論文の概要: A Data-Driven Analysis for Engineering Conferences: The Institute of Industrial and Systems Engineering (IISE) Annual Conference Proceedings (2002-2025)
- arxiv url: http://arxiv.org/abs/2603.00399v2
- Date: Tue, 03 Mar 2026 22:40:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:14.999131
- Title: A Data-Driven Analysis for Engineering Conferences: The Institute of Industrial and Systems Engineering (IISE) Annual Conference Proceedings (2002-2025)
- Title（参考訳）: エンジニアリング・カンファレンスのためのデータ駆動分析:産業・システム工学研究所(IISE)年次大会(2002-2025)
- Authors: H. Sinan Bank, Casey E. Eaton,
- Abstract要約: 本稿では,2002年から2025年までのIISE手順の計算解析について述べる。
我々は、テーマの進化を、支配的、新興、そして後退する研究トピックを特定するためにマッピングする。
この発見は分野の知的資産を照らし、ISEの将来を導くためのデータインフォームドマップを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Charting the intellectual evolution of a scientific discipline is crucial for identifying its core contributions, challenges, and future directions. The IISE Annual Conference proceedings offer a rich longitudinal archive of the Industrial and Systems Engineering (ISE) community's development, but the sheer volume of scholarship produced over two decades makes a holistic analysis difficult. Traditional reviews often fail to capture the full scale of thematic shifts and complex collaboration networks that define the community's growth. This paper presents a computational analysis of IISE proceedings from 2002 to 2025, drawing on an initial dataset of 9,350 titles from ProQuest for thematic analysis and 8,958 titles from Google Scholar for citation analysis, to deliver a cartography of the ISE field's intellectual history. Leveraging Large Language Models (LLMs) for domain-aware classification, Natural Language Processing, and Network Science, our study systematically maps thematic evolution to identify dominant, emerging, and receding research topics. We analyze citation data and co-authorship networks to uncover influential papers and authors, providing critical insights into knowledge diffusion and community structure. Through this comprehensive analysis, we establish a baseline for understanding the trajectory of ISE research and offer valuable insights for researchers, practitioners, and educators. The findings illuminate the field's intellectual assets and provide a data-informed map to guide the future of ISE. To foster reproducibility and further research, the curated dataset used in this study and the results will be made publicly available.
- Abstract（参考訳）: 科学分野の知的進化をグラフ化することは、その中核的な貢献、課題、そして将来の方向性を特定するために不可欠である。
IISE年次会議の手続きは、産業システム工学(ISE)コミュニティの発展の豊富な経年的アーカイブを提供するが、20年以上にわたる奨学金の大量生産は、全体分析を困難にしている。
伝統的なレビューは、しばしば、コミュニティの成長を定義するテーマシフトと複雑なコラボレーションネットワークの完全なスケールを捉えるのに失敗する。
本稿では,2002年から2025年までのIISEプロシージャの計算解析を行い,ProQuestから9,350タイトル,Google Scholarから8,958タイトルを抽出し,ISE分野の知的歴史の地図化を行う。
ドメイン認識分類,自然言語処理,ネットワークサイエンスのための大規模言語モデル(LLM)を活用して,本研究では,主題進化を体系的にマッピングし,支配的,新興的,後退する研究トピックを同定する。
我々は、引用データと共著者ネットワークを分析し、影響力のある論文や著者を明らかにし、知識拡散とコミュニティ構造に関する重要な洞察を提供する。
この包括的分析を通じて、ISE研究の軌跡を理解するためのベースラインを確立し、研究者、実践者、教育者に貴重な洞察を提供する。
この発見は分野の知的資産を照らし、ISEの将来を導くためのデータインフォームドマップを提供する。
再現性の向上とさらなる研究のために,本研究で使用されるキュレートデータセットと結果を公開する予定である。
関連論文リスト
- Large-Scale Multidimensional Knowledge Profiling of Scientific Literature [46.15403461273178]
2020年から2025年の間に、22の主要なカンファレンスから10万以上の論文をまとめてまとめました。
分析では,安全性の向上,マルチモーダル推論,エージェント指向研究など,いくつかの顕著な変化に注目した。
これらの発見は、AI研究の進化に関するエビデンスベースの見解を提供し、より広範なトレンドを理解し、新たな方向性を特定するためのリソースを提供する。
論文 参考訳（メタデータ） (2026-01-21T16:47:05Z) - Real Deep Research for AI, Robotics and Beyond [85.87181330763548]
本稿では、AIとロボット工学の分野に適用された総合的なフレームワークであるReal Deep Research(RDR)を紹介する。
本論文ではRDRパイプラインの構成について詳述し、付録では各分析トピックに対して広範な結果を提供している。
論文 参考訳（メタデータ） (2025-10-23T17:59:05Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - Artificial Intelligence and Journalism: A Systematic Bibliometric and Thematic Analysis of Global Research [0.51795041186793]
本研究は,2010年から2025年までのジャーナリズムにおけるAIに関する論文の総合的な体系的レビューである。
この調査結果は、自動化、誤情報、倫理的ガバナンスなど、2020年以降の研究活動が急激な増加を見せている。
このレビューはまた、グローバル・サウスからの限定的な表現で、学術的貢献における地域格差を強調している。
論文 参考訳（メタデータ） (2025-07-15T01:11:39Z) - 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) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - 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) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳（メタデータ） (2022-05-26T16:30:30Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳（メタデータ） (2020-10-28T08:31:40Z)
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。