SPFI 2026

Compreender a dinâmica evolutiva das trajetórias acadêmicas constitui uma questão central na Ciência da Ciência. Embora essas trajetórias sejam tradicionalmente avaliadas por meio de métricas de produtividade, impacto e colaboração, pesquisas recentes têm se concentrado cada vez mais no conteúdo temático das publicações, oferecendo novas perspectivas sobre como os cientistas percorrem o espaço do conhecimento. Alinhados a essa tendência, empregamos técnicas de processamento de linguagem natural e modelos de linguagem (Ostendorff et al., 2022) para construir um mapa semântico da ciência brasileira com base em representações vetoriais dos títulos de artigos extraídos da Plataforma Lattes. Ao reconstruirmos as trajetórias acadêmicas de mais de 10.000 pesquisadores brasileiros nesse espaço semântico, investigamos sua mobilidade semântica em função do tempo e do estágio da carreira. Nossa análise revela dois resultados principais. Em nível macroscópico, a atividade científica contemporânea apresenta uma tendência persistente de aumento da especialização temática. Em nível individual, os pesquisadores geralmente exibem maior mobilidade semântica nos estágios iniciais de suas carreiras, sendo que, na maioria das áreas, essa mobilidade se estabiliza após 20 anos de atividade profissional. Além disso, para determinar se a mobilidade semântica influencia o impacto acadêmico, avaliamos o efeito de saltos semânticos sobre a média anual de citações. Nossos resultados indicam que essa influência é altamente heterogênea, com o impacto da produção de um pesquisador variando consideravelmente de acordo com seu nível prévio de citações. Em síntese, este estudo mapeia empiricamente a evolução semântica das carreiras científicas e avalia disparidades entre áreas do conhecimento e entre gêneros, oferecendo uma visão abrangente das trajetórias temáticas no cenário científico.

• Ostendorff M., Rethmeier N., Augenstein I., Gipp B., Rehm G. (2022). Neighborhood contrastive learning for scientific document represen tations with citation embeddings. In Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing, pp. 11670–11688. Association for Computational Linguistics. doi:10.18653/v1/2022.emnlp-main.802.