[論文レビュー] Scienceography: the study of how science is written

Graham Cormode, S. Muthukrishnan+1 more|arXiv (Cornell University)|Feb 13, 2012

Scientific Computing and Data Management被引用数 5

ひとこと要約

本論文は、arXivのLaTeXソースコードを用いて、コンピュータサイエンスおよび数学分野における科学的執筆の実態を分析することで、『サイエンスグラフィ』（科学的執筆の研究）を提唱する。執筆プロセス、コメントの使用、使用ツール、文書構造の分野ごとの違いが明らかになり、引用分析を超えた科学的執筆に関する新たな実証的知見が得られる。

ABSTRACT

Scientific literature has itself been the subject of much scientific study, for a variety of reasons: understanding how results are communicated, how ideas spread, and assessing the influence of areas or individuals. However, most prior work has focused on extracting and analyzing citation and stylistic patterns. In this work, we introduce the notion of 'scienceography', which focuses on the writing of science. We provide a first large scale study using data derived from the arXiv e-print repository. Crucially, our data includes the "source code" of scientific papers-the LaTEX source-which enables us to study features not present in the "final product", such as the tools used and private comments between authors. Our study identifies broad patterns and trends in two example areas-computer science and mathematics-as well as highlighting key differences in the way that science is written in these fields. Finally, we outline future directions to extend the new topic of scienceography.

研究の動機と目的

• 引用やインパacts指標を超えて、科学論文の作成プロセスそのものに焦点を当て、執筆プロセスを調査すること。
• arXivリポジトリから入手可能なオープンなソースコードを用いて、科学的執筆における構造的・スタイル的特徴を特定・分析すること。
• コンピュータサイエンスと数学の両分野における執筆実態を比較し、密接に関連しながらも異なる科学的コミュニティの特徴を明らかにすること。
• ツール、コメント、および文書の構成要素（例：定理、図）が科学的執筆でどのように使用されているかを調査すること。
• 科学的執筆のメカニズムと進化に焦点を当てた、新たな研究分野「サイエンスグラフィ」の基盤を築くこと。

提案手法

• arXivの公開APIを用いて、コンピュータサイエンスおよび数学分野の65,000件を超える科学論文を収集した。
• 中間的な執筆の痕跡（コメント、マクロ、未使用コードなど）を保持するLaTeXソースファイルに焦点を当てた。
• 論文全体にわたるコメントの使用パターン（コミュニケーション、メモ、編集の目的）を分析した。
• 外部パッケージ、定理環境、図の配置の使用状況を調査し、執筆ワークフローの理解を深めた。
• コンピュータサイエンスと数学の論文の構造的・スタイル的特徴を比較し、分野特有の規範を特定した。
• タイムスタンプおよびバージョニングメタデータを用いて、文書の時間的変遷を追跡した。

実験結果

リサーチクエスチョン

• RQ1 著者は科学論文でコメントをどのように使用しており、執筆プロセスにおいてどのような目的を果たしているか？
• RQ2 コンピュータサイエンスと数学の論文において、LaTeXパッケージ、マクロ、文書構造の使用にどのような差異があるか？
• RQ3 図、定理、その他の構造的要素の使用は、異なる分野における科学的執筆でどのように変化しているか？
• RQ4 ソースコードから執筆プロセスをどの程度再構築できるか。また、その再構築が共同作業や改訂プロセスに関するどのような知見を明らかにするか？
• RQ5 科学的コミュニティ内での執筆の規範やツールは、時間経過とともにどのように変化しているか？

主な発見

• コンピュータサイエンスの論文では、数学の論文よりも著しくコメントが多用されており、著者間の連携や内部メモへの依存度の高さが示唆される。
• 数学の論文では、定理や補題の環境がより頻繁に使用されており、論理的提示の形式化が進んでいることがうかがえる。
• 外部LaTeXパッケージの使用は、コンピュータサイエンスの論文でより顕著であり、自動フォーマットやツール依存の傾向が強いと示唆される。
• 両分野のLaTeXソースコードの大部分が未使用またはコメントアウトされた内容を含んでおり、大幅な改訂やドラフト作成の痕跡が確認された。
• 科学的執筆の構造は分野によって有意に異なる。コンピュータサイエンスはモジュラーでツール駆動の作成を重視し、数学は形式的かつ階層的な提示を重視する傾向にある。
• ソースコードの入手可能性により、バージョニング、共同作業、反復的改善を含む執筆ワークフローの再構築が可能となった。