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
- Academic competitions [61.592427413342975]
この章では、機械学習とその関連分野の文脈における学術的課題について調査する。
ここ数年で最も影響力のあるコンペをレビューし、知識領域における課題を分析します。
科学的な課題,その目標,主要な成果,今後の数年間の期待を概観する。
論文 参考訳(メタデータ) (2023-12-01T01:01:04Z) - 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) - Building a Culture of Reproducibility in Academic Research [55.22219308265945]
再現性(reproducibility)は、研究者が「抽象的な」議論をしない理想であるが、願望が学界の冷酷な現実と出会うと、しばしば「消える」という理想である。
このエッセイでは、他の優先順位に対する要求のバランスをとりながら、運用方法に不満を抱く個人的な経験を共有します。
論文 参考訳(メタデータ) (2022-12-27T16:03:50Z) - 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) - A Measure of Research Taste [91.3755431537592]
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。
論文 参考訳(メタデータ) (2021-05-17T18:01:47Z) - 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) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳(メタデータ) (2020-06-07T06:49:47Z)
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。