著者ネットワークの中心性がAI会議の引用格差を促進

この論文は、共同研究ネットワーク内での著者の位置が、主要なAI会議における引用数にどのように影響するかを調査しています。著者中心性指標とその引用格差への影響を分析することで、コンテンツベースの評価を超えたアプローチをしています。ベータ回帰の使用や新しい中心性指標（HCTCD）など、方法論的な進歩が重要です。長期的な中心性とチームレベルのネットワーク接続性が引用成功を予測する上で重要であることを示しており、従来の評価方法に異議を唱え、ネットワークを考慮した評価フレームワークを提唱しています。

• •著者ネットワークの中心性は、主要なAI会議の引用数に大きな影響を与えます。
• •長期的な中心性指標は、短期的な指標よりも引用の成功を予測します。
• •チームレベルのネットワーク接続性は、引用の変動を説明するために不可欠です。
• •この研究は、新しい中心性指標（HCTCD）を提案し、引用分析にベータ回帰を使用しています。
• •中心性特徴を統合することで引用予測の精度が向上し、ネットワークを考慮した評価フレームワークの必要性を示唆しています。