Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Bibliotecas digitales# Computación y lenguaje

El Declive de las Prácticas de Citación en la Investigación

Los investigadores están citando trabajos más antiguos con menos frecuencia, una tendencia que tiene implicaciones importantes.

― 7 minilectura


Cambios en las tendenciasCambios en las tendenciasde citasmás antiguas presenta riesgos.La disminución en citar investigaciones
Tabla de contenidos

En los últimos años, ha habido un cambio notable en cómo los investigadores citan trabajos anteriores. Muchos campos académicos están viendo una tendencia en la que hacen menos referencias a artículos viejos. Esta tendencia, conocida como "recesión de la edad de citación", destaca un patrón preocupante en numerosas disciplinas.

¿Qué es la Recesión de la Edad de Citación?

La recesión de la edad de citación describe la tendencia a la baja de los investigadores a citar trabajos más antiguos, similar a como los economistas definen períodos de actividad económica reducida. Esta tendencia ha sido especialmente fuerte en campos como el Procesamiento de Lenguaje Natural (NLP) y el Aprendizaje Automático (ML), donde la cantidad de trabajos antiguos referenciados ha disminuido significativamente en los últimos años.

¿Por Qué Son Importantes las Citaciones?

Las citaciones son esenciales en la investigación por varias razones. Muestran cómo las ideas se basan en trabajos pasados, proporcionan contexto para nuevos hallazgos y reconocen las contribuciones de investigadores que vinieron antes. Al conectarse con la literatura anterior, los investigadores pueden confirmar o rechazar hallazgos anteriores, comparar estudios actuales con los históricos y, en última instancia, crear un cuerpo de conocimiento más rico.

Además, cómo los investigadores citan trabajos anteriores puede dar pistas sobre los valores de un campo. Por ejemplo, un campo que cita frecuentemente estudios antiguos puede valorar el conocimiento básico, mientras que uno que cita principalmente trabajos recientes puede priorizar la innovación sobre el contexto histórico.

El Problema de la Amnesia de Citación

Un problema importante que contribuye a esta disminución en la citación de trabajos más antiguos es lo que se llama "amnesia de citación". Esto ocurre cuando los investigadores no hacen referencia a estudios relevantes del pasado. Las causas de la amnesia de citación pueden variar, incluyendo omisiones intencionales, olvidos o simplemente no estar al tanto de investigaciones importantes, especialmente si provienen de un campo diferente.

Examinando Patrones de Citación

Para entender cómo cambian los patrones de citación con el tiempo, los investigadores han analizado una amplia variedad de artículos académicos en múltiples campos. Este análisis abarca más de cuatro décadas y muestra que muchas áreas, incluyendo psicología y ciencias de la computación, han obstaculizado su compromiso con la literatura más antigua.

Las implicaciones de descuidar la investigación más antigua pueden ser profundas. Puede resultar en la duplicación de ideas y llevar a perder oportunidades para aprender de errores cometidos en el pasado. Además, corre el riesgo de crear una burbuja donde las tendencias actuales eclipsan perspectivas valiosas que podrían informar el trabajo futuro.

La Evidencia

Análisis recientes han revelado que varios campos, incluyendo NLP y ML, han visto un cambio drástico en sus hábitos de citación. Por ejemplo, entre 2015 y 2020, los artículos de NLP mostraron una disminución en la edad de citación de alrededor del 12.8%. Otros campos también exhibieron tendencias similares a la baja en la referencia de trabajos más antiguos, sugiriendo que este problema podría ser generalizado.

Los investigadores observaron que la tendencia a citar artículos recientes parece estar creciendo, incluso al considerar el aumento en el número de publicaciones. Este patrón plantea preguntas sobre qué tan activamente los investigadores se comprometen con el cuerpo más amplio de la literatura.

Hallazgos a Través de Diferentes Campos

Diferentes campos académicos muestran dinámicas de citación variadas. Disciplinas tradicionales, como la historia y la filosofía, tienden a referenciar obras más antiguas debido a sus historias establecidas. En contraste, campos más nuevos como la ciencia de la computación suelen citar estudios más recientes, enfocándose en desarrollos actuales en lugar de la literatura básica.

Sin embargo, la medicina presenta un caso interesante. A pesar de su larga historia, tiende a citar más investigaciones contemporáneas. Esto podría deberse a que las revistas médicas a menudo limitan el número de referencias permitidas, lo que lleva a los autores a priorizar estudios recientes.

El Papel del Volumen de Publicaciones

Una preocupación es si el volumen creciente de artículos publicados influye en las tendencias de citación. Algunos estudios sugieren que cuando un campo está en rápida expansión, puede volverse más propenso a citar trabajos recientes en detrimento de los más antiguos. Para investigar esto, los investigadores han evaluado la relación entre el volumen de publicaciones y la edad de las citaciones.

Curiosamente, controlar el volumen de artículos no parece alterar significativamente la tendencia observada de disminución de la edad de citación. En varios campos, incluyendo NLP, la disminución de citaciones más antiguas persiste, indicando que hay otros factores en juego.

Citando Dentro y Más Allá de los Campos

Más allá de mirar la edad de las citaciones, los investigadores también examinaron cómo diferentes campos se relacionan con su propia literatura histórica en comparación con la de otros campos. Muchos campos muestran una preferencia por citar trabajos de su propia disciplina, indicando una especie de cámara de eco donde se prefieren los avances recientes sobre la investigación fundamental más antigua.

Algunos campos, como matemáticas y lingüística, tienden a mantener conexiones con obras más antiguas más que otros, lo que sugiere un respeto por la herencia académica. Por otro lado, campos como NLP y ML parecen priorizar sus últimos avances, posiblemente debido a la naturaleza acelerada de la innovación tecnológica.

El Impacto de la Tecnología y la Cultura de Investigación

El desarrollo rápido dentro de NLP y campos relacionados plantea una pregunta sobre la sostenibilidad de este modelo de innovación. A medida que surgen nuevas tecnologías, el enfoque en hallazgos recientes puede eclipsar la comprensión y validación esencial de investigaciones anteriores.

El énfasis de la comunidad investigadora en publicar nuevos hallazgos puede llevar a una perspectiva más estrecha, potencialmente dejando de lado perspectivas valiosas del pasado. Las presiones del entorno académico, donde publicar a menudo se vincula con el avance profesional, pueden agravar este problema.

Una Herramienta para Mejores Prácticas de Citación

Para abordar los desafíos de la amnesia de citación, los investigadores han desarrollado herramientas basadas en la web que permiten a los académicos analizar patrones de citación para trabajos específicos. Estas herramientas pueden ayudar a resaltar la edad de las citaciones y la diversidad de campos referenciados, promoviendo así la conciencia sobre la importancia de comprometerse con la literatura más antigua.

Conclusión

La tendencia de la disminución de la edad de citación en múltiples campos plantea preguntas importantