THE STUDY OF INFORMATION DISSEMINATION IN NETWORKS ARRANGED FROM A SET OF FORECASTING TERMS

The study describes an implementation of an algorithm for a systematic research using methods of mapping, visualization and network analysis of complex networks arranged from a set of forecasting terms, which were extracted from bibliographic databases. The proprietary method for selecting
terms based on a matrix that determines the level of maturity of self organizing intelligent systems is used. The visual clustering analysis of the map of terms related to the advanced information technologies by the subject matter and downloaded from Scopus databases for the period of 5 years was carried out. The analysis of a general state of the network and that of the network connections by individual clusters is carried out. The study investigates properties of the networks aimed at detecting percolation processes in breaking nodes connections both in decreasing order of their centrality and in random order. The key role of central vertices in the processes of information dissemination in the terminological network is substantiated by the obtained empirical data. The study shows that the connections evidently disintegrate if there is a combination of nodes with low centrality indicators (< 15), i.e. the percolation threshold is overcome when approaching the indicator of ≥ 15 % of network nodes activation.

1. Newman M. E. J. The Structure and Function of Complex Networks // SIAM Rev. 2003. Vol. 45, Is. 2. P. 167-256.

2. Жуков Д. О., Хватова Т. Ю., Лесько С. А., Зальцман А. Д. Моделирование стохастической динамики изменения состояний узлов и перколяционных переходов в социальных сетях с учетом самоорганизации и наличия памяти // Информатика и ее применения. 2021. Т. 15, № 1. С. 102-110.

3. Акоев М. А., Маркусова В. А., Москалева О. В., Писляков В. В. Руководство по наукометрии: индикаторы развития науки и технологии. Екатеринбург : Изд-во Урал. гос. ун-та, 2014. 250 с.

4. Бодрунов С. Д. Ноономика. М. ; СПб. ; Лондон : Культурная революция, 2018. 432 с.

5. Попов О. Р. Адаптация мировых практик к проблеме долгосрочного технологического прогнозирования состояния самоорганизующихся интеллектуальных систем // Интеллектуальные ресурсы - региональному развитию. 2021. № 2. С. 91-98.

6. Попов О. Р. Способ поиска параметров порядка самоорганизующихся систем: информационный аспект // Интеллектуальные ресурсы - региональному развитию. 2020. № 2. С. 64-70.

7. Van Eck N. J., Waltman L. Visualizing Bibliometric Networks // Measuring Scholarly Impact: Methods and Practice / Eds. Ding Y., Rousseau R., Wolfram D. Springer, 2014. P. 285‒320.

8. De Nooy W., Mrvar A., Batagelj V. Exploratory Social Network Analysis with Pajek: Revised and Expanded Edition for Updated Software (3rd ed., Structural Analysis in the Social Sciences). Cambridge : Cambridge University Press, 2018. https://doi.org/10.1017/9781108565691.

9. Dashko Yu. V., Kramarov S. O., Zhdanov A. V. Sintering of Polycrystalline Ferroelectrics and the Percolation Problem in Stochastically Packed Networks // Ferroelectrics. 1996. Vol. 186, Is. 1. P. 85-88.

10. Dashko Yu. V., Kramarov S. O. Percolation Model of the Sintering of Ferroelectric Ceramics // Ferroelectrics. 1995. Vol. 164, Is. 1. P. 329-337.

11. Сигов А. С., Андрианова Е. Г., Жуков Д. О. и др. Квантовая информатика: обзор основных достижений // Рос. технолог. журнал. 2019. Т. 7, № 1 (27). С. 5-37. https://doi.org/10.32362/2500-316X-2019-7-1-5-37.

12. Жуков Д. О., Хватова Т. Ю., Лесько С. А., Зальцман А. Д. Влияние плотности связей на кластеризацию и порог перколяции при распространении информации в социальных сетях // Информатика и ее применения. 2018. Т. 12, №. 2. С. 90-97.