論文の概要: Research Method Usage across Academic Ages in Library and Information Science: An Empirical Study (1990-2023)

• arxiv url: http://arxiv.org/abs/2606.21862v1
• Date: Sat, 20 Jun 2026 03:57:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 02:37:42.276825
• Title: Research Method Usage across Academic Ages in Library and Information Science: An Empirical Study (1990-2023)
• Title（参考訳）: 図書館・情報科学における学齢研究手法:実証的研究(1990-2023)
• Authors: Chengzhi Zhang, Jiayi Hao, Yi Mao,
• Abstract要約: 学齢はキャリアの発達を形作り、研究行動、出力量、方法論の選択に影響を与える。 1990-2023年に14の権威ある図書館と情報科学誌に掲載された26,677の論文のコーパスが編纂された。 中産階級の学者は最も多様性の高い方法を示しており、後期の学者は最も低い方法を示している。
• 参考スコア（独自算出の注目度）: 7.4287545941586615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Academic age critically shapes career development, influencing research behavior, output volume, and methodological choices. Analyzing method variation across academic ages offers a new theoretical lens on scholarly evolution and provides early-career researchers with practical guidance for method selection. A corpus of 26,677 articles published 1990-2023 in 14 authoritative Library and Information Science journals was compiled. The CogFT model automatically classified the research methods embedded in these articles, and Top2Vec generated the topic model. This process resulted in a comprehensive dataset linking research methods with topics. Author-name disambiguation enabled calculation of each scholar's academic age. Popularity and Shannon diversity indices for methods, together with topic diversity, were compared across academic age groups. Results reveal dynamic methodological trends: the share of theoretical approaches declined gradually, whereas experimental and bibliometric methods gained ground. Method popularity differs significantly among cohorts. Mid-career scholars exhibit the highest method diversity; late-career scholars the lowest.
• Abstract（参考訳）: アカデミック・エイジ(Academic age)は、キャリアの発達を批判的に形成し、研究行動、アウトプット・ボリューム、方法論的選択に影響を与える。 学齢間での方法変化の分析は、学術的進化に関する新たな理論レンズを提供し、アーリーケア研究者にメソッド選択の実践的ガイダンスを提供する。 1990-2023年に14の権威ある図書館と情報科学誌に掲載された26,677の論文のコーパスが編纂された。 CogFTモデルはこれらの論文に埋め込まれた研究手法を自動的に分類し、Top2Vecはトピックモデルを生成する。 このプロセスにより、研究手法とトピックをリンクする包括的なデータセットが得られた。 著者名の曖昧さは、各学者の学術年齢の計算を可能にした。 手法に対する人気度とシャノンの多様性指数は、トピックの多様性とともに、学術的な年齢層で比較された。 その結果, 理論的アプローチのシェアは徐々に減少し, 実験的手法と書誌的手法が定着した。 メソッドの人気はコホートによって大きく異なる。 中産階級の学者は最も多様性の高い方法を示しており、後期の学者は最も低い方法を示している。

関連論文リスト

• Gender Differences in Research Topic and Method Convergence among Collaborating Scholars in Library and Information Science [3.5111161561666084]
  本研究は,学術出版における男女差の研究の難しさに対処するために,比較的体系的な手法を用いている。 研究者が選択した研究トピックや方法の収束と多様性に関する洞察を提供する。
  論文  参考訳（メタデータ） (2026-06-20T07:06:18Z)
• Evolution of Research Method Usage Across the Academic Careers of Library and Information Science Scholars [3.2586114800974957]
  本研究は,図書館情報科学(LIS)分野における全文論文と認知記録からなる包括的データセットを用いた。 本研究は,14年以上の学術的年齢と5年間隔で一貫した出版記録を持つ435人の上級学者を対象としており,合計6,116の論文をカバーしている。 文献学的手法はキャリアの段階で最も頻繁に用いられており、早生の学者は19.61%、上級の学者は31.81%である。
  論文  参考訳（メタデータ） (2026-04-22T13:06:58Z)
• Large-Scale Multidimensional Knowledge Profiling of Scientific Literature [46.15403461273178]
  2020年から2025年の間に、22の主要なカンファレンスから10万以上の論文をまとめてまとめました。 分析では,安全性の向上,マルチモーダル推論,エージェント指向研究など,いくつかの顕著な変化に注目した。 これらの発見は、AI研究の進化に関するエビデンスベースの見解を提供し、より広範なトレンドを理解し、新たな方向性を特定するためのリソースを提供する。
  論文  参考訳（メタデータ） (2026-01-21T16:47:05Z)
• Best Practices For Empirical Meta-Algorithmic Research: Guidelines from the COSEAL Research Network [46.56867772369597]
  メタアルゴリズム研究のベストプラクティスは存在するが、それらは異なる出版物と分野に分散している。 本報告は,COSEALコミュニティのサブフィールドにまたがる経験的メタアルゴリズム研究のための優れた実践を収集する。 メタ・アルゴリズム研究における現在の最先端の実践を確立し、メタ・アルゴリズム分野の新しい研究者と実践者のガイドラインとして機能する。
  論文  参考訳（メタデータ） (2025-12-18T12:59:45Z)
• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• An Instance-based Plus Ensemble Learning Method for Classification of Scientific Papers [2.0794749869068005]
  本稿では,科学論文の分類に事例ベース学習とアンサンブル学習を併用した新しい手法を提案する。 実験の結果,提案手法は論文を様々な研究領域に分類する上で効果的かつ効果的であることが示唆された。
  論文  参考訳（メタデータ） (2024-09-21T19:42:15Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• Topic Space Trajectories: A case study on machine learning literature [0.0]
  本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。 我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。 本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
  論文  参考訳（メタデータ） (2020-10-23T10:53:42Z)

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。