論文の概要: How do academic topics shift across altmetric sources? A case study of
the research area of Big Data
- arxiv url: http://arxiv.org/abs/2003.10508v1
- Date: Mon, 23 Mar 2020 19:37:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 07:26:55.590221
- Title: How do academic topics shift across altmetric sources? A case study of
the research area of Big Data
- Title（参考訳）: 学術的トピックがaltmetricソースにどのように移行するか?
ビッグデータ研究領域の事例研究
- Authors: Xiaozan Lyu and Rodrigo Costas
- Abstract要約: 出版物の著者キーワードとオンラインイベントの用語は、出版物のメイントピックとして抽出され、Altmetric.comで読者のオンラインディスカッションが行われる。
結果は、ビッグデータ科学研究に関する2つのトピックのセットの間に、かなりの違いがあることを示している。
ブログとニュースは、一般的に使用される用語に強い類似性を示し、政策文書とウィキペディアの記事は、ビッグデータ関連の研究を考察し解釈する上で、最も強い相違性を示している。
- 参考スコア（独自算出の注目度）: 2.208242292882514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Taking the research area of Big Data as a case study, we propose an approach
for exploring how academic topics shift through the interactions among
audiences across different altmetric sources. Data used is obtained from Web of
Science (WoS) and Altmetric.com, with a focus on Blog, News, Policy, Wikipedia,
and Twitter. Author keywords from publications and terms from online events are
extracted as the main topics of the publications and the online discussion of
their audiences at Altmetric. Different measures are applied to determine the
(dis)similarities between the topics put forward by the publication authors and
those by the online audiences. Results show that overall there are substantial
differences between the two sets of topics around Big Data scientific research.
The main exception is Twitter, where high-frequency hashtags in tweets have a
stronger concordance with the author keywords in publications. Among the online
communities, Blogs and News show a strong similarity in the terms commonly
used, while Policy documents and Wikipedia articles exhibit the strongest
dissimilarity in considering and interpreting Big Data related research.
Specifically, the audiences not only focus on more easy-to-understand academic
topics related to social or general issues, but also extend them to a broader
range of topics in their online discussions. This study lays the foundations
for further investigations about the role of online audiences in the
transformation of academic topics across altmetric sources, and the degree of
concern and reception of scholarly contents by online communities.
- Abstract（参考訳）: ビッグデータの研究領域をケーススタディとして、さまざまなアルトメトリックソースをまたがるオーディエンス間のインタラクションを通じて、学術的トピックがどのように変化するかを検討するためのアプローチを提案する。
データはWeb of Science(WoS)とAltmetric.comから入手され、ブログ、ニュース、ポリシー、ウィキペディア、Twitterに焦点が当てられている。
出版物からの著者キーワードとオンラインイベントからの用語は、altmetricで出版物の主要なトピックと彼らの聴衆のオンライン議論として抽出される。
著者が提示するトピックとオンラインオーディエンスが提示するトピックとの(相違)類似性を決定するために、異なる尺度が適用される。
結果は、ビッグデータ科学研究に関する2つのトピックには、全体として大きな違いがあることを示している。
主な例外はTwitterで、ツイート中の高周波ハッシュタグは出版物の著者のキーワードと強く一致している。
オンラインコミュニティの中で、ブログやニュースは一般的に使われる用語に強い類似性を示し、政策文書やwikipediaの記事はビッグデータ関連の研究を考察し解釈する上で最も異なる類似性を示している。
