要約
科学者として成功するには、資金を獲得することが重要です。
若手教員は、自分の研究プロフィールに最も適した適切な機関やプログラムを見つけるのに多大な時間を費やします。
しかし、最良の出版物、つまり助成金のマッチングに影響を与える要因は何でしょうか?
一部の大学では、これらの要因を理解するために受賞前の人材を雇用している可能性がありますが、すべての大学がその人材を雇用する余裕があるわけではありません。
助成金によって資金提供された出版物の履歴記録は、マッチング プロセスを理解するのに役立ち、また、マッチング プロセスを自動化する推奨システムの開発にも役立ちます。
この研究では、国立衛生研究所 (NIH) の助成金、つまり出版記録に基づいて訓練された推奨システムである \textsc{GotFunding} (過去の FUNDING に基づく助成金推薦) を紹介します。
私たちのシステムは、問題をランク付けの学習としてキャストすることにより、高いパフォーマンス (NDCG@1 = 0.945) を達成します。
予測を有効にする特徴を分析することにより、私たちの結果は、ランキングが 1) 出版物と補助金助成金との年の違い、2) 出版物で提供される情報の量、3) 出版物と学術研究との関連性を最も重要に考慮していることを示しています。
付与。
システムの将来の改善点と科学者が試せるオンライン ツールについて説明します。
要約(オリジナル)
Obtaining funding is an important part of becoming a successful scientist. Junior faculty spend a great deal of time finding the right agencies and programs that best match their research profile. But what are the factors that influence the best publication–grant matching? Some universities might employ pre-award personnel to understand these factors, but not all institutions can afford to hire them. Historical records of publications funded by grants can help us understand the matching process and also help us develop recommendation systems to automate it. In this work, we present \textsc{GotFunding} (Grant recOmmendaTion based on past FUNDING), a recommendation system trained on National Institutes of Health’s (NIH) grant–publication records. Our system achieves a high performance (NDCG@1 = 0.945) by casting the problem as learning to rank. By analyzing the features that make predictions effective, our results show that the ranking considers most important 1) the year difference between publication and grant grant, 2) the amount of information provided in the publication, and 3) the relevance of the publication to the grant. We discuss future improvements of the system and an online tool for scientists to try.
arxiv情報
| 著者 | Tong Zeng,Daniel E. Acuna |
| 発行日 | 2024-05-21 14:45:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google