[论文解读] Wikidata from a Research Perspective -- A Systematic Mapping Study of Wikidata

Mariam Farda-Sarbas, Claudia Müller-Birn|arXiv (Cornell University)|Aug 29, 2019

Wikis in Education and Collaboration参考文献 59被引用 13

一句话总结

本篇系统映射研究分析了2012至2018年间67篇关于Wikidata的同行评审论文，以映射研究趋势，识别主要研究主题，并揭示尚未充分探索的领域。研究发现，数据质量、多语言性以及可用性是核心研究主题，而关于多重性影响、学科应用及界面设计的研究仍存在显著空白，为协作式知识库的未来研究提供了路线图。

ABSTRACT

Wikidata is one of the most edited knowledge bases which contains structured data. It serves as the data source for many projects in the Wikimedia sphere and beyond. Since its inception in October 2012, it has been increasingly growing in term of both its community and its content. This growth is reflected by an expanding number of research focusing on Wikidata. Our study aims to provide a general overview of the research performed on Wikidata through a systematic mapping study in order to identify the current topical coverage of existing research as well as the white spots which need further investigation. In this study, 67 peer-reviewed research from journals and conference proceedings were selected, and classified into meaningful categories. We describe this data set descriptively by showing the publication frequency, the publication venue and the origin of the authors and reveal current research focuses. These especially include aspects concerning data quality, including questions related to language coverage and data integrity. These results indicate a number of future research directions, such as, multilingualism and overcoming language gaps, the impact of plurality on the quality of Wikidata's data, Wikidata's potential in various disciplines, and usability of user interface.

研究动机与目标

• 提供2012至2018年Wikidata研究现状的全面概述。
• 对现有研究进行分类与归类，以揭示主题覆盖范围与研究趋势。
• 识别Wikidata学术研究中尚未充分研究的领域（空白点），特别是数据质量、多语言性与可用性方面。
• 通过绘制Wikidata研究的全景图并突出新兴机遇，为未来研究提供指导。

提出的方法

• 利用学术数据库（ACM、Springer Link、DBLP、Google Scholar）开展系统映射研究，初步检索到1,497项结果。
• 根据相关性与质量筛选并选定67篇同行评审论文，重点关注期刊与会议论文集。
• 根据研究重点（如数据质量、社区动态、应用领域等）将论文分类至主题类别。
• 分析发表频率、出版平台、作者来源及随时间演变的研究趋势，以评估Wikidata研究的发展脉络。
• 采用系统映射研究的既定指南（Petersen et al., 2015）以确保方法严谨性与可重复性。
• 综合研究成果，识别文献中的主导研究主题与新兴研究空白。

实验结果

研究问题

• RQ1 2012至2018年间，Wikidata学术研究的主要主题与研究议题是什么？
• RQ2 哪些研究领域获得了广泛关注，哪些领域仍处于未充分探索状态？
• RQ3 从发表频率、出版平台与作者构成来看，Wikidata研究在过去有何演变？
• RQ4 在数据质量与多语言性方面，Wikidata研究面临的关键挑战与机遇是什么？
• RQ5 当前文献现状所提示的未来研究方向有哪些？

主要发现

• 在67项研究中，数据质量（包括语言覆盖范围与数据完整性）成为最突出的研究焦点。
• 关于多语言性及克服Wikidata中语言差距的研究正在增长，但相较于其他领域仍显不足。
• 多重性（即冲突数据共存）对数据质量的影响是一个重要但研究不足的议题。
• Wikidata在医学、语言学与地理学等学科中的潜力正在被探索，但针对特定应用的研究仍较有限。
• 用户界面与贡献工作流程的可用性是反复出现的关注点，但鲜有研究提供深入评估。
• 在社区动态对数据质量与可持续性长期影响的理解方面，存在明显的科研空白。