数の概念を用いない、多様体学習に基づく研究動向解析手法の実証

2022 年度 研究成果報告書

• 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
• キーワード: 研究動向分析 / 科学技術動向 / 多様体学習

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。

自由記述の分野

科学技術予測

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。