推特对引用的影响：揭示社交媒体影响者对人工智能研究可见性的影响

Jan, 2024

推特对引用的影响：揭示社交媒体影响者对人工智能研究可见性的影响

Tweets to Citations: Unveiling the Impact of Social Media Influencers on AI Research Visibility

Iain Xie Weissburg, Mehir Arora, Liangming Pan, William Yang Wang

TL;DR通过研究社交媒体影响者在提高机器学习研究可视性方面的作用，本文探讨了社交媒体对论文引用次数的影响。研究发现，得到这些影响者认可的论文的引用次数显著增加，中位数引用次数比对照组高 2-3 倍。此外，研究还探讨了受关注作者的地理、性别和机构多样性。这些发现突显了社交媒体在学术交流中的扩大影响，并强调了当今数字学术环境中不断发展的生态系统的重要性。

Abstract

As the number of accepted papers at AI and ML conferences reaches into the thousands, it has become unclear how researchers access and read research publications. In this paper, we investigate the role of social media influencers in enhancing the visibility of machine learning research

social media influencers machine learning research citation counts diversity scholarly communication

发现论文，激发创造

推特化生医学：对生物医学文献中推文和引用进行分析

本文探讨了社交媒体平台，特别是 Twitter 在衡量研究成果影响力方面的应用，基于 1.4 百万生物医学领域的 PubMed 和 Web of Science 收录的文章进行分析，发现推文量和引用量相关性较低，提出了一种基于文章覆盖度和推文与引用相关性的新型科研影响力评价框架。

Aug, 2013

关于人工智能和机器学习的演化：朝着在顶尖人工智能会议上测量和理解影响力与领导力的方向发展

通过分析人工智能会议上发表的论文，我们深入了解了人工智能和机器学习的演变过程，以及研究人员的影响和领导力，得出了一些对于理解和衡量人工智能演化的新见解。

May, 2022

六十年来具有重要影响力和高引用量的机器学习研究综合研究

通过对高被引机器学习论文进行综合评析，我们揭示了机器学习领域内最有影响力的论文、高被引作者以及合作网络。我们还发现了热门研究主题和最新受到关注的新兴话题，并对高被引论文的地理分布进行了分析，突显了某些国家在机器学习研究中的主导地位。通过为研究人员、政策制定者和实践者提供关于这一快速发展领域的主要进展和趋势的有价值的见解，我们的研究为它们提供了有价值的洞察。

Aug, 2023

社交媒体来源对 AI 模型性能的影响研究

研究不同社交网络上多模态数据对机器学习模型性能的影响，并发现了数据来源选择对性能的影响。

Feb, 2020

基于出版物对企业对 AI 研究的影响分析

人工智能是我们时代最重要的技术之一，本文通过比较学术界和企业界合作的科研出版物，利用科学计量学数据来衡量企业对人工智能研究的影响，并发现由企业合著的出版物获得更高的引用次数和在线关注度，最终提出了保持学术界与工业界在人工智能研究领域和谐平衡的建议。

Oct, 2023

量化在线长期研究兴趣

该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

Sep, 2022

识别影响出版趋势与行为的因果关系：计算语言学界的案例研究

本文利用混合方法分析了互联网上关于计算语言学的出版趋势、行为对研究聚焦点 —— 方法、材料和任务 —— 的采用、持久和退役的因果影响，发现了快速新方法 —— 双向 LSTMs 的引入影响了 LSTMs 的退役，深度学习，嵌入，生成和语言模型等趋势任务和技术在研究社区中持续受关注，并发现科学家所在地（中国等）和大规模研究项目的资金可能会对超出英语之外的语言进行研究的倾向产生影响。这项工作为计算语言学和更广泛的科学社区提供了有用的见解，提高了关于因果推断的潜力的认识。

Oct, 2021

通过机器学习在不断演化的知识图上预测高影响力研究主题

预测从未发表的研究想法的影响力，使用大型知识图谱结合语义网络和引用网络，通过机器学习准确预测未来的网络动态和新研究方向的影响。

Feb, 2024

重新审视大型科技公司对人工智能研究的影响：从思想归属到机构关联的模因分析

本文旨在拓宽和深化我们对大型科技公司对人工智能研究领域的主导地位和影响力的理解。通过网络和迷因分析，我们揭示了大型科技公司对人工智能研究的具体影响之细微差别，并得出结果表明大型科技公司的主导地位在学术影响力方面被过度简化。这种更细致的理解有助于建立大型科技公司和学术界之间更为协调的联盟，以更好地服务社会福祉和人工智能研究的科学完整性。

Dec, 2023

支持研究评估的人工智能技术综述

该文献综述通过机器学习预测引用次数或质量评分等方法，从文章文本和元数据中识别高影响力或高质量研究的指标，并回顾了有关排名和公共数据集的证据，用于预测学术文章的影响力，并讨论了技术辅助评估的偏见和透明度。

Dec, 2022