論文の概要: Exploring the Confounding Factors of Academic Career Success: An Empirical Study with Deep Predictive Modeling

• arxiv url: http://arxiv.org/abs/2211.10615v1
• Date: Sat, 19 Nov 2022 08:16:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 12:32:17.534617
• Title: Exploring the Confounding Factors of Academic Career Success: An Empirical Study with Deep Predictive Modeling
• Title（参考訳）: 学術キャリア成功の共通要因を探る--深層予測モデルを用いた実証的研究
• Authors: Chenguang Du, Deqing Wang, Fuzhen Zhuang, Hengshu Zhu
• Abstract要約: 本稿では,実証的,予測的モデリングの観点から,学業成功の決定要因について検討する。 我々は、共著者ネットワークを分析し、潜在的な学者が、成長するにつれて、より早く、より密接に、影響力のある学者と密接に働くことを発見した。 フェローであることは、引用の改善や生産性の向上をもたらすことができませんでした。
• 参考スコア（独自算出の注目度）: 43.91066315776696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding determinants of success in academic careers is critically important to both scholars and their employing organizations. While considerable research efforts have been made in this direction, there is still a lack of a quantitative approach to modeling the academic careers of scholars due to the massive confounding factors. To this end, in this paper, we propose to explore the determinants of academic career success through an empirical and predictive modeling perspective, with a focus on two typical academic honors, i.e., IEEE Fellow and ACM Fellow. We analyze the importance of different factors quantitatively, and obtain some insightful findings. Specifically, we analyze the co-author network and find that potential scholars work closely with influential scholars early on and more closely as they grow. Then we compare the academic performance of male and female Fellows. After comparison, we find that to be elected, females need to put in more effort than males. In addition, we also find that being a Fellow could not bring the improvements of citations and productivity growth. We hope these derived factors and findings can help scholars to improve their competitiveness and develop well in their academic careers.
• Abstract（参考訳）: 学術的キャリアにおける成功の決定要因を理解することは、学者と雇用組織の両方にとって極めて重要である。 この方面でかなりの研究努力がなされているが、多くの要因によって学者の学術的キャリアをモデル化する定量的なアプローチが欠落している。 そこで本稿では,IEEEフェローとACMフェローの2つの典型的な学術的名誉に着目し,実証的かつ予測的モデリングの観点から,学術的キャリア成功の決定要因について検討する。 異なる因子の重要性を定量的に分析し,洞察に富んだ知見を得た。 具体的には、共著者ネットワークを分析し、潜在的な学者が影響力のある学者と早くともより緊密に連携していることを見いだす。 次に,男女同級生の学業成績を比較検討した。 比較すると、女性が選ばれるためには、男性よりも多くの努力が必要になる。 さらに、フェローであることは、引用の改善や生産性の向上をもたらすことができないこともわかりました。 これらの要因や知見が,学者の競争力の向上と学歴の発達に寄与することを願っている。

関連論文リスト

• Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
  我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。 我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。 その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-09-07T02:07:22Z)
• Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers [90.26363107905344]
  大型言語モデル(LLM)は、科学的な発見を加速する可能性についての楽観主義を喚起した。 LLMシステムは、新しい専門家レベルのアイデアを生み出すための第一歩を踏み出すことができるという評価はない。
  論文  参考訳（メタデータ） (2024-09-06T08:25:03Z)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。 科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。 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)
• Advancing a Model of Students' Intentional Persistence in Machine Learning and Artificial Intelligence [0.9217021281095907]
  多様な集団の持続性は工学で研究されている。 短期的な意図的持続性は、専攻やレベルの研究のような学術的入学要因と関連付けられている。 長期的持続性は、職業的役割の信頼性の尺度と相関する。
  論文  参考訳（メタデータ） (2023-10-30T19:57:40Z)
• Women, artificial intelligence, and key positions in collaboration networks: Towards a more equal scientific ecosystem [0.0]
  本研究は, ジェンダーレンズを用いた科学的コラボレーションネットワークにおける鍵となる位置の獲得に, いくつかの要因が与える影響について検討する。 その結果、性別にかかわらず、量や影響の科学的なパフォーマンスは「社会研究者」をネットワークに持つ上で重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2022-05-19T15:15:04Z)
• Academic Support Network Reflects Doctoral Experience and Productivity [1.6317061277457]
  論文の承認は学生の経験を反映し、それを支持する人々に感謝する機会を提供する。 我々は「アカデミック・サポート・ネットワーク」を構築するために、知識のテキスト分析を行う。 この結果から,学力ネットワークの重要性が示唆された。
  論文  参考訳（メタデータ） (2022-03-07T14:25:44Z)
• The Gene of Scientific Success [12.755041724671159]
  本稿では,科学的影響を改善するための因果要因の同定と評価方法について詳述する。 著者中心および記事中心の要因は、コンピュータ科学分野における学者の今後の成功に最も関連性が高い。
  論文  参考訳（メタデータ） (2022-02-17T06:16:15Z)
• Are Commercial Face Detection Models as Biased as Academic Models? [64.71318433419636]
  我々は学術的および商業的な顔検出システムを比較し、特にノイズに対する堅牢性について検討する。 現状の学術的顔検出モデルでは、ノイズの頑健性に人口格差があることがわかった。 私たちは、商用モデルは、常に学術モデルと同じくらいの偏り、あるいはより偏りがある、と結論付けます。
  論文  参考訳（メタデータ） (2022-01-25T02:21:42Z)
• 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)

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。