論文の概要: How Proposal Novelty, Topical Diversity, and Theory-Practice Balance Shape Scholarly Outcomes in Funded Education Research

• arxiv url: http://arxiv.org/abs/2606.01127v1
• Date: Sun, 31 May 2026 10:01:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.266224
• Title: How Proposal Novelty, Topical Diversity, and Theory-Practice Balance Shape Scholarly Outcomes in Funded Education Research
• Title（参考訳）: 資金教育研究における新奇性, 話題多様性, 理論的バランス形状の学力的成果の提案
• Authors: Yunfeng Gao, Yuxuan Xiao, Jiaming Zhang, Yang Ding,
• Abstract要約: この研究は、1990年から2020年までの8,715件のNSF教育賞と、主任研究員による84,519件の出版を関連づけている。 提案された新奇性は、ポストアワードの結果と限定的かつ不均一な関連を示す。 理論的および実践的な目的を統合するバランスのとれた提案は、最も好ましい全体プロファイルを示す。
• 参考スコア（独自算出の注目度）: 7.231245375674233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Education research occupies a distinctive position in public science because it is expected to advance scholarly knowledge while also informing learning, teaching, participation, and workforce development. This study examines how the intellectual characteristics of NSF-funded education proposals are associated with the subsequent academic performance of funded scholars. Linking 8,715 NSF education awards from 1990 to 2020 with 84,519 publications by principal investigators, the analysis focuses on four major NSF education divisions that collectively span undergraduate and graduate levels, formal and informal learning environments, and inclusive educational initiatives. Proposal novelty is measured as semantic distance from prior funded projects within the same division, topical diversity as breadth across latent research themes, and intellectual orientation as theoretical, practical, or balanced. The results show that NSF education funding is consistently associated with higher publication output across divisions. However, this increase is not accompanied by stronger citation performance or higher journal-level visibility; citation and CiteScore estimates are often negative, particularly in later decades. Proposal novelty shows limited and uneven associations with post-award outcomes, whereas topical diversity is more clearly related to publication growth in some divisions but weaker citation-based performance in others. Balanced proposals that integrate theoretical and practical aims display the most favourable overall profile, combining positive publication associations with fewer negative citation-based patterns. These findings highlight the importance of evaluating education research funding through multiple academic outcomes and division-specific research contexts.
• Abstract（参考訳）: 教育研究は、学問、教育、参加、労働開発を指導しながら学術的知識を発達させることが期待されているため、公共科学において顕著な地位を占めている。 本研究は,NSFが支援する教育提案の知的特性が,その後の学業成績とどのように関連しているかを考察する。 1990年から2020年までの8,715件のNSF教育賞と、主任研究員による84,519件の出版をリンクし、この分析は4つの主要なNSF教育部門に焦点を絞っている。 提案の新規性は、同一部門内の先行資金によるプロジェクトからの意味的距離、潜在研究テーマの幅としてのトピックの多様性、理論的、実践的、バランスの取れた知的指向として測定される。 その結果,NSF教育費は学区ごとの出版物産出量の増加と一貫して関連していることがわかった。 しかし、この増加は引用性能の向上やジャーナルレベルの可視性の向上を伴わない。 提案する新奇性は,ポストアワードの成果と限定的かつ不均一な関連性を示す一方,トピックの多様性は,いくつかの部門における出版の伸びとより明確に関連しているが,他の部門では引用に基づくパフォーマンスが低下している。 理論的および実践的な目的を統合したバランスの取れた提案は、肯定的な出版連合と否定的な引用に基づくパターンの少ない組み合わせとして、最も好ましい全体プロファイルを示す。 これらの知見は、複数の学術的成果と部門別研究コンテキストを通じて、教育研究資金を評価することの重要性を強調している。

関連論文リスト

• Enhancing Academic Paper Recommendations Using Fine-Grained Knowledge Entities and Multifaceted Document Embeddings [6.834689860716384]
  本稿では,新しい学術論文レコメンデーション手法を提案する。 それは、新しい種類のきめ細かい知識エンティティを統合することで、多次元情報を埋め込む。 本手法はベースラインモデルより優れ,平均精度は27.3%である。
  論文  参考訳（メタデータ） (2026-01-27T11:55:10Z)
• The Rise of Large Language Models and the Direction and Impact of US Federal Research Funding [43.39016984353673]
  大規模言語モデル(LLM)は急速に科学的実践に拡散している。 科学的な執筆と評価においてAIの使用に注目が集まる一方で、LLMの台頭が公的資金の展望をどう変えているかについてはほとんど分かっていない。 LLMの使用は2023年から急激に増加し、バイモーダル分布が示され、最小使用と実体使用の明確な分割が示される。
  論文  参考訳（メタデータ） (2026-01-21T21:37:08Z)
• How Do We Engage with Other Disciplines? A Framework to Study Meaningful Interdisciplinary Discourse in Scholarly Publications [48.273878997257924]
  本稿では,学際的な自然言語処理(NLP)の出版物における引用エンゲージメントの評価のための枠組みを提案する。 本手法では, 学際的な作業に適した引用目的の分類法を導入し, 注釈研究によって支援する。 我々は,NLPと計算社会科学の交点における出版物の徹底的な分析を通じて,この枠組みの有用性を実証する。
  論文  参考訳（メタデータ） (2026-01-15T23:16:49Z)
• SuperGPQA: Scaling LLM Evaluation across 285 Graduate Disciplines [118.8024915014751]
  大規模言語モデル(LLM)は、数学、物理学、計算機科学などの学問分野において顕著な熟練性を示している。 しかしながら、人間の知識は200以上の専門分野を含み、既存のベンチマークの範囲をはるかに超えている。 285分野にわたる大学院レベルの知識と推論能力を評価するベンチマークであるSuperGPQAを提案する。
  論文  参考訳（メタデータ） (2025-02-20T17:05:58Z)
• The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
  我々は,NLP研究論文の要約として,NLPコントリビューション(NLPコントリビューション)の分類法を提案し,NLPコントリビューション(NLPコントリビューション)を導入した。 NLPの研究は、1970年代から80年代にかけて言語と人間中心の研究に焦点が当てられ、1990年代と2000年代に打ち切られ、2010年代後半から再び上昇し始めた。 私たちのデータセットと分析は、研究トレンドをトレースするための強力なレンズを提供し、インフォグラフィックでデータ駆動の文献調査を生成する可能性を提供します。
  論文  参考訳（メタデータ） (2024-09-29T01:29:28Z)
• Biases in gendered citation practices: an exploratory study and some reflections on the Matthew and Matilda effects [2.0277446818410994]
  本稿では,ソフトウェア工学文献における性的な引用の実践を分析することを目的とする。 この結果から,SE分野における引用実践の公平性を達成するためには,まだいくつかの努力が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-09-18T19:53:41Z)
• Recent Advances in Large Margin Learning [63.982279380483526]
  本稿では,(非線形)深層ニューラルネットワーク(dnn)のための大規模マージントレーニングとその理論的基礎の最近の進歩に関する調査を行う。 古典研究から最新のDNNへの分類マージンの策定を一般化し、マージン、ネットワーク一般化、堅牢性の間の理論的関連性をまとめ、最近のDNNのマージン拡大の取り組みを総合的に紹介します。
  論文  参考訳（メタデータ） (2021-03-25T04:12:00Z)

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。