[論文レビュー] Testing Lotka's Law and Pattern of Author Productivity in the Scholarly Publications of Artificial Intelligence

Muneer Ahmad, M Sadik Batcha+1 more|arXiv (Cornell University)|Sep 1, 2019

Artificial Intelligence in Healthcare and Education被引用数 8

ひとこと要約

本研究では、2008年から2017年までのWeb of Scienceデータを用いて、人工知能（AI）分野の著者生産性に対してLotkaの法則を検証する。Kolmogorov-Smirnov検定を適用した結果、逆2乗法則（α = 2）が成立しており、著者数の出版数別分布がLotkaの逆2乗関係に従っていることが確認され、AI分野における法則の適用可能性が裏付けられた。

ABSTRACT

Artificial intelligence has changed our day to day life in multitude ways. AI technology is rearing itself as a driving force to be reckoned with in the largest industries in the world. AI has already engulfed our educational system, our businesses and our financial establishments. The future is definite that machines with artificial intelligence will soon be captivating over trained manual work that now is mostly cared by humans. Machines can carry out human-like tasks by new inputs as artificial intelligence makes it possible for machines to learn from experience. AI data from web of science database from 2008 to 2017 have been mapped to depict the average growth rate, relative growth rate, contribution made by authors in the view of research productivity, authorship pattern and collaboration of AI literature. The Lotka's law on authorship productivity of AI literature has been tested to confirm the applicability of the law to the present data set. A K-S test was applied to measure the degree of agreement between the distribution of the observed set of data against the inverse general power relationship and the theoretical value of α =2. It is found that the inverse square law of Lotka follow as such.

研究の動機と目的

• 人工知能分野の学術的出版物へのLotkaの法則の適用可能性を検討すること。
• AI文献における著者生産性のパターン、共同研究の傾向、成長ダイナミクスを分析すること。
• 逆2乗法則（α = 2）が、AIにおける著者間の出版数分布を正確に記述しているかどうかを検証すること。
• 10年間（2008–2017年）にわたり、AI研究出力の相対的および平均成長率を評価すること。

提案手法

• 2008年から2017年までのWeb of ScienceデータベースからAI関連の出版物を収集した。
• 著者ごとの出版数を数えることで、著者生産性を測定した。
• Lotkaの逆べき乗法則モデルを適用し、n本の論文を執筆する著者の頻度がn^−αに比例するとした。
• 観察された著者生産性分布と理論的逆2乗法則（α = 2）との比較のために、Kolmogorov-Smirnov（K-S）検定を実施した。
• 統計的検定を用いて、実証データと理論的Lotka分布との一致度を評価した。
• 時間経過に伴うAI出版物および著者貢献の相対的および平均成長率を分析した。

実験結果

リサーチクエスチョン

• RQ1 逆2乗法則（α = 2）は、AI文献における著者間の出版数分布を正確に記述しているか？
• RQ2 2008年から2017年までの間、AI研究における著者生産性は成長率および共同研究の傾向の観点からどのように変化したか？
• RQ3 観察された著者生産性分布は、どの程度Lotkaの理論的モデルと一致しているか？
• RQ4 本研究期間中に、個々の著者がAI出版物全体の出力に果たした相対的貢献はいかほどであったか？

主な発見

• Kolmogorov-Smirnov検定により、観察された著者生産性分布と理論的逆2乗法則（α = 2）との間に統計的に有意な一致が確認された。
• AI文献における著者数の出版数別分布は、Lotkaの逆2乗関係に極めて近い。この分野における法則の有効性が裏付けられた。
• AI出版物の平均および相対的成長率は、2008年から2017年まで一貫して上行傾向を示しており、研究活動の増加がうかがえる。
• 著者名のパターンから、少数の非常に生産性の高い著者が中心を占め、大多数の著者は1〜2本の論文しか寄与していないことが明らかになった。これはLotkaの法則と整合的である。
• 共同研究の傾向から、共同著者数の増加が見られたが、核心的な生産性分布はLotkaのモデルのもとで安定的かつ予測可能であった。
• 本研究では、Lotkaの法則がAI学術的出力に適用可能であり、α = 2が観察データに強く適合することが確認された。