Scientometri: På tværs af videnskabelige domæner
For at udforske den videnskabelige littatur og få en mere konkret idé om, hvad der rør sig i forskningen har vi udarbejdet et netværkskort baseret på de 'keywords', som forfatterne til en artikel behæfter artiklen med i den formelle beskrivelse. Vi præsenterer i det næste en 'co-word'-analyse, som kortlægger i et netværkskort, hvilke nøgleord der bliver brugt i de videnskabelige artikler, mens der trækkes forbindelser imellem nøgleordene, afhængigt af om de optræder sammen med andre nøgleord i artiklerne.
Formålet med dette er at skabe indsigt i, hvilke nøgleord der er fremtrædende i den videnskabelige litteratur, samt at undersøge, hvordan nøgleordene står i forbindelse til hinanden.
Vi ønsker at undersøge, om artiklerne er optaget af de samme nøgleord, om der kan identificeres bestemte klyngedannelser omkring særligt prominente emner eller problematikker, samt om der lader til at være mere homogenitet eller heterogenitet i netværkets topologi. Samtidig så vi i distributionen af artikler over vidensdiscipliner, at især de mere tekno-videnskabelige discipliner (engineering og computer science) dominerer den videnskabelige produktion. Informeret af denne viden vil vi ydermere interesse os for at se på, om denne fordeling også er udtryk for, at de tekno-videnskabelige emner placerer sig centralt for den fælles videnskabelige debat, eller om det er etiske, sociale og politiske problematikker indenfor social science og humanities, der placerer sig centralt.
Formålet med dette er at skabe indsigt i, hvilke nøgleord der er fremtrædende i den videnskabelige litteratur, samt at undersøge, hvordan nøgleordene står i forbindelse til hinanden.
Vi ønsker at undersøge, om artiklerne er optaget af de samme nøgleord, om der kan identificeres bestemte klyngedannelser omkring særligt prominente emner eller problematikker, samt om der lader til at være mere homogenitet eller heterogenitet i netværkets topologi. Samtidig så vi i distributionen af artikler over vidensdiscipliner, at især de mere tekno-videnskabelige discipliner (engineering og computer science) dominerer den videnskabelige produktion. Informeret af denne viden vil vi ydermere interesse os for at se på, om denne fordeling også er udtryk for, at de tekno-videnskabelige emner placerer sig centralt for den fælles videnskabelige debat, eller om det er etiske, sociale og politiske problematikker indenfor social science og humanities, der placerer sig centralt.
Læseguide til netværket
De 1.250 artikler indeholder i alt 1.679 nøgleord. Af disse nøgleord er der en del, som kun optræder 1 gang, mens det mest anvendte nøgleord anvendes i 44 forskellige artikler. Da vi er interesserede i at udforske de mest fremherskende emner, frasorterer vi alle nøgleord, som kun optræder én gang (i én artikel), og dermed ikke kan siges at være debatteret i flere artikler. Hermed følger vi samme logik, som har været gennemgående for denne undersøgelse, og et problemfelt vurderes kun som sigende for 'kontroversen', hvis flere artikler anerkender dette ved at anvende samme nøgleord. Dette reducerer antallet af nøgleord til 454, og sikrer, at alle de nøgleord, som er i netværket, er udtryk for nøgleord, som er anvendt og debatteret af minimum to artikler.
Disse nøgleord er i netværkskortet repræsenteret som noder, hvor noderne er vægtet i størrelse alt efter, hvor mange artikler det enkelte nøgleord optræder i. Vi har farvelagt nøgleordene ud fra en ”modularity class”-algoritme, som beregner og udpeger klyngedannelser et givent sæt data, og farvelægger de største klynger af nøgleord efter resultatet af denne algoritmes udregning.
Disse nøgleord er i netværkskortet repræsenteret som noder, hvor noderne er vægtet i størrelse alt efter, hvor mange artikler det enkelte nøgleord optræder i. Vi har farvelagt nøgleordene ud fra en ”modularity class”-algoritme, som beregner og udpeger klyngedannelser et givent sæt data, og farvelægger de største klynger af nøgleord efter resultatet af denne algoritmes udregning.
