[論文レビュー] A Theory of Ambulance Chasing

Mihailo Backović|arXiv (Cornell University)|Mar 3, 2016

Opinion Dynamics and Social Influence被引用数 11

ひとこと要約

本稿では、素粒子物理学における「アンバーランス・チャーティング」現象——予想外の結果の後で急激に増加するプレプリント論文の時間的変化を記述するための複合ポアソン統計モデルを提案する。9つの歴史的事例に、逆べき乗則または指数的減衰の2パラメータモデルが適合し、ATLASの二光子過剰現象については2016年6月までに310篇未満の論文が発表される予測が得られた。

ABSTRACT

Ambulance chasing is a common socio-scientific phenomenon in particle physics. I argue that despite the seeming complexity, it is possible to gain insight into both the qualitative and quantitative features of ambulance chasing dynamics. Compound-Poisson statistics suffices to accommodate the time evolution of the cumulative number of papers on a topic, where basic assumptions that the interest in the topic as well as the number of available ideas decrease with time appear to drive the time evolution. It follows that if the interest scales as an inverse power law in time, the cumulative number of papers on a topic is well described by a di-gamma function, with a distinct logarithmic behavior at large times. In cases where the interest decreases exponentially with time, the model predicts that the total number of papers on the topic will converge to a fixed value as time goes to infinity. I demonstrate that the two models are able to fit at least 9 specific instances of ambulance chasing in particle physics using only two free parameters. In case of the most recent ambulance chasing instance, the ATLAS γγ excess, fits to the current data predict that the total number of papers on the topic will not exceed 310 papers by the June 1. 2016, and prior to the natural cut-off for the validity of the theory.

研究の動機と目的

• 『アンバーランス・チャーティング』——予想外の結果や未確認の結果の後で急激に増加するプレプリント論文の動態を定量化するモデルを開発すること。
• 異なるトピックにおいても、異なる誘因があるにもかかわらず、共通の時間的変化パターンを示す理由を理解すること。
• 初期データを用いて、特定のトピックに関する論文の総数を予測し、ジャーナルの負荷管理を支援すること。
• 単純な統計モデルが、人間の行動や時間の経過による関心の低下によって駆動される複雑な社会的科学的ダイナミクスを捉えることができるかどうかを検証すること。

提案手法

• 累積論文数 $N(T)$ を、時間に依存する平均 $\mu(t)$ を持つポアソン分布に従う複合ポアソン過程としてモデル化する。
• 関心の低下とアイデアの枯渇を反映して、$\mu(t)$ は単調に減少し、$t \to \infty$ で 0 に近づくと仮定する。
• 時間依存関数 $\mu(t)$ として、逆べき乗則（$\mu(t) \propto t^{-k}$）と指数的減衰（$\mu(t) \propto e^{-B t}$）の2つの形を用いる。
• 各モデルに対して、振幅と減衰率の2つの自由パラメータを用いて、累積論文数の歴史的データに適合させる。
• arXiv からの実際のプレプリントデータを用いて、ATLAS $\gamma\gamma$ 過剰現象を含む9件の文書化されたアンバーランス・チャーティング事象にモデルを適用する。
• 適合したモデルを用いて、将来的な $N(T)$ を予測するが、新たな主要な発表がなければ、急増は終了しないと仮定する。

実験結果

リサーチクエスチョン

• RQ1 単純な統計モデルが、素粒子物理学におけるアンバーランス・チャーティングの時間的変化を捉えることができるか？
• RQ2 異なるアンバーランス・チャーティング事象は、累積論文数 $N(T)$ の長期的挙動において共通の傾向に収束するか？
• RQ3 減衰する関心を記述するのに、べき乗則と指数的減衰のどちらの関数形がより適切か？
• RQ4 初期データを用いて、予想外のトピックに関する論文総数を信頼性高く予測できるか？
• RQ5 異なるトピック間で $N(T)$ が収束する現象は、根本的な普遍的ダイナミクスの兆候か、それとも統計的偶然か？

主な発見

• 時間に依存する $\mu(t)$ の減衰を仮定した2パラメータの複合ポアソンモデルは、統計的ゆらぎが最小限に抑えられるように、素粒子物理学における9件のアンバーランス・チャーティング事象をうまく適合させた。
• ATLAS $\gamma\gamma$ 過剰現象に関しては、2016年6月1日までに $N(T) = 271 \pm 33$ 範囲の論文が発表されると予測され、予測上限は310篇であった。
• 指数的減衰モデルは、観測された $N(T)$ の時間的変化をよりよく適合させたが、べき乗則モデルはより優れた予測能力を示した。
• 調査された9件のうち5件のアンバーランス・チャーティング事象が、類似した長期的 $N(T)$ カーブに収束しており、普遍的なスケーリング行動の可能性を示唆している。
• モデルの予測は、予想される予想外の結果に起因する論文のピーク負荷を想定する上で十分に頑健であり、ジャーナルの提出計画に役立つ。
• $N(T)$ の収束が多様なトピック間で観察される原因は、コミュニティの有限な規模や共有された認知的ダイナミクスに起因する可能性があるが、その原因は未だ解明されていない。