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
- Spurious Correlations in Machine Learning: A Survey [69.89249134046086]
機械学習システムは、入力の偏りのある特徴と対応するラベルの間の急激な相関に敏感である。
これらの特徴とそのラベルとの相関は"spurious"として知られている。
我々は、機械学習モデルにおける素早い相関に対処する現在の最先端の手法の分類とともに、この問題を包括的にレビューする。
論文 参考訳(メタデータ) (2024-02-20T04:49:34Z) - The Howard-Harvard effect: Institutional reproduction of intersectional
inequalities [0.36868085124383626]
アメリカ合衆国の高等教育システムは、いくつかの機関で科学と科学者の育成に集中している。
これは、マイノリティ化された学者や、それらが不公平に関連付けられている話題に影響を及ぼす。
我々はハワード・ハーバード効果を観察し、ミッション主導の機関では、マイノリティ化された学者のトピックプロファイルが増幅される。
論文 参考訳(メタデータ) (2024-02-06T20:46:54Z) - Meta-survey on outlier and anomaly detection [0.0]
本稿では,一般的な調査の体系的メタサーベイと,異常検出と異常検出に関するレビューを実装した。
2つの専門的な科学的な検索エンジンを使って500近い論文を集めている。
本稿は,20年間にわたる外乱検出フィールドの進化を考察し,新たなテーマと方法を明らかにする。
論文 参考訳(メタデータ) (2023-12-12T09:29:22Z) - 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) - Cascaded Debiasing: Studying the Cumulative Effect of Multiple
Fairness-Enhancing Interventions [48.98659895355356]
本稿では機械学習(ML)パイプラインの異なる段階における多重公正強化介入の累積効果について検討する。
複数の介入を適用すると、集約に対する個々の介入よりも公平性と実用性が向上する。
マイナス面として、公平性向上の介入は異なる集団、特に特権集団に悪影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2022-02-08T09:20:58Z) - 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) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳(メタデータ) (2020-11-09T21:23:03Z) - 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。