論文の概要: Merit or networks? What decides where research is published

• arxiv url: http://arxiv.org/abs/2606.03763v1
• Date: Tue, 02 Jun 2026 15:18:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.099115
• Title: Merit or networks? What decides where research is published
• Title（参考訳）: メリットかネットワークか? 研究の公開先を決めるものは何か?
• Authors: Ning Li,
• Abstract要約: 我々は,6,208件の経済論文に散在するジャーナル配置の5インプット生産関数を,テキストレガシブルなアイデア品質スコアを用いて推定する。 接続された著者はより高いスコアの論文を書き、同じスコアで論文がより良くなる傾向にある。 その結果は、どちらを選ぶかよりもむしろ、科学の出版方法に関する長所とネットワークの説明をネストする。
• 参考スコア（独自算出の注目度）: 2.7195546721965287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Does scientific publishing reward the quality of ideas or the advantage of connections? The question is universal to prestige-driven science, yet it has resisted decades of study because a paper's quality could not be gauged ahead of its publication fate without using that fate as the yardstick. We break this constraint by measuring a paper's idea quality directly from its text, before publication, using a discipline-trained LLM evaluator that scores the idea without seeing author names or outcomes. Using economics as a case study, we combine this text-legible idea-quality score with an execution-quality rubric, a connection index, an author-ability index, and an off-the-shelf language-model text score to estimate a five-input production function for journal placement across 6,208 economics working papers. The inputs are not rivals but a sequence along the ladder of prestige. Execution sets a meritocratic floor and is the largest input overall. Text-legible idea quality grades the rungs in between. Connections set a favoritism ceiling that bites mainly near the apex, the most selective journals. Connections work through two additive channels: connected authors write papers that score higher, and at equal scores their papers are still more likely to place better. Yet this advantage is bounded. Connections raise the odds of every rung without making the apex the typical outcome for ordinary ideas, and even the highest-scoring papers face real friction reaching the visible journal ladder. The result nests, rather than chooses between, the meritocracy and network accounts of how science is published.
• Abstract（参考訳）: 科学出版はアイデアの質やつながりの利点に報いるだろうか? この問題は高名な科学には普遍的だが、論文の質が出版の運命に先立って、その運命をヤードスティックとして使わなければ評価できないため、何十年にもわたって研究に抵抗してきた。 我々は、著者の名前や成果を見ることなく、アイデアを評価できる規律を訓練したLCM評価器を用いて、論文のアイデア品質を出版前に、そのテキストから直接測定することで、この制約を破る。 経済学をケーススタディとして用いて, このテキストレガブルなアイデア品質スコアと, 実行品質のルーリック, 接続性指標, 著者可能性指標, および既製の言語モデルスコアを組み合わせ, 6,208の経済論文にまたがって, ジャーナル配置のための5インプット生産関数を推定する。 インプットはライバルではなく、名声のはしごに沿ったシーケンスである。 実行(Execution)は、メリット主義的なフロアを設定し、全体として最大のインプットである。 テキスト対応のアイデアクオリティは、その中間の段階を格付けする。 接続は好意的な天井を設定し、主に頂点付近で噛み付く。 接続された著者はより高いスコアの論文を書き、同じスコアで論文がより良くなる傾向にある。 しかし、この利点には限界がある。 接続は、頂点が通常のアイデアの典型的な結果になることなく、全てのラングの確率を上昇させます。 その結果は、どちらを選ぶかよりもむしろ、科学の出版方法に関する長所とネットワークの説明をネストする。

関連論文リスト

• LECTOR: Joint Optimization of Scientific Reasoning Graphs and Introduction Generation [57.70907667652966]
  序文は特に難解であり、論理的な健全さと検証可能な忠実さを要求する。 ほとんどのAI支援手法は、推論や構造化ではなく、タスクをテキスト生成として扱うため、深刻な欠点が生じる。 我々は,科学者の論理を厳格に追従し,高品質な引用を加え,構造化された表現を維持できる新しい論理表現協調強化学習フレームワークであるLECTORを提案する。
  論文  参考訳（メタデータ） (2026-05-25T15:41:16Z)
• sciwrite-lint: Verification Infrastructure for the Age of Science Vibe-Writing [0.0]
  現在、科学は品質保証に2つの選択肢を提供しているが、どちらも不十分である。 論文自体を測る第3の選択肢を提案する。 sciwrite-lintは、研究者のマシンで完全に動作する科学写本のためのオープンソースライブラリである。 arXivとbioRxivの未確認論文30件について, 誤り注入とLCM適応偽陽性解析を用いてパイプラインの評価を行った。
  論文  参考訳（メタデータ） (2026-04-09T17:46:44Z)
• CRISP: Characterizing Relative Impact of Scholarly Publications [70.25915589244961]
  本稿では,大規模言語モデル(LLM)を用いた引用論文の中で,引用論文の全てを共同でランク付けするCRISPを提案する。 LLMの位置バイアスを軽減するために、ランダムな順序で各リストを3回ランク付けし、多数決によって影響ラベルを集約する。 CRISPは従来の最先端の衝撃分類器の精度を+9.5%、F1を+8.3%で上回っている。
  論文  参考訳（メタデータ） (2026-03-25T16:42:30Z)
• Eliciting Honest Information From Authors Using Sequential Review [13.424398627546788]
  本稿では,著者からランキング情報を真に引き出すための逐次レビュー機構を提案する。 鍵となる考え方は、提供されたランキングに基づいて著者の論文をシーケンスでレビューし、前の論文のレビュースコアについて次の論文のレビューを条件付けることである。
  論文  参考訳（メタデータ） (2023-11-24T17:27:39Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
  埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。 本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
  論文  参考訳（メタデータ） (2022-03-28T09:28:13Z)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)
• Document Embedding for Scientific Articles: Efficacy of Word Embeddings vs TFIDF [0.0]
  本研究は,大規模学術コーパスに適用した単語埋め込みの性能に着目した。 我々は, 学習語埋め込みの品質と効率を, 科学論文の内容のモデル化におけるTFIDF表現と比較した。 以上の結果から,単語埋め込みに基づくコンテンツモデルの方がタイトル(短文)に,TFIDFは抽象文(長文)に好適であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-11T23:58:39Z)
• Characterising authors on the extent of their paper acceptance: A case study of the Journal of High Energy Physics [4.402336973466853]
  論文がほぼ常に会場で受理される著者のプロフィールと査読テキストについて検討する。 高い受け入れ率を持つ著者は、高い引用数、高い$h$-index、高い協力者数などを持つ可能性が高い。
  論文  参考訳（メタデータ） (2020-06-12T03:26:25Z)

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。