[论文解读] Maturity of the Internet of Things Research Field: Or Why Choose Rigorous Keywords

Marta Vos|arXiv (Cornell University)|Jun 5, 2016

Data Quality and Management参考文献 11被引用 3

一句话总结

本文通过分析三个学术数据库的元数据，评估了物联网（IoT）研究领域的成熟度，提出了一套标准化关键词模式以提高文献检索的准确性。研究发现，物联网领域仍处于不成熟阶段，以实验性方法为主导，由于同义词、缩写以及方法论元数据缺失，关键词存在显著不一致，凸显了未来研究和文献发现中实施严格关键词实践的必要性。

ABSTRACT

Periodically researchers examine their fields of research in order to test the fields maturity, to determine theories and methods used, and to uncover areas of research emphasis. Research articles for these studies are generally located through keyword search, then manually read and coded in order to summarise the research field. This research tests using metadata analysis alone, on the internet of things (IoT) research field, using data extracted from three academic databases. The metadata analysis was proposed to reduce time in analysis, and allow for testing of a much larger sample of articles. Findings indicated that the IoT research field was immature, with experimental methods dominating research outputs. However, difficulties with keyword metadata included synonyms, abbreviations, lack of accuracy, and method and theory not being included in metadata. A keyword schema is suggested in order to relieve these problems in future articles, and to assist researchers in locating relevant literature.

研究动机与目标

• 通过元数据分析而非人工文章编码，评估物联网（IooT）研究领域的成熟度。
• 识别当前物联网文献关键词元数据的局限性，包括同义词、缩写以及缺乏方法论和理论描述符。
• 提出标准化关键词模式，以提升未来物联网研究中文献检索的准确性和一致性。
• 通过自动化元数据分析减少时间成本并提高大规模研究产出分析的可扩展性。
• 通过改善基于关键词的发现系统精度，支持研究人员更高效地定位相关文献。

提出的方法

• 从涵盖物联网相关出版物的三个主要学术数据库中提取元数据。
• 应用元数据分析技术，分析研究产出模式，而无需人工阅读全文。
• 通过识别同义词、缩写以及方法论术语缺失等不一致现象，评估关键词质量。
• 评估元数据字段中研究方法和理论框架的呈现情况。
• 提出结构化关键词模式，以标准化元数据标记，提升检索和领域分析效果。
• 利用研究发现，基于方法论多样性与理论发展程度，评估物联网研究领域整体的成熟度水平。

实验结果

研究问题

• RQ1 物联网研究领域的成熟度在多大程度上体现为方法论多样性与理论发展？
• RQ2 关键词元数据在主要学术数据库中对物联网研究文献的代表性在多大程度上准确且一致？
• RQ3 使用基于关键词的检索来获取相关物联网文献面临的主要挑战是什么？
• RQ4 如何通过元数据分析评估一个研究领域的成熟度，而无需人工文章编码？
• RQ5 在像物联网这样的新兴研究领域中，如何改进关键词标记实践以提升文献发现效果？

主要发现

• 物联网研究领域被评估为尚不成熟，实验性方法在研究产出中占据主导地位。
• 关键词元数据存在显著不一致，包括同义词使用、缩写以及缺乏方法论和理论描述符。
• 元数据中缺乏方法与理论标签，限制了文献检索与领域分析的准确性。
• 仅通过元数据分析即可有效评估领域成熟度，并识别关键词标记中的系统性问题，减少对人工编码的依赖。
• 所提出的关键词模式通过标准化术语和提升元数据完整性，解决了不一致问题，为未来研究提供支持。
• 本研究证明，自动化元数据分析是人工文章审阅在领域评估中的可扩展且高效的时间替代方案。