[論文レビュー] Research information in the light of artificial intelligence: quality and data ecologies

Otmane Azeroual, Tibor Koltay|arXiv (Cornell University)|May 6, 2024

Big Data and Business IntelligenceBusiness, Management and Accounting被引用数 3

ひとこと要約

本論文は、研究情報管理（RIM）システムにおける人工知能（AI）の統合を促進し、データ品質とデータリテラシーを向上させる包括的で多分野にわたるフレームワークを提案する。本論文は、不完全で不正確な研究データに対処するため、大学の部門間連携を重視したAIのRIM統合の段階的プロセスモデルを提示しており、主な貢献はAIを機関のデータエコロジーおよび研究情報管理実践と調和させる構造的アプローチにあり、それによって実装の整合性を高める。

ABSTRACT

This paper presents multi- and interdisciplinary approaches for finding the appropriate AI technologies for research information. Professional research information management (RIM) is becoming increasingly important as an expressly data-driven tool for researchers. It is not only the basis of scientific knowledge processes, but also related to other data. A concept and a process model of the elementary phases from the start of the project to the ongoing operation of the AI methods in the RIM is presented, portraying the implementation of an AI project, meant to enable universities and research institutions to support their researchers in dealing with incorrect and incomplete research information, while it is being stored in their RIMs. Our aim is to show how research information harmonizes with the challenges of data literacy and data quality issues, related to AI, also wanting to underline that any project can be successful if the research institutions and various departments of universities, involved work together and appropriate support is offered to improve research information and data management.

研究の動機と目的

• 学術機関における低いデータ品質と不完全な研究情報の増加する課題に対処すること。
• 人工知能（AI）を研究情報管理（RIM）に統合するための構造的で多段階のプロセスモデルを開発すること。
• 研究者および機関関係者におけるデータリテラシーとデータ品質への意識を高めること。
• 持続可能なRIM実践を支援するため、部門を越えた機関連携を促進すること。
• 既存のデータエコロジー内でのAI応用が、効果的かつ倫理的に実装されることを保証すること。

提案手法

• 著者は、プロジェクトの開始から運用導入までの段階を含む、AI統合のライフサイクルを概説する概念的プロセスモデルを提案する。
• フレームワークは、デジタル図書館、AI、研究情報管理の分野からの多分野的統合的戦略を統合する。
• 専門的RIMが科学的知識プロセスのデータ駆動型基盤として果たす役割を強調する。
• ニーズ評価、技術選定、データ準備、AI実装、継続的モニタリングの段階を含む。
• 本アプローチは、さまざまな機関的文脈およびデータエコシステムに適応可能であるように設計されている。
• 成功を確保するため、機関的支援体制と部門横断的連携を推奨する。

実験結果

リサーチクエスチョン

• RQ1 AI技術は、研究情報管理システムにどのようにして効果的に選定・統合できるか。
• RQ2 機関のRIMにおける成功したAI実装の主な段階と構成要素は何か。
• RQ3 AI強化RIM実践を通じて、データ品質とデータリテラシーはどのように向上できるか。
• RQ4 AIのRIM統合を支援するための機関的および連携的構造は何か。
• RQ5 既存のデータエコロジーは、研究情報システムにおけるAIアプリケーションの成功にどのように影響するか。

主な発見

• 提示されたプロセスモデルは、大学がRIMにおけるAIを体系的かつ実行可能な枠組みで導入できる明確なフレームワークを提供する。
• RIMにおけるAI統合の成功は、強い機関的連携と専任の支援体制に依存する。
• データ品質とデータリテラシーは、研究情報システムにおける信頼性のあるAI応用のための重要な促進要因である。
• フレームワークは、不完全または不正確な研究データを是正・強化するために、AIをRIMに効果的に埋め込めることが示されている。
• モデルは、学術的データエコシステム内での持続的でスケーラブルかつ倫理的なAI導入を支援する。
• 本研究は、専門的RIMが技術的ツールにとどまらず、科学的知識プロセスを戦略的に支援する要因であることが強調されている。