特に、聴衆は、社会的または一般的な問題に関するより分かりやすい学術的トピックに焦点をあてるだけでなく、オンライン議論において幅広いトピックに拡張する。
本研究は,オンライン・コミュニティにおける学術的話題の変容におけるオンライン・オーディエンスの役割,および学術的内容の関心度と受容度に関するさらなる調査の基盤となるものである。
関連論文リスト
- Tweets to Citations: Unveiling the Impact of Social Media Influencers on
AI Research Visibility [88.19541361734302]
機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。
2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。
我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
論文 参考訳（メタデータ） (2024-01-24T20:05:49Z) - Exploring Embeddings for Measuring Text Relatedness: Unveiling
Sentiments and Relationships in Online Comments [1.7230140898679147]
本稿では,様々なソーシャルメディアプラットフォームにおけるコメント間の感情的・意味的関係について検討する。
単語の埋め込みを使って文や文書のコンポーネントを分析する。
我々の分析は、オンラインコメントの相互接続性をより深く理解し、大きな相互接続脳として機能するインターネットの概念を調査する。
論文 参考訳（メタデータ） (2023-09-15T04:57:23Z) - Understanding Differences in News Article Interaction Patterns on
Facebook: Public vs. Private Sharing with Varying Bias and Reliability [2.4294291235324863]
本稿では、Facebook上の公開投稿とプライベート投稿のインタラクションパターンとエンゲージメントの深さを総合的に比較する。
本研究は,様々なニュースクラスと球面における相互作用パターンの相違について明らかにした。
この研究の結果は、Facebookのコンテンツモデレーター、規制当局、政策立案者に恩恵を与え、より健康的なオンライン談話に寄与する可能性がある。
論文 参考訳（メタデータ） (2023-05-19T18:01:36Z) - Bias or Diversity? Unraveling Fine-Grained Thematic Discrepancy in U.S.
News Headlines [63.52264764099532]
われわれは、2014年から2022年までの米国の主要メディアから、180万件のニュース記事の大規模なデータセットを使用している。
我々は、国内政治、経済問題、社会問題、外交の4つの主要なトピックに関連する、きめ細かいテーマの相違を定量化する。
以上の結果から,国内政治や社会問題においては,一定のメディア偏見が原因であることが示唆された。
論文 参考訳（メタデータ） (2023-03-28T03:31:37Z) - Quantifying the Online Long-Term Interest in Research [0.0]
研究論文がオンライン上でいつまで言及されているかを知ることは、研究者にとって貴重な情報となるかもしれない。
利用者が学術論文を共有したり議論したりする複数のソーシャルメディアプラットフォームを分析した。
これら3つのクラスタのそれぞれのオンラインソーシャルメディアメトリクスを使用して、研究論文における長期的なオンライン関心を予測するために、機械学習モデルを構築しました。
論文 参考訳（メタデータ） (2022-09-13T16:57:44Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Information Retention in the Multi-platform Sharing of Science [1.4626565477022566]
我々は,最も多い学術論文の9,765件を参考に,400万件以上のオンライン投稿における情報保持について検討した。
情報保持率の低さは,損失の明確な軌跡を辿って強い傾向を示す。
より多くのプラットフォームを含むシーケンスは、高い情報保持と関連付けられる傾向があります。
論文 参考訳（メタデータ） (2022-07-27T22:28:48Z) - Studying the characteristics of scientific communities using
individual-level bibliometrics: the case of Big Data research [2.208242292882514]
我々は,ビッグデータ研究に携わる作家コミュニティの学齢,生産,研究の焦点について検討する。
以上の結果から,「ビッグデータ」の学術領域は,著者のコミュニティが拡大する中で,近年の話題となっている。
論文 参考訳（メタデータ） (2021-06-10T08:17:09Z) - The Influence of Domain-Based Preprocessing on Subject-Specific
Clustering [55.41644538483948]
大学におけるオンライン教育の大部分を突然移行させることで、学者の作業負荷が増大した。
この問題に対処するひとつの方法は、トピックに応じてこれらの質問をクラスタ化することです。
本稿では,タグ付けデータセットの領域を探求し,コードの抜粋の同定と経験的結果の提供に焦点をあてる。
論文 参考訳（メタデータ） (2020-11-16T17:47:19Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn
Knowledge-driven Conversation [66.99734491847076]
我々は,中国語の多分野知識駆動会話データセットKdConvを提案する。
私たちのコーパスには3つのドメイン(映画、音楽、旅行)から4.5Kの会話と、平均19.0の回転数で86Kの発話が含まれています。
論文 参考訳（メタデータ） (2020-04-08T16:25:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。