論文の概要: Exploring Structural Dynamics in Retracted and Non-Retracted Author's Collaboration Networks: A Quantitative Analysis

• arxiv url: http://arxiv.org/abs/2411.17447v1
• Date: Tue, 26 Nov 2024 14:04:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:33:45.006408
• Title: Exploring Structural Dynamics in Retracted and Non-Retracted Author's Collaboration Networks: A Quantitative Analysis
• Title（参考訳）: 減算及び非減算著者の協調ネットワークにおける構造ダイナミクスの探索:定量的解析
• Authors: Kiran Sharma, Aanchal Sharma, Jazlyn Jose, Vansh Saini, Raghavraj Sobti, Ziya Uddin,
• Abstract要約: リトラクションは科学文献の信頼性と将来の研究の基盤を損なう。 本研究では, 抽出紙と非抽出紙のネットワーク構造を比較した。 リトラクションされたネットワークは階層的かつ集中的な構造を示し、非リトラクションされたネットワークはより強力なクラスタリングと接続性を備えた分散コラボレーションを示した。
• 参考スコア（独自算出の注目度）: 0.5497663232622965
• License:
• Abstract: Retractions undermine the reliability of scientific literature and the foundation of future research. Analyzing collaboration networks in retracted papers can identify risk factors, such as recurring co-authors or institutions. This study compared the network structures of retracted and non-retracted papers, using data from Retraction Watch and Scopus for 30 authors with significant retractions. Collaboration networks were constructed, and network properties analyzed. Retracted networks showed hierarchical and centralized structures, while non-retracted networks exhibited distributed collaboration with stronger clustering and connectivity. Statistical tests, including $t$-tests and Cohen's $d$, revealed significant differences in metrics like Degree Centrality and Weighted Degree, highlighting distinct structural dynamics. These insights into retraction-prone collaborations can guide policies to improve research integrity.
• Abstract（参考訳）: リトラクションは科学文献の信頼性と将来の研究の基盤を損なう。 抽出された論文におけるコラボレーションネットワークの分析は、繰り返し共著者や機関などのリスク要因を特定することができる。 本研究では,レトラクションウォッチとスコパスのデータを用いて,レトラクションされた論文と非リトラクションされた論文のネットワーク構造を比較した。 協調ネットワークが構築され、ネットワーク特性が解析された。 リトラクションされたネットワークは階層的かつ集中的な構造を示し、非リトラクションされたネットワークはより強力なクラスタリングと接続性を備えた分散コラボレーションを示した。 $t$-testsやCohen氏の$d$を含む統計的テストでは、Degree CentralityやWeighted Degreeといったメトリクスに大きな違いが見られ、異なる構造的ダイナミクスが強調された。 これらのリトラクションと利害関係の協調に関する洞察は、研究の整合性を改善するための政策を導くことができる。

関連論文リスト

• Relational Composition in Neural Networks: A Survey and Call to Action [54.47858085003077]
  多くのニューラルネットは、データを「機能ベクトル」の線形結合として表現しているように見える。 我々は、この成功は関係性の構成を理解せずに不完全であると主張する。
  論文  参考訳（メタデータ） (2024-07-19T20:50:57Z)
• On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
  我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。 中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。 我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
  論文  参考訳（メタデータ） (2024-01-01T02:03:35Z)
• Visual Analytics of Multivariate Networks with Representation Learning and Composite Variable Construction [19.265502727154473]
  本稿では,多変量ネットワーク研究のための視覚解析ワークフローを提案する。 それは、データを分類するニューラルネットワークベースの学習フェーズ、次元の削減と最適化フェーズ、ユーザが実行する解釈フェーズで構成される。 ニューラルネットワークから得られる非線形特徴を直感的に解釈できる線形特徴にモデル化する複合変数構築ステップが,我々の設計の鍵となる。
  論文  参考訳（メタデータ） (2023-03-16T18:31:18Z)
• Generalization analysis of an unfolding network for analysis-based Compressed Sensing [27.53377180094267]
  展開ネットワークは、圧縮センシング(CS)分野において有望な結果を示している。 本稿では,最先端ADMMに基づく展開ネットワークの一般化解析を行う。
  論文  参考訳（メタデータ） (2023-03-09T21:13:32Z)
• Reconstructing Sparse Illicit Supply Networks: A Case Study of Multiplex Drug Trafficking Networks [2.86989372262348]
  本稿では,調査報告から抽出した実世界のマルチプレックス・ドラッグ・トラヒッキング・ネットワークについて検討する。 DegEM法は,いくつかの精度指標で最高の予測性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2022-07-29T16:06:50Z)
• Rank Diminishing in Deep Neural Networks [71.03777954670323]
  ニューラルネットワークのランクは、層をまたがる情報を測定する。 これは機械学習の幅広い領域にまたがる重要な構造条件の例である。 しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
  論文  参考訳（メタデータ） (2022-06-13T12:03:32Z)
• A Coupled CP Decomposition for Principal Components Analysis of Symmetric Networks [11.988825533369686]
  シーケンスネットワークデータのための主成分分析(PCA)フレームワークを提案する。 提案した「結合CP」分解の効率的な計算アルゴリズムを導出する。 本稿は、シミュレーションデータと、政治科学・金融経済学の事例における提案の有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-09T20:52:19Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• On the use of local structural properties for improving the efficiency of hierarchical community detection methods [77.34726150561087]
  本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。 また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
  論文  参考訳（メタデータ） (2020-09-15T00:16:12Z)

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。