5 分で読了
0 views

アート&人文科学におけるJournal Citation Indicatorの妥当性

(Is Journal Citation Indicator a Good Metric for Art & Humanities)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下からJCIって指標を使おうと言われたんですが、私、正直よくわからなくて。これって要するに今までのインパクトファクター(Journal Impact Factor、JIF)と何が違うんですか?投資対効果の判断に役立ちますか?

AIメンター拓海

素晴らしい着眼点ですね!結論を先に言うと、JCI(Journal Citation Indicator、ジャーナル引用指標)は分野間の比較を改善するために作られた指標ですが、アート&人文系ではまだ注意が必要なんですよ。理由は主に分類の粗さと引用の特性です。大丈夫、一緒に順を追って整理しましょう。

田中専務

分類の粗さ、ですか。具体的にはどの点を気にしたらいいでしょうか。現場はざっくり分かれば助かるんですが。

AIメンター拓海

簡単に言えば、JCIはジャーナル単位で分野を割り当て、その平均的な被引用度を比較する方式です。だからジャーナルに含まれる多様な論文や学際的な記事が、ひとくくりのラベルで評価されてしまうんです。建築や芸術のように分野横断が多い領域では、その“ひとくくり”が評価の精度を下げてしまいますよ。

田中専務

これって要するに、JCIは雑に分けて平均を取ってるだけで、細かいところは見えてこないということですか?それだと投資判断に使うには怖い気がします。

AIメンター拓海

おっしゃる通りポイントはそこです。要点を3つに整理しますよ。1つ目、JCIはジャーナル単位で平均化するため、学際的コンテンツや誤分類に弱い。2つ目、アート&人文は引用密度が低く、平均化の影響が大きく出る。3つ目、論文レベルで分類するCNCI-CT(Category Normalized Citation Impact based on Citation Topics、論文レベルの指標)とは乖離が大きいという実証が出ています。大丈夫、一緒に対処法も考えますよ。

田中専務

CNCI-CTですか。専門用語が増えますね…。これを社内でどう説明すれば現場が理解しやすいですか?現場は数字で判断したいので、具体的な差異が知りたいです。

AIメンター拓海

良い質問ですね。CNCI-CTは論文一つ一つを細かい“トピック”で分類して正規化するので、ジャーナル内の多様な論文の違いが反映されます。ビジネスの比喩で言えば、JCIは店舗ごとの売上平均を比べるようなもので、CNCI-CTは商品ごとの販売実績で比較するイメージです。後者の方が、どの商品に投資すべきか判断しやすいのです。

田中専務

なるほど。では実務としては、JCIを完全に無視するのではなく、どのように使い分ければ良いでしょうか。コストも抑えたいです。

AIメンター拓海

現実的には、JCIは簡易スクリーニングには使えるものの、重要な判断ではCNCI-CTや論文レベルの指標を併用するのが得策です。まずはJCIで疑わしいジャーナルをピックアップし、次に論文レベルで代表的な論文を精査するフローを勧めます。これならコストと精度のバランスが取れますよ。

田中専務

分かりました。最後にもう一度整理させてください。これって要するに、JCIは速くて安いスクリーニングには使えるが、アート&人文では誤差が出やすいから、重要判断では論文レベルのCNCI-CTと組み合わせるべき、という理解で合ってますか?

AIメンター拓海

その通りです。要点は三つ。JCIは分野横断や低引用密度で弱点が出る、論文レベルのCNCI-CTの方が精度が高い、運用上は両者を組み合わせるのが現実的で効率的です。大丈夫、一緒に導入プランも作れますよ。

田中専務

ありがとうございます。では、社内会議では「JCIは速い一次判断、CNCI-CTは精査用」という説明から始めます。自分の言葉で言うと、JCIは店ごとの平均売上を見る目、CNCI-CTは商品別の売れ行きを見る目、どちらも持って初めて納得できる空間が作れる、ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
部分的輸送可能性によるドメイン一般化
(Partial Transportability for Domain Generalization)
次の記事
音声言語モデルにおけるテスト時計算による聴覚認知の拡張
(Scaling Auditory Cognition via Test-Time Compute in Audio Language Models)
関連記事
LUNAにおける能動的ビトー付きCloverγ検出器
(An actively vetoed Clover γ-detector for nuclear astrophysics at LUNA)
TSFool:高度に知覚されにくい敵対的時系列の生成
(TSFool: Crafting Highly-Imperceptible Adversarial Time Series through Multi-Objective Attack)
分布的にロバストなリコース行動
(Distributionally Robust Recourse Action)
暗号資産の評価:説明可能なAIアプローチ
(Cryptocurrency Valuation: An Explainable AI Approach)
非パラメトリック需要学習に基づく平滑性適応型動的価格設定
(Smoothness-Adaptive Dynamic Pricing with Nonparametric Demand Learning)
嗜好パレット:潜在属性によるパーソナライズされた嗜好モデリング
(PrefPalette: Personalized Preference Modeling with Latent Attributes)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む