論文の概要: Convergence and Inequality in Research Globalization

• arxiv url: http://arxiv.org/abs/2103.02052v1
• Date: Tue, 2 Mar 2021 22:04:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-09 11:54:58.616553
• Title: Convergence and Inequality in Research Globalization
• Title（参考訳）: 研究グローバリゼーションにおける収束と不平等
• Authors: Saurabh Mishra and Kuansan Wang
• Abstract要約: キャッチアップ効果とマシュー効果は、グローバリゼーションの特性に反するものである。 我々は過去40年間に218か国・地域からSTEM研究をカバーした学術・特許出版の詳細な研究を行っている。
• 参考スコア（独自算出の注目度）: 6.267366754791155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The catch-up effect and the Matthew effect offer opposing characterizations of globalization: the former predicts an eventual convergence as the poor can grow faster than the rich due to free exchanges of complementary resources, while the latter, a deepening inequality between the rich and the poor. To understand these effects on the globalization of research, we conduct an in-depth study based on scholarly and patent publications covering STEM research from 218 countries/regions over the past four decades, covering more than 55 million scholarly articles and 1.7 billion citations. Unique to this investigation is the simultaneous examination of both the research output and its impact in the same data set, using a novel machine learning based measure, called saliency, to mitigate the intrinsic biases in quantifying the research impact. The results show that the two effects are in fact co-occurring: there are clear indications of convergence among the high income and upper middle income countries across the STEM fields, but a widening gap is developing that segregates the lower middle and low income regions from the higher income regions. Furthermore, the rate of convergence varies notably among the STEM sub-fields, with the highly strategic area of Artificial Intelligence (AI) sandwiched between fields such as Medicine and Materials Science that occupy the opposite ends of the spectrum. The data support the argument that a leading explanation of the Matthew effect, namely, the preferential attachment theory, can actually foster the catch-up effect when organizations from lower income countries forge substantial research collaborations with those already dominant. The data resoundingly show such collaborations benefit all parties involved, and a case of role reversal can be seen in the Materials Science field where the most advanced signs of convergence are observed.
• Abstract（参考訳）: 前者は、貧困層が相補的な資源の交換の自由により、富裕層よりも速く成長できるのに対して、後者は富裕層と貧困層の間のより深い不平等を予測している。 研究のグローバル化に対するこれらの効果を理解するため、過去40年間に218カ国/地域のstem研究をカバーする学術論文や特許出版物に基づいて、500万以上の学術論文と170億の引用をカバーした詳細な研究を行う。 この調査に特有ののは、研究結果と、同じデータセットにおける影響の同時検証であり、saliencyと呼ばれる新しい機械学習ベースの尺度を使用して、研究の影響を定量化する際の本質的なバイアスを軽減する。 以上の結果から,STEM分野における高所得国と高所得国の間での収束の兆候は明らかであるが,低所得国と低所得国を高所得国から分離する格差が拡大していることが示唆された。 さらに、収束の速度はSTEMサブフィールドで顕著に異なり、スペクトルの反対端を占める医学や材料科学などの分野に人工知能(AI)の高度に戦略的な領域が挟まれている。 このデータは、マシュー効果、すなわち優先アタッチメント理論の指導的説明が、低所得国からの組織が既に支配的な人々と実質的な研究協力を行う場合に実際にキャッチアップ効果を促進することができるという議論を支持する。 これらのコラボレーションが関係するすべての当事者にとって有益であることを示すデータは、最も高度な収束の兆候が観察される材料科学の分野では、役割反転の事例が見られる。

関連論文リスト

• Towards Leveraging News Media to Support Impact Assessment of AI Technologies [3.2566808526538873]
  インパクトアセスメント(IA)の専門家主導のフレームワークは、AI技術が公衆の社会的行動、政策、そして、AIの認識とその使用に関する影響を形作る文化的、地理的文脈に与える影響を、必然的に見落としてしまう可能性がある。 本研究は、世界30カ国にまたがる266のニュースドメインから報告されたAIのネガティブな影響に対する微調整LDMの可能性を探るものである。
  論文  参考訳（メタデータ） (2024-11-04T19:12:27Z)
• Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
  コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。 歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。 本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-08-05T13:44:22Z)
• Practical Guide for Causal Pathways and Sub-group Disparity Analysis [1.8974791957167259]
  我々は因果不均質分析を用いて、感度特性と結果の間の因果関係を定量化し、検証する。 当社の2段階の調査は、レースがセンシティブな属性として機能するデータセットに焦点を当てています。 本研究は,ML分類誤差が最も大きい部分群が,最も影響を受けやすい部分群であることが実証された。
  論文  参考訳（メタデータ） (2024-07-02T22:51:01Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Discovery of the Hidden World with Large Language Models [95.58823685009727]
  本稿では,大きな言語モデル(LLM)を導入してギャップを埋めるCausal representatiOn AssistanT(COAT)を提案する。 LLMは世界中の大規模な観測に基づいて訓練されており、構造化されていないデータから重要な情報を抽出する優れた能力を示している。 COATはまた、特定変数間の因果関係を見つけるためにCDを採用し、提案された要因を反復的に洗練するためにLSMにフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-06T12:18:54Z)
• Evolving landscape of US-China science collaboration: Convergence and divergence [0.0]
  米国と中国は、様々な科学分野にまたがる協力関係を著しく強化してきた。 最近の報道は、この2つの巨大企業間のコラボレーションの潜在的な減少を示唆している。 この研究は、ここ数十年、米国と中国の相互作用の進化の風景を掘り下げている。
  論文  参考訳（メタデータ） (2023-09-10T14:11:46Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Identifying Causal Influences on Publication Trends and Behavior: A Case Study of the Computational Linguistics Community [10.791197825505755]
  本稿では,出版傾向と行動の因果的影響を明らかにするための混合手法分析について述べる。 主要な発見は、研究コミュニティにおける急速に発展する方法論への移行を浮き彫りにしている。 我々はこの研究が出版トレンドや行動に関する有用な洞察を提供することを期待している。
  論文  参考訳（メタデータ） (2021-10-15T08:36:13Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Interdisciplinary research and technological impact: Evidence from biomedicine [2.741266294612776]
  特許技術の発展に寄与する社会的利益の一側面を考察する。 論文の学際性の度合いを3つの一般的な指標(多様性,バランス,格差)を用いて測定する。 我々の研究は、学際的な研究と科学的・技術的影響に政策的な意味を持つかもしれない。
  論文  参考訳（メタデータ） (2020-06-27T15:21:40Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。