論文の概要: Exploring Novelty Differences between Industry and Academia: A Knowledge Entity-centric Perspective

• arxiv url: http://arxiv.org/abs/2603.19319v1
• Date: Mon, 16 Mar 2026 14:41:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.788916
• Title: Exploring Novelty Differences between Industry and Academia: A Knowledge Entity-centric Perspective
• Title（参考訳）: 産業と学界の新規性の違いを探る:知識エンティティ中心の視点
• Authors: Hongye Zhao, Yi Zhao, Chengzhi Zhang,
• Abstract要約: 本研究は,4種類のきめ細かい知識を用いた分析を行う。 統一意味空間内のエンティティ間のセマンティック距離を計算し、ノベルティを定量化する。 業界と学界の出版ノベルティの違いを分析するために回帰モデルを構築した。
• 参考スコア（独自算出の注目度）: 7.232456257799662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Academia and industry each possess distinct advantages in advancing technological progress. Academia's core mission is to promote open dissemination of research results and drive disciplinary progress. The industry values knowledge appropriability and core competitiveness, yet actively engages in open practices like academic conferences and platform sharing, creating a knowledge strategy paradox. Highly novel and publicly accessible knowledge serves as the driving force behind technological advancement. However, it remains unclear whether industry or academia can produce more novel research outcomes. Some studies argue that academia tends to generate more novel ideas, while others suggest that industry researchers are more likely to drive breakthroughs. Previous studies have been limited by data sources and inconsistent measures of novelty. To address these gaps, this study conducts an analysis using four types of fine-grained knowledge entities (Method, Tool, Dataset, Metric), calculates semantic distances between entities within a unified semantic space to quantify novelty, and achieves comparability of novelty across different types of literature. Then, a regression model is constructed to analyze the differences in publication novelty between industry and academia. The results indicate that academia demonstrates higher novelty outputs, which is particularly evident in patents. At the entity level, both academia and industry emphasize method-driven advancements in papers, while industry holds a unique advantage in datasets. Additionally, academia-industry collaboration has a limited effect on enhancing the novelty of research papers, but it helps to enhance the novelty of patents. We release our data and associated codes at https://github.com/tinierZhao/entity_novelty.
• Abstract（参考訳）: 学術と産業はそれぞれ、技術の進歩において明確な優位性を持っている。 アカデミアのコアミッションは、研究成果の公開普及を促進し、学際的な進歩を促進することである。 業界は知識の妥当性とコア競争性を重視していますが、学術的なカンファレンスやプラットフォーム共有といったオープンなプラクティスに積極的に関与し、知識戦略のパラドックスを作ります。 高度に斬新で一般公開された知識は、技術進歩の原動力となっている。 しかし、産業界や学界が新たな研究成果を産み出すことができるかどうかは不明である。 ある研究では、アカデミックはより新しいアイデアを生み出す傾向にあるが、別の研究では、業界研究者がブレークスルーを加速する可能性が高いことを示唆している。 これまでの研究は、データソースと新規性の一貫性のない尺度によって制限されてきた。 これらのギャップに対処するために,本研究では,4種類のきめ細かい知識エンティティ(メソッド,ツール,データセット,メトリック)を用いて,統一意味空間内のエンティティ間の意味的距離を計算し,新規性を定量化し,異なるタイプの文献間での新規性のコンパラビリティを実現する。 そして、レグレッションモデルを構築し、業界と学界の出版ノベルティの違いを分析する。 以上の結果から, アカデミックは特に特許において顕著な, 高い新規性出力を示すことが明らかとなった。 エンティティレベルでは、学術と産業の両方が論文の方法論による進歩を強調しており、一方で業界はデータセットに独自の優位性を持っている。 また、学術・産業連携は研究論文の新規性向上に限定的な効果があるが、特許の新規性向上に寄与する。 データと関連するコードはhttps://github.com/tinierZhao/entity_novelty.comで公開しています。

関連論文リスト

• Quantifying the Knowledge Proximity Between Academic and Industry Research: An Entity and Semantic Perspective [7.232456257799662]
  学術と産業は、相互整形と動的フィードバック機構によって特徴づけられる。 既存の研究は、主に協力論文や特許の数などのマクロ指標に依存している。 本研究では, 微粒な実体と意味空間を通して, 学術・産業共進化の軌跡を定量化する。
  論文  参考訳（メタデータ） (2026-02-05T02:12:47Z)
• Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
  大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。 先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
  論文  参考訳（メタデータ） (2026-02-03T18:56:17Z)
• Triadic Novelty: A Typology and Measurement Framework for Recognizing Novel Contributions in Science [0.8249694498830561]
  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。
  論文  参考訳（メタデータ） (2025-06-21T23:09:04Z)
• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• The Clever Hans Mirage: A Comprehensive Survey on Spurious Correlations in Machine Learning [78.13481522957552]
  機械学習モデルは、入力の非本質的特徴と対応するラベルの間の急激な相関に敏感である。 本稿では,機械学習モデルにおける突発的相関に対処する既存の最先端手法の詳細な分類法とともに,この問題の包括的調査を行う。
  論文  参考訳（メタデータ） (2024-02-20T04:49:34Z)
• The complementary contributions of academia and industry to AI research [0.0]
  過去25年間で、業界と学界が生み出したAIの影響と種類を特徴づける。 業界チームが発行する記事は注目されがちで、高い引用と引用が破壊的になる可能性が高くなる。 学術と産業のコラボレーションは、学術チームのノベルティを再現するのに苦労しており、業界チームと似ている傾向があります。
  論文  参考訳（メタデータ） (2024-01-04T03:08:13Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• Interdisciplinary research and technological impact: Evidence from biomedicine [2.741266294612776]
  特許技術の発展に寄与する社会的利益の一側面を考察する。 論文の学際性の度合いを3つの一般的な指標(多様性,バランス,格差)を用いて測定する。 我々の研究は、学際的な研究と科学的・技術的影響に政策的な意味を持つかもしれない。
  論文  参考訳（メタデータ） (2020-06-27T15:21:40Z)

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。