生成式人工智能在学术交流中的兴起:基于词汇分类、学科扩散与引用识别的多维度分析

《Publications》:The Emergence of Generative AI in Scholarly Communication Through Lexical Classification, Disciplinary Diffusion, and Citation-Based Recognition

【字体: 大 中 小 】 时间:2026年09月19日 来源:Publications 3.4

编辑推荐:

   生成式人工智能(Generative Artificial Intelligence, GenAI)已在学术交流中占据显著地位,然而其词汇分类、学科扩散、语义组织以及与基于引用的识别之间的关联仍未得到充分研究。本研究分析了来自OpenAlex的487,75

  


生成式人工智能(Generative Artificial Intelligence, GenAI)已在学术交流中占据显著地位,然而其词汇分类、学科扩散、语义组织以及与基于引用的识别之间的关联仍未得到充分研究。本研究分析了来自OpenAlex的487,753篇研究和综述文章(2019年8月至2026年3月),将基于规则的词汇分类与中断时间序列模型(Interrupted Time-Series, ITS)、学科映射、关键词共现分析和引用计数模型相结合。结果显示,2022年11月之后,GenAI术语的可见性出现了离散水平变化。该不连续性在分类误差敏感性分析下保持稳健,而关于后续斜率变化的推断对分类假设更为敏感。被高特异性词汇规则捕获的GenAI分类出版物比例从2022年12月前的86.65%上升至之后的93.64%,这与更高的词汇集中度一致。GenAI分类在各学科领域中分布广泛但不均匀,计算机科学(Computer Science, 49.42%)和决策科学(Decision Sciences, 38.57%)中的占比最高。经过筛选的关键词网络显示出重叠的主题集中,而非截然分离的语义子领域。月份调整后的引用模型显示,高特异性分类与引用计数之间存在正向关联,而2022年12月后GenAI引用的相对关联较小。总体而言,本研究刻画了GenAI在学术交流中出现的时序、词汇、学科、主题网络和引用相关维度。
**论文解读**

**一、研究背景与问题提出**

学术交流构成了知识生产、流通、保存与评价的核心基础设施。新兴科学领域的确立不仅依赖于出版物数量的累积增长,更依赖于词汇的稳定化、类别体系的形成、引用网络的构建以及编辑空间的规范化,这些要素共同促进了新兴领域作为合法研究方向的识别。从科学学(Science of Science)的视角来看,科学产出常被建模为一个由思想、作者、出版物、机构和识别结构相互作用的动态复杂系统,科学知识的演进不仅涉及文章数量的增长,还涉及认知组织、科学共同体形成和跨学科关系的重新配置。

生成式人工智能(Generative Artificial Intelligence, GenAI)自2022年底对话系统公开部署以来,已在当代学术交流中确立了显著地位,相关研究迅速扩展至多个科学领域,涉及其方法论、伦理、教育和认识论影响。然而,尽管已有文献记录了GenAI研究的快速扩展,关于GenAI相关语言是否经历了结构性变化、其表达方式是否趋向更高特异性、其在各学科中如何分布以及引用模式如何反映其可能的稳定化等问题的规模化实证证据仍然有限。填补这一空白具有重要价值,因为一个科学领域的出现不仅取决于文献的积累,还取决于分类、主题分散、时序重构和基于引用的识别过程。在此背景下,本研究旨在通过整合基于规则的词汇分类、中断时间序列模型、学科映射、术语共现分析和基于引用的识别指标,系统分析GenAI在学术交流中的时序、词汇、学科、语义网络和引用相关维度,并提出四个研究问题:GenAI术语在2022年末可见性标记后是否存在时序不连续性;高特异性词汇规则捕获的出版物相对占比是否发生了变化;GenAI分类出版物在OpenAlex学科领域中的分布及关键词网络的语义结构如何;GenAI分类和词汇规则集归属与引用计数的关联及其在可见性标记前后是否存在差异。

