論文の概要: Has Scientific Talent Shifted from Depth to Breadth?Evidence across Papers, Knowledge Inputs, Careers, and Teams
- arxiv url: http://arxiv.org/abs/2609.14425v1
- Date: Sun, 13 Sep 2026 10:48:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.812503
- Title: Has Scientific Talent Shifted from Depth to Breadth?Evidence across Papers, Knowledge Inputs, Careers, and Teams
- Title（参考訳）: 科学的タレントは深度から深度へ移行したか? 論文、知識入力、キャリア、チーム間での証拠
- Abstract要約: 2010年から2022年にかけて、チーム規模は推定37.3%増加し、紙のトピック幅は0-1階層距離スケールで0.0144減少した。
焦点深度の標準偏差は8.2%高めの1+FWCI[1.9%, 14.9%]に関連付けられ, 平均幅と相互作用の関連性は, 特定の同値境界下では小さくなった。
発見は、共同作業の拡大と多様な知識入力への持続的なアクセスを伴う、個々の蓄積共存に焦点を当てた、科学的な専門知識の区別された構造を支持する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence raises a central question for scientific training and organization. Is research shifting from deep specialization toward broad individual knowledge? We examine this proposition across papers, cited knowledge, contributor histories, and teams using 47,959 articles from six fields over 2010-2025, 51,736 resolved cited works, and chronologically reconstructed prior publication histories for 1,754 randomly selected index contributors. From 2010 to 2022, team size increased by an estimated 37.3% (95% confidence interval [34.4%, 40.3%]), while paper topic breadth declined by 0.0144 on a 0-1 hierarchical distance scale. Cited knowledge was stable to modestly broader, revealing a divergence between focused outputs and the reach of knowledge inputs. Established contributors' prior breadth increased by 0.0190 [-0.0078, 0.0459] by 2019-2022, within a +/-0.05 equivalence bound assessed in sensitivity analysis. In mature citation windows, one standard deviation of focal depth was associated with 8.2% higher 1 + FWCI [1.9%, 14.9%]; average breadth and interaction associations were smaller under the specified equivalence bounds. Post-2022 deviations from earlier trends were not systematic, and recent changes did not vary clearly with baseline AI intensity across 83 subfields. The findings support a differentiated structure of scientific expertise in which focused individual accumulation coexists with expanding collaboration and sustained access to diverse knowledge inputs.
- Abstract（参考訳）: 生成的人工知能は、科学的な訓練と組織に対する中心的な疑問を提起する。
研究は深い専門化から広い個人的知識へ移行するのか?
本論文は,2010～2025年の間に6分野から47,959件の論文を引用し,51,736件の論文と,ランダムに選抜された1,754件のインデックスコントリビュータを時系列的に再構成した。
2010年から2022年にかけて、チーム規模は推定37.3%増加し(95%信頼区間(34.4%、40.3%)、紙のトピック幅は0-1階層距離スケールで0.0144減少した。
知識は穏やかに広い範囲に安定しており、焦点を絞ったアウトプットと知識入力のリーチの相違が明らかになった。
2019-2022年には、感度分析で評価された+/-0.05同値内において、確立されたコントリビュータの事前の幅は0.0190[-0.0078, 0.0459]増加した。
成熟した励振窓では, 焦点深度の標準偏差が8.2%高めの1+FWCI(1.9%, 14.9%)に関連付けられ, 平均幅と相互作用関係は, 所定の等価境界下において小さくなった。
2022年以降の傾向からの偏差は体系的ではなく、最近の変化は83のサブフィールドにまたがるベースラインAIの強度と明確に異なるものではなかった。
この発見は、個別の蓄積共存に焦点を合わせ、コラボレーションを拡大し、多様な知識入力へのアクセスを持続する、科学的な専門知識の区別された構造を支持する。
関連論文リスト
- Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use [0.0]
職場における有能な生成AIの使用を評価する研究者は、自己報告、客観的テスト、および監視と信頼の尺度を選択する必要がある。
筆者らは24の焦点実験論文の構造化, 種別レビューを行った。
エージェントスコープ,パーミッション,リカバリ,状態分離,独立レビュー,エビデンスに基づくクロージャの完全な組み合わせを検査する,個別レベルの検証機器は検出されなかった。