Scientometrisk Netværk I: Det samlede videnskabelige domæne
Som resultat af frasorteringen af nøgleord, som kun optræder i en enkelt artikel, ser vi på kortet ovenfor, at resultat blive en tæt sammenvævet 'hariball' af et netværk. Vi kan se, at nøgleordene ikke er samlet i adskilte klynger, men i stedet er sammenvævet af forbindelser på kryds og tværs af det relativt komplekse netværk. Dette indikerer, at der er mane forskellige sammenkædninger af nøgleord i de videnskabelige artikler, og der er
På kortet ser vi overordnet en stor blå og en stor rød gruppe af nøgleord, som dominerer netværket, og hvis man dykker lidt ned i henholdsvis den blå og røde gruppering ser vi umiddelbart, at de begge vedrør teknisk-orienterede nøgleord. Begge klynger vedrører overordnet en række tekniske egenskaber ved den førerløse bil, såsom eksempelvis 'obstacle-avoidance', 'path-planning', og 'intelligent transportatation systems', 'tracking' og 'computer visioin', som er nogle af de fremtrædende ord fra begge sider. Der er imidlertid også forskel på de to grupper, som det her vil blive vist:
Det klart hyppigst forekommende nøgleord er ”path planning & tracking” – dette nøgleord er placeret inden for DEN BLÅ GRUPPE, som rummer omtrent 60 % af nøgleordene i netværket. Andre ofte optrændende nøgleord i denne lyseblå klynge, som knyttes til ”path planning & tracking” er eksempelvis ”trajectory planning”, ”localization systems”, ”obstacle avoidance”, ”optimization”, ”autonomous vehicle navigation”, ”collision aviodance” samt ”steering control”.
Disse nøgleord er alle betegnelser for forskellige tekniske aspekter forbundet den automatiserede manøvrering af en bil: Path planning & tracking, trajectory planning og navigation handler om bilens evne til at planlægge en fremadrettet kurs, hvilket også hænger tæt sammen med steering control-nøgleordet. 'Optimization' relaterer sig til også hertil, men vedrører specifikt matematiske modeller og algoritmer, som kalibrerer de forskellige datainput som kontrollerer bilens bevægelsesbane, mens 'localization systems' referer til den teknologi, der skal sikre, at bilen kan identificere, hvor den befinder sig, og hvor den skal bevæge sig hen. 'Fuzzy controllers' vedrør ligeledes bilens manøvrering, men henviser mere specifikt til teknologi, der kan imødegå, at bilens manøvrering er stærkt udfordret af udforudsigelige (fuzzy) miljøer især i storbyer, i form af svart aflæselige lyskryds, menneskemylder og hektisk traffik, men generelt i forbindelse med vejarbejde, dårlig skiltning. Dette er ifølge de videnskabelige artikler, som diskuterer nøgleordet 'fuzzy controllers' en af de største udfordringer for den førerløse bils sikre og flydende manøvrering, hvor den traditionelle manøvrerings- og navigeringsorienterede GPS-teknologi ikke er tilstrækkelig til at sikre bilen imod ulykker og sammenstød. Hvis man klikker på 'fuzzy controllers' på netværkskortet ser man da også, at nøgleordet i artiklerne relateres til en ret lang liste af tekniske nøgleord, hvilket vidner om, at her er tale om en af de mere komplekse teknologiske aspekter ved den førerløse bil.
DEN RØDE GRUPPE er den næststørste klynge og indeholder omkring 30% af netværkets nøgleord. I denne gruppe ser vi især nøgleord såsom; navigation systems, kalman filtering, lane detection, tracking, pathplaning, autonomous vehicle navigation, image processing, obstacle detection, sensors, radar, lidar scanner samt robotic vehicle navigation, som de mest anvendte nøgleord. Dette indikerer, at en stor del af artiklerne her er orienteret omkring den førerløse bils navigation og kapacitet til at spore og opfange, hvordan den skal planlægge sin sti, placerer sig i vejbanen og registrere 'obstacles' osv. Her er tale om tekniske forudsætninger for den førerløse bils evne til at sanse omgivelser og til at navigere i dem.
Indholdsmæssigt referer både Kalman-filter, lidar scanner og radar til bilens sensoriske kapacitet til at scanner og filtrere bilens omgivelser, hvilket sammen med image processing indikerer, at evnen til at scanne omgivelserne og bearbejde disse billeder er et væsentligt teknologisk aspekt ved bilens funktionalitet, og det giver god mening, at disse nøgleord i den røde gruppe kædes meget sammen med navigation, lane detection, pathplanning og obstacle detection, som vedrør bilens generelle orienteringsevne. Lane detection handler fx om bilen evne til at opfatte både tydelige vestribeopmarkeringer og utydelige kantstene, der hvor der ikke er markerede vejbaner.
