生成式AI与科学计量学的未来：当前主题与未来问题
计算与语言
2025-07-02 v1 数字图书馆
摘要
本文旨在综述生成式AI在科学计量学中的应用，并旨在为该领域的更广泛影响开启讨论。首先，我们介绍了生成式AI的生成性和概率性质及其在分布式语言学中的根源。我们将这一区别用于与最近实验在科学计量学中应用生成式AI进行批判性互动，包括主题标记、引文语境分析、预测应用、学者轮廓以及科研评估。生成式AI在语言生成占主导地位的任务中（如标记）显示出前景，但在需要稳定语义、实践推理或结构化领域知识的任务中则面临局限。然而，这些结果可能会迅速过时。我们的建议是，始终致力于系统性地比较不同生成式AI模型在特定任务上的性能。第三，我们询问通过生成大量科学语言，生成式AI是否可能通过影响用于衡量科学的文本特征（如作者、单词和参考文献）来对我们的领域产生根本性影响。我们认为，小心的实证工作和理论反思将是保持能够解释知识生产不断演变模式的关键。
引用
@article{arxiv.2507.00783,
title = {Generative AI and the future of scientometrics: current topics and future questions},
author = {Benedetto Lepori and Jens Peter Andersen and Karsten Donnay},
journal= {arXiv preprint arXiv:2507.00783},
year = {2025}
}