論文の概要: ChatGPT cites the most-cited articles and journals, relying solely on
Google Scholar's citation counts. As a result, AI may amplify the Matthew
Effect in environmental science
- arxiv url: http://arxiv.org/abs/2304.06794v1
- Date: Thu, 13 Apr 2023 19:29:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 15:30:36.805299
- Title: ChatGPT cites the most-cited articles and journals, relying solely on
Google Scholar's citation counts. As a result, AI may amplify the Matthew
Effect in environmental science
- Title(参考訳): ChatGPTは最も興奮した記事や雑誌を引用し、Google Scholarの引用数だけに依存している。
その結果、AIは環境科学におけるマシュー効果を増幅するかもしれない
- Authors: Eduard Petiska
- Abstract要約: ChatGPTは、環境科学の高度に刺激された出版物を引用する傾向がある。
Google Scholarの引用は、GPT生成コンテンツの研究に言及するための予測器として重要な役割を果たす。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ChatGPT (GPT) has become one of the most talked-about innovations in recent
years, with over 100 million users worldwide. However, there is still limited
knowledge about the sources of information GPT utilizes. As a result, we
carried out a study focusing on the sources of information within the field of
environmental science. In our study, we asked GPT to identify the ten most
significant subdisciplines within the field of environmental science. We then
asked it to compose a scientific review article on each subdiscipline,
including 25 references. We proceeded to analyze these references, focusing on
factors such as the number of citations, publication date, and the journal in
which the work was published. Our findings indicate that GPT tends to cite
highly-cited publications in environmental science, with a median citation
count of 1184.5. It also exhibits a preference for older publications, with a
median publication year of 2010, and predominantly refers to well-respected
journals in the field, with Nature being the most cited journal by GPT.
Interestingly, our findings suggest that GPT seems to exclusively rely on
citation count data from Google Scholar for the works it cites, rather than
utilizing citation information from other scientific databases such as Web of
Science or Scopus. In conclusion, our study suggests that Google Scholar
citations play a significant role as a predictor for mentioning a study in
GPT-generated content. This finding reinforces the dominance of Google Scholar
among scientific databases and perpetuates the Matthew Effect in science, where
the rich get richer in terms of citations. With many scholars already utilizing
GPT for literature review purposes, we can anticipate further disparities and
an expanding gap between lesser-cited and highly-cited publications.
- Abstract(参考訳): 近年、ChatGPT(GPT)は世界1億人以上のユーザーを抱え、最も話題になっているイノベーションの1つとなっている。
しかし、GPTが利用する情報ソースに関する知識は依然として限られている。
その結果,環境科学の分野における情報源に着目した研究を行った。
本研究では,GPTに,環境科学の分野で最も重要な10分野を特定するよう依頼した。
次に、25の参照を含む各サブディシプリンの科学的レビュー記事の作成を依頼した。
本研究は,引用数,出版日数,出版日数,出版日数などの要因に着目して,これらの参考文献の分析を進めた。
以上の結果から,GPTは環境科学において高い刺激を受けた出版物を引用する傾向があり,中央値は1184.5。
また、2010年の中央集権出版年(英語版)とともに古い出版物が好まれており、主にこの分野の優れた学術雑誌を参照しており、自然誌はgptによって最も引用された雑誌である。
興味深いことに、GPTは、Web of ScienceやScopusなどの他の科学データベースからの引用情報を活用するのではなく、Google Scholarの引用数データにのみ依存しているようだ。
その結果,Google Scholar citations は GPT 生成コンテンツの研究に言及するための予測因子として重要な役割を担っていることが示唆された。
この発見は、科学データベースにおけるGoogle Scholarの優位性を強化し、科学におけるMatthewエフェクトを永続させる。
文献レビューのために既に多くの学者がGPTを利用しており、我々はさらなる格差と、より暗黙の少ない出版物と高い暗黙の出版物の間のギャップを期待することができる。
関連論文リスト
- 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) - Forgotten Knowledge: Examining the Citational Amnesia in NLP [63.13508571014673]
論文を引用するのにどれくらいの時間がかかったのか、どのようにして変化したのか、そしてこの引用的注意/記憶に相関する要因は何か。
引用論文の約62%が出版直前の5年間のものであり,約17%が10年以上前のものであることを示す。
1990年から2014年にかけて、引用論文の中央値と年齢の多様性は着実に増加してきたが、その後傾向が逆転し、現在のNLP論文は、時間的引用の多様性が極端に低い。
論文 参考訳(メタデータ) (2023-05-29T18:30:34Z) - Geographic Citation Gaps in NLP Research [63.13508571014673]
この研究は、地理的な位置と出版の成功との関係について一連の疑問を呈する。
われわれはまず,ACLアンソロジーから7万件の論文のデータセットを作成し,そのメタ情報を抽出し,引用ネットワークを生成した。
論文の受理や引用において地理的に大きな差異があるだけでなく,出版場所やNLPのサブフィールドなどの変数を制御しても,これらの格差は持続することを示す。
論文 参考訳(メタデータ) (2022-10-26T02:25:23Z) - Detecting and analyzing missing citations to published scientific
entities [5.811229506383401]
我々は,出版された科学エンティティとテキスト内引用の共起に基づくCRPSE(Citation Recommendation for Published Scientific Entity)を設計する。
我々は、2020年の卓越したコンピュータサイエンスカンファレンスで発表された論文の中で、欠落した引用に関する統計的分析を行う。
中央値に基づいて、これらの論文は8年前に出版され、引用の欠如が指摘されている。
論文 参考訳(メタデータ) (2022-10-18T18:08:20Z) - 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 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) - 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) - 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) - A Decade of In-text Citation Analysis based on Natural Language
Processing and Machine Learning Techniques: An overview of empirical studies [3.474275085556876]
情報科学者は、フルテキストデータ処理技術の進歩に踏み込んで、従来の書誌学をはるかに超えてきた。
本稿は、これらの発展に関する研究を物語的にレビューすることを目的としている。
その主な焦点は、自然言語処理と機械学習技術を使って引用を分析した出版物である。
論文 参考訳(メタデータ) (2020-08-29T17:27:08Z) - Measuring prominence of scientific work in online news as a proxy for
impact [15.772621977756058]
本稿では,論文に関連付けられた新聞記事の新たなコーパスについて紹介する。
2014年、英国研究卓越フレームワーク(REF)に提出されたインパクトケーススタディは、新聞記事に記載されている科学論文を参照し、より高いスコアを与えられた。
これは、ニュースにおける言語的優位性は、科学研究のより広い非学術的影響を示唆するために使用できるという私たちの仮説を支持します。
論文 参考訳(メタデータ) (2020-07-28T19:52:21Z)
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。