识别对发表趋势与行为的因果影响：以计算语言学社区为例
计算与语言
2021-10-18 v1 计算机与社会
摘要
从观察性现实世界数据中得出因果结论是一项非常令人向往但充满挑战的任务。在本文中，我们展示了混合方法分析，以研究发表趋势和行为对特定研究焦点（计算语言学（CL）社区感兴趣的方法论、材料和任务）的采纳、持续和退出的因果影响。我们的关键发现突显了研究社区向快速兴起的方法论过渡的证据（例如，双向 LSTM 的采纳影响了 LSTM 的退出）、对热门任务和技术的持续参与（例如，深度学习、嵌入、生成式和语言模型）、科学家所在地（如来自美国以外的地区，例如中国）对研究英语以外语言的倾向性的影响，以及大规模研究项目资助的潜在影响。我们期望这项工作能为发表趋势和行为提供有用的见解，并提高计算语言学及更广泛科学界对因果推断潜力的认识。
引用
@article{arxiv.2110.07938,
title = {Identifying Causal Influences on Publication Trends and Behavior: A Case Study of the Computational Linguistics Community},
author = {Maria Glenski and Svitlana Volkova},
journal= {arXiv preprint arXiv:2110.07938},
year = {2021}
}
备注
Accepted to First Workshop on Causal Inference & NLP at EMNLP 2021