VizCV: AI-assisted visualization of researchers’ publications tracks

要約

科学者と研究グループの出版記録が長年にわたってどのように進化してきたかを分析することは、キャリア計画と評価を支援することで学術環境の管理をサポートできるため、専門知識を評価するために重要です。
研究者の科学的軌跡のインタラクティブな調査を可能にする、新しいWebベースのエンドツーエンドの視覚分析フレームワークであるVizCVを紹介します。
AIアシスト分析が組み込まれ、キャリアの進化の自動レポートがサポートされています。
私たちのシステムは、3つの重要な側面を介してキャリアの進歩をモデル化することを目的としています。a）時間の経過に伴う学術的焦点の変化を検出および視覚化する研究トピックの進化、b）出版物の記録と対応する影響、c）研究者の共著ネットワークの成長と変換を描いたコラボレーションダイナミクス。
AI駆動型の洞察は、キャリアの移行の自動化された説明を提供し、研究方向、衝撃サージ、またはコラボレーションの拡大の大幅な変化を検出します。
このシステムは、研究者間の比較分析もサポートし、ユーザーがトピックの軌跡を比較し、成長に影響を与えることができます。
インタラクティブでマルチタブおよびマルチビューシステムにより、最もインパクトのある記事、新しい研究テーマ、サブフィールドでの研究者の貢献の詳細な分析を取得するなど、さまざまな視点でのキャリアマイルストーンの探索的分析が可能になります。
重要な貢献には、AI/MLテクニックのテクニックが含まれます。a）トピック分析、b）パターンとトレンドを視覚化するための次元削減、c）構成可能な迅速な生成と大規模な言語モデルを介したデータのファセットのテキストのテキスト記述の作成は、個人またはグループのキャリア開発を理解するのに役立つ重要な指標を含む。

要約(オリジナル)

Analyzing how the publication records of scientists and research groups have evolved over the years is crucial for assessing their expertise since it can support the management of academic environments by assisting with career planning and evaluation. We introduce VizCV, a novel web-based end-to-end visual analytics framework that enables the interactive exploration of researchers’ scientific trajectories. It incorporates AI-assisted analysis and supports automated reporting of career evolution. Our system aims to model career progression through three key dimensions: a) research topic evolution to detect and visualize shifts in scholarly focus over time, b) publication record and the corresponding impact, c) collaboration dynamics depicting the growth and transformation of a researcher’s co-authorship network. AI-driven insights provide automated explanations of career transitions, detecting significant shifts in research direction, impact surges, or collaboration expansions. The system also supports comparative analysis between researchers, allowing users to compare topic trajectories and impact growth. Our interactive, multi-tab and multiview system allows for the exploratory analysis of career milestones under different perspectives, such as the most impactful articles, emerging research themes, or obtaining a detailed analysis of the contribution of the researcher in a subfield. The key contributions include AI/ML techniques for: a) topic analysis, b) dimensionality reduction for visualizing patterns and trends, c) the interactive creation of textual descriptions of facets of data through configurable prompt generation and large language models, that include key indicators, to help understanding the career development of individuals or groups.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google