Creating and evaluating hypothesis networks in invasion biology

Abstract

Invasion biology is a relatively young sub-discipline of biology. Despite the fact that the idea was established in Charles Darwin’s book ‘On the origin of species’, the field was only founded a hundred years later with Charles Elton. Since the middle of the 1990s, the field has substantially grown in size. Accordingly, the number of hypotheses and concepts about biological invasions has substantially increased, and some of them are similar to each other, others are not supported by empirical evidence. The aim of this work was to develop and apply methods to create networks of hypotheses and concepts that visualize the field of invasion biology. The thesis contains four different methods and their resulting networks. Due to the nature of the topic, this work is interdisciplinary. The topics range from biology and its way to find categories (chapter 2), over social science (chapters 3 & 5) to bibliometrics (chapter 4). Also, this work had to overcome challenges in visualizing the emerging networks (see chapter 6.1). The method presented and applied in chapter 2 is a straightforward possibility to structure hypotheses based on their traits and characteristics. This method resulted in a hypothesis network with several clusters of hypotheses. For chapter 3, a survey approach was applied to create hypothesis networks. The participants of the survey were experts in the field of invasion biology. Surprisingly, the results showed that experts in invasion biology seem to have no consistent idea of their research field and therefore no clear, consistent inner map of invasion biology. With additional analyses, however, we were able to create networks of the best-known hypotheses and concepts in invasion biology seen by the participating experts. In chapter 4, we looked at co-citations of the key papers related to the major invasion hypotheses. This approach led to two clear maps of the field (one for each of the two applied analysis methods). Finally, in chapter 5, we created a hypothesis network based on a workshop we held in Berlin. This network emerged from a Delphi-based consensus approach that we developed. We also applied an advanced cluster-finding algorithm here that clusters links between nodes in the network instead of clustering nodes which is done by traditional cluster-finding algorithms. The advanced algorithm thus allows nodes to be in more than one cluster. This network based on the consensus approach and analyzed with the link-clustering algorithm has a better resolution and provides more information than the other networks presented in this thesis. I conclude this thesis with a discussion of the benefits and drawbacks of each network and its underlying approach. It seems that the best approaches to create a useful hypothesis network of a research field are those presented in chapters 4 and 5, i.e. the co-citation and consensus approaches. A co- 6 citation based network reveals how a research field such as invasion biology is seen by scientists who work in the field and how they cite publications. But there are no strict rules for citation and therefore this approach is based on trust in scientifically correct citations. The risk of a strong bias is reduced in case of the consensus approach, as the resulting network is based on the combined perspective of a sizeable number of experts. This seems to be the best way to structure existing hypotheses of invasion biology right now. A future important step is to apply this and possibly other approaches in other research fields.

Die Invasionsbiologie ist eine relativ junge Unterdisziplin der Biologie. Trotz der Tatsache, dass die Idee in Charles Darwins Buch "On the origin of species" begründet war, wurde das Feld erst einhundert Jahre später mit Charles Elton begründet. Seit Mitte der 1990er Jahre ist das Feld erheblich gewachsen. Dementsprechend hat die Anzahl der Hypothesen und Konzepte zu biologischen Invasionen erheblich zugenommen, und einige von ihnen ähneln sich, andere werden nicht durch empirische Evidenz gestützt. Ziel dieser Arbeit war es, Methoden zu entwickeln und anzuwenden, um Netzwerke von Hypothesen und Konzepten zu erstellen, die das Gebiet der Invasionsbiologie visualisieren. Die Arbeit enthält vier verschiedene Methoden und die daraus resultierenden Netzwerke. Aufgrund der Art des Themas ist diese Arbeit interdisziplinär. Die Themen reichen von der Biologie und ihrem Weg zur Kategorisierung (Kapitel 2) über die Sozialwissenschaften (Kapitel 3 und 5) bis hin zur Bibliometrie (Kapitel 4). Diese Arbeit musste auch die Herausforderungen bei der Visualisierung der entstehenden Netzwerke bewältigen (siehe Kapitel 6.1). Die in Kapitel 2 vorgestellte und angewandte Methode ist eine nahe liegende Möglichkeit, Hypothesen anhand ihrer Merkmale und Eigenschaften zu strukturieren. Diese Methode führte zu einem Hypothesennetzwerk mit mehreren Hypothesenclustern. Für das 3. Kapitel wurde ein Erhebungsansatz angewendet, um Hypothesennetzwerke zu erstellen. Die Teilnehmer der Umfrage waren Experten auf dem Gebiet der Invasionsbiologie. Überraschenderweise zeigten die Ergebnisse, dass Experten der Invasionsbiologie offenbar keine einheitliche Vorstellung von ihrem Forschungsgebiet und daher keine klare, einheitliche innere Karte der Invasionsbiologie haben. Mit zusätzlichen Analysen konnten wir jedoch Netzwerke der 7 bekanntesten Hypothesen und Konzepte in der Invasionsbiologie erstellen, wie sie von den teilnehmenden Experten gesehen wurden. In Kapitel 4 haben wir uns die Ko-Zitationen der wichtigsten Veröffentlichungen im Zusammenhang mit den Hypothesen der Invasionsbiologie angesehen. Dieser Ansatz führte zu zwei übersichtlichen Karten des Feldes (eine für jede der beiden angewandten Analysemethoden). Schließlich haben wir in Kapitel 5 ein Hypothesennetzwerk erstellt, das auf einem Workshop basiert, den wir in Berlin organisiert hatten. Dieses Netzwerk ist aus einem von uns entwickelten Delphi-basierten Konsensus-Ansatz hervorgegangen. Wir haben hier auch einen fortschrittlichen Cluster-Finding-Algorithmus angewendet, der Verbindungen zwischen Knoten im Netzwerk gruppiert, anstatt Knoten zu gruppieren, was durch herkömmliche Cluster-Finding-Algorithmen erfolgt. Der erweiterte Algorithmus ermöglicht es somit, dass sich Knoten in mehr als einem Cluster befinden. Dieses auf dem Konsensansatz basierende und mit dem Link-Clustering-Algorithmus analysierte Netzwerk hat eine bessere Auflösung und liefert mehr Informationen als die anderen in dieser Arbeit vorgestellten Netzwerke. Ich schließe diese Arbeit mit einer Diskussion der Vor- und Nachteile jedes Netzwerks sowie der jeweils zugrunde liegenden Methode. Es scheint, dass die besten Ansätze zur Schaffung eines nützlichen Hypothesennetzwerks auf einem Wissenschaftsgebiet die in den Kapiteln 4 und 5 vorgestellten sind. Ein Ko-Zitation-basiertes Netzwerk (Kapitel 4) zeigt, wie ein Forschungsgebiet wie die Invasionsbiologie von Wissenschaftlern, die auf diesem Gebiet arbeiten, gesehen wird und wie sie Veröffentlichungen zitieren. Da es jedoch keine strengen Zitierregeln gibt, basiert diese Arbeit auf dem Vertrauen in wissenschaftlich korrekte Zitationen. Das Risiko einer starken Verzerrung wird im Falle des Konsensansatzes (Kapitel 5) verringert, da das resultierende Netzwerk auf der kombinierten Perspektive einer beträchtlichen Anzahl von Experten basiert. Dies scheint der derzeit beste Weg zu sein, um die Hypothesen der Invasionsbiologie zu strukturieren. Ein nächster wichtiger Schritt ist nun die Anwendung dieses und möglicherweise anderer Ansätze in anderen Forschungsbereichen.