Measuring coverage of cited fields by author publication histories

技術的要約：著者の出版履歴による引用分野のカバー率の測定

問題提起
文献学的研究では、学問分野の多様性、知識の組み合わせ、および文献の年代を特徴付けるために、頻繁に参考文献リストが利用される。しかし、引用された文献と、その著作物を生み出した特定の著者の出版履歴との関係については、未だ対処されていない決定的な相違が存在する。多様な参考文献リストであっても、ある研究チームの過去の記録には十分に表れている一方で、別のチームにはほとんど存在しないという場合がある。既存の専門性の多様性の指標は、著者プロファイルの距離や、ポートフォリオの構成そのものに焦点を当てることが多く、両者の「交差（インターセクション）」を定量化することはない。本論文は、チーム研究を理解するためには、論文の引用分布のうち、個々の著者の履歴によってどの程度がカバーされているか、あるいは共著者の履歴を組み合わせることでどの程度カバーされるのか、そしてどれだけが未カバーのまま残っているのかを測定する、特定の測定法が必要であると主張している。

手法
本研究は、ある焦点となる論文の引用分野を、以下の3つの構成要素に分割する**「参考文献加重分解フレームワーク（reference-weighted decomposition framework）」**を導入する。

1. 最大個人カバー率 ($M$): 最も広範な関連履歴を持つ単一の著者によってカバーされている引用カテゴリの割合。
2. 追加共著者カバー率 ($D$): $M$ がカバーする範囲を超えて、全共著者の履歴を組み合わせることによって得られる増分的なカバーカテゴリの割合。
3. 未カバーの残余 ($E$): すべての著者の観察された出版履歴には存在しない引用カテゴリの割合。

このフレームワークは、2つの観測期間、すなわち**「プロジェクト開始前ウィンドウ（preproject window）」（プロジェクト開始の5年前）と「出版前ウィンドウ（prepublication window）」**（当該論文の5年前）を区別する。これにより、ベースラインとなる未カバーの割合を分離した上で、純粋なカバー率の変化（$A = E_{pre} - E_{pub}$）を算出することが可能となる。

データおよび推論シーケンス
本研究は、韓国国立科学技術情報サービス（NTIS）の助成金記録、国立研究財団（NRF）の謝辞、およびOpenAlexの出版物を結合した連結データセットを利用している。分析は以下の3段階の推論シーケースに従う。

• 発見段階 (Discovery Stage): 助成金に関連する115報の論文。
• 第1確認段階 (First Confirmation Stage): 240報（探索的診断用としてプールされた $N=355$）。
• 第2確認段階 (Second Confirmation Stage): 832報の大きな母集団から選択された、プロスペクティブに固定されたプロトコルに基づく194件の助成金（AI利用112件、非AI利用82件）。

主な適用例として、AIを使用していると分類されたプロジェクトが、非AIプロジェクトと比較して、高いベースラインの未カバー率（$E_{pre}$）を示すかどうかを調査し、未知の知識を導入する役割としてのAIに関する仮説を検証する。

主要な貢献と指標

• カバー率の分解: 引用頻度によって加重された共通の分母の上で、個人の、集合的な、および未カバーの参考文献シェアを分離する再現可能な手法を提供する。
• 引用強調分析 (Citation Emphasis Analysis): 著者履歴、多様性、およびフィールド総数を一定に保ちながら、引用数を置換する「論文内再配分実験」を通じて、引用が「カバーされた分野」と「未カバーの分野」のどちらに配置されているかという効果を、ポートフォリオの構成とは独立して孤立させて抽出する。
• 親近性（Familiarity）との区別: 著者は、$E$ は「インデックス化された証拠の欠如」を測定するものであり、「実際の専門知識や学習の欠如」を意味するのではないと明示している。これは、引用と記録の交差に関する記述的な会計であり、認知的な親近性のプロキシ（代理指標）ではない。

結果

• 探索的診断:

  • 文献の多様性（シャノン・エントロピー）は、著者数、参考文献数、および履歴のボリュームを調整した後でも、未カバーの割合（$E_{pre}$）と正の相関を示した。発見段階において、モデルに多様性を加えることで、$R^2$ は0.328から0.502へと上昇した。
  • 引用強調: 実際のポートフォリオは、構造的なベンチマークと比較して、未カバーのサブフィールドに対して有意に低いウェイトを置いている。発見段階において、観測された未カバーの割合は、フィールド条件付きの再配分ベンチマークよりも8.66パーセントポイント低かった（95% CI: 6.22–11.36）。この対照は、論文の主要なサブフィールド内の参考文献を除外した後でも持続した。
  • 集計効果: AI利用論文における「追加共著者カバー率（$D$）」は、第1確認段階において、論文1報あたり平均10.89%であるが、参考文献1出現あたりではわずか3.45%であった。これは、集計指標がいかに共著者が特定の引用に対して行う限界的な貢献を覆い隠してしまうかを浮き彫りにしている。

• AIへの適用（仮説検証）:

  • 発見段階: AI利用と未カバーの割合との間に正の関連があることを示唆した。
  • 第1確認段階: 正の純カバー率変化（$A$）に関する主要なテストに失敗した。
  • 第2確認段階: 初期の分析結果に基づき、主要なエンドポイントを $E_{pre}$（プロジェクト開始前の未カバーシェア）へとシフトさせた。親フィールド調整下でのAI利用係数は+0.455（95% CI: −6.831 to 7.742）、詳細フィールド調整下では+0.517（95% CI: −7.395 to 8.428）であり、ゼロに近い値であった。
  • AIに関する結論: 本研究は、AI利用プロジェクトがより高いベースラインの未カバーシェア（$E_{pre}$）を持つことを確認できなかった。AI関連の論文はAI文献を多く引用しているが、それらの文献は、著者の過去の記録の中に既に表現されていることが多い。

意義と主張
本論文は、**「記録された出版履歴に対する引用強調の再現可能な説明」**を提供することを目的としている。その主要な貢献は方法論的なものであり、チームの過去の仕事によって引用分野がどの程度「カバー」されているか、あるいは「未カバー」であるかを定量化する枠組みを確立した点にある。

著者は、以下の点において主張を控えめにしている。

1. カバー率 $\neq$ 親近性: 未カバーの参考文献は、インデックス化された履歴の欠如を示すものであり、必ずしも専門知識や学習の欠如を意味しない。
2. 因果メカニctionの不在: 本研究は関連性と構造的な対比を記述するものであり、なぜチームが未カバーの分野を引用するのか、あるいは知識がいかに獲得されるのかという因果メカニズムを確立するものではない。
3. 文脈依存性: 結果は、韓国の助成金という、保守的に連結された特定の集団に特有のものであり、さらなる検証なしにすべての研究文脈に一般化できるものではない。
4. 解釈の限界: 本フレームワークは、引用の強調と記録の関係を特定するものであるが、不慣れさ（unfamiliarity）を確立するものではない。AIとの関連性の確認に失敗したことは、このサンプルにおけるAI研究が、必ずしも著者の事前の記録の外にある分野に依存していないことを示唆している。

最終的に、本論文は、カバー率を測定することは、文献学的な分析に対して必要な粒度の層を提供し、論文の参考文献の多様性と、それらの参考文献と著者の記録された専門知識との整合性とを区別するものであると主張している。