**二、研究方法概述**

研究人员从OpenAlex数据库通过程序化查询构建了涵盖2019年8月2日至2026年3月30日出版物的语料库,检索表达式结合了ChatGPT、generative AI、generative artificial intelligence、large language model(s)、LLM、foundation model(s)等术语,分析样本限定为研究和综述文章(research articles and review articles),经去重后最终分析语料库包含487,753条记录(研究文章465,135篇,综述文章22,618篇)。核心方法包括:第一,基于预定义正则表达式词典的规则化词汇分类(rule-based lexical classification),将记录分为高特异性(treatment_strict,匹配ChatGPT、大语言模型、基础模型、生成式人工智能等显性术语)、扩展性(treatment_broad,需两个及以上限定匹配或单一明确GenAI表达)和分类器阴性(other)三类;第二,采用中心化负二项中断时间序列模型(centered negative binomial ITS model),以2022年11月为干预前最后一个月、2022年12月为首个完整干预后月份,检验GenAI相关出版物月度频次的水平变化和趋势变化;第三,基于OpenAlex学科领域字段(每篇出版物最多分配三个领域),通过聚类稳健二项回归评估GenAI分类在各领域的相对分布;第四,对GenAI分类子集中频次不低于100的915个关键词构建余弦相似度网络(阈值0.05),采用Louvain社区检测进行主题结构探索,并辅以层次聚类分析;第五,通过包含出版月份固定效应的负二项模型分析高特异性分类与扩展性分类之间以及GenAI分类与分类器阴性记录之间的引用计数关联,并以出版月份固定效应灵活控制出版时间和引用暴露。

**三、主要研究结果**

**(一)词汇分类与学术交流增长**

对487,753篇文章的词汇分类显示,338,956条记录被归入分类器阴性类别(69.49%),139,272条归入高特异性类别(treatment_strict,28.55%),9,525条仅归入扩展性类别(treatment_broad,1.95%),GenAI分类子集共计148,797篇(30.51%)。在人工验证中,高特异性规范精确率为0.689、召回率为0.750、F1值为0.718;独立双重编码的100条记录子样本显示观察一致率为79.0%,Cohen's κ = 0.529(bootstrap 95% CI: 0.367–0.681)。中心化负二项ITS模型表明,干预前趋势为正且显著(βpre = 0.044, p < 0.001,发生率比IRR = 1.045,即干预前月增长率约4.5%);2022年12月离散水平差异为正且显著(βlevel = 2.893, p < 0.001, IRR = 18.04, 95% CI: 7.10–45.86),拟合计数约为趋势延续预测值的18倍;斜率变化为正值但不显著(βslope = 0.026, p = 0.137, IRR = 1.026, 95% CI: 0.993–1.060),表明干预后月增长率与干预前无统计学显著差异。分类误差敏感性分析保持了水平不连续性的显著性,但干预后斜率变化在重新加权场景中变为正向显著,表明后续轨迹推断对分类假设更为敏感。

**(二)分类构成的时间变化**

在148,797篇GenAI分类出版物中,139,272篇(93.60%)归入高特异性类别,9,525篇(6.40%)仅归入扩展性类别。高特异性分类比例从2022年12月前的86.65%(779篇中675篇)上升至干预后时期的93.64%(148,018篇中138,597篇),时期与分类类别的关联虽小但显著(Cramér's V = 0.020, p < 0.001),逻辑回归显示干预后高特异性分类的比值比为2.27(95% CI: 1.84–2.79, p < 0.001)。该结果表明干预后出现了向高特异性词汇类别的转移,与围绕ChatGPT、大语言模型、生成式人工智能和基础模型等限制性词典术语的更高集中度兼容。

**(三)学科分布与语义结构**

487,438篇出版物具备学科领域信息,共产生865,123条出版物-领域观测。GenAI分类的相对占比在计算机科学(Computer Science)中最高(49.42%),其次为决策科学(Decision Sciences, 38.57%)、材料科学(Materials Science, 30.65%)、工程学(Engineering, 27.65%)、社会科学(Social Sciences, 27.27%)、医学(Medicine, 27.11%)、心理学(Psychology, 26.36%)和物理与天文学(Physics and Astronomy, 25.76%)。聚类稳健二项模型表明GenAI分类在学科领域间差异显著(Wald统计量,p < 0.001)。语义网络分析以0.05余弦相似度阈值构建了包含50个关键词和193条边的网络,形成单一连通分量,密度为0.158,无孤立节点。Louvain社区检测识别出四个社区(模块度Q = 0.353):第一社区(18个术语)涉及教育、认知、伦理、健康和社会维度;第二社区(15个术语)涉及语言模型架构、推理和计算工作流;第三社区(14个术语)以人工智能、自然语言处理(Natural Language Processing, NLP)、机器学习、数据科学、信息检索、人机交互(Human–Computer Interaction, HCI)为核心;第四社区(3个术语)代表软件工程和编程语言集群。人工智能(artificial intelligence)是结构中心性最高的关键词,度为32、加权度为4.69、介数中心性为0.441。层次聚类与Louvain社区之间的一致性为中等水平(调整Rand指数 = 0.378,归一化互信息NMI = 0.530),提示主题浓度存在重叠而非截然分离的语义子领域。

