論文の概要: Flat Teams Drive Scientific Innovation
- arxiv url: http://arxiv.org/abs/2201.06726v2
- Date: Wed, 19 Jan 2022 17:26:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 20:55:43.770466
- Title: Flat Teams Drive Scientific Innovation
- Title（参考訳）: フラットチームによる科学革新
- Authors: Fengli Xu, Lingfei Wu, James Evans
- Abstract要約: 個人の活動が、研究の方向性とプレゼンテーションを通じて、リーダーシップの幅広い役割にどのように結びついているかを示す。
科学チームの隠された階層は、そのリード(またはL)比がチーム規模全体に対してリーダーシップの役割を担っているのが特徴です。
フラットで平等なチームと対照的に、背が高く階層的なチームは、より斬新さを減らし、より多く既存のアイデアを発達させます。
- 参考スコア（独自算出の注目度）: 43.65818554474622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With teams growing in all areas of scientific and scholarly research, we
explore the relationship between team structure and the character of knowledge
they produce. Drawing on 89,575 self-reports of team member research activity
underlying scientific publications, we show how individual activities cohere
into broad roles of (1) leadership through the direction and presentation of
research and (2) support through data collection, analysis and discussion. The
hidden hierarchy of a scientific team is characterized by its lead (or L)-ratio
of members playing leadership roles to total team size. The L-ratio is
validated through correlation with imputed contributions to the specific paper
and to science as a whole, which we use to effectively extrapolate the L-ratio
for 16,397,750 papers where roles are not explicit. We find that relative to
flat, egalitarian teams, tall, hierarchical teams produce less novelty and more
often develop existing ideas; increase productivity for those on top and
decrease it for those beneath; increase short-term citations but decrease
long-term influence. These effects hold within-person -- the same person on the
same-sized team produces science much more likely to disruptively innovate if
they work on a flat, high L-ratio team. These results suggest the critical role
flat teams play for sustainable scientific advance and the training and
advancement of scientists.
- Abstract（参考訳）: チームは科学的および学術的な研究のあらゆる領域で成長し、チーム構造と彼らが生み出す知識の性格の関係を調査します。
研究成果を基礎としたチームメンバー研究活動の89,575件について,研究の方向性と提示,データ収集,分析,議論による支援などを通じて,各活動が(1)リーダーシップの幅広い役割にどのように組み合わされるかを示す。
科学チームの隠れた階層構造は、リーダーの役割を全チーム規模で担うメンバーのリード(またはl)比によって特徴づけられる。
L比は、特定の論文や科学全体への重要な貢献と相関して検証され、16,397,750の論文でL比を効果的に外挿するために用いられる。
平凡で平等主義的なチームと比較すると、身長の高い階層的なチームは目新しさが少なく、既存のアイデアを多く開発し、その上にいる人たちの生産性を高め、下の人たちの生産性を下げ、短期的な引用を増加させ、長期的な影響を減少させます。
同じ規模のチームの同じ人物が、フラットで高いL比のチームで働いていると、科学が破壊的に革新する可能性がずっと高い。
これらの結果は、フラットチームが持続可能な科学的進歩と科学者の訓練と進歩に果たす重要な役割を示唆している。
関連論文リスト
- Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z) - What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。
ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。
筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
論文 参考訳（メタデータ） (2024-05-10T16:06:43Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - 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) - Forecasting high-impact research topics via machine learning on evolving knowledge graphs [0.6906005491572401]
我々は、研究者がこれまでに出版したことのないアイデアの発症の影響を予測する方法を示す。
我々は、2200万以上の科学論文から構築された大きな進化した知識グラフを開発した。
機械学習を用いることで、進化するネットワークのダイナミックな未来を高精度で予測できる。
論文 参考訳（メタデータ） (2024-02-13T18:09:38Z) - How should the advent of large language models affect the practice of
science? [51.62881233954798]
大規模言語モデルの出現は科学の実践にどのように影響を与えるべきか?
我々は4つの科学者グループを招待し、この質問を反映し、彼らの見解を共有し、議論をおこなった。
論文 参考訳（メタデータ） (2023-12-05T10:45:12Z) - Towards a Better Understanding of Learning with Multiagent Teams [4.746424588605832]
いくつかのチーム構造は、エージェントが特定の役割を専門化することを学ぶのに役立つことを示しています。
大規模なチームは、コーディネーションを減らすためのクレジット割り当ての課題を作成します。
論文 参考訳（メタデータ） (2023-06-28T13:37:48Z) - Automated Mining of Leaderboards for Empirical AI Research [0.0]
本研究では,知識グラフに基づく学術情報組織のためのリーダーボード作成のための包括的アプローチを提案する。
具体的には,最先端のトランスフォーマーモデルであるViz. Bert, SciBert, XLNetを用いたリーダボードの自動構築の問題点について検討する。
その結果、実験的なAI研究の大部分を、知識グラフとして次世代デジタルライブラリにまとめることができる。
論文 参考訳（メタデータ） (2021-08-31T10:00:52Z) - Team Power and Hierarchy: Understanding Team Success [11.09080707714613]
本研究は,コンピュータ科学分野におけるチームパワーとチームの成功との関係を深く検討する。
4,106,995のCSチームを分析することで、フラットな構造を持つハイパワーチームが最高のパフォーマンスを持つことがわかりました。
逆に、階層構造を持つ低パワーチームは、チームのパフォーマンスのファシリテータです。
論文 参考訳（メタデータ） (2021-08-09T15:10:58Z)
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。