論文の概要: Understanding Generative AI-mediated User Engagement with Academic Library Resources
- arxiv url: http://arxiv.org/abs/2607.20328v1
- Date: Wed, 22 Jul 2026 16:14:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.152655
- Title: Understanding Generative AI-mediated User Engagement with Academic Library Resources
- Title（参考訳）: 学術図書館リソースを用いた生成AIによるユーザエンゲージメントの理解
- Abstract要約: 本研究では,学術図書館資源の新たな発見経路として生成AIを実証分析した。
参照分析では、このトラフィックを駆動する主要なプラットフォームとしてChatGPT、Perplexity、およびGeminiが特定された。
その結果は、現在のAIエコシステムがライブラリリソースを公開する方法を示し、継続的な分析の必要性と、進化するAIの展望に対する戦略的対応を明確に示している。
- 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 study empirically analyzed generative AI as an emerging discovery pathway to academic library resources. Utilizing web analytics from August 2023 to October 2025, the research identifies a significant increase in AI-mediated traffic, particularly following the integration of linked citation features. Referral analysis identified ChatGPT, Perplexity, and Gemini as the primary platforms driving this traffic. A substantial portion of users reached the institutional repository, primarily accessing electronic theses and dissertations. This pattern suggests that AI retrieval mechanisms effectively surface resources with structured metadata and stable permalinks that are Open Access and freely available. The results illustrate how AI ecosystems currently expose library resources and underscore the need for continued analysis and a strategic response to the evolving AI landscape.
- Abstract（参考訳）: 本研究では,学術図書館資源の新たな発見経路として生成AIを実証分析した。
2023年8月から2025年10月までのWeb分析を活用して、この研究はAIによるトラフィックの大幅な増加、特にリンクされた引用機能の統合に続く。
参照分析では、このトラフィックを駆動する主要なプラットフォームとしてChatGPT、Perplexity、およびGeminiが特定された。
かなりの数のユーザーが機関リポジトリに到達し、主に電子資料や論文にアクセスした。
このパターンは、AI検索メカニズムが、構造化メタデータと、オープンアクセスで自由に利用できる安定したパーマリンクでリソースを効果的に表面化することを示している。
その結果は、現在のAIエコシステムが図書館のリソースを公開し、継続的な分析の必要性と進化するAIの展望に対する戦略的対応を明確に示している。
関連論文リスト
- Federated Agentic AI for Wireless Networks: Fundamentals, Approaches, and Applications [60.721304295812445]
フェデレートラーニング(FL)はエージェントAIの全体的なループを改善する可能性がある。
まず、エージェントAIとメインストリームのFLタイプの基礎を要約し、各FLタイプがエージェントAIのループの特定のコンポーネントを強化する方法について説明する。
低高度無線ネットワークにおけるエージェントAIの動作決定性能を向上させるためにFRLを用いたケーススタディを行う。
論文 参考訳（メタデータ） (2026-03-02T11:26:56Z) - Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Executable Knowledge Graphs for Replicating AI Research [65.41207324831583]
Executable Knowledge Graphs (xKG) は、科学文献から抽出された技術的洞察、コードスニペット、ドメイン固有の知識を自動的に統合するモジュラーでプラグイン可能な知識基盤である。
コードはhttps://github.com/zjunlp/xKGでリリースされる。
論文 参考訳（メタデータ） (2025-10-20T17:53:23Z) - Analytical Survey of Learning with Low-Resource Data: From Analysis to Investigation [192.53529928861818]
高リソースデータによる学習は人工知能(AI)において大きな成功を収めた
しかし、データアノテーションやモデルトレーニングに関連するコストは依然として大きい。
本調査では,低リソースデータからの学習に伴う一般化誤差とラベル複雑性を分析するために,アクティブサンプリング理論を用いた。
論文 参考訳（メタデータ） (2025-10-10T03:15:42Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Data-Driven Breakthroughs and Future Directions in AI Infrastructure: A Comprehensive Review [0.0]
本稿では,過去15年間の人工知能(AI)の大きなブレークスルーを包括的に合成する。
計算リソース、データアクセス、アルゴリズム革新の収束をトレースすることで、AIの進化における重要なインフレクションポイントを特定する。
論文 参考訳（メタデータ） (2025-05-22T15:12:48Z) - 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) - Unleashing the Power of AI. A Systematic Review of Cutting-Edge Techniques in AI-Enhanced Scientometrics, Webometrics, and Bibliometrics [1.2374541748245838]
この研究は、人工知能(AI)のシナジーを、サイエントメトリックス、webometrics、Bibliometricsで分析することを目的としている。
我々の目的は、学術的なコミュニケーションを計測し分析するための方法に革命をもたらすAIの可能性を探ることである。
論文 参考訳（メタデータ） (2024-02-22T15:10:02Z) - AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis [0.0]
本研究では,Google Scholar and Web of Scienceの1,903項目をPRISMAガイドラインで選択した54項目について検討した。
その結果,ランダムフォレスト,XGBoost,ハイブリッドアプローチなどのMLモデルは,パンデミック後の文脈におけるリスク予測精度と適応性を大幅に向上させることがわかった。
この研究は、データ品質や解釈可能性といった課題に対処するために、動的な戦略、学際的なコラボレーション、継続的なモデル評価の必要性を強調している。
論文 参考訳（メタデータ） (2023-12-12T17:47:51Z) - pyBibX -- A Python Library for Bibliometric and Scientometric Analysis
Powered with Artificial Intelligence Tools [0.0]
pyBibXは、Scopus、Web of Science、PubMedからソースされた生データファイルの総合的な書誌的および科学的な分析を行うために開発されたピソンライブラリである。
このライブラリは総合的なEDAを実行し、視覚的に魅力的な図形を通して結果を提示する。
埋め込み、トピックモデリング、テキスト要約、その他の一般的な言語処理タスクを含むAI機能を備えている。
論文 参考訳（メタデータ） (2023-04-27T20:06:07Z)
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。