Why Twitter can be the Next Big Thing in Scientific Collaboration

Introduction

Imagine yourself in the following situation: You, a scientist pur sang, are busy researching and analyzing A and you are having doubts about the values in the model, suspecting a technical error. Without hesitation, you compose a tweet describing the research and the problem, attach a photo made of the model, add a hashtag (e.g. #science or #labhelp) and send it to Twitter.  A few moments later six people have replied with an answer and your problem is solved.

While this looks like a fairytale, computation in general has become more and more embedded and is starting to play a fundamental role in science in the last couple of years. Scientists have always been among the first to adopt and use new communication technologies into their field of work; technologies such as wiki’s, e-mail and instant messaging (Sonnenwald, 2007).

It can be said that computation in the field of science will become even bigger, due to the new upcoming generation of “social media-scientists”: scientists who grew up in the age of Facebook, Wikipedia and Twitter, and who are used to collaborate and communicate globally online.  Not only do our “future scientists” already generate an enormous amount of data, also referred to as the data tsunami[1], but will only continue to increase this amount, since more forms of collaboration with social media are appearing.

While more data isn´t necessarily always better data, James Surowiecki argues that we are now living in the age of “the wisdom of the crowds”. Here, the larger the group of people collaborating and communicating is, the better the results will be. A classic scenario of one and one is three.

Wisdom of the scientific crowd

There are currently already a few tools that are providing in the creation of collective wisdom, making possible scientific collaborations through (social) media. A first group of examples can be seen in the rise of collaborative analysis tools such as IBM´s Many Eyes and Chartle. Here, people create graphs and charts of big amounts of data and are able to share and discuss them with others. By first choosing a dataset, a user can then choose a visualization, customize it and then publish it to the internet for everyone to see [2].

A second, better known example is Wikipedia: a collaborative digital encyclopedia launched in 2001 by Jimmy Wales. At the moment of writing the English version of the website contains a total of 3.622.868 articles and more than 450 million collaborative edited pages [3]. While the encyclopedia is open and accessible to everyone, the adding and editing of articles isn’t: to do this one needs to have a registered account on the website. Also, studies have been done on the reliability of the entries in Wikipedia, mostly ending up quite positive (Magnus, 2008 & Schiff, 2006). Furthermore, it has also been researched that a majority of college students use the website for course-related research, mostly by providing background information (Lee, 2010). Wikipedia is a general form of encyclopedia, containing articles on many different subjects. How these subjects can be categorized is displayed in figure 1.

Figure 1: Differences in Wikipedia's category structure and the Universal Decimal Classification

The classification in Wikipedia is however a bit different than that of the more taxonomy based Universal Decimal Classification (UDC). In Wikipedia the structure of classification seems to be more wide-spread and focused on Arts & Entertainment. Also, we can see that science (light and dark blue) is practically anywhere in the Wiki-sphere, where in UDC they are more clustered together.

Why Twitter and Why Not

In short: I do believe Twitter can play an important role in the field of science and in scientific collaboration. As argued by Mark Granovetter, who wrote about the effects of social and professional networks on information diffusion, innovation often travels most effectively via weak connections (Grannovetter, 1973). In order for scientific collaboration to happen, information must thus be able to diffuse among people or groups.

I hereby argue that Twitter enables this form of information diffusion. In Twitter, a user has “followers” who aren’t necessarily “friends”. Unlike other social media, followers don’t have to be approved by the one that is being followed (but of course can be blocked). This means that everyone can follow everyone, and can then read everything that is being ‘tweeted’ by the followed user without any real acceptance. In order to find users of interest, Twitter has implemented a powerful search mechanism that makes it easy to search for a specific topic and see all tweets on that topic. If someone likes what another user has said, he or she can choose to follow the user and read all future tweets. Retweeting a tweet then spreads the message across their own networks, creating a cascade effect of information and showing that the diffusion of information indeed travels via weak ties.

A scientist can thus reach a huge amount of people, when for example he/she is in need of help, by simply composing a tweet and sending it on Twitter.

There are currently already networks of scientists on Twitter, as for example can be seen in figure 2.

