論文の概要: Firstborn Advantage in the Ivory Tower: Mass Science, Expanding Scholarly Families, and the Reshaping of Academic Stratification

• arxiv url: http://arxiv.org/abs/2604.20864v2
• Date: Tue, 28 Apr 2026 16:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.126523
• Title: Firstborn Advantage in the Ivory Tower: Mass Science, Expanding Scholarly Families, and the Reshaping of Academic Stratification
• Title（参考訳）: アイヴォリータワーの生まれながらのアドバンテージ:マスサイエンス、学術的な家族の拡大、アカデミック・ストラテジフィケーションの再構築
• Authors: Likun Cao, Jie Hua, James Evans,
• Abstract要約: 本稿では,概念と方法論的ツールをデモグラフィから科学の社会研究に統合する新しい枠組みを提案する。 本稿では,科学研究に階層的枠組みを導入することにより,科学的階層化の新しい視点を提供する。
• 参考スコア（独自算出の注目度）: 3.3390650922528184
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper investigates the mechanisms underlying scientific stratification in the era of transition from elite to mass science. Existing scholarship has largely examined scientific stratification through the Matthew effect framework at the individual, institutional, and lineage levels, but this theoretical lens has grown limited in today's academic landscape, where mass, team-based, and lab-centered research has become the dominant mode of knowledge production. As scientists increasingly share institutional and lineage backgrounds, considerable variation within these units remains unexplained. We propose a new framework that integrates concepts and methodological tools from demography into the social study of science. Drawing on the parallel between biological families and scholarly lineages as fundamental units of reproduction, we adapt the concept of birth order to examine how the sequence of doctoral students within a lineage shapes their career trajectories. Using data on more than one million U.S. doctoral graduates, our analysis shows that, much like in biological families, later students systematically perform worse than earlier ones across multiple dimensions of academic achievement, both short and long term. Examining the underlying mechanisms, we find that later students receive less cognitive stimulation from mature scholars and instead more from peers, and specialize in narrower intellectual domains as senior siblings occupy adjacent territories. These factors constrain their intellectual development as independent scholars. By introducing a demographic framework into the study of science, this paper offers a new perspective on scientific stratification and demonstrates how demographic concepts can be fruitfully extended to analyze broader social and epistemic systems.
• Abstract（参考訳）: 本稿では,エリートからマスサイエンスへの移行期における科学的階層化のメカニズムについて考察する。 既存の奨学金はマシュー効果の枠組みを個人、制度、系統レベルで研究してきたが、この理論レンズは今日の学術的な景観の中で限られており、そこでは質量、チームベース、研究室中心の研究が主要な知識生産のモードとなっている。 科学者が制度的背景や系統的背景を共有するようになると、これらの単位のかなりのバリエーションは説明がつかないままである。 本稿では,概念と方法論的ツールをデモグラフィから科学の社会研究に統合する新しい枠組みを提案する。 生物の家系と学術的系統の並行を再現の基本単位として、我々は、系譜内の博士課程の列がキャリアの軌跡をどう形作るかを調べるために、出生順序の概念を適用した。 私たちの分析は、100万人以上の米国医師卒業生のデータを用いて、生物学的家族と同様に、後の学生は、短命と長期の両方で、複数の学術的成果の様々な側面において、以前のものよりも体系的に劣っていることを示しています。 基礎的メカニズムを調べると、後代の学生は、成熟した学者からより認知的な刺激を受けにくく、むしろ仲間からも受けられるようになり、上級の兄弟姉妹が隣の領域を占有するにつれて、より狭い知的領域に特化することが分かる。 これらの要因は、独立した学者としての知的な発展を妨げている。 科学研究に人口動態の枠組みを導入することにより、科学的階層化の新しい視点を提供し、より広範な社会・てんかんのシステムを分析するために、人口動態の概念をどのように有益に拡張できるかを実証する。

関連論文リスト

• Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
  我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。 本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-20T09:20:12Z)
• BABE: Biology Arena BEnchmark [51.53220868983288]
  BABEは、生物学的AIシステムの実験的推論能力を評価するために設計されたベンチマークである。 われわれのベンチマークは、AIシステムが科学者を実践するのと同じように、いかにうまく判断できるかを評価するための堅牢なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-02-05T16:39:20Z)
• A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning [50.68188138112555]
  大規模言語モデルが自然に相乗的コアを開発することを示す。 中層の領域は相乗的処理を示し, 初期層と後期層は冗長性に依存していることがわかった。 この収束は、シナジスティック情報処理が知性の基本的な性質であることを示している。
  論文  参考訳（メタデータ） (2026-01-11T10:48:35Z)
• Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
  大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。 本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。 オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
  論文  参考訳（メタデータ） (2025-10-10T22:26:26Z)
• Persistence Paradox in Dynamic Science [4.641069902222306]
  私たちは2012年にAlexNetが触媒としたディープラーニング革命に注目しています。 5000人以上の科学者による20年間のキャリアの軌跡を分析し、彼らの研究の焦点と成果がどのように進化したかを調べた。
  論文  参考訳（メタデータ） (2025-06-28T02:21:19Z)
• Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
  自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。 AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。 これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
  論文  参考訳（メタデータ） (2025-03-28T14:00:27Z)
• Bridging the Early Science Gap with Artificial Intelligence: Evaluating Large Language Models as Tools for Early Childhood Science Education [0.0]
  幼少期の科学教育は科学リテラシーの発展に不可欠である。 複雑な科学概念を年齢に合った内容に翻訳することは、教育者にとって依然として困難である。 本研究は,4つの主要なLarge Language Model (LLM) について,就学前に適した科学的説明を生成する能力について評価した。
  論文  参考訳（メタデータ） (2025-01-02T10:55:41Z)
• Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
  大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。 LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。 AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
  論文  参考訳（メタデータ） (2024-01-26T05:33:34Z)

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。