論文の概要: Behind the Paper Explosion: Author Growth and Widening Gaps in Computer Science

• arxiv url: http://arxiv.org/abs/2610.39831v1
• Date: Thu, 29 Oct 2026 11:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:32:55.553384
• Title: Behind the Paper Explosion: Author Growth and Widening Gaps in Computer Science
• Title（参考訳）: 論文の爆発の裏で:コンピュータサイエンスにおける著者の成長と拡大
• Abstract要約: 計算機科学(CS)論文の急速な発展は、研究をレビューし、関連する研究を見つけるのに必要な作業を増加させる。 それまでの研究は出版物の成長を追跡し、研究者のキャリアを追及し、著者の増加と短期間だけ出版する研究者の数が記録されている。 本研究は,2010-2025年のarXiv, DBLP, 会議報告記録を用いて, 個々の変化をCS紙全体の成長に関連付けることで, このギャップを解消するものである。
• 参考スコア（独自算出の注目度）: 35.91115654714176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid growth of computer science (CS) papers increases the work needed to review research and find relevant studies. The growing use of AI tools in scientific writing makes it increasingly important to identify the authors behind this growth. Previous studies have tracked publication growth and followed researchers' careers, documenting the increasing number of authors and the many researchers who publish only briefly. However, annual averages of papers per author reflect different sets of researchers and may hide changes among the same authors. This study addresses this gap by linking individual changes to overall CS paper growth using arXiv, DBLP, and conference submission records for 2010-2025. With each paper divided equally among its authors, the total paper count equals the number of authors multiplied by their average papers per author. This relationship provides a decomposition of the two contributions of paper growth. This decomposition attributes nearly all growth in CS paper volume to an increase in the number of publishing authors. The analysis of author numbers further distinguishes expansion through new and returning arXiv authors from the replacement of authors no longer publishing there. Changes in who publishes also affect the average, motivating comparisons of the same authors over time within groups with similar past paper counts. This comparison identifies substantial replacement within the growing author group. New authors average fewer papers under this counting method, keeping the overall average nearly unchanged despite increases among authors who published in both years. Moreover, statistics show that these increases are uneven, with widening gaps even among authors who previously published similar numbers of papers. These findings provide insights into peer review, community participation, researcher evaluation, and equity within the CS community.
• Abstract（参考訳）: 計算機科学(CS)論文の急速な発展は、研究をレビューし、関連する研究を見つけるのに必要な作業を増加させる。 科学的な執筆におけるAIツールの利用の増加は、この成長の背景にある著者を特定することがますます重要になっている。 それまでの研究は出版物の成長を追跡し、研究者のキャリアを追及し、著者の増加と短期間だけ出版する研究者の数が記録されている。 しかし、著者毎の年平均論文は異なる研究者の集合を反映しており、同じ著者間の変化を隠蔽する可能性がある。 本研究は,2010-2025年のarXiv, DBLP, 会議報告記録を用いて, 個々の変化をCS紙全体の成長に関連付けることで, このギャップを解消するものである。 各論文を著者間で等しく分けたことにより、著者毎の平均論文数と、著者毎の著者数とが等しくなる。 この関係は、紙の成長の2つの貢献を分解する。 この分解は、出版者数の増加によるCS紙の体積のほぼすべての増加に起因する。 著者数の分析により、新たなarXiv著者による拡張と、もはや出版されていない著者の置き換えをさらに区別する。 出版者の変化は、過去の論文数に類似したグループ内で、同じ著者の平均的、動機づけた比較にも影響を及ぼす。 この比較は、成長する著者グループ内の実質的な置換を識別する。 新しい著者は、この計数法に基づく論文を減らし、両年で出版された著者の間では増加したにもかかわらず、全体平均をほぼ一定に保っている。 さらに、これらの増加は不均一であり、以前同様の論文を発表していた著者の間でもギャップが広がることを示している。 これらの知見は、CSコミュニティ内のピアレビュー、コミュニティ参加、研究者評価、およびエクイティに関する洞察を与える。

関連論文リスト

• 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)
• When a Paper Has 1000 Authors: Rethinking Citation Metrics in the Era of LLMs [11.503915439591735]
  著者レベルの引用メトリクスは、複雑な研究エコシステムにおける学術的影響の実践的で解釈可能でスケーラブルなシグナルを提供する。 過去5年間、大規模な言語モデルと基礎モデルの分野において、大規模な出版物が急速に出現してきた。 本稿では,SBCIインデックスを提案し,その理論的特性を分析し,その挙動を合成出版データセット上で評価する。
  論文  参考訳（メタデータ） (2025-08-08T04:18:26Z)
• 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)
• 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)
• How do Authors' Perceptions of their Papers Compare with Co-authors' Perceptions and Peer-review Decisions? [87.00095008723181]
  著者は論文の受理確率をおよそ3倍過大評価している。 女性作家は、男性作家よりも極端に高い(統計的に重要な)誤校正を示す。 受理された論文と受理された論文の回答者の少なくとも30%は、レビュープロセス後に自身の論文に対する認識が改善したと述べている。
  論文  参考訳（メタデータ） (2022-11-22T15:59:30Z)
• Studying the characteristics of scientific communities using individual-level bibliometrics: the case of Big Data research [2.208242292882514]
  我々は,ビッグデータ研究に携わる作家コミュニティの学齢,生産,研究の焦点について検討する。 以上の結果から,「ビッグデータ」の学術領域は,著者のコミュニティが拡大する中で,近年の話題となっている。
  論文  参考訳（メタデータ） (2021-06-10T08:17:09Z)
• Early Indicators of Scientific Impact: Predicting Citations with Altmetrics [0.0]
  altmetricsを使って、学術的な出版物が得る短期的および長期的な引用を予測する。 我々は,様々な分類モデルと回帰モデルを構築し,それらの性能を評価し,それらのタスクに最適なニューラルネットワークとアンサンブルモデルを見つける。
  論文  参考訳（メタデータ） (2020-12-25T16:25:07Z)
• The Demise of Single-Authored Publications in Computer Science: A Citation Network Analysis [0.0]
  私は1940年から2019年までのコンピュータサイエンス文学における単行本の役割を研究するためにDBLPデータベースを分析した。 著者の人口比率、引用統計、一冊の出版物のスコアを計算して、人口統計と受容率について検討する。
  論文  参考訳（メタデータ） (2020-01-02T07:47:44Z)

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。