論文の概要: Scientific exploration, collaboration and labor division in the large language model era
- arxiv url: http://arxiv.org/abs/2607.20923v1
- Date: Thu, 23 Jul 2026 04:58:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.291685
- Title: Scientific exploration, collaboration and labor division in the large language model era
- Title（参考訳）: 大規模言語モデル時代の科学的研究・協力・労働部門
- Abstract要約: 2022年以降、科学者はより知的な遠縁の分野に広がっていった。
学際性の増加と探検は、特に英語圏の低所得国や中所得国の確立した科学者や科学者の間で顕著であった。
本研究は, LLM時代が科学的探索, 協力, 労働分割のより広範な再編成と一致することを示唆する。
- 参考スコア（独自算出の注目度）: 6.9617893562441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) have rapidly and significantly entered scientific workflows, but it remains unclear how their diffusion is associated with changes in scientists' strategies in research directions and team building. We link PubMed Central full text with OpenAlex publication and collaboration histories for 775,323 scientists and analyze CRediT contribution statements from 137,120 multi-author papers. After 2022, scientists increasingly published across more intellectually distant fields and entered fields in which they had not previously worked. These increases in interdisciplinarity and exploration were especially pronounced among established scientists and scientists from non-English-speaking low- and middle-income countries. Authors with stronger AI-writing signals were already more interdisciplinary and exploratory before the widespread adoption of LLMs, and the gap widened further after 2022 compared with authors with weaker AI-writing signals. Scientists' collaboration networks also became more interdisciplinary after 2022. Yet, among authors with stronger AI-writing signals, research interdisciplinarity was less closely tied to the disciplinary diversity of their collaborators. The division of labor within research teams also became more differentiated. Contributors on papers published after 2022 reported narrower role sets on average, coauthors shared fewer roles in common, and their role profiles became less rigid and more fluid. Software and validation roles increased, while conceptual and management roles decreased. These patterns suggest that team members are taking on more distinct responsibilities and may rely less on one another to perform research tasks. Overall, this study indicates that the LLM era coincides with a broader reorganization of scientific exploration, collaboration, and the division of labor.
- Abstract（参考訳）: 大規模言語モデル (LLMs) は急速に科学的ワークフローに深く浸透しているが、その拡散が研究方向やチーム構築における科学者の戦略の変化とどのように関係しているかは定かではない。
PubMed Centralの全文とOpenAlexの出版と、75,323人の科学者のコラボレーション履歴をリンクし、CRediTのコントリビューションステートメントステートメントを137,120の多著者論文から分析します。
2022年以降、科学者はより知的に離れた分野にまたがって出版され、それまでは仕事をしていなかった分野に入った。
これらの学際性と探究の増大は、特に非英語圏の低所得国や中所得国の確立した科学者や科学者の間で顕著であった。
より強いAI文字信号を持つ著者は、LLMが広く採用される前に既に学際的で探索的であり、2022年以降、より弱いAI文字信号を持つ著者と比較して、ギャップはさらに拡大した。
2022年以降、科学者のコラボレーションネットワークも学際的になった。
しかし、強いAI信号を持つ著者の間では、研究の学際性は共同作業者の学際的多様性と密接な関係が無かった。
研究チーム内での労働の分担もより分化していった。
2022年以降の論文への寄稿者は、平均してより狭い役割セットを報告し、共著者は共通の役割を共有せず、それらの役割プロファイルはより硬く、より流動的になった。
ソフトウェアと検証の役割は増加し、概念と管理の役割は減少した。
これらのパターンは、チームメンバーがより明確な責任を負い、研究タスクを実行するために互いに頼りにしないかもしれないことを示唆している。
総じて, LLM時代は, 科学的探究, 協力, 労働分割のより広範な再編成と一致することが示唆された。
関連論文リスト
- Return of the solo author: The changing division of labor in science in the age of generative A [0.0]
2022年後半のChatGPTの公開リリースにより、数十年にわたるソロオーサシップの衰退が停止し、部分的に逆転したことを示す。
また、これは共同執筆者の作業が容易に置き換えられる分野において最強であり、物理的なコラボレーションに依存する分野において弱い、あるいは欠落している分野においてもあります。
この研究は、生成的AIが科学的労働にどのように代用できるかを実証的な調査と、チームサイズではなく、論文内で認知的労働を再構成する証拠を提供する。
論文 参考訳（メタデータ） (2026-07-12T14:17:39Z) - Human-AI Collaboration in Science at Scale: A Global Large-scale Randomized Field Experiment [30.183277651952196]
カスタマイズされたAIベースのフィードバックを31,000 arXivのプレプリントで提供しています。
フィードバックを受けた著者は、原稿を改訂する可能性が著しく高かった。
これらの効果は、英語以外の研究領域の著者の間では最も強かった。
論文 参考訳（メタデータ） (2026-05-22T20:06:17Z) - Smaller, Younger, and More Impactful: How AI-Assisted Writing Transforms Research Teams [2.085881808809108]
我々は,AIによる文章作成が,科学におけるチーム構造とチームの成果にどのように影響するかを検討した。
AIを使った研究チームは、より若く小さくなる傾向にあることがわかった。
この傾向に対処するため, 研究評価, 資金提供, 研修における政策改善の必要性が示唆された。
論文 参考訳（メタデータ） (2026-04-24T09:47:58Z) - Does GenAI Rewrite How We Write? An Empirical Study on Two-Million Preprints [15.070885964897734]
生成型大規模言語モデル(LLM)は、原稿の書き方を変えることによって、さらなる破壊をもたらす可能性がある。
本稿は、2016年から2025年(115ヶ月)にかけての2100万件以上のプレプリントを4つの主要なリポジトリで大規模に分析することで、このギャップを解消する。
以上の結果から,LSMは提出サイクルと修正サイクルを加速し,言語的複雑性が緩やかに増加し,AI関連トピックが不均等に拡大したことが明らかとなった。
論文 参考訳（メタデータ） (2025-10-18T01:37:40Z) - ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。
これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。
我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
論文 参考訳（メタデータ） (2025-05-26T12:27:27Z) - AI Expands Scientists' Impact but Contracts Science's Focus [15.771625061196927]
我々は、科学者によるAIの採用の加速と、AIの使用に関連する一貫したプロのアドバンテージを示す。
AIによる研究に従事している科学者は、3.02倍の論文を発行し、さらに4.84倍の引用を受け取る。
対照的に、AI研究は4.63%の科学的トピックの総量を削減する。
論文 参考訳（メタデータ） (2024-12-10T18:24:17Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z) - A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳（メタデータ） (2024-06-16T08:03:24Z) - 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) - Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。
計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
論文 参考訳（メタデータ） (2024-04-01T17:45:15Z) - Flat Teams Drive Scientific Innovation [43.65818554474622]
個人の活動が、研究の方向性とプレゼンテーションを通じて、リーダーシップの幅広い役割にどのように結びついているかを示す。
科学チームの隠された階層は、そのリード(またはL)比がチーム規模全体に対してリーダーシップの役割を担っているのが特徴です。
フラットで平等なチームと対照的に、背が高く階層的なチームは、より斬新さを減らし、より多く既存のアイデアを発達させます。
論文 参考訳（メタデータ） (2022-01-18T04:07:49Z) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳（メタデータ） (2020-11-09T21:23:03Z)
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。