Um Novo Modelo de Rede Neural Interpretável para Predizer o Índice-h de Cientistas

Abstract

Os modelos de aprendizado de máquina, como as redes neurais, tem desempenhado um papel crucial em diversos campos da ciência. Um deles é trazendo previsões altamente precisas sobre os alcances de longo prazo de cientistas. No entanto, apesar do seu amplo sucesso em suas predições, tais modelos sofrem de uma grande fraqueza, a falta de explicabilidade ou transparência de suas decisões e ações autônomas. Atualmente, devido à não compreensão do raciocínio por trás de uma decisão destes modelos, cientistas com menor status podem estar sendo prejudicados. Neste trabalho, propomos uma Rede Neural Artificial (RNA) para predizer o índice-h de pesquisadores e tornamos as suas decisões acessíveis à avaliadores humanos usando os explicadores LIME e SHAP. Este trabalho busca demonstrar que a utilização de um modelo explicável é uma decisão importante e, de fato, fundamental para confiarmos em suas decisões. Nossos experimentos demonstram que as explicativas providas podem auxiliar os tomadores de decisão a tomar decisões mais informadas e a detectar vieses propagados pelo modelo. Futuramente, pretende-se implantar este modelo em uma Aplicação Web para auxiliar pesquisadores, universidades e agências de pesquisa em suas atividades diárias.