På kortet ser vi overordnet en stor blå og en stor rød gruppe af nøgleord, som dominerer netværket, og hvis man dykker lidt ned i henholdsvis den blå og røde gruppering ser vi umiddelbart, at de begge vedrør teknisk-orienterede nøgleord. Begge klynger vedrører overordnet en række tekniske egenskaber ved den førerløse bil, såsom eksempelvis 'obstacle-avoidance', 'path-planning', og 'intelligent transportatation systems', 'tracking' og 'computer visioin', som er nogle af de fremtrædende ord fra begge sider. Der er imidlertid også forskel på de to grupper, som det her vil blive vist:
Det klart hyppigst forekommende nøgleord er ”path planning & tracking” – dette nøgleord er placeret inden for DEN BLÅ GRUPPE, som rummer omtrent 60 % af nøgleordene i netværket. Andre ofte optrændende nøgleord i denne lyseblå klynge, som knyttes til ”path planning & tracking” er eksempelvis ”trajectory planning”, ”localization systems”, ”obstacle avoidance”, ”optimization”, ”autonomous vehicle navigation”, ”collision aviodance” samt ”steering control”.
Disse nøgleord er alle betegnelser for forskellige tekniske aspekter forbundet den automatiserede manøvrering af en bil: Path planning & tracking, trajectory planning og navigation handler om bilens evne til at planlægge en fremadrettet kurs, hvilket også hænger tæt sammen med steering control-nøgleordet. 'Optimization' relaterer sig til også hertil, men vedrører specifikt matematiske modeller og algoritmer, som kalibrerer de forskellige datainput som kontrollerer bilens bevægelsesbane, mens 'localization systems' referer til den teknologi, der skal sikre, at bilen kan identificere, hvor den befinder sig, og hvor den skal bevæge sig hen. 'Fuzzy controllers' vedrør ligeledes bilens manøvrering, men henviser mere specifikt til teknologi, der kan imødegå, at bilens manøvrering er stærkt udfordret af udforudsigelige (fuzzy) miljøer især i storbyer, i form af svart aflæselige lyskryds, menneskemylder og hektisk traffik, men generelt i forbindelse med vejarbejde, dårlig skiltning. Dette er ifølge de videnskabelige artikler, som diskuterer nøgleordet 'fuzzy controllers' en af de største udfordringer for den førerløse bils sikre og flydende manøvrering, hvor den traditionelle manøvrerings- og navigeringsorienterede GPS-teknologi ikke er tilstrækkelig til at sikre bilen imod ulykker og sammenstød. Hvis man klikker på 'fuzzy controllers' på netværkskortet ser man da også, at nøgleordet i artiklerne relateres til en ret lang liste af tekniske nøgleord, hvilket vidner om, at her er tale om en af de mere komplekse teknologiske aspekter ved den førerløse bil.
DEN RØDE GRUPPE er den næststørste klynge og indeholder omkring 30% af netværkets nøgleord. I denne gruppe ser vi især nøgleord såsom; navigation systems, kalman filtering, lane detection, tracking, pathplaning, autonomous vehicle navigation, image processing, obstacle detection, sensors, radar, lidar scanner samt robotic vehicle navigation, som de mest anvendte nøgleord. Dette indikerer, at en stor del af artiklerne her er orienteret omkring den førerløse bils navigation og kapacitet til at spore og opfange, hvordan den skal planlægge sin sti, placerer sig i vejbanen og registrere 'obstacles' osv. Her er tale om tekniske forudsætninger for den førerløse bils evne til at sanse omgivelser og til at navigere i dem.
Indholdsmæssigt referer både Kalman-filter, lidar scanner og radar til bilens sensoriske kapacitet til at scanner og filtrere bilens omgivelser, hvilket sammen med image processing indikerer, at evnen til at scanne omgivelserne og bearbejde disse billeder er et væsentligt teknologisk aspekt ved bilens funktionalitet, og det giver god mening, at disse nøgleord i den røde gruppe kædes meget sammen med navigation, lane detection, pathplanning og obstacle detection, som vedrør bilens generelle orienteringsevne. Lane detection handler fx om bilen evne til at opfatte både tydelige vestribeopmarkeringer og utydelige kantstene, der hvor der ikke er markerede vejbaner.
Delkonklusion
Vi ser i ovenstående analyse, at det videnskabelige domæne mobiliserer en stor mængde af forskellige emner og nøgleord, som ikke lader til at uddifferentiere sig i isolerede eller løsrevne klyngedannelser. I stedet ser vi, at der er stor homogenitet i netværkets topologi, hvor næsten alle nøgleordene samler sig i én stor masse, og hvor en meget stor del af netværkets nøgleord vedrør tekno-videnskabelige aspekter. Både den stærkt centrerede topologi og overvægten af et teknisk domineret felt, vidner umiddelbart om en lav grad af heterogenitet i vidensproduktionen på området.
Inden for den overordnede tekno-videnskabelige interesse, har vi på baggrund af den farvemæssige inddeling af netværkskortet kunnet identificere to store grupperinger, hvor der på den ene side kan ses en problematik vedrørende manøvrering (blå gruppe), mens der i en anden gruppe fokuseres mere på bilens evne til at opfatte og afkode omgivelserne (rød gruppe). Disse to teknologiske aspekter kan imidlertid ikke siges at konflikte med hinanden, og de er snarere udtryk for forskelligt arbejde med bilerne.
