Научная статья — не просто набор результатов, а отпечаток исследовательского почерка. Одни учёные наносят на бумагу строгие библиометрические линии, другие ставят экспериментальные росчерки, третьи прописывают контент-аналитическую вязь. За 30 лет в трёх ведущих журналах библиотечно-информационной науки накопилось 5281 таких «подписей» из 81 страны. В 1990 году средняя статья — это автограф одной страны. К 2019-му — коллективная роспись в 1,45 страны.

Чтобы прочесть этот планетарный почерк, группа Чэнчжи Чжана применила машинное обучение, обучив нейросеть CogFT. В основе — SciBERT, трансформерная модель с механизмом внимания, понимающая естественный язык науки. Подобно графологу, который выделяет в почерке ключевые петли и нажимы, CogFT выхватывает из полного текста четыре фрагмента, описывающих метод. Точность распознавания 15 категорий методов — от библиометрии до анкетирования — достигла 0,83 по макро-F1.

Методическая картина оказалась пёстрой. Бельгия и Нидерланды почти в половине работ кладут на бумагу библиометрический росчерк. Китай и Бразилия предпочитают экспериментальный нажим — более трети статей. Чтобы измерить разнообразие, авторы применили индекс Шеннона — ту же меру, что экологи используют для подсчёта видового богатства. H = -∑ $p_i$ log₂ $p_i$, где $p_i$ — доля статей с i-м методом. Чем выше H, тем богаче арсенал. За 30 лет почти все страны расширили свой методический алфавит, и лишь Бельгия осталась верна ограниченному набору букв. Кластерный анализ по сжатию данных в двумерную картинку (UMAP) разделил траектории на три группы: «зрелые» (США, Великобритания, Канада) с неизменно высоким разнообразием, «быстрорастущие» (Китай, Австралия и ещё 14 стран) с резким взлётом, и «традиционалисты» — Бельгия.

Однако глобальное соавторство размывает национальные росчерки. Сравнение по конкретной теме, например информационное поведение, показало: расстояние Йенсена-Шеннона (мера из теории информации) между профилем страны и общемировым образцом неуклонно сокращается. Различия, подтверждённые тестом Колмогорова-Смирнова — классикой теории вероятностей, — стираются. Доля статей, где применяют сразу несколько методов, выросла с 15% до почти 50%, и главный вклад внесли «быстрорастущие» страны. Почерк становится универсальным: учёные всё чаще пишут общим стилем.

Методологическая графология открывает окно в кухню науки. Понимание того, где сильны экспериментами, а где — теорией, позволяет точечно подбирать международных партнёров. Следующий шаг — автоматическая классификация методов на разных языках с помощью самообучения и больших языковых моделей, которые смогут не только распознавать, но и объяснять методический выбор. Возможно, однажды мы увидим наукометрию в реальном времени — графологию науки, где каждое новое исследование сразу ложится на мировую карту почерков. И если сегодняшняя статья — это всё ещё чей-то автограф, то завтрашняя напоминает надпись, сделанную многими руками, где индивидуальные черты тают в общем начертании.