論文の概要: A Measure of Research Taste

• arxiv url: http://arxiv.org/abs/2105.08089v1
• Date: Mon, 17 May 2021 18:01:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 13:53:45.121303
• Title: A Measure of Research Taste
• Title（参考訳）: 研究の好みの尺度
• Authors: Vladlen Koltun and David Hafner
• Abstract要約: 生産性と味の両方に報いる引用に基づく尺度を提案する。 提示された尺度capは、出版物とその量の影響のバランスをとる。 本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Researchers are often evaluated by citation-based metrics. Such metrics can inform hiring, promotion, and funding decisions. Concerns have been expressed that popular citation-based metrics incentivize researchers to maximize the production of publications. Such incentives may not be optimal for scientific progress. Here we present a citation-based measure that rewards both productivity and taste: the researcher's ability to focus on impactful contributions. The presented measure, CAP, balances the impact of publications and their quantity, thus incentivizing researchers to consider whether a publication is a useful addition to the literature. CAP is simple, interpretable, and parameter-free. We analyze the characteristics of CAP for highly-cited researchers in biology, computer science, economics, and physics, using a corpus of millions of publications and hundreds of millions of citations with yearly temporal granularity. CAP produces qualitatively plausible outcomes and has a number of advantages over prior metrics. Results can be explored at https://cap-measure.org/
• Abstract（参考訳）: 研究者はしばしば引用に基づくメトリクスによって評価される。 このような指標は雇用、昇進、資金調達の決定に役立ちます。 一般的な引用に基づくメトリクスは、研究者に出版物の生産を最大化させる動機を与えると懸念されている。 このようなインセンティブは科学的進歩に最適ではないかもしれない。 ここでは、生産性と味覚の両方に報いる引用ベースの尺度を示す: 研究者が影響力のある貢献に集中できる能力。 提示された指標であるCAPは、出版物の影響とその量とのバランスを保ち、出版物が文献に有用な追加物であるかどうかを考えるよう研究者に動機づける。 CAPは単純で、解釈可能で、パラメータフリーである。 生物学,計算機科学,経済学,物理学における高引用率研究者のcapの特徴を,年間に数億の出版物と数億の引用のコーパスを用いて分析した。 CAPは質的に妥当な結果をもたらし、以前のメトリクスよりも多くの利点がある。 結果はhttps://cap-measure.org/で調べることができる。

関連論文リスト

• Predicting Award Winning Research Papers at Publication Time [5.318302558039615]
  我々は、出版時に利用可能な情報にのみ依存して受賞する研究論文の可能性を予測する。 我々はArnetMinerの引用グラフを考慮した実験を行い、受賞論文の真理は32のコンピュータサイエンスカンファレンスから最高の論文賞の収集から得られた。 注目すべきは、高いリコールと低い偽陰性率は、そのモデルが賞を得ない論文を特定するのにいかにうまく機能するかを示している。
  論文  参考訳（メタデータ） (2024-06-18T12:09:10Z)
• 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)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  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)
• Analyzing the Impact of Companies on AI Research Based on Publications [1.450405446885067]
  私たちは、過去10年間に出版された学術的および企業公認のAIパブリッシングを比較します。 個々の出版物が受ける引用回数は、会社によって(共著)される場合、著しく高いことが分かりました。
  論文  参考訳（メタデータ） (2023-10-31T13:27:04Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• 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)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)
• 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。