[论文解读] A Computational Model For Individual Scholars' Writing Style Dynamics

Teddy Lazebnik, Ariel Rosenfeld|arXiv (Cornell University)|May 1, 2023

Complex Network Analysis Techniques被引用 4

一句话总结

本研究开发了一种计算模型，结合时间共作者图谱与自然语言处理技术，分析个体学者写作风格随时间的演变，发现写作风格在第13篇论文左右趋于稳定，且早期职业学者最易受合作者影响，尤其是同性别或同领域的合作者。该模型通过大规模分析1370万篇计算机科学出版物，揭示了学术写作风格发展的关键动态。

ABSTRACT

A manuscript's writing style is central in determining its readership, influence, and impact. Past research has shown that, in many cases, scholars present a unique writing style that is manifested in their manuscripts. In this work, we report a comprehensive investigation into how scholars' writing styles evolve throughout their careers focusing on their academic relations with their advisors and peers. Our results show that scholars' writing styles tend to stabilize early on in their careers -- roughly their 13th publication. Around the same time, scholars' departures from their advisors' writing styles seem to converge as well. Last, collaborations involving fewer scholars, scholars from the same gender, or from the same field of study seem to bring about greater change in their co-authors' writing styles with younger scholars being especially influenceable.

研究动机与目标

• 探究个体学者在其学术生涯中写作风格如何演变。
• 考察学生（即指导对象）在时间推移中与导师写作风格的偏离程度。
• 分析协作写作对写作风格变化的影响，尤其关注性别、研究领域及合作者人数的关系。
• 开发一种计算框架，利用时变社交图谱与深度学习建模写作风格的动态演变。
• 通过识别影响写作风格发展的关键时期与因素，为学术培训项目提供参考。

提出的方法

• 本研究使用时变数学图谱，对学者发表历史中的共作者动态进行建模。
• 基于DBLP数据库，并整合来自CrossRef的文本检索与SciProfiles的作者资料，涵盖1370万篇计算机科学出版物。
• 应用自然语言处理技术，从文稿中提取并表征写作风格特征。
• 采用基于深度学习的风格嵌入模型，捕捉个体写作风格随时间的演变。
• 通过统计分析计算作者与其导师之间的风格距离，并衡量协作引起的风格变化。
• 该框架以发表数量作为职业阶段的代理指标，追踪风格的趋同与分化。

实验结果

研究问题

• RQ1 学者的写作风格在时间上是否发生显著变化？
• RQ2 研究学生（即指导对象）如何与导师的写作风格产生偏离？
• RQ3 协作如何影响学者的写作风格，尤其在性别、研究领域及合作者人数方面？

主要发现

• 学者的写作风格在第13篇已发表稿件左右趋于稳定，表明这是写作风格发展的一个关键里程碑。
• 与导师写作风格的偏离呈S型曲线，约在第14篇发表后趋于收敛，与师徒制动态一致。
• 合作者较少的协作导致更大的写作风格变化，尤其当合作者为同领域或同性别时更为显著。
• 发表数量较少的年轻学者在写作风格上比经验更丰富的作者更容易受到影响。
• 同性别协作导致的风格变化比异性别协作更为显著，而后者表现出对称但影响较弱的效应。
• 与同领域学者的共著对写作风格变化的影响强于跨领域协作，与预期相反。