**(四)引用模式与基于引用的识别**

全语料库中305,972篇出版物在提取日期未被引用(62.73%),总体均值为3.89次引用,方差为1292.10,方差均值比为331.76,支持使用过度离散计数模型。在GenAI分类子集中,高特异性类别的引用均值为6.07次,扩展性类别为2.88次;未引用比例分别为60.87%和70.39%。在包含出版月份固定效应的负二项模型中,高特异性分类与引用计数呈正相关(β = 0.321, p < 0.001, IRR = 1.38, 95% CI: 1.21–1.57),即高特异性分类出版物的预期引用计数比扩展性分类出版物高约38%。全语料库交互模型中,干预前GenAI分类与引用计数呈正相关(β = 0.702, p < 0.001, IRR = 2.02),GenAI与干预后时期的交互项为负且显著(β = -0.359, p = 0.017, IRR = 0.70, 95% CI: 0.52–0.94),综合干预后GenAI系数对应IRR约1.41。该模式与早期引文优势随GenAI相关出版规模扩大而衰减的趋势兼容,但关联性设计不能确定导致变化的具体机制。

**四、讨论与结论**

**讨论部分总结。** 中断时间序列分析识别出2022年末的显著水平不连续性,该不连续性在分类误差敏感性分析下保持稳健,而后续斜率变化的推断对分类假设更为敏感。该不连续性不应被解释为GenAI研究的起源或ChatGPT单一事件的因果效应,而应被理解为学术可见性、命名、检索和文献编码层面的变化。词汇分类构成的变化(高特异性比例从约87%升至94%)表明更大的词汇集中度,与新兴科学领域在机构可见性提高过程中发展出更专业化、标准化词汇的研究一致。学科分析揭示了GenAI的广泛但不均匀的跨领域分布,语义网络显示计算术语占据突出且高度连接的中心位置,同时与社会应用领域存在重叠主题集中,但网络证据不支持截然分离的主题子领域。引用分析发现高特异性分类与更高引用计数相关,GenAI分类出版物的相对引用优势在2022年末后有所衰减,符合累积优势视角下初始可见贡献在领域扩展后关注度趋于分散的预期。这些引用关联应谨慎解释,因为引用累积受出版年龄、期刊可见性、作者声誉、开放获取状态、领域特定引用文化、策略性行为和主题中心性等未观测因素影响。

**研究结论翻译。** 基于从OpenAlex检索的487,753篇研究和综述文章,本研究识别出四个主要实证模式。第一,中断时间序列分析显示GenAI术语可见性在2022年末出现了大幅水平不连续性,该不连续性对分类误差敏感性分析保持稳健,但关于后续斜率变化的推断对分类假设更为敏感。第二,GenAI分类出版物中分配至高特异性词汇类别的比例从约87%上升至94%,表明词汇集中度提高而非语义稳定化的直接证据。第三,GenAI分类出版物分布于全部26个OpenAlex学科领域,但相对占比在计算机科学和决策科学中仍然最高。由于领域分配存在重叠,这些发现代表了广泛但不均匀的学科扩散而非对跨学科性的直接测量。关键词网络揭示了围绕计算、语言模型、应用和软件相关主题的重叠主题集中。人工智能占据网络中心位置,但Louvain与层次聚类之间仅为中等一致性,表明这些主题集中不应被解释为截然分离的子领域。第四,月份调整后的引用模型显示高特异性和GenAI分类均呈正向引用关联,而2022年末可见性标记之后GenAI引用的相对关联有所减小。总体而言,本研究提供了一个可复现的分析框架,用于通过互补的时序、词汇、学科、语义网络和引用维度考察快速发展的技术领域的兴起。研究发现刻画了学术交流中正在进行的组织化过程,同时对因果性断裂、完全术语稳定化、跨学科性和领域巩固保持审慎态度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号