論文の概要: Caveats for the use of Web of Science Core Collection in old literature retrieval and historical bibliometric analysis

• arxiv url: http://arxiv.org/abs/2107.11521v1
• Date: Sat, 24 Jul 2021 03:39:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-27 15:56:11.974726
• Title: Caveats for the use of Web of Science Core Collection in old literature retrieval and historical bibliometric analysis
• Title（参考訳）: 古文献検索と歴史文献分析におけるWeb of Science Core Collectionの利用事例
• Authors: Weishu Liu
• Abstract要約: フォッソ・ワンバの研究で実証されたデータは、1991年がAI研究の「水源」であったことを示唆している。 この研究ノートは、データベースの制限の観点から、1991年の現象を解明しようと試みている。
• 参考スコア（独自算出の注目度）: 0.43784114427842946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: By using publications from Web of Science Core Collection (WoSCC), Fosso Wamba and his colleagues published an interesting and comprehensive paper in Technological Forecasting and Social Change to explore the structure and dynamics of artificial intelligence (AI) scholarship. Data demonstrated in Fosso Wamba's study implied that the year 1991 seemed to be a "watershed" of AI research. This research note tried to uncover the 1991 phenomenon from the perspective of database limitation by probing the limitations of search in abstract/author keywords/keywords plus fields of WoSCC empirically. The low availability rates of abstract/author keywords/keywords plus information in WoSCC found in this study can explain the "watershed" phenomenon of AI scholarship in 1991 to a large extent. Some other caveats for the use of WoSCC in old literature retrieval and historical bibliometric analysis were also mentioned in the discussion section. This research note complements Fosso Wamba and his colleagues' study and also helps avoid improper interpretation in the use of WoSCC in old literature retrieval and historical bibliometric analysis.
• Abstract（参考訳）: Web of Science Core Collection(WoSCC)の出版物を使って、Fosso Wamba氏と彼の同僚たちは、Technological Forecasting and Social Changeという興味深い総合的な論文を発表し、人工知能(AI)奨学金の構造とダイナミクスを探求した。 fosso wamba氏の研究で示されたデータは、1991年がai研究の「水源」であることを示唆している。 本研究は,要約/著者キーワード/キーワード+wosccの分野における検索の制限を実証することで,データベース制限の観点から1991年現象を明らかにすることを試みた。 本研究で見いだされたWoSCCにおける抽象的/著者的キーワード/キーワードの可用性の低さは、1991年のAI奨学金の「水洗」現象を大いに説明できる。 また, 古文献検索や歴史文献分析にWoSCCを使用する際の留意点についても論じている。 この研究ノートは、Fosso Wambaと彼の同僚の研究を補完し、古文献検索や歴史文献分析におけるWoSCCの使用における不適切な解釈を避けるのに役立つ。

関連論文リスト

• NLP-Powered Repository and Search Engine for Academic Papers: A Case Study on Cyber Risk Literature with CyLit [9.621564860645513]
  自然言語処理(NLP)技術を活用した新しいフレームワークを提案する。 このフレームワークは、特定の研究領域内の学術文献の検索、要約、クラスタリングを自動化する。 我々は,サイバーリスク文献に特化して設計されたNLPベースのリポジトリであるCyLitを紹介する。
  論文  参考訳（メタデータ） (2024-09-10T05:41:40Z)
• Curatr: A Platform for Semantic Analysis and Curation of Historical Literary Texts [5.075506385456811]
  本稿では,機械学習によるセマンティックサーチによる文献の探索とキュレーションを行うオンラインプラットフォームであるCuratrを提案する。 このプラットフォームは、ニューラルネットワークの埋め込みと専門家のドメイン知識を組み合わせて、セマティックレキシコンの生成を可能にする。
  論文  参考訳（メタデータ） (2023-06-13T15:15:31Z)
• A Bibliographic View on Constrained Clustering [4.705291741591329]
  本稿では,制約付きクラスタリング領域とそのサブトピックの一般的な傾向について述べる。 利用可能なソフトウェアをリストアップし、参照コレクションの実験的なセクションを分析します。 私たちがレビューしたトピックの中で、アプリケーション研究は近年最も豊富でした。
  論文  参考訳（メタデータ） (2022-09-22T16:11:47Z)
• Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
  本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。 まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。 キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
  論文  参考訳（メタデータ） (2022-09-17T18:24:56Z)
• Searching for chromate replacements using natural language processing and machine learning algorithms [0.0]
  本研究は、科学的文献の自動解釈から知識を抽出し、専門家による人間レベルの洞察を得ることが可能であることを実証する。 我々は、以前他の人によって探求されたWord2VecモデルとBERTモデルを採用し、それらを材料工学におけるユニークな挑戦に適用した。
  論文  参考訳（メタデータ） (2022-08-11T07:21:18Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
  本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。 GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
  論文  参考訳（メタデータ） (2022-02-23T09:05:28Z)
• 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)
• Semantic and Relational Spaces in Science of Science: Deep Learning Models for Article Vectorisation [4.178929174617172]
  我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。 論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
  論文  参考訳（メタデータ） (2020-11-05T14:57:41Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)

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。