A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence

要約

分散した知識を統合することにより、文献レビューにより、調査対象のトピックについての包括的な理解が得られます。
しかし、特に急成長を遂げているパターン分析と機械知能 (PAMI) の分野における過剰なレビューは、研究者と査読者の両方に懸念を引き起こします。
本分析は、こうした懸念に応えるべく、PAMI分野のレビューを多角的な観点から徹底的にレビューすることを目的としています。
まず、文献レビューを自動的に評価するために、大規模言語モデルを活用した書誌学的指標が提案されています。
これを容易にするために、RiPAMI と呼ばれるメタデータ データベースとトピック データセットが構築され、PAMI レビューの統計的特徴を取得するために利用されます。
従来の書誌学的測定とは異なり、提案された記事レベルの指標は、ユーザー定義のキーワードに依存せずに、レビューのリアルタイムでフィールド正規化された定量化された評価を提供します。
第二に、これらの指標に基づいて、この研究はさまざまなレビューの比較分析を提示し、さまざまな分野、時代、雑誌にわたる出版物の特徴を明らかにします。
新たに出現した AI 生成の文献レビューも評価されており、観察された差異は、AI 生成のレビューのほとんどが依然として人間が執筆したレビューにいくつかの点で遅れていることを示唆しています。
第三に、代表的な PAMI レビューの主観的評価を簡単に示し、論文の構造に基づいた文献レビューの類型を紹介します。
この類型学は、学者がレビューを読んだり書いたりする際の明瞭さと有効性を向上させる可能性があると同時に、よく組織されたレビューを生成する際の AI システムのガイドとしても機能します。
最後に、この分析は、文献レビューの現在の課題についての洞察を提供し、その開発の将来の方向性を構想します。

要約(オリジナル)

By consolidating scattered knowledge, the literature review provides a comprehensive understanding of the investigated topic. However, excessive reviews, especially in the booming field of pattern analysis and machine intelligence (PAMI), raise concerns for both researchers and reviewers. In response to these concerns, this Analysis aims to provide a thorough review of reviews in the PAMI field from diverse perspectives. First, large language model-empowered bibliometric indicators are proposed to evaluate literature reviews automatically. To facilitate this, a meta-data database dubbed RiPAMI, and a topic dataset are constructed, which are utilized to obtain statistical characteristics of PAMI reviews. Unlike traditional bibliometric measurements, the proposed article-level indicators provide real-time and field-normalized quantified assessments of reviews without relying on user-defined keywords. Second, based on these indicators, the study presents comparative analyses of different reviews, unveiling the characteristics of publications across various fields, periods, and journals. The newly emerging AI-generated literature reviews are also appraised, and the observed differences suggest that most AI-generated reviews still lag behind human-authored reviews in several aspects. Third, we briefly provide a subjective evaluation of representative PAMI reviews and introduce a paper structure-based typology of literature reviews. This typology may improve the clarity and effectiveness for scholars in reading and writing reviews, while also serving as a guide for AI systems in generating well-organized reviews. Finally, this Analysis offers insights into the current challenges of literature reviews and envisions future directions for their development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google