| 研究課題/領域番号 |
20K20140
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90020:図書館情報学および人文社会情報学関連
|
|---|
| 研究機関 | 文部科学省科学技術・学術政策研究所 |
|---|
研究代表者 |
黒木 優太郎 文部科学省科学技術・学術政策研究所, 科学技術予測・政策基盤調査研究センター, 上席研究官 (80744341)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 研究動向分析 / 科学技術動向 / 多様体学習 / 書誌計量 / 科学技術予測 / フォーサイト / ホライゾンスキャニング |
|---|
| 研究開始時の研究の概要 |
ビブリオメトリクスを用いた研究分野のトレンドやホットトピックの抽出において、現在は、被引用数や共引用数、論文数を用いた手法が一般的である。しかしこれらの手法は、媒体や言語の壁が大きい。また、「数」を評価指標に用いることによって、規模にバイアスがかかった結果を生み、「小さくても重要なトレンド」は埋もれてしまう傾向にある。
本研究では、そもそも被引用数も論文数も使わず、言葉の文脈のみによってトレンドとホットトピックを抽出する手法を確立する。既に、英語学術論文を用いたトレンドやホットトピックの抽出に成功しているため、本研究ではこれを大きく展開し、言語や公開媒体を越えて実証する。
|
| 研究成果の概要 |
本研究では、Scopusデータベースから「ゲノム」に関する2001 年～2018 年までの 320,000 件以上の論文を多様体学習で解析し、15 のクラスターに分類し、それをさらに3クラスに分類した。 クラス①基本的な単語群のクラス。 クラス②注目キーワードクラス。「マイクロバイオーム」、「CRISPR/cas」など。 クラス③不安定なクラス。このうちいくつかの事例では、文献調査により、実際に学術的に評価の高い語句があったことを確かめた。
これにより多様体学習とクラスタリングのみを用いて、研究規模に依存せず注目キーワードを迅速に検出する新しい概念を提案した。
|
| 研究成果の学術的意義や社会的意義 |
学術的には、ビブリオメトリクスを用いたトレンド抽出においてトポロジーの概念を導入する。また社会的意義として、研究分野のビブリオメトリクスによる動向調査では、被引用数や共引用などを用いた調査が主であるが、h-indexを提唱したHirsch, J. E.が既に自身で問題提起しているように、被引用数を用いた評価は研究規模のバイアスがかかる。また、データ型に大きく依存するため、複数のデータを一つの手法で解析するにはコスト高になる。本研究によってこの問題を解消し、研究規模や媒体にとらわれず研究動向を分析可能とする。これにより、他者からの評価にとらわれない動向把握が、低コストで誰にでも可能となる。
|
