المقالة العلمية كالتوقيع. لكل دولة بصمتها البحثية. على مدى 30 عامًا، تراكمت في ثلاث مجلات 5281 من هذه «التوقيعات» من 81 دولة.

لتحليل هذه البصمة، أنشأت مجموعة تشنغتشي تشانغ برنامجًا يتعلم من الأمثلة (وهذا هو التعلم الآلي). يقرأ البرنامج المقالة ويستخرج المقاطع التي تصف الطريقة: مثل الاستبيانات أو إحصاء الاستشهادات. يفهم اللغة الطبيعية للعلم ويقرر بنفسه ما هو مهم. يقوم على القدرة على التركيز على الأساسيات (آلية الانتباه) وتقسيم النص إلى أجزاء (المُحَوِّلات (Transformers)). دقة التعرف على 15 طريقة تبلغ 0,83 وفق مقياس خاص.

اتضح أن للدول عادات مختلفة. في بلجيكا وهولندا، يكاد نصف الأعمال يقتصر على إحصاء عدد مرات الاستشهاد بالمقالة. في الصين والبرازيل، يُجرون التجارب. لقياس التنوع، طبق العلماء معادلة يستخدمها علماء البيئة لحساب الأنواع. هذا الرقم من نظرية المعلومات: H = -∑ $p_i$ log₂ $p_i$. هنا $p_i$ هي نسبة المقالات التي تستخدم كل طريقة. كلما زاد H، زاد عدد المناهج المختلفة.

مع السنوات، تقترب البصمات الوطنية من بعضها. يعمل العلماء معًا بشكل متزايد: ارتفع متوسط عدد الدول لكل مقالة من 1,1 إلى 1,45. تتلاشى الفروق بين الدول، وهو ما أكده اختبار من نظرية الاحتمالات. زادت نسبة المقالات التي تستخدم عدة طرق من 15% إلى حوالي 50%. لرؤية الصورة الكلية، ضغطت البيانات في خريطة ثنائية الأبعاد (تقليل الأبعاد) وتم تحديد ثلاث مجموعات من الدول: «الناضجة» (الولايات المتحدة، المملكة المتحدة)، «سريعة النمو» (الصين، أستراليا) و«التقليدية» (بلجيكا).

هذه الخريطة للبصمات العلمية تساعد في اختيار الشركاء. إذا احتجت إلى باحث تجريبي، تبحث عن زميل صيني، وإذا أردت تحليلًا ببليومتريًا، تتوجه إلى البلجيكيين. في المستقبل، ستتمكن البرامج من التعلم دون توجيه (التعلم ذاتي الإشراف (Self-Supervised Learning)) واستخدام نماذج اللغة الكبيرة ليس فقط للتعرف على الطرق بل أيضًا لشرح اختياراتها. ربما سنرى كيف تصبح بصمة العلم مشتركة — كأنها كتابة بأيدٍ كثيرة.