論文 参考訳（メタデータ） (2026-09-14T14:16:18Z) - From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop [63.00693129203923]
The Workshop on Trustworthy Natural Language Processingは8つの論文から6つのエディションで41に成長した。
我々は、144の手続き書類から洞察を合成し、確立されたフレームワークに根ざした6つの信頼次元に沿ってそれらを分類する。
分類研究による分析によると、真理は最も成長の早い次元である(2021-2022年、2025-2026年までに論文の37%を占める)。
論文 参考訳（メタデータ） (2026-08-11T17:30:16Z) - From Isolated Tasks to Structured Capabilities: A Multilayer Taxonomy for Large Language Models [41.36461541603076]
大規模言語モデル(LLM)の評価は多様なタスクとベンチマークにまたがる。
証拠は、調査する能力よりも、タスクを中心に組織化されている。
14の能力ドメインと91のサブスキルからなる多層分類を導入した。
論文 参考訳（メタデータ） (2026-07-24T10:49:50Z) - Augmentation with Dilution: A Large-Scale Empirical Study of Human Contributor Ecosystems After AI Coding Agent Adoption [5.3319140556634315]
オープンソースプロジェクトにおけるAIコーディングエージェントの導入により,人間の参加者の数,構成,行動がどう変化するかを検討する。
以上の結果から,AIエージェントの採用は,人間のコントリビュータの絶対数を大きく変えるものではないことが示唆された。
AIエージェントが人間のコントリビュータに取って代わるのではなく、オープンソースのエコシステムの構造を体系的に再構築していることが分かりました。
論文 参考訳（メタデータ） (2026-06-24T18:36:01Z) - AI-Assisted Curation of Conference Scholarship: Compiling, Structuring, and Analyzing Two Decades of Presentations at the Society for Social Work and Research [0.0]
本研究では,Society for Social Work and Research (SSWR) Annual Conferenceからプレゼンテーション要約の包括的データベースを開発した。
2005年から2026年にかけて、プレゼンテーションのためのSSWR Confex会議管理システムからWebスクレイピングを使用して抽象メタデータをコンパイルした。
このデータベースには23,793のプレゼンテーションがあり、93か国4,049の機関から20,779人のユニークな研究者を代表する69,924人の著者の記録がある。
論文 参考訳（メタデータ） (2026-03-06T19:19:29Z) - MedKGent: A Large Language Model Agent Framework for Constructing Temporally Evolving Medical Knowledge Graph [57.54231831309079]
我々は、時間的に進化する医療知識グラフを構築するためのフレームワークであるMedKGentを紹介する。
生医学的知識の出現を, 微粒な日々の時系列でシミュレートする。
結果として得られるKGは156,275個のエンティティと2,971,384個のリレーショナルトリプルを含む。
論文 参考訳（メタデータ） (2025-08-17T15:14:03Z) - Innovator: Scientific Continued Pretraining with Fine-grained MoE Upcycling [102.27999161363851]
科学的なタスクと一般的なタスクの両方に知識を持つ大きな言語モデル(LLM)は、科学的な汎用知性の基盤である。
Innovatorは、事前学習中に、事前学習した高密度LCMを微細なMixtures-of-Expertsモデルにアップサイクリングする。
53.3Bの合計パラメータと13.3Bの活性化により、InnovatorはQwen2.5-7Bを拡張し、64の専門的な科学専門家と8の活性化を行った。
論文 参考訳（メタデータ） (2025-07-24T08:37:58Z) - Causal Claims in Economics [0.0]
1980年から2023年までの44,000件以上のNBERおよびCEPR作業論文を,知識グラフ構築のためのカスタム言語モデルを用いて分析した。
我々は、1990年の約4%から2020年の約28%まで、因果関係の主張のシェアが大幅に上昇したことを報告している。
因果的物語の複雑さは、上位5誌の出版と上位引用数の両方を強く予測するのに対し、非因果的複雑性はこれらの結果と非相関性または負の相関性を持つ傾向にある。
論文 参考訳（メタデータ） (2025-01-12T17:03:45Z) - Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。
2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。
我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
論文 参考訳（メタデータ） (2024-01-24T20:05:49Z) - Assaying Out-Of-Distribution Generalization in Transfer Learning [103.57862972967273]
私たちは、経験的に対処するメッセージの相違を強調して、以前の作業の統一的なビューを取ります。
私たちは9つの異なるアーキテクチャから、多数の、あるいは少数の設定で31K以上のネットワークを微調整しました。
論文 参考訳（メタデータ） (2022-07-19T12:52:33Z) - Dimensions of Commonsense Knowledge [60.49243784752026]
我々は,その関係に特に焦点をあてて,広く普及しているコモンセンスソースを調査した。
我々はこれらの関係を13の知識次元に集約し、それぞれがソースにあるより具体的な関係を抽象化する。
論文 参考訳（メタデータ） (2021-01-12T17:52:39Z)
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。