論文の概要: Decoding Knowledge Claims: The Evaluation of Scientific Publication Contributions through Semantic Analysis
- arxiv url: http://arxiv.org/abs/2407.18646v2
- Date: Sat, 31 Aug 2024 19:26:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 18:49:54.132768
- Title: Decoding Knowledge Claims: The Evaluation of Scientific Publication Contributions through Semantic Analysis
- Title（参考訳）: Decoding Knowledge Claims:The Evaluation of Scientific Publication Contributions through Semantic Analysis (特集:情報科学)
- Authors: Luca D'Aniello, Nicolas Robinson-Garcia, Massimo Aria, Corrado Cuccurullo,
- Abstract要約: 本稿では,RWMD(Relaxed Word Mover's Distance)という意味的テキスト類似度尺度を用いて,論文の新規性を評価する。
我々は,1)H-Index関連論文,2)サイエントメトリック研究,3)非関連論文の3つのグループでRWMDの結果を比較し,冗長な文献や誇大広告を真のイノベーションから識別することを目的とした。
- 参考スコア（独自算出の注目度）: 0.3374875022248865
- License:
- Abstract: The surge in scientific publications challenges the use of publication counts as a measure of scientific progress, requiring alternative metrics that emphasize the quality and novelty of scientific contributions rather than sheer quantity. This paper proposes the use of Relaxed Word Mover's Distance (RWMD), a semantic text similarity measure, to evaluate the novelty of scientific papers. We hypothesize that RWMD can more effectively gauge the growth of scientific knowledge. To test such an assumption, we apply RWMD to evaluate seminal papers, with Hirsch's H-Index paper as a primary case study. We compare RWMD results across three groups: 1) H-Index-related papers, 2) scientometric studies, and 3) unrelated papers, aiming to discern redundant literature and hype from genuine innovations. Findings suggest that emphasizing knowledge claims offers a deeper insight into scientific contributions, marking RWMD as a promising alternative method to traditional citation metrics, thus better tracking significant scientific breakthroughs.
- Abstract（参考訳）: 科学出版物の急増は、科学的な進歩の尺度として出版数を使うことに挑戦し、重い量ではなく科学的貢献の質と新規性を強調する代替指標を必要としている。
本稿では,RWMD(Relaxed Word Mover's Distance)という意味的テキスト類似度尺度を用いて,論文の新規性を評価する。
我々はRWMDが科学的知識の成長をより効果的に評価できると仮定する。
このような仮定を検証するために、まずRWMDを用いて、ヒルシュのH-Index論文を主要なケーススタディとして評価する。
RWMDの結果を3つのグループで比較する。
1)Hインデックス関連書類
2)サイエントメトリー研究,及び
3) 冗長な文学と誇大宣伝を真の革新と区別することを目的とした無関係な論文。
知識の主張を強調することは科学的な貢献に深い洞察を与え、RWMDを従来の引用のメトリクスに代わる有望な方法であるとマークし、科学的なブレークスルーをより良く追跡することを示唆している。
関連論文リスト
- SciDMT: A Large-Scale Corpus for Detecting Scientific Mentions [52.35520385083425]
SciDMTは,科学的言及検出のための拡張および拡張されたコーパスである。
コーパスは,1)SciDMTの主コーパスは8万4千件の科学的論文と8百万件以上の弱い注釈付き言及アノテーションと,2)評価目的のために手作業で注釈付けされた100件の科学的論文からなる評価セットから構成される。
論文 参考訳（メタデータ） (2024-06-20T22:03:21Z) - PaperQA: Retrieval-Augmented Generative Agent for Scientific Research [41.9628176602676]
本稿では,科学文献に関する質問に回答するためのRAGエージェントPaperQAを紹介する。
PaperQAは、全文の科学論文を通じて情報検索を行い、ソースやパスの関連性を評価し、RAGを使用して回答を提供するエージェントである。
また、文献全体にわたる全文科学論文からの情報の検索と合成を必要とする、より複雑なベンチマークであるLitQAを紹介する。
論文 参考訳（メタデータ） (2023-12-08T18:50:20Z) - Can Large Language Models Discern Evidence for Scientific Hypotheses? Case Studies in the Social Sciences [3.9985385067438344]
強い仮説は、既存の証拠に基づく最良の推理であり、関連する文献の包括的な見解によって知らされる。
毎年発行される科学論文の数が指数関数的に増加すると、ある仮説に関連する証拠の手作業による集約と合成は困難である。
我々は,社会科学における研究のコミュニティ主導のアノテーションを用いた科学的仮説の課題のための新しいデータセットを共有する。
論文 参考訳（メタデータ） (2023-09-07T04:15:17Z) - MIReAD: Simple Method for Learning High-quality Representations from
Scientific Documents [77.34726150561087]
論文の高品質な表現を学習する簡単な方法であるMIREADを提案する。
私たちは、2000以上のジャーナルクラスで50万以上のPubMedとarXivの抽象クラスでMIREADをトレーニングします。
論文 参考訳（メタデータ） (2023-05-07T03:29:55Z) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳（メタデータ） (2022-10-24T07:44:38Z) - 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) - Semantic Analysis for Automated Evaluation of the Potential Impact of
Research Articles [62.997667081978825]
本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。
この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。
テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
論文 参考訳（メタデータ） (2021-04-26T20:37:13Z) - 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) - 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) - Attention: to Better Stand on the Shoulders of Giants [34.5017808610466]
本稿では,長期科学的影響予測のための注意機構を開発する。
実際の大規模引用データセットに基づいて,本手法の検証を行う。
論文 参考訳（メタデータ） (2020-05-27T00:25:51Z)
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。