и аннотаций рассчитывались моделью E5-large, далее выполнялось снижение размерности UMAP и кластеризация HDBSCAN, а расширение кластеров обеспечивалось процедурой reduce_outliers на исходных эмбеддингах. Интерпретируемость результатов обеспечена автоматическим именованием и кратким описанием топиков с помощью языковой модели на основе набора репрезентативных публикаций из ядра, а также привязкой к классификатору APA PsycInfo.
Для оценки "веса" и динамики тематик предложены две интегральные метрики: Impact (нормированная цитируемость, доля высокоцитируемых работ и качество источников по CiteScore) и Impulse (тренды по совокупному CiteScore, разнообразию авторов и стран с использованием индекса Херфиндаля).
Прототип веб-интерфейса реализован как связка FastAPI (бэкенд) + React (фронтенд) с навигацией по темам, просмотром профиля топика, временных рядов, списка ключевых публикаций и несколькими режимами картирования (семантическое пространство, Impact×Impulse, силовая модель близости). В эксперименте получено 531 тематическое направление; около 34% документов формируют ядра топиков, остальные атрибутированы по семантической близости.
Отдельный практический результат - выявление заметного шума индексации в рубрике PSYC (топики и журналы, не относящиеся к психологии), что подчёркивает необходимость контент-ориентированного подхода к построению карт дисциплины и повышает ценность сервисов, совмещающих семантическое моделирование и библиометрические сигналы.
Сервис рассматривается как инструмент поддержки планирования исследований, экспертной оценки проектов/отчётов и контекстуализации рецензирования.
Дата и место: 2–3 апреля 2026, ИНТЦ МГУ им. М.В. Ломоносова (Москва)
Регистрация
* Изображение сгенерировано с помощью Perplexity Max
На конференции Science Analytics совместный доклад представят Анна Александровна Шведовская, кандидат психологических наук, доцент, начальник управления информационными и издательскими проектами МГППУ, Денис Викторович Косяков, заведующий лабораторией наукометрии и научных коммуникаций РИЭПП и научный сотрудник ИВМиМГ СО РАН, и Виктория Викторовна Пономарева, директор Фундаментальной библиотеки МГППУ.
В докладе представлен прототип веб-сервиса анализа и визуализации тематических трендов в психологии, разработанный для информационно-аналитического сопровождения научной деятельности Московского государственного психолого-педагогического университета. Сервис ориентирован на работу с реальными публикационными потоками и опирается на воспроизводимую связку семантической кластеризации, библиометрических данных и пользовательских интерфейсов.
Эмпирической базой послужили 929 119 публикаций, индексированных за период 2015–2024 гг. Для построения тематической структуры поля применён BERTopic: эмбеддинги заголовков и аннотаций рассчитывались моделью E5-large, далее выполнялось снижение размерности UMAP и кластеризация HDBSCAN, а расширение кластеров обеспечивалось процедурой reduce_outliers на исходных эмбеддингах. Интерпретируемость результатов обеспечена автоматическим именованием и кратким описанием топиков с помощью языковой модели на основе набора репрезентативных публикаций из ядра, а также привязкой к классификатору APA PsycInfo.
Для оценки "веса" и динамики тематик предложены две интегральные метрики: Impact (нормированная цитируемость, доля высокоцитируемых работ и качество источников по CiteScore) и Impulse (тренды по совокупному CiteScore, разнообразию авторов и стран с использованием индекса Херфиндаля).
Прототип веб-интерфейса реализован как связка FastAPI (бэкенд) + React (фронтенд) с навигацией по темам, просмотром профиля топика, временных рядов, списка ключевых публикаций и несколькими режимами картирования (семантическое пространство, Impact×Impulse, силовая модель близости). В эксперименте получено 531 тематическое направление; около 34% документов формируют ядра топиков, остальные атрибутированы по семантической близости.
Отдельный практический результат - выявление заметного шума индексации в рубрике PSYC (топики и журналы, не относящиеся к психологии), что подчёркивает необходимость контент-ориентированного подхода к построению карт дисциплины и повышает ценность сервисов, совмещающих семантическое моделирование и библиометрические сигналы.
Сервис рассматривается как инструмент поддержки планирования исследований, экспертной оценки проектов/отчётов и контекстуализации рецензирования.
Дата и место: 2–3 апреля 2026, ИНТЦ МГУ им. М.В. Ломоносова (Москва)
Регистрация
* Изображение сгенерировано с помощью Perplexity Max