| Label Size | |
| Label Size |
| Nodes | |
| Edges |
| Nodes | |
| Edges |
Plus de 7000 publications scientifiques dans le domaine bio-médical ont été publiées en quelques semaines suite à la crise sanitaire liée au coronavirus. Un nombre beaucoup trop important pour que quiconque puisse avoir une idée de ce quelles contiennent en les lisant.
Et pourtant, la question de savoir quelles sont les grandes directions de recherche prises au cours de ces dernières semaines est cruciale pour la coordination de la communauté scientifique et pour ne pas passer à côté d'une découverte majeure.
Pour atteindre une représentation synthétique des publications sur le covid-19, nous avons analysé cette littérature grâce à des outils de cartographie des connaissances développés au CNRS. Ceux-ci permettent de générer une vue synthétique des publications sur le Codvid-19
Ces cartes ont été réalisées en utilisant Gargantext à partir d'un corpus PubMed et la requête "covid-19 OR coronavirus" le 29 avril 2020 (7,2k documents de janvier 2020 au 28 avril 2020). La méthodologie est décrite ici
Lorsque vous cliquez sur un terme, les termes les plus proches sont affichés dans un nuage de mots à droite, ainsi que les publications de PubMed qui mentionnent le plus les termes sélectionnés.
Deux cartes sont disponibles (menu déroulant en haut "Select the map") et apportent des points de vue complémentaires.
Dans la carte conditionnelle (la première carte à être chargée), les liens entre les termes représentent la probabilité conditionnelle qu'un terme connaisse l'autre dans un document (c'est la mesure de confiance). Elle permet de saisir l'interaction des termes dans le document. Cette carte représente bien les différentes communautés travaillant sur la covid-19 avec leur propre angle de recherche : mécanismes biologiques, diagnostic, traitements, conséquences sociales, exposition des personnes âgées, etc. La taille des nœuds dans cette carte reflète le degré du nœud.
Dans les cartes de distribution les liens entre les termes saisissent une mesure de proximité qui prend en compte les profils d'interaction de chaque terme avec les autres. Elle peut déduire des relations pertinentes entre les termes même si ceux-ci n'ont pas coexisté dans un document (mesure de proximité de second ordre). La taille des nœuds dans ce graphique est une fonction du pagerank du terme dans le graphique.
La formule mathématique de ces mesures de proximité se trouve dans le documentation de Gargantext
Une carte des recherches plus anciennes sur le coronavirus peuvent être trouvées ici=
Profitez de l'exploration.
These maps has been realized using Gargantext from a PubMed Corpora with query "covid-19 OR coronavirus" on April 29 2020 (7.2k documents from Jan 2020 to April 28 2020). The methodology is described here
When you click on a term, the most related terms are displayed in a tag cloud on the right along with the Publications from PubMed that mention the most the selected terms.
In the Conditional map (the first map to be loaded), links between terms represent the conditionnal probability of having one terms knowing the other in a paper (its the confidence measure). It capture the interaction of terms within the document. This map depicts well the different communities working on covid-19 with their own research angle : biological mechanisms, diagnostic, treatments, social consequences, exposure of the elderly, etc. Node size in this maps reflect the degree of the node.
In the Distributional maps links between terms capture a proximity measure that takes into account the profiles of interaction of each term with the others. It can infer relevant relations between terms even if their haven't co-occur in a paper (second order proximity measure). Node size in this graph is a fonction of the pagerank of the term in the graph.
The mathematical formula of these proximity measure can be found in the Gargantext documentation.
A maps of older coronavirus litterature can be found here
Enjoy the exploration.
Le développement de Gargantext est effectué à l'ISC-PIF sous la direction d'Alexandre Delanoë. Merci à Caroline Bligny (Univ. Grenoble-Alpes) pour l'aide sur l'amélioration de cet explorateur de graphe.
L'ensemble du corpus Pubmed ainsi que l'archive avec les graphes éditables proposés ici sont téléchargeables ici au format zip
here tips inserted by twmain/Tinaweb.js
