The advancement of science is inherently dependent on the recombination of existing knowledge, and innovative research typically relies on the atypical recombination of established knoweldge bases. This study introduces a Knowledge Eccentricity to enable timely assessment of the novelty of research outputs by quantifying their degree of deviation from the existing knowledge system. For empirical analysis, we selected sample data including research articles published in Science and Nature, top 1% highly cited papers, and zero-cited papers for the year 2005, 2010, 2015, 2020, and 2025. We calculated the knowledge eccentricity scores for these papers and examined their potential influencing factors. The results indicate that team size exerts a significant negative effect on paper novelty, meaning larger team size is less conductive to enhancing the novelty of research outputs. Conversely, the number of references shows a signifcant positive correlation with paper novelty, which means that a greater number of references is associated with a moderate imporovement in a paper's novelty. The proposed indicator offers strong timeliness and operability, allowing for the evaluation of a paper's novelty immediately upon its publication.


翻译:科学进步本质上依赖于对现有知识的重组,而创新性研究通常建立在既有知识库的非典型重组之上。本研究引入"知识偏心率"这一指标,通过量化研究成果与现有知识体系的偏离程度,实现对研究产出新颖性的及时评估。为进行实证分析,我们选取了2005、2010、2015、2020及2025年发表于《科学》与《自然》的研究论文、前1%高被引论文以及零被引论文作为样本数据。我们计算了这些论文的知识偏心率得分,并考察了其潜在影响因素。结果表明:团队规模对论文新颖性具有显著负向影响,即较大的团队规模更不利于提升研究成果的新颖性;相反,参考文献数量与论文新颖性呈显著正相关,这意味着较多的参考文献数量与论文新颖性的适度提升相关联。所提出的指标具有良好的时效性与可操作性,可在论文发表后即刻对其新颖性进行评估。

0
下载
关闭预览

相关内容

论文(Paper)是专知网站核心资料文档,包括全球顶级期刊、顶级会议论文,及全球顶尖高校博士硕士学位论文。重点关注中国计算机学会推荐的国际学术会议和期刊,CCF-A、B、C三类。通过人机协作方式,汇编、挖掘后呈现于专知网站。
多模态知识图谱表示学习综述
专知会员服务
71+阅读 · 2024年7月4日
【CCL2020】基于深度学习的实体关系抽取研究综述
专知会员服务
53+阅读 · 2020年11月4日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
46+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
VIP会员
相关资讯
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
46+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
Top
微信扫码咨询专知VIP会员