Vi har kunnet se, at der er nogle særlige nøgleord, som placerer sig størst og mest centralt i netværket, hvilket er en indikation om, at disse emner er særligt vigtige og omdiskuterede i videnskaben; det er især emneord såsom path planning & tracking, lane detection, obstacle avoidance osv., som betegner enten specifikke tekniske komponenter eller teknologiske logikker bag førerløse bilers funktionalitet. Vi ser dog ikke i netværket tegn på væsentlig heterogenitet, og orientering i aritklernes anvendelse af centrale nøgleord bekræfter ydermere, at der ikke umiddelbart er nogle funktionselementer ved de førerløse biler, som grundlæggende ”er til debat” i de videnskabelige artikler. Elementerne fremhæves over en bred kam som de systemer og den teknologi, der er nødvendig at få på plads, før førerløse biler er rustet til at operere og indgå i verden på lige fod med køretøjer med menneskelige chauffører bag rattet.
Forskerne er i den forbindelse enige om, at der er lang vej igen, før disse teknologier er udviklet til et punkt, hvor de kan operere lige så sikkert og kompetent som en menneskelig chaufør – men at det er denne vej, udviklingen må gå, er der ikke umiddelbart nogen, der forsøger at rejse tvivl om. Hvorvidt det er en god idé at have førerløse biler kørende rundt i gaderne er ikke til debat – det er blot et spørgsmål om, hvornår vi har nået et tilstrækkeligt sofistikeret teknologisk niveau til, at det kan lade sig gøre.
Vi bliver på baggrund af disse fund nysgerrige på at undersøge, om der kan dukke mere heterogene perspektiver og problematikker frem, hvis vi i stedet ser på henholdsvis tekno-videnskab og social science and humanities hver for sig. Som vi vil vise i den følgende analyse, dukker der nemlig mere problematiserende og konfliktfyldte perspektiver op iblandt social science, når man giver artiklerne herfra lidt mere stemme i sig selv. Der præsenteres derfor i næste underfane en særskilt analyse for disse to grene af videnskaben.
Inden for den overordnede tekno-videnskabelige interesse, har vi på baggrund af den farvemæssige inddeling af netværkskortet kunnet identificere to store grupperinger, hvor der på den ene side kan ses en problematik vedrørende manøvrering (blå gruppe), mens der i en anden gruppe fokuseres mere på bilens evne til at opfatte og afkode omgivelserne (rød gruppe). Disse to teknologiske aspekter kan imidlertid ikke siges at konflikte med hinanden, og de er snarere udtryk for forskelligt arbejde med bilerne.
Vi har kunnet se, at der er nogle særlige nøgleord, som placerer sig størst og mest centralt i netværket, hvilket er en indikation om, at disse emner er særligt vigtige og omdiskuterede i videnskaben; det er især emneord såsom path planning & tracking, lane detection, obstacle avoidance osv., som betegner enten specifikke tekniske komponenter eller teknologiske logikker bag førerløse bilers funktionalitet. Vi ser dog ikke i netværket tegn på væsentlig heterogenitet, og orientering i aritklernes anvendelse af centrale nøgleord bekræfter ydermere, at der ikke umiddelbart er nogle funktionselementer ved de førerløse biler, som grundlæggende ”er til debat” i de videnskabelige artikler. Elementerne fremhæves over en bred kam som de systemer og den teknologi, der er nødvendig at få på plads, før førerløse biler er rustet til at operere og indgå i verden på lige fod med køretøjer med menneskelige chauffører bag rattet.
Forskerne er i den forbindelse enige om, at der er lang vej igen, før disse teknologier er udviklet til et punkt, hvor de kan operere lige så sikkert og kompetent som en menneskelig chaufør – men at det er denne vej, udviklingen må gå, er der ikke umiddelbart nogen, der forsøger at rejse tvivl om. Hvorvidt det er en god idé at have førerløse biler kørende rundt i gaderne er ikke til debat – det er blot et spørgsmål om, hvornår vi har nået et tilstrækkeligt sofistikeret teknologisk niveau til, at det kan lade sig gøre.
Vi bliver på baggrund af disse fund nysgerrige på at undersøge, om der kan dukke mere heterogene perspektiver og problematikker frem, hvis vi i stedet ser på henholdsvis tekno-videnskab og social science and humanities hver for sig. Som vi vil vise i den følgende analyse, dukker der nemlig mere problematiserende og konfliktfyldte perspektiver op iblandt social science, når man giver artiklerne herfra lidt mere stemme i sig selv. Der præsenteres derfor i næste underfane en særskilt analyse for disse to grene af videnskaben.