[论文解读] 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 8

一句话总结

本研究利用 Web of Science 数据（2008–2017 年），对人工智能（AI）文献中的作者生产力测试洛特卡定律。通过科尔莫戈罗夫-斯米尔诺夫检验（Kolmogorov-Smirnov test），验证了反平方定律（α = 2）成立，表明按出版数量划分的作者分布符合洛特卡的反平方关系，证实了该定律在人工智能学术产出中的适用性。

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.

研究动机与目标

• 检验洛特卡定律在人工智能学术出版物中的适用性。
• 分析人工智能文献中的作者生产力模式、合作趋势及增长动态。
• 检验反平方定律（α = 2）是否准确描述了人工智能领域作者间出版物的分布。
• 评估 2008–2017 年这 10 年间人工智能研究产出的相对增长率与平均增长率。

提出的方法

• 从 2008 年至 2017 年的 Web of Science 数据库中收集与人工智能相关的出版物。
• 通过统计每位作者的出版数量，绘制作者生产力分布图。
• 应用洛特卡的反幂律模型，其中发表 n 篇论文的作者频率与 n^−α 成比例。
• 采用科尔莫戈罗夫-斯米尔诺夫（Kolmogorov-Smirnov, K-S）检验，将观察到的作者生产力分布与理论上的反平方定律（α = 2）进行比较。
• 使用统计检验评估实证数据与理论洛特卡分布之间的吻合程度。
• 分析人工智能出版物及作者贡献随时间的相对增长率与平均增长率。

实验结果

研究问题

• RQ1 反平方定律（α = 2）是否准确描述了人工智能文献中作者间出版物的分布？
• RQ2 从 2008 年到 2017 年，人工智能研究作者的生产力在增长率与合作模式方面如何演变？
• RQ3 观察到的作者生产力分布与洛特卡理论模型的吻合程度如何？
• RQ4 在研究期间，个别作者对人工智能出版物总体产出的相对贡献是多少？

主要发现

• 科尔莫戈罗夫-斯米尔诺夫检验证实，观察到的作者生产力分布与理论上的反平方定律（α = 2）之间存在统计上显著的一致性。
• 人工智能文献中按出版数量划分的作者分布与洛特卡的反平方关系高度吻合，支持了该定律在该领域内的有效性。
• 人工智能出版物的平均增长率与相对增长率从 2008 年至 2017 年呈现持续上升趋势，表明研究活动日益活跃。
• 作者署名模式显示存在一个高产作者的核心群体，而大多数作者仅贡献一到两篇出版物，与洛特卡定律一致。
• 合作趋势表明合作者数量在增加，但核心生产力分布仍保持稳定且可预测，符合洛特卡模型。
• 本研究证实洛特卡定律适用于人工智能学术产出，α = 2 是观察数据的稳健拟合值。