探究人工智能领域的产学合作：基于顶级会议 PDF 的文献计量分析
数字图书馆
2025-10-03 v1
摘要
本研究对人工智能（AI）研究中的产学合作进行了文献计量分析，重点关注 2010 年至 2023 年间两大国际会议（AAAI 和 IJCAI）的论文。以往大多数研究依赖出版商和其他数据库来分析文献信息。然而，这些数据库存在文章缺失和元数据遗漏等问题。因此，我们采用了一种直接从文章 PDF 中提取文献信息的新方法：我们检查了 20,549 篇文章，并通过作者所属机构的分类过程识别出合作论文。该分析探讨了 AI 领域合作的时间演变，突显了过去十年中合作模式的显著变化。特别是，本研究考察了关键学术和工业机构在促进这些合作中的作用，并重点关注全球新兴趋势。此外，我们还利用文档分类进行了内容分析，以检验合作研究文章中第一作者的类型，并探讨合作与非合作研究文章之间的潜在差异。结果表明，在发表方面，合作主要由学术界主导，但其内容与其他文章并无显著差异。所属机构元数据可在 https://github.com/mm-doshisha/ICADL2024 获取。
引用
@article{arxiv.2510.01593,
title = {Investigating Industry--Academia Collaboration in Artificial Intelligence: PDF-Based Bibliometric Analysis from Leading Conferences},
author = {Kazuhiro Yamauchi and Marie Katsurai},
journal= {arXiv preprint arXiv:2510.01593},
year = {2025}
}
备注
Accepted at ICADL2024