論文の概要: Triadic Novelty: A Typology and Measurement Framework for Recognizing Novel Contributions in Science

• arxiv url: http://arxiv.org/abs/2506.17851v1
• Date: Sat, 21 Jun 2025 23:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.616461
• Title: Triadic Novelty: A Typology and Measurement Framework for Recognizing Novel Contributions in Science
• Title（参考訳）: トライアドノベルティ:科学における新しい貢献を認識するための分類と測定の枠組み
• Authors: Jin Ai, Richard S. Steinberg, Chao Guo, Filipi Nascimento Silva,
• Abstract要約: 既存のメトリクスは、新奇さと人気を両立させ、それらに挑戦する人たちよりも既存のパラダイムに適合するアイデアを弱めます。 本研究は, 異なるタイプの新規性が出現し, 保持され, 認識されるかをよりよく理解するために, 理論駆動の枠組みを開発する。
• 参考スコア（独自算出の注目度）: 0.8249694498830561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific progress depends on novel ideas, but current reward systems often fail to recognize them. Many existing metrics conflate novelty with popularity, privileging ideas that fit existing paradigms over those that challenge them. This study develops a theory-driven framework to better understand how different types of novelty emerge, take hold, and receive recognition. Drawing on network science and theories of discovery, we introduce a triadic typology: Pioneers, who introduce entirely new topics; Mavericks, who recombine distant concepts; and Vanguards, who reinforce weak but promising connections. We apply this typology to a dataset of 41,623 articles in the interdisciplinary field of philanthropy and nonprofit studies, linking novelty types to five-year citation counts using mixed-effects negative binomial regression. Results show that novelty is not uniformly rewarded. Pioneer efforts are foundational but often overlooked. Maverick novelty shows consistent citation benefits, particularly rewarded when it displaces prior focus. Vanguard novelty is more likely to gain recognition when it strengthens weakly connected topics, but its citation advantage diminishes as those reinforced nodes become more central. To enable fair comparison across time and domains, we introduce a simulated baseline model. These findings improve the evaluation of innovations, affecting science policy, funding, and institutional assessment practices.
• Abstract（参考訳）: 科学的進歩は、新しいアイデアに依存するが、現在の報酬体系は、しばしばそれらを認識することに失敗する。 既存のメトリクスの多くは、新奇さと人気を融合させ、それらに挑戦する人たちよりも既存のパラダイムに適合するアイデアを特権化します。 本研究は, 異なるタイプの新規性が出現し, 保持され, 認識されるかをよりよく理解するために, 理論駆動の枠組みを開発する。 ネットワーク科学と発見理論に基づいて、完全に新しいトピックを紹介するパイオニア、遠い概念を再結合するMavericks、弱いが有望なつながりを補強するVanguardsという3つの類型論を紹介します。 本研究では, 学際研究と非営利研究の分野における41,623項目のデータセットに適用し, 混合効果の負二項回帰を用いて, 新規性型と5年間の引用数とを関連づけた。 結果は、新奇性は均一に報われるものではないことを示している。 パイオニアの努力は基礎的だが、しばしば見過ごされる。 マーベリック・ノベルティは、一貫した引用の利点を示し、特に前もって焦点を移すと報われる。 バンガードの新規性は、弱い連結されたトピックが強化されると認識される傾向にあるが、それら強化されたノードがより中心になるにつれて、その引用の優位性が低下する。 時間と領域の公平な比較を可能にするため,シミュレーションベースラインモデルを導入する。 これらの知見はイノベーションの評価を改善し、科学政策、資金、制度的評価プラクティスに影響を与える。

関連論文リスト

• In-depth Research Impact Summarization through Fine-Grained Temporal Citation Analysis [52.42612945266194]
  我々は、ニュアンス付き、表現型、時間対応のインパクトサマリーを生成する新しいタスクを提案する。 これらの要約は、微粒な引用意図の進化を通じて、賞賛(確認引用)と批評(補正引用)の両方を捉えていることを示す。
  論文  参考訳（メタデータ） (2025-05-20T19:11:06Z)
• A Content-Based Novelty Measure for Scholarly Publications: A Proof of Concept [9.148691357200216]
  学術出版物にノベルティの情報理論尺度を導入する。 この尺度は、学術談話の単語分布を表す言語モデルによって知覚される「サプライズ」の度合いを定量化する。
  論文  参考訳（メタデータ） (2024-01-08T03:14:24Z)
• Exploring and Verbalizing Academic Ideas by Concept Co-occurrence [42.16213986603552]
  本研究は,学術的アイデアインスピレーションのための概念共起に基づく枠組みを考案する。 我々は20の分野やトピックから概念の共起関係に基づき、進化する概念グラフを構築する。 我々は、共起励磁法と呼ばれる新しいデータ構造に基づくアイデアの記述を生成する。
  論文  参考訳（メタデータ） (2023-06-04T07:01:30Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• Memorizing Complementation Network for Few-Shot Class-Incremental Learning [109.4206979528375]
  本稿では,新しいタスクにおいて,異なる記憶された知識を補う複数のモデルをアンサンブルするために,MCNet(Memorizing Complementation Network)を提案する。 原型スムージング・ハードマイニング・トリプルト(PSHT)の損失を現時点の課題だけでなく,従来の分布からも引き離すために開発した。
  論文  参考訳（メタデータ） (2022-08-11T02:32:41Z)
• Novel Class Discovery without Forgetting [72.52222295216062]
  我々は NCDwF: Novel Class Discovery without Forgetting の新たな実用的問題設定を特定し,定式化する。 ラベルのないデータから新しいカテゴリのインスタンスを段階的に発見する機械学習モデルを提案する。 CIFAR-10, CIFAR-100, ImageNet-1000に基づく実験プロトコルを導入し, 知識保持と新しいクラス発見のトレードオフを測定する。
  論文  参考訳（メタデータ） (2022-07-21T17:54:36Z)

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。