論文の概要: Computational conceptual history of scientific concepts: From early digital methods to LLMs

• arxiv url: http://arxiv.org/abs/2606.04118v1
• Date: Tue, 02 Jun 2026 18:28:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.321418
• Title: Computational conceptual history of scientific concepts: From early digital methods to LLMs
• Title（参考訳）: 科学概念の計算論的概念史:初期のデジタル手法からLLMへ
• Authors: Michael Zichert, Arno Simons,
• Abstract要約: 本稿では,概念解析における計算手法の長い歴史の中で,大規模言語モデル(LLM)について述べる。 LLMが既存の手法にどのような影響を及ぼすか、どのようにして長年の問題を継承するか、そしてそれらを用いた最近のケーススタディをレビューする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article situates large language models (LLMs) within the longer history of computational approaches to concept analysis in the history, philosophy, and sociology of science (HPSS). We examine what LLMs add to existing methods, how they inherit longstanding problems, and review recent case studies that employ them. In the first part, we reconstruct computational conceptual history before LLMs by bringing together three strands of work: early digital methods in HPSS, distributional approaches from digital history and related research, and lexical semantic change detection. We provide an overview of the main challenges and opportunities, focusing on corpus construction, operationalization and modelling choices, and evaluation and interpretation. In the second part, we turn to the era of LLMs, starting with a short introduction to LLMs before reviewing LLM-based work on lexical semantic change detection and relevant case studies in HPSS. We then revisit the earlier methodological questions, showing how issues of corpus construction, model choice and training data, operationalization trade-offs, and evaluation and interpretation play out in LLM-based workflows.
• Abstract（参考訳）: 本稿では、科学史、哲学、社会学における概念分析への計算アプローチの長い歴史の中で、大きな言語モデル(LLM)を考察する。 LLMが既存の手法にどのような影響を及ぼすか、どのようにして長年の問題を継承するか、そしてそれらを用いた最近のケーススタディをレビューする。 第一部では,HPSSにおける初期のデジタル手法,デジタル史と関連する研究からの分布的アプローチ,語彙的意味変化検出という3つの成果をまとめて,LLM以前の計算概念史を再構築する。 我々は、コーパスの構築、運用とモデリングの選択、評価と解釈に焦点をあて、主な課題と機会の概要を述べる。 第2部では,LLMの短い紹介から始まり,LLMに基づく語彙的意味変化の検出とHPSSにおける関連するケーススタディをレビューする。 次に、従来の方法論的問題を再考し、コーパス構築の課題、モデル選択とトレーニングデータ、運用上のトレードオフ、そしてLLMベースのワークフローにおける評価と解釈がどのように機能するかを示す。

関連論文リスト

• Large Language Models for History, Philosophy, and Sociology of Science: Interpretive Uses, Methodological Challenges, and Critical Perspectives [0.0]
  本稿では,科学史・哲学・社会学研究ツールとしての大規模言語モデル(LLM)の利用について検討する。 LLMは、構造化されていないテキストを処理し、文脈から意味を推測するのに非常に効果的である。 このことは、解釈的方法論を強調し、文脈に依存し、曖昧で、歴史的に位置する意味を理解するHPSSの機会と課題を提起する。
  論文  参考訳（メタデータ） (2025-06-13T21:44:13Z)
• LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
  大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。 本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。 このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
  論文  参考訳（メタデータ） (2024-02-26T07:33:05Z)
• Large Language Models for Causal Discovery: Current Landscape and Future Directions [5.540272236593385]
  因果発見(CD)とLarge Language Models(LLM)は、人工知能のトランスフォーメーション分野として登場した。 本研究は, テキストからの因果的抽出, ドメイン知識の統計的手法への統合, 因果的構造の改良の3つの重要な側面において, LLMがCDをどう変えるかを検討する。
  論文  参考訳（メタデータ） (2024-02-16T20:48:53Z)

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。