Research trend survey with simply utilizing manifold learning

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K20140
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 90020:Library and information science, humanistic and social informatics-related
• Research Institution: National Institute of Science and Technology Policy
• Principal Investigator: KUROGI Yutaro 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)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 研究動向分析 / 科学技術動向 / 多様体学習

Outline of Final Research Achievements

In this study, more than 320,000 papers on "genome" from 2001 to 2018 from the Scopus database were analyzed by manifold learning, classified into 15 clusters, and further classified into 3 classes. Category 1: Basic word groups. Class 2: Featured Topics such as "Microbiome", "CRISPR/cas". Class 3: Unstable group. In some of these cases, a literature survey confirmed that there were actually words with high academic evaluation.
Thus, we proposed a new concept to quickly detect hot topics and weak signals without depending on research scale, using only manifold learning and clustering.

Free Research Field

科学技術予測

Academic Significance and Societal Importance of the Research Achievements

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。