論文の概要: Same data may bring conflict results: a caution to use the disruptive index

• arxiv url: http://arxiv.org/abs/2009.06888v1
• Date: Tue, 15 Sep 2020 07:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 06:51:16.652125
• Title: Same data may bring conflict results: a caution to use the disruptive index
• Title（参考訳）: 同じデータが競合の結果をもたらす可能性がある:破壊的な指標の使用に注意
• Authors: Guoqiang Liang, Yi Jiang, Haiyan Hou
• Abstract要約: 1900年から2016年の間、ノーベル賞受賞者の出版記録を用いて、毎年ノーベル賞受賞記事とそのベンチマーク記事のDIを算出する。 DIに基づく結論は、引用時間ウィンドウの長さに依存しており、異なる引用ウィンドウは異なる、さらには議論の余地のある結果を引き起こす可能性がある。
• 参考スコア（独自算出の注目度）: 6.086025463776581
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the last two decades, scholars have designed various types of bibliographic related indicators to identify breakthrough-class academic achievements. In this study, we take a further step to look at properties of the promising disruptive index, thus deepening our understanding of this index and further facilitating its wise use in bibliometrics. Using publication records for Nobel laureates between 1900 and 2016, we calculate the DI of Nobel Prize-winning articles and its benchmark articles in each year and use the median DI to denote the central tendency in each year, and compare results between Medicine, Chemistry, and Physics. We find that conclusions based on DI depend on the length of their citation time window, and different citation time windows may cause different, even controversial, results. Also, discipline and time play a role on the length of citation window when using DI to measure the innovativeness of a scientific work. Finally, not all articles with DI equals to 1 were the breakthrough-class achievements. In other words, the DI stands up theoretically, but we should not neglect that the DI was only shaped by the number of citing articles and times the references have been cited, these data may vary from database to database.
• Abstract（参考訳）: 過去20年間、学者は画期的な学業業績を特定するために様々な書誌関連指標を設計してきた。 本研究では,将来性のある破壊的指標の特性を検討するためのさらなる一歩を踏み出し,この指標の理解を深め,書誌学におけるその賢明な利用をさらに促進する。 1900年から2016年までのノーベル賞受賞論文の出版記録を用いて、ノーベル賞受賞論文のdiとそのベンチマーク論文を毎年算出し、中央値diを用いて毎年の中央傾向を示し、医学、化学、物理学の比較を行う。 DIに基づく結論は、引用時間ウィンドウの長さに依存しており、異なる引用時間ウィンドウは異なる、あるいは議論の余地のある結果を引き起こす可能性がある。 また、規律と時間は、科学作品の革新性を測定するためにDIを使用する場合、引用窓の長さにおいて役割を果たす。 最後に、di が 1 に等しいすべての記事がブレークスルークラスの成果であるとは限らない。 言い換えれば、DIは理論的に立ち上がっているが、DIは引用記事の数や参照回数によってのみ形作られており、これらのデータはデータベースからデータベースまで様々であるということを無視するべきではない。

関連論文リスト

• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Uncited articles and their effect on the concentration of citations [0.0]
  実証的な証拠は、学術出版物から受けた引用が優先的な愛着のパターンに従っており、その結果、権力の分配が生じることを示している。 引用は少数の記事に集中するようになるのか?それとも、最近の地政学的および技術的な科学の変化によって、より分散化された分布がもたらされたのか? 本稿では,参照ベースおよび引用ベースアプローチ,未引用記事,引用インフレーション,書誌データベースの拡張,学際差,自己引用が引用集中の進化にどのように影響するかを考察する。
  論文  参考訳（メタデータ） (2023-06-16T15:38:12Z)
• Forgotten Knowledge: Examining the Citational Amnesia in NLP [63.13508571014673]
  論文を引用するのにどれくらいの時間がかかったのか、どのようにして変化したのか、そしてこの引用的注意/記憶に相関する要因は何か。 引用論文の約62%が出版直前の5年間のものであり,約17%が10年以上前のものであることを示す。 1990年から2014年にかけて、引用論文の中央値と年齢の多様性は着実に増加してきたが、その後傾向が逆転し、現在のNLP論文は、時間的引用の多様性が極端に低い。
  論文  参考訳（メタデータ） (2023-05-29T18:30:34Z)
• CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
  CiteBenchは引用テキスト生成のベンチマークである。 CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
  論文  参考訳（メタデータ） (2022-12-19T16:10:56Z)
• Geographic Citation Gaps in NLP Research [63.13508571014673]
  この研究は、地理的な位置と出版の成功との関係について一連の疑問を呈する。 われわれはまず,ACLアンソロジーから7万件の論文のデータセットを作成し,そのメタ情報を抽出し,引用ネットワークを生成した。 論文の受理や引用において地理的に大きな差異があるだけでなく,出版場所やNLPのサブフィールドなどの変数を制御しても,これらの格差は持続することを示す。
  論文  参考訳（メタデータ） (2022-10-26T02:25:23Z)
• An Assessment Tool for Academic Research Managers in the Third World [125.99533416395765]
  一方のベースにあるデータが、もう一方のインデックスを推測するためにどのように使用できるかを示す。 SCOPUSの情報はWebから自由に取り除くことができるので、このアプローチは出版物のインパクトファクターを自由に推論することができる。
  論文  参考訳（メタデータ） (2022-09-07T14:59:25Z)
• A Graph Convolutional Neural Network based Framework for Estimating Future Citations Count of Research Articles [0.03937354192623676]
  グラフ畳み込みネットワーク (gcn) を用いて, 短期(1年), 長期(5年, 10年)のいずれにおいても, 今後の研究論文の引用を推定する枠組みを提案する。 我々は、コンピュータサイエンス領域の研究記事、特に0.8百万以上の記事からなるAMinerデータセット上の私たちの提案されたアプローチをテストしました。
  論文  参考訳（メタデータ） (2021-04-11T07:20:53Z)
• How are journals cited? characterizing journal citations by type of citation [0.0]
  本稿では,引用関数に基づく引用の統計的特徴付けに関する最初の結果を示す。 また,雑誌が受ける支持率と論争の比率を,品質の潜在的指標として特徴づける最初の結果も提示する。
  論文  参考訳（メタデータ） (2021-02-22T14:15:50Z)
• Early Indicators of Scientific Impact: Predicting Citations with Altmetrics [0.0]
  altmetricsを使って、学術的な出版物が得る短期的および長期的な引用を予測する。 我々は,様々な分類モデルと回帰モデルを構築し,それらの性能を評価し,それらのタスクに最適なニューラルネットワークとアンサンブルモデルを見つける。
  論文  参考訳（メタデータ） (2020-12-25T16:25:07Z)
• Utilizing Citation Network Structure to Predict Citation Counts: A Deep Learning Approach [0.0]
  本稿では,情報カスケードの効果を組み合わせ,引用数予測問題に注目するエンド・ツー・エンドのディープラーニングネットワークであるDeepCCPを提案する。 6つの実データ集合の実験によると、DeepCCPは引用数予測の精度において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-09-06T05:27:50Z)

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。