Figure 2

An interactive version of this can be seen on Many Eyes. The figure is generated from a list of Scientific Twitter Friends of David Bradley and is visualized by 2020 Science. The bubble-chart shows how influential a Scientific Twitter User in the list might be and that Twitter can indeed be used for the connection (and collaboration) between scientists.

While this does sound like a perfect tool for scientific collaboration, there are some downsides in using social media and Twitter according to a survey held under 300 lab managers[4]. They explain that the reasons for not adopting social media are:

  1. Blurring of the boundaries between private and business use
  2. Loss of productivity
  3. Security: the danger of confidential information being leaked

These all make a point of course, but these ‘downsides’ can all be avoided when carefully using these social media and by paying attention on what information is being spread.

Footnotes:

[1] http://thesocialcustomer.com/peterauditore1/37255/social-media-data-tsunami, accessed on 27 april 2011

[2] http://www-958.ibm.com/software/data/cognos/manyeyes/page/create_visualization.html, accessed on 28 april 2011

[3] http://en.wikipedia.org/wiki/Special:Statistics, accessed on 27 april 2011

[4] These results were published in Lab Manager Magazine and can be found online at http://www.labmanager.com/?articles.view/articleNo/4496/

References:

Granovetter, M. S. (1973), “The Strenght of Weak Ties”, American Journal of Sociology, Vol. 78, No. 6 (May 1973), 1360-1380.

Sonnenwald, D. H. (2007), “Scientific Collaboration: A Synthesis of Challenges and Strategies”, Annual Review of Information Science and Technology, Vol. 4, Blaise Cronin, (Ed,), Medford, NJ: Information Today.

Surowiecki, J. (2004), “The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies, Societies and Nations”, Little Brown

Auditore, P. (2011), “The Social Media Data Tsunami”, The Social Customer, 27 April, accessed on 27 April 2011, http://thesocialcustomer.com/peterauditore1/37255/social-media-data-tsunami

Magnus, P.D. (2008), “Early response to false claims in Wikipedia,” First Monday, 13(9), September, accessed on 27 April 2011.
http://www.uic.edu/htbin/cgiwrap/bin/ojs/index.php/fm/article/viewArticle/2115/2027/

Schiff, S. (2006). “Know it all. Can Wikipedia conquer expertise?” The New Yorker. 31 July, accessed on 28 April 2011. http://www.newyorker.com/archive/2006/07/31/060731fa_fact/.

Lee, A. (2010), “Science students more likely to use Wikipedia”, The Daily Princetonian, 23 March, accessed on 28 april 2011. http://www.dailyprincetonian.com/2010/03/23/25575/

Typographie et attention : vive le Comic Sans MS Bold !

La lecture de la semaine, il s’agit d’un article paru dans le New York Times le 18 avril dernier, on le doit à Benedict Carey.

L’article commence par une question piège : est-il plus facile de se souvenir d’un fait nouveau quand on le lit dans une police normale ou quand il est écrit en gros caractères gras – comme ça ?

La réponse est : peu importe, la taille des caractères n’a aucun effet sur la mémoire, contrairement à ce qu’on pourrait penser. En revanche, la police, elle, a un effet.

fontmultiples
Image : Parmi toutes les polices de caractère, l’une d’entre elle la Comic Sans MS inventée par Vincent Connare pour la société Microsoft en 1995 a été la cible de nombreuses critiques de la part de typographes, tant et si bien qu’il existe un véritable mouvement en ligne pour bannir cette police de caractère.

Des recherches récentes, nous explique Benedict Carey, montrent que les gens retiennent beaucoup plus d’informations quand ils les lisent dans une police qui non seulement ne leur est pas familière, mais en plus n’est pas très facile à déchiffrer. Mais pour le démontrer, le journaliste fait un petit détour par le travail des sciences cognitives.

Les psychologues le savent depuis longtemps, rapporte-t-il, l’instinct est trompeur quand il s’agit d’évaluer notre qualité d’apprentissage. Ce qu’on ressent pendant une séance de travail n’a pas grand-chose à voir avec ce qu’on va en retenir : des concepts qui semblent parfaitement clairs deviennent très confus quand il s’agit de les restituer, alors que d’autres, difficiles à appréhender pendant l’apprentissage, sont aisément mobilisables au moment opportun. Ces dernières années, les chercheurs ont commencé à éclairer les raisons de ce fonctionnement et, dans certains cas, à trouver des moyens de le corriger.

Les études citées par Benedict Carey montrent, en gros, que nous faisons trop confiance à nos capacités d’apprentissage. Et que cet excès de confiance se développe en raison de la tendance naturelle de notre cerveau à trouver des raccourcis – et souvent en le faisant trop vite pour se souvenir de ce qu’il utilise : ce ne sont que des raccourcis ! Je passe sur les détails, vous les retrouverez dans l’article en langue original si cela vous intéresse. J’en viens à ce qui nous intéresse ici. Car des recherches montrent que des éléments extérieurs peuvent aussi créer un sentiment de fausse sécurité. La fluidité par exemple, l’impression que ça va tout seul. Une étude publiée cette année dans la revue Psychological Science, étude dirigée par le Docteur Kornell, montre la force que peut avoir cet effet. Les participants ont étudié une liste de mots imprimés dans des polices de tailles différentes et devaient évaluer lesquels ils retiendraient mieux. Bien sûr, les sujets étaient plus confiants quand il s’agissait de mots écrits en gros caractères. Les résultats furent parfaitement inverses. L’étude a montré que la taille des caractères ne joue en rien. Et il en va de même avec la plupart des types d’apprentissage : la difficulté durcit le muscle cérébral, alors que la facilité ne durcit que la confiance. Et un groupe de chercheur l’a montré de façon éclatante, en utilisant non plus la talle des caractères, mais le type de police.

Une étude récente publiée dans la revue Cognition (.pdf), des psychologues des universités de Princeton et de l’Indiana ont donné à lire à 28 sujets, hommes et femmes, un texte décrivant trois espèces d’aliens, chacune ayant sept caractéristiques, du type “a les yeux bleus ” “mange des pétales de fleurs et du pollen”. La moitié des participants ont étudié le texte en Arial, taille 16, l’autre moitié en Comic Sans taille 12 ou en Bodoni MT taille 12, deux polices qui sont moins familières et plus compliquées à assimiler pour le cerveau. Après une petite pause, les participants subissaient un test. Ceux qui ont été confrontés aux polices les moins faciles ont eu des résultats bien meilleurs que les autres. L’étude a même été élargie à 222 élèves d’une école publique de l’Ohio. Un groupe recevait des documents (des cours d’anglais, de sciences, d’histoire) dans une police inhabituelle le Monotype Corsiva. Les autres dans la police habituelle. Les tests menés après coup ont montré, comme précédemment, que les élèves ayant étudié dans la police rare avaient de bien meilleurs résultats que les autres. Particulièrement en physique.

“La raison pour laquelle les polices inhabituelles sont efficaces est parce qu’elles nous obligent à penser plus profondément à ce que nous lisons” explique Daniel Oppenheimer, coauteur de cette étude. “Changer la police d’un texte et en trouver une qui soit plus difficile à lire vous forcera à être plus attentif.”

Voici pour cet article du New York Times qui est intéressant parce que contre-intuitif. Néanmoins, si on élargit un peu son propos, il n’est qu’une reformulation par les sciences cognitives de la vieille formule : “c’est en souffrant qu’on apprend”.

Xavier de la Porte

Xavier de la Porte, producteur de l’émission Place de la Toile sur France Culture, réalise chaque semaine une intéressante lecture d’un article de l’actualité dans le cadre de son émission.

L’émission du 1er mai était consacrée à la mise en place – contestée – du Conseil national du numérique avec Jeanne Tadeusz, responsable des affaires publiques de l’April (Association pour promouvoir et défendre le logiciel libre) qui s’est inquiétée de la création du CNN. L’émission s’intéressait également à la Culture Geek avec Samuel Archibald, professeur au département d’études littéraires de l’université du Québec à Montréal auteur notamment d’une “Epitre aux Geeks” ; Denis Colombi, agrégé de sciences sociales, professeur de sciences économiques et sociales, doctorant en sociologie et auteur d’un blog intitulé Une heure de peine sur lequel il a publié “Aux sources de la culture geek” et Sabine Blanc, journaliste à Owni. Et enfin à l’histoire de l’arobase, avec Sébastien Roussel, journaliste et administrateur du site arobase.org.

économie de l'attention, cognition, design, neurosciences, visualisation