[論文レビュー] Characterising Research Areas in the field of AI

Alessandra Belfiore, Angelo A. Salatino+1 more|arXiv (Cornell University)|May 26, 2022

Big Data and Business Intelligence被引用数 6

ひとこと要約

本研究では、OpenAlexから取得した257,000件のAI関連論文を対象に、大規模な文献計測分析を実施し、人工知能分野における主要な研究テーマの特定とその進化の追跡を目的としている。トピックの共起ネットワーククラスタリングを用いることで、深層学習、機械学習、およびIoT分野における学術的関心の増大が明らかになり、AI分野の研究動向を時間的経過に伴って可視化した動的マップが得られた。

ABSTRACT

Interest in Artificial Intelligence (AI) continues to grow rapidly, hence it is crucial to support researchers and organisations in understanding where AI research is heading. In this study, we conducted a bibliometric analysis on 257K articles in AI, retrieved from OpenAlex. We identified the main conceptual themes by performing clustering analysis on the co-occurrence network of topics. Finally, we observed how such themes evolved over time. The results highlight the growing academic interest in research themes like deep learning, machine learning, and internet of things.

研究の動機と目的

• 大規模な文献計測データを用いて、人工知能分野の進化する研究動向をマッピングすること。
• トピックモデリングおよびクラスタリングを用いて、AI研究における支配的で概念的なテーマを同定すること。
• 特に新興分野を対象に、AI分野における研究関心の時間的推移を追跡すること。
• 研究者および研究機関がAI研究の動向と今後の方向性を理解するのを支援すること。
• オープンアクセスの学術データを用いて、データドリブンな方法でAI研究分野の特徴を定量化すること。

提案手法

• 本研究では、包括的なオープンアクセス学術データベースであるOpenAlexから抽出された257,000件のAI関連論文を分析した。
• 論文の題名および要旨における語の頻度と共起関係を分析し、トピックの共起ネットワークを構築した。
• 共起ネットワークに対してクラスタリング手法を適用し、明確な概念的テーマとしての研究分野を同定した。
• 2000年から2022年までの期間にわたり、これらのテーマの成長と進化を追跡するための時間的分析を実施した。
• 研究動向の抽出と可視化には、教師なしトピックモデリングとネットワーク分析の手法に依存した。
• トピッククラスタの定性的な検証と、既知のAI分野と的一致性を用いて、結果の妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 学術的論文に反映されたAI分野における支配的で主要な研究テーマは何か？
• RQ2 これらの研究テーマは、時間の経過とともに人気や相互接続性の面でどのように変化してきたか？
• RQ3 2000年から2022年までの間に、AI分野のどの分野が学術的関心の面で最も顕著に成長したか？
• RQ4 AI研究におけるトピッククラスタは、新興の技術的・応用的トレンドをどのように反映しているか？
• RQ5 同定されたテーマは、深層学習や機械学習といった確立されたAI分野とどの程度一致しているか？

主な発見

• 深層学習は、論文発表数の上行傾向が一貫して顕著で、AI分野で最も顕著かつ急速に成長した研究テーマであった。
• 機械学習は中心的かつ安定した研究分野であり、本分析においても常に上位のテーマに位置づけられた。
• インターネット・オブ・シングズ（IoT）分野は、2015年以降に著しく研究関心が高まり、AIとの統合が進んでいることを示唆している。
• トピッククラスタリングにより、自然言語処理、コンピュータビジョン、強化学習といった明確なテーマグループが特定され、それぞれが独自の成長軌跡を示した。
• 時間的分析により、医療分野やロボット工学分野におけるAI応用研究が2015年以降に勢いを増したことが明らかになった。これは、実世界での導入動向と整合的であった。
• 本研究では、オープンアクセスの学術データを用いた文献計測分析が、AI研究分野の動的な進化を効果的にマッピングおよび追跡可能であることを確認した。