アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成

新原, 俊樹; 甲斐, 尚人; 小柏, 香穂理 他

情報知識学会誌, 2024, 34(3), 232-243

アクセス数:612件（2025-08-15 22:59 集計）

固定URL: https://hdl.handle.net/11094/98414

閲覧可能ファイル 

ファイル フォーマット 利用条件 サイズ 閲覧回数 利用開始日 説明 information
Jsik2024_34_3_232 pdf なし 1.57 MB 48 2024.11.12  

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

タイトル
アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成
Visualizing Research Area Differences in Archives-Related Academic Societies and Developing a Model to Predict the Appropriate Journal for Paper Submission
アーカイブズ　カンレン　ガッカイ　ノ　ロンブン　ガ　アツカウ　ケンキュウ　ブンヤ　ノ　サイ　ノ　カシカ　ト　ロンブン　トウコウサキ　ヨソク　モデル　ノ　サクセイ
著者
NRID
1000080964824 1000080964824
著者名
新原, 俊樹 ; シンバル, トシキ ; SHIMBARU, Toshiki
NRID
1000090940148 1000090940148
ORCID
0000-0003-3540-3689 0000-0003-3540-3689
researchmap permalink
jr055 jr055
Scopus Author ID
57200498627 57200498627
著者名
甲斐, 尚人 ; カイ, ナオト ; KAI, Naoto
NRID
1000060379922 1000060379922
著者名
小柏, 香穂理 ; オガシワ, カオリ ; OGASHIWA, Kahori
著者名
船越, 幸夫 ; フナコシ, サチオ ; FUNAKOSHI, Sachio
キーワード等
対話型生成AI
ChatGPT
論文投稿先予測モデル
主成分分析
クラスター分析
Interactive Generative AI
ChatGPT
Journal Submission Prediction Model
Principal Component Analysis
Clustering Analysis
内容
新原 俊樹, 甲斐 尚人, 柏 香穂理, 船越 幸夫. アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成, 情報知識学会誌, 論文ID 2024_004, https://doi.org/10.2964/jsik_2024_004.
抄録
新しい研究成果の公表作業の効率化を図るため，論文投稿先の候補となる学会誌の論文タイトルから内容を推測し，各学会が注力する研究分野を特定するとともに，最適な投稿先の予測モデルを作成した．まず，ChatGPT を活用してアーカイブズに関連するA~D の4 つの学会誌に掲載された各論文のタイトルから内容を推測し，推測結果を集計して解析用データを作成した．このデータを次元削減して各論文の主成分軸上の分布を可視化し，クラスター分析によって4 つの群を抽出した．学会誌別に各群の論文の収録編数を集計すると，A,B,Dの各誌はそれぞれ一つの群の論文が突出して掲載されていたのに対し，C 学会誌は各群の論文を比較的偏りなく掲載する傾向がみられた．さらに，各論文の内容を説明変数，掲載先を目的変数とする学習データを複数の機械学習の手法で学習させ，最適な投稿先の予測モデルを作成したところ，予測精度はAUC（Area Under the Curve）にして0.88 前後の高い値が得られた．
To efficiently determine the best journal for publishing a new paper, this study developed a model that predicts the most suitable journal by inferring the content from each article's title. Initially, the study utilized ChatGPT to infer the contents from the titles of articles published in four different journals. The results were used to visualize the differences between articles, identifying four distinct clusters. It was observed that journals A, B, and D predominantly published papers from one particular cluster, whereas journal C demonstrated a more balanced approach, publishing papers from each cluster. Subsequently, the authors employed machine learning techniques to create a predictive model for identifying the optimal journal for submission. This model used the content of each paper as the explanatory variable and the choice of a journal as the dependent variable. The model achieved a high predictive accuracy with an AUC (Area Under the Curve) score of approximately 0.88.
出版者
情報知識学会
Japan Society of Information and Knowledge
収録物名
情報知識学会誌
巻(号)
34(3)
ページ
232-243
刊行年月
2024-11-09
言語
日本語
ハンドルURL
https://hdl.handle.net/11094/98414
PISSN
09171436
eISSN
18817661
NCID
AN10459774
関連情報 (isIdenticalTo)
DOI (出版社版)
https://doi.org/10.2964/jsik_2024_004
アクセス権
open access
権利情報
© 2024 情報知識学会
出版タイプ
Version of Record
カテゴリ
学術雑誌論文 Journal Article