A Pathway for Assessing Grey Literature: Leveraging AI to Extract Conference Metadata and Organiser Information from Calls for Papers
本論文は、大規模言語モデルを活用して非構造化された論文募集（Calls for Papers）から詳細なメタデータを自動的に抽出・構造化することで、これまで見過ごされてきたグレーリテラチャーの体系的なメタサイエンス分析を可能にするAIベースのフレームワークであるCOCIを紹介するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
科学は、研究者が既に出版されたものを読むことで過去を研究する、図書館の棚に整然と積み上げられた完成済みの本のコレクションとして想像されがちである。しかし、膨大な量の重要な知識は、こうした公式なチャネルの外側に存在している。これは「グレー・リテラチャー（灰色文献）」と呼ばれ、報告書、ワーキングペーパー、そして標準的なジャーナルに掲載されることのない文書を指す用語である。これらのなかで最も重要なものの一つが、「コール・フォー・ペーパーズ（論文募集）」、すなわち、研究者に対して今後の会議への研究発表の提出を勧誘する告知である。これらの文書は科学の早期警戒システムであり、最終的な論文として書き上げられる前に、新しいトレンドや新興分野を明らかにする。しかし、これらの告知はウェブ上のあちこちに乱雑で標準化されていない形式で散らばっているため、大規模に研究することはほぼ不可能であった。従来のコンピュータツールはこれらを読み取るのに苦労しており、科学コミュニティが実際にどのように形成され、進化していくのかという理解に大きな空白を残している。
この溝を埋めるために、研究チームは、高度な人工知能を用いてこれらの混沌とした告知を読み取り、整理するCOCIと呼ばれる新しいシステムを開発した。このシステムはデジタル・アーキビスト（電子記録保管係）として機能し、会議の招待状という未構造化の生のテキストを取り込み、整理された事実のリストへと変換する。それはイベントの名前、年、場所、そして最も重要なことに、その場を仕切る人々を特定する。単に名前を列挙するだけでなく、それらの人々が誰であり、どの機関に属し、ワークショップの運営や広報管理といったどのような具体的な役割を担っているのかを判別するのである。これにより、システムは情報の塊を、科学者が研究の状況を分析するために実際に活用できる構造化されたデータベースへと変貌させる。
研究者たちは、コンピュータサイエンスや工学から、歯科、考古学に至るまで、幅広い分野の40種類の会議告知をシステムに読み込ませることで、このシステムをテストした。その目的は、ある会議では主催者が単純な段落の中に記載され、別の会議では複雑な表の中に埋もれているといった、インターネットの乱雑な現実をシステムが処理できるかどうかを確認することであった。システムは、これら40の文書すべてから主要な詳細を抽出することに成功した。それは会議シリーズ、特定の回、および地理的な場所を特定した。また、組織委員会のすべての人物の名前を抽出し、彼らの身元と所属を確認するために公開されている科学的記録と照合した。このプロセスにより、システムは同姓同名の別人を区別し、どの大学や組織を現在代表しているのかを確認することができる。
このシステムの最も顕著な成果の一つは、これらの会議が扱うトピックを理解する能力である。会議の告知に興味領域が記載されている場合、そこではしばしば非公式な言語や独特のフレーズが使われる。システムはこれらを標準的な科学的概念へと翻訳し、告知のカジュアルな言語と、世界中の研究者が使用する公式な語彙との間の架け橋を作る。また、会議名を既存のグローバルなデータベースと照合することで、たとえ名称がわずかに異なっていたり、長年にわたって様々な名称で開催されてきた会議であっても、そのイベントが正しく識別されるようにしている。これにより、広範な科学の世界におけるそのイベントの信頼できる地図が作成される。
しかし、研究者たちは、システムは完璧ではなく、間違いを捉えるために人間の監視が必要であることも注意深く指摘している。あるテストケースでは、元のテキストに個々の所属が明記されていなかったため、システムは組織委員会のすべてのメンバーが同じ大学に所属していると誤って判断した。研究者たちは、委員会全員が単一の機関から来ていることは極めて考えにくいという認識に基づき、このようなエラーを捉えるためのセーフティチェックをシステムに組み込んだ。別の事例では、データベース自体に矛盾する情報が含まれていたため、システムが研究者を誤った人物と照合してしまった。これらの例は、このツールが強力である一方で、アクセスするデータの質や、従うルールの論理に依然として依存していることを示している。
この研究の究極の目標は、科学分析の焦点をこれらの非伝統的なイベントへとシフトさせることである。コール・フォー・ペーパーズを体系的に研究することを可能にすることで、このシステムは、研究コミュニティがいかにして基礎から構築されるのかを理解するための扉を開く。それは、正式なジャーナルに登場する前に新興のトレンドを追跡することを可能にし、伝統的な指標では注目されがちな、これらのイベントを組織し形作る多くの人々の貢献を認識する方法を提供する。研究者たちは、このツールをオープンソースプロジェクトとして公開し、他の人々がそれを使用し、改善していくよう促している。このアプローチは、科学活動の全容、すなわち、洗練された最終結果だけでなく、発見という動的で進化し続けるプロセスそのものが見られる未来を示唆している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。