Machine Learning Research in India: Institutions, Citation Patterns, and Research Trajectories Among Top-Cited Scholars on Google Scholar
本文介绍了 Scholar-India-ML 文献计量数据集，用于分析 478 位高被引印度机器学习学者的引用模式和研究轨迹，揭示了印度科学理工学院和印度统计研究所的表现优于印度理工学院（IITs）的引用影响力，同时工业界实验室也正成为该国人工智能生态系统中重要的贡献者。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下印度的机器学习（ML）研究领域是一个庞大而繁忙的管弦乐团。长期以来，人们一直认为其中最响亮、最著名的部分是“IITs”（印度理工学院）——它们就像是那些家喻户晓、高薪聘请的独奏家。
然而，这篇论文就像是一位刚刚完成整个乐团录音并分析了音频的音响工程师。这位工程师（Kunal Dhanda 博士）观察了 478 位在印度演奏“机器学习”这一乐器的顶尖音乐家（研究人员），查看了有多少人聆听了他们的音乐（引用量），并发现了一些关于谁真正制造了最大声响的惊人发现。
以下是论文发现的详细拆解，使用了简单的类比：
1. 数据收集：“Google Scholar 播放列表”
研究人员并非仅仅靠猜测谁很出名。他前往 Google Scholar（一个巨大的学术论文图书馆），并要求它列出所有在印度标记自己为“机器学习”专家的专家。他根据被引用的次数（就像统计一首歌被流媒体播放了多少次）对他们进行了排序。
- 清理工作： 他最初有 480 个名字，但剔除了两个“虚假”或“错位”的条目：一个是粒子物理学家，其高数据来自庞大的团队项目（而非 ML）；另一个看起来像是试图操纵系统的人。
- 结果： 他得到了一份包含 478 位真实研究人员的干净名单，总计 152 万次引用。
2. “强者愈强”效应（基尼系数）
论文使用了一个叫做基尼系数（分值为 0 到 1）的概念来衡量不平等。
- 类比： 想象一个派。如果每个人分到的份额相等，得分就是 0。如果一个人吃掉了整个派，得分就是 1。
- 发现： 印度的 ML 派得分是 0.53。这意味着“强者愈强”的现象确实存在，但并不极端。前 5% 的研究人员（约 2 ว 24 人）贡献了近 31% 的所有关注度（引用）。这有点像一个音乐节，虽然少数几支领衔乐队获得了大部分掌声，但仍有很多其他乐队也得到了关注。
3. 大惊喜：谁才是真正的响亮之声？
这是论文最大的转折点。大家都认为 IITs 是印度研究界的王者。
- 现实检查： 论文发现，印度科学理工学院 (IISc) 在总引用量方面实际上优于 IITs。
- IISc： 拥有 26 名研究人员，但占据了 8.9% 的总引用量。
- IITs： 拥有 16 名研究人员，但仅占据了 4.1% 的引用量。
- 原因： 论文指出，IISc 更像是一个专门的研究实验室，其中的每个人都纯粹专注于研究；而 IITs 则是规模庞大的大学，教学任务繁重。此外，许多顶尖的 IIT 毕业生会离开印度去国外工作，因此“明星”并不总是留在 IIT 系统内。
4. “遗产巨头”：印度统计研究所 (ISI)
有一个被称为 ISI（印度统计研究所）的小团体。
- 类比： 把他们想象成资深的爵士乐手。他们是一个很小的群体（仅 8 名研究人员），但贡献了 6.1% 的总引用量。
- 原因： 他们在这个领域已经耕耘了数十年，远在现代“深度学习”流行之前。他们在一些较旧的基础课题（如模式识别）上的工作在多年间被引用了数千次。他们凭借悠久的历史，表现得远超其规模。
5. 企业玩家：大型科技实验室
论文还观察了在 Google 和 Microsoft 等公司工作的研究人员。
- 发现： 尽管他们只占一小部分（约 6%），却贡献了 7.7% 的引用量。
- 类比： 这些是研究界的好莱坞制片厂。他们拥有巨额预算，并制作高质量的“大片”（论文），从而获得了大量关注。Google 和 Microsoft 印度分部是主要的参与者。
6. 他们在演奏什么？（研究兴趣）
当研究人员观察这些人的研究内容时：
- 计算机视觉（教计算机如何“看”图像）是最受欢迎的类型。
- 图像处理和数据挖掘紧随其后。
- 有趣的是，像大语言模型（聊天机器人背后的技术）这类“最新”趋势目前还不是引用量最高的。这可能是因为拥有最高引用量的人在该领域工作时间较长，他们的“经典金曲”（较旧的论文）仍然拥有最多的播放量。
7. 局限性（麦克风没捕捉到的声音）
作者诚实地说明了这项研究无法告诉我们的事情：
- 自我选择： 这仅统计了那些费心创建 Google Scholar 个人资料的人。如果一位优秀的印度研究人员没有使用 Google Scholar，那么他就不会出现在这个管弦乐团中。
- 过去 vs 现在： 数据展示了他们现在在哪里工作，但并未显示他们写下那些著名论文时的工作地点。一位研究人员现在可能在一家大学工作，但在成名时可能是在一家公司工作。
- 无因果关系： 我们知道 IISc 的引用量很高，但我们并不知道是 IISc 导致了高引用量，还是高引用的研究人员仅仅是 选择 了去那里。
总结
论文描绘了一幅比公众所认为的更加多元化的印度机器学习图景。虽然 IITs 以其品牌闻名，但 IISc 和 ISI 实际上才是研究影响力的重量级选手。与此同时，大型科技实验室正悄然成为重要的参与者。这是一个少数机构和公司占据了大量聚光灯，但同时也存在着由资深专家和现代创新者组成的健康混合体的景观。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。