論文の概要: Measuring Research Convergence in Interdisciplinary Teams Using Large Language Models and Graph Analytics

• arxiv url: http://arxiv.org/abs/2603.20204v1
• Date: Thu, 26 Feb 2026 20:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.881982
• Title: Measuring Research Convergence in Interdisciplinary Teams Using Large Language Models and Graph Analytics
• Title（参考訳）: 大規模言語モデルとグラフ分析を用いた学際チームにおける研究収束度の測定
• Authors: Wenwen Li, Yuanyuan Tian, Sizhe Wang, Amber Wutich, Paul Westerhoff, Sarah Porter, Anais Roque, Jobayer Hossain, Patrick Thomson, Rhett Larson, Michael Hanemann,
• Abstract要約: 本稿では、学際チームにおける研究収束をマッピングするための、新しい多層AI駆動分析フレームワークを提案する。 このフレームワークは、大規模言語モデル(LLM)、グラフベースの可視化と分析、および人間によるループ評価を統合している。
• 参考スコア（独自算出の注目度）: 6.078202027484749
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how interdisciplinary research teams converge on shared knowledge is a persistent challenge. This paper presents a novel, multi-layer, AI-driven analytical framework for mapping research convergence in interdisciplinary teams. The framework integrates large language models (LLMs), graph-based visualization and analytics, and human-in-the-loop evaluation to examine how research viewpoints are shared, influenced, and integrated over time. LLMs are used to extract structured viewpoints aligned with the \emph{Needs-Approach-Benefits-Competition (NABC)} framework and to infer potential viewpoint flows across presenters, forming a common semantic foundation for three complementary analyses: (1) similarity-based qualitative analysis to identify two key types of viewpoints, popular and unique, for building convergence, (2) quantitative cross-domain influence analysis using network centrality measures, and (3) temporal viewpoint flow analysis to capture convergence dynamics. To address uncertainty in LLM-based inference, the framework incorporates expert validation through structured surveys and cross-layer consistency checks. A case study on water insecurity in underserved communities as part of the Arizona Water Innovation Initiatives demonstrates increasing viewpoint convergence and domain-specific influence patterns, illustrating the value of the proposed AI-enabled approach for research convergence analysis.
• Abstract（参考訳）: 学際的な研究チームが共有知識にどのように収束するかを理解することは、永続的な課題である。 本稿では、学際チームにおける研究収束をマッピングするための、新しい多層AI駆動分析フレームワークを提案する。 このフレームワークは、大規模言語モデル(LLM)、グラフベースの可視化と分析、および人間のループ評価を統合して、研究の視点がどのように共有され、影響され、時間とともに統合されるかを調べる。 LLMは,(1)類似性に基づく定性的分析により,コンバージェンス構築のための2つの重要な視点のタイプを同定し,(2)ネットワーク中央性尺度を用いた定量的クロスドメインの影響分析,(3)時間的視点フロー解析によりコンバージェンスダイナミクスを捉えること,の3つの相補的解析のための共通意味基盤を形成する。 LLMベースの推論の不確実性に対処するため、このフレームワークは構造化されたサーベイと層間整合性チェックを通じて専門家による検証を取り入れている。 アリゾナ・ウォーター・イノベーション・イニシアチブ(英語版)の一部として観測されていない地域社会における水害のケーススタディでは、視点収束とドメイン固有の影響パターンが増加し、研究収束分析のために提案されたAI対応アプローチの価値が示される。

関連論文リスト

• Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking [154.2388970262703]
  Unified Vision-Language Models (UVLM) は、単一のフレームワーク内での理解と生成の両方をサポートすることで、マルチモーダル学習を促進することを目的としている。 本稿では,解析処理と起案処理を交互に行う新たな思考パラダイムである,インターリーブド・アナライジング・ドレイティング問題解決ループ(AD-Loop)を紹介する。 テキスト思考を視覚的思考とインターリーブすることで、AD-Loopはモデルが理解と出力の両方を反復的に洗練し、真のシナジーを育むことができる。
  論文  参考訳（メタデータ） (2026-02-24T23:26:09Z)
• Cross Domain Evaluation of Multimodal Chain-of-Thought Reasoning of different datasets into the Amazon CoT Framework [1.7842332554022695]
  本研究はマルチモーダル・チェーン・オブ・ソート(Multimodal-CoT)推論の包括的解析を行う。 A-OKVQA,OKVQA,ChartQAのデータセット上での有効性を評価する。 その結果,視覚統合は理性発生における幻覚を著しく減少させるが,CoT推論の有効性は質問の種類によって大きく異なることがわかった。
  論文  参考訳（メタデータ） (2025-11-24T16:20:02Z)
• Uni-MMMU: A Massive Multi-discipline Multimodal Unified Benchmark [69.8473923357969]
  統一マルチモーダルモデルは、視覚的理解と生成を共同で行うことを目的としているが、現在のベンチマークでは、その真の統合を検査することはめったにない。 提案するUni-MMMUは、8つの推論中心領域にまたがる生成と理解の双方向の相乗効果を拡大する総合的なベンチマークである。
  論文  参考訳（メタデータ） (2025-10-15T17:10:35Z)
• Can One Domain Help Others? A Data-Centric Study on Multi-Domain Reasoning via Reinforcement Learning [32.665418383317224]
  本稿では,RLVRフレームワーク内でのマルチドメイン推論を体系的に検討する。 数学的推論、コード生成、論理パズル解という3つの主要な領域に注目します。 私たちの結果は、ドメイン間相互作用を管理するダイナミクスに関する重要な洞察を与えます。
  論文  参考訳（メタデータ） (2025-07-23T13:51:04Z)
• Semantic-based Unsupervised Framing Analysis (SUFA): A Novel Approach for Computational Framing Analysis [1.7878880883737438]
  本研究はセマンティック・リレーショナル・ベース・アントラクショナル・フレーミング・アナリシス(SUFA)と呼ばれる計算フレーミング・アナリシスに対する新しいアプローチを提案する。 SUFAは、セマンティックリレーションと依存性解析アルゴリズムを利用して、ニュースメディアレポートにおいてエンティティ中心の強調フレームを特定し評価する。
  論文  参考訳（メタデータ） (2025-05-21T14:19:22Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
  マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
  論文  参考訳（メタデータ） (2023-12-13T12:00:46Z)
• Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
  この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。 バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
  論文  参考訳（メタデータ） (2023-02-03T14:57:40Z)

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。