[논문 리뷰] Testing Lotka's Law and Pattern of Author Productivity in the Scholarly Publications of Artificial Intelligence

Muneer Ahmad, M Sadik Batcha외 1명|arXiv (Cornell University)|2019. 09. 01.

Artificial Intelligence in Healthcare and Education인용 수 8

한 줄 요약

이 연구는 2008–2017년 Web of Science 데이터를 활용하여 인공지능(AI) 문헌에서 저자 생산성에 대해 Lotka의 법칙을 검증한다. Kolmogorov-Smirnov 검정을 적용하여 역제곱법칙(α = 2)이 성립함을 확인하였으며, 이는 출판 수에 따른 저자 분포가 Lotka의 역제곱 관계를 따르며, 이 법칙이 AI 학술 성과에 적용 가능하다는 것을 입증한다.

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.

연구 동기 및 목표

• 인공지능 분야의 학술 출판물에 대해 Lotka의 법칙이 적용 가능한지 조사하기.
• AI 문헌에서의 저자 생산성 패턴, 협업 추세 및 성장 역학 분석하기.
• 역제곱법칙(α = 2)이 AI에서 저자 간 출판물 분포를 정확히 기술하는지 테스트하기.
• 10년간(2008–2017) AI 연구 성과의 상대적 및 평균 성장률 평가하기.

제안 방법

• 2008년부터 2017년까지 Web of Science 데이터베이스에서 AI 관련 출판물 수집하기.
• 각 저자별 출판 수를 세어 저자 생산성 매핑하기.
• Lotka의 역거듭제곱 법칙 모델 적용: n편의 논문을 발표한 저자의 빈도는 n^−α 비례함.
• 관측된 저자 생산성 분포와 이론적 역제곱법칙(α = 2) 간 비교를 위해 Kolmogorov-Smirnov(K-S) 검정 수행하기.
• 통계적 검정을 통해 실측 데이터와 이론적 Lotka 분포 간 일치 정도 평가하기.
• 시간에 따른 AI 출판물 및 저자 기여도의 상대적 및 평균 성장률 분석하기.

실험 결과

연구 질문

• RQ1 역제곱법칙(α = 2)이 AI 문헌에서 저자 간 출판물 분포를 정확히 기술하는가?
• RQ2 2008년에서 2017년 사이에 AI 연구자의 생산성은 성장률과 협업 패턴 측면에서 어떻게 변화했는가?
• RQ3 관측된 저자 생산성 분포가 Lotka의 이론적 모델과 얼마나 일치하는가?
• RQ4 연구 기간 동안 개별 저자의 전체 출판물 기여도는 어느 정도인가?

주요 결과

• Kolmogorov-Smirnov 검정은 관측된 저자 생산성 분포와 이론적 역제곱법칙(α = 2) 간 통계적으로 유의미한 일치를 확인하였다.
• AI 문헌에서 출판 수에 따른 저자 분포는 Lotka의 역제곱 관계를 밀도 있게 따르며, 이 분야에서 법칙의 타당성을 지지한다.
• AI 출판물의 평균 및 상대적 성장률은 2008년부터 2017년까지 일관된 상승 추세를 보이며 연구 활동 증가를 시사한다.
• 저자 기여 패턴은 소수의 매우 생산적인 저자들이 핵심을 차지하고 있으며, 대부분의 저자는 단 한두 편의 논문을 기여함을 보여주며, 이는 Lotka의 법칙과 일치한다.
• 협업 추세는 점점 더 많은 공동저자 출판이 이루어지고 있으나, 핵심 생산성 분포는 Lotka 모델 하에서 안정적이고 예측 가능하다.
• 이 연구는 Lotka의 법칙이 AI 학술 성과에 적용 가능하며, 관측된 데이터에 대해 α = 2가 강력한 적합성을 보임을 확인하였다.