論文の概要: Data-Driven Evolution of Library and Information Science Research Methods (1990-2022): A Perspective Based on Fine-grained Method Entities
- arxiv url: http://arxiv.org/abs/2606.25320v1
- Date: Wed, 24 Jun 2026 02:37:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.194496
- Title: Data-Driven Evolution of Library and Information Science Research Methods (1990-2022): A Perspective Based on Fine-grained Method Entities
- Title（参考訳）: 図書館・情報科学研究手法のデータ駆動進化(1990-2022) : 細粒度手法による展望
- Abstract要約: 1990年代以降、ビッグデータと情報技術の進歩は、図書館と情報科学の分野でデータ中心の研究を推進してきた。
本研究は、ドメイン内の研究手法の進化的傾向を明らかにするために、きめ細かい分析を行う。
- 参考スコア（独自算出の注目度）: 7.4287545941586615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the 1990s, advancements in big data and information technology have increasingly driven data-centric research in the field of Library and Information Science (LIS). To assess the influence of this data-driven research paradigm on the LIS discipline, this study conducts a fine-grained analysis to uncover the evolutionary trends of research methods within the domain. Using academic papers from LIS published between 1990 and 2022, four key categories of data-driven method entities are automatically extracted: algorithms and models, data resources, software and tools, and metrics. Based on these entities, the study examines the evolution of LIS research methods from three dimensions: the characteristics of research method entities over time, their evolution within different research topics, and the evolutionary features of research method entities across various research methods. The findings highlight data resources as a pivotal driver of methodological evolution in LIS, revealing a cyclical pattern of "emergence-stability/practical application" in the development of research methods within the field.
- Abstract（参考訳）: 1990年代以降、ビッグデータと情報技術の進歩は、ライブラリー・アンド・インフォメーション・サイエンス(LIS)分野におけるデータ中心の研究をますます推進してきた。
このデータ駆動研究パラダイムがLIS分野に与える影響を評価するため、本研究では、領域内の研究手法の進化的傾向を明らかにするために、きめ細かい分析を行う。
1990年から2022年にかけて発行されたLISの学術論文を用いて、アルゴリズムとモデル、データリソース、ソフトウェアとツール、メトリクスの4つの重要なデータ駆動メソッドエンティティが自動的に抽出される。
本研究は, LIS研究手法の進化を, 時間経過に伴う研究方法実体の特性, さまざまな研究課題における研究手法実体の進化, 様々な研究手法における研究方法実体の進化的特徴の3つの側面から考察した。
この結果から,LISにおける方法論的進化の重要な要因としてデータ資源が注目され,この分野における研究手法開発における「創発安定性・実践的応用」の循環パターンが明らかになった。
関連論文リスト
- Usage frequency and application variety of research methods in library and information science: Continuous investigation from 1991 to 2021 [4.199320411821769]
本研究は、1991年から2021年までの26,000件以上の研究論文を、21大LIS(図書館情報科学)ジャーナルで分析した。
この研究は、この研究で特定された18の研究トピックと、LIS分野で一般的に採用されている16の研究手法の動的および明らかな関係を明らかにした。
論文 参考訳（メタデータ） (2026-06-30T03:15:48Z) - Research Method Usage across Academic Ages in Library and Information Science: An Empirical Study (1990-2023) [7.4287545941586615]
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。
論文 参考訳（メタデータ） (2026-06-20T03:57:28Z) - CS-PaperSum: A Large-Scale Dataset of AI-Generated Summaries for Scientific Papers [3.929864777332447]
CS-PaperSumは、31の上位コンピュータサイエンスカンファレンスから91,919件の大規模データセットである。
我々のデータセットは、自動文献分析、研究トレンド予測、AIによる科学的発見を可能にする。
論文 参考訳（メタデータ） (2025-02-27T22:48:35Z) - A Comprehensive Survey on Imbalanced Data Learning [56.65067795190842]
不均衡なデータは、さまざまな種類の生データに広まっており、機械学習のパフォーマンスを妨げる。
本調査は,様々な実世界のデータ形式を体系的に分析する。
さまざまなデータフォーマットに関する既存の研究は、データ再バランス、特徴表現、トレーニング戦略、アンサンブル学習の4つのカテゴリにまとめられている。
論文 参考訳（メタデータ） (2025-02-13T04:53:17Z) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-04-05T22:19:42Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z)
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。