論文の概要: Disaster Informatics after the COVID-19 Pandemic: Bibliometric and Topic Analysis based on Large-scale Academic Literature
- arxiv url: http://arxiv.org/abs/2507.16820v1
- Date: Sat, 28 Jun 2025 20:30:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-27 08:26:15.949685
- Title: Disaster Informatics after the COVID-19 Pandemic: Bibliometric and Topic Analysis based on Large-scale Academic Literature
- Title（参考訳）: 新型コロナウイルスパンデミック後の災害情報:大規模学術文献に基づく文献・トピック分析
- Authors: Ngan Tran, Haihua Chen, Ana Cleveland, Yuhan Zhou,
- Abstract要約: 本研究では,2020年1月から2022年9月までに刊行された災害情報学文献の総合的文献・話題分析について述べる。
我々は、最も活発な国、機関、著者、協力ネットワーク、創発的なトピック、最も重要なトピックのパターン、そして新型コロナウイルスのパンデミックによって引き起こされる研究の優先順位の変化を特定します。
- 参考スコア（独自算出の注目度）: 0.7340017786387768
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents a comprehensive bibliometric and topic analysis of the disaster informatics literature published between January 2020 to September 2022. Leveraging a large-scale corpus and advanced techniques such as pre-trained language models and generative AI, we identify the most active countries, institutions, authors, collaboration networks, emergent topics, patterns among the most significant topics, and shifts in research priorities spurred by the COVID-19 pandemic. Our findings highlight (1) countries that were most impacted by the COVID-19 pandemic were also among the most active, with each country having specific research interests, (2) countries and institutions within the same region or share a common language tend to collaborate, (3) top active authors tend to form close partnerships with one or two key partners, (4) authors typically specialized in one or two specific topics, while institutions had more diverse interests across several topics, and (5) the COVID-19 pandemic has influenced research priorities in disaster informatics, placing greater emphasis on public health. We further demonstrate that the field is converging on multidimensional resilience strategies and cross-sectoral data-sharing collaborations or projects, reflecting a heightened awareness of global vulnerability and interdependency. Collecting and quality assurance strategies, data analytic practices, LLM-based topic extraction and summarization approaches, and result visualization tools can be applied to comparable datasets or solve similar analytic problems. By mapping out the trends in disaster informatics, our analysis offers strategic insights for policymakers, practitioners, and scholars aiming to enhance disaster informatics capacities in an increasingly uncertain and complex risk landscape.
- Abstract（参考訳）: 本研究では,2020年1月から2022年9月までに刊行された災害情報学文献の総合的文献・話題分析について述べる。
トレーニング済みの言語モデルや生成AIといった大規模コーパスと高度な技術を活用して、最も活発な国、機関、著者、コラボレーションネットワーク、創発的なトピック、最も重要なトピックのパターン、COVID-19パンデミックによって引き起こされる研究優先順位の変化を特定します。
その結果,(1) 新型コロナウイルスのパンデミックの影響が最も大きい国は, それぞれの国が特定の研究上の関心を持っていること,(2) 同一地域内の国や機関が, 共通の言語を共有していること,(3) 上位のアクティブな作家が1つないし2つの主要なパートナーと緊密なパートナーシップを結ぶ傾向があること,(4) 典型的には1つないし2つの特定のトピックに特化していること,(4) 機関が複数のトピックにまたがる多様な関心を持つこと,(5) 災害情報学における研究の優先順位に影響し,公衆衛生に重きを置いていること,などが明らかになった。
さらに、多次元のレジリエンス戦略や、クロスセクタ間のデータ共有コラボレーションやプロジェクトへの集中が、グローバルな脆弱性と相互依存の認識の高まりを反映していることを実証する。
収集および品質保証戦略、データ分析プラクティス、LLMベースのトピック抽出と要約アプローチ、結果視覚化ツールは、同等のデータセットに適用できる。
災害情報学のトレンドをマッピングすることにより、我々の分析は、ますます不確実で複雑なリスクランドスケープにおける災害情報学の能力を高めることを目的とした、政策立案者、実践者、学者に戦略的洞察を提供する。
関連論文リスト
- Modular versus Hierarchical: A Structural Signature of Topic Popularity in Mathematical Research [0.0]
本研究では,研究トピックの人気が,そのトピックのコラボレーションネットワークの構造とどのように関連しているかを検討する。
その結果,トピックの選択は,基本的に異なる2つの協調環境間の暗黙の選択であることが示唆された。
論文 参考訳（メタデータ） (2025-06-28T16:39:57Z) - CS-PaperSum: A Large-Scale Dataset of AI-Generated Summaries for Scientific Papers [3.929864777332447]
CS-PaperSumは、31の上位コンピュータサイエンスカンファレンスから91,919件の大規模データセットである。
我々のデータセットは、自動文献分析、研究トレンド予測、AIによる科学的発見を可能にする。
論文 参考訳（メタデータ） (2025-02-27T22:48:35Z) - Intervention strategies for misinformation sharing on social media: A bibliometric analysis [1.8020166013859684]
不正確な共有情報は混乱を引き起こし、精神的健康に悪影響を及ぼし、誤報による意思決定につながる。
本研究では,ソーシャルメディア上での誤情報共有に対処するための介入戦略の類型について検討する。
認識ベース、自動化ベース、情報ベース、ハイブリッドベースの4つの重要なクラスタを特定します。
論文 参考訳（メタデータ） (2024-09-26T08:38:15Z) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳（メタデータ） (2024-06-16T03:10:16Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [55.33653554387953]
パターン分析とマシンインテリジェンス(PAMI)は、情報の収集と断片化を目的とした多くの文献レビューにつながっている。
本稿では、PAMI分野におけるこれらの文献レビューの徹底的な分析について述べる。
1)PAMI文献レビューの構造的・統計的特徴は何か,(2)レビューの増大するコーパスを効率的にナビゲートするために研究者が活用できる戦略は何か,(3)AIが作成したレビューの利点と限界は人間によるレビューと比較するとどのようなものか,という3つの主要な研究課題に対処しようとする。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis [0.0]
本研究では,Google Scholar and Web of Scienceの1,903項目をPRISMAガイドラインで選択した54項目について検討した。
その結果,ランダムフォレスト,XGBoost,ハイブリッドアプローチなどのMLモデルは,パンデミック後の文脈におけるリスク予測精度と適応性を大幅に向上させることがわかった。
この研究は、データ品質や解釈可能性といった課題に対処するために、動的な戦略、学際的なコラボレーション、継続的なモデル評価の必要性を強調している。
論文 参考訳（メタデータ） (2023-12-12T17:47:51Z) - Responsible AI Considerations in Text Summarization Research: A Review
of Current Practices [89.85174013619883]
私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。
我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。
私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
論文 参考訳（メタデータ） (2023-11-18T15:35:36Z) - A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing highly cited and impactful publications across six decades [1.6442870218029522]
機械学習(ML)は、コンピュータ科学やその他の関連分野の研究分野として注目されている。
重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
論文 参考訳（メタデータ） (2023-08-01T21:43:22Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z) - Fighting the COVID-19 Infodemic: Modeling the Perspective of
Journalists, Fact-Checkers, Social Media Platforms, Policy Makers, and the
Society [37.9389191670008]
新型コロナウイルスは世界保健機関(WHO)にとって最も重要な分野の一つだと宣言されている。
このインフォデミックと戦うことは、世界保健機関(WHO)の最も重要な焦点の1つと宣言されている。
詳細な偽情報分析のために,手動で注釈付きツイート16Kの大規模なデータセットをリリースする。
論文 参考訳（メタデータ） (2020-04-30T18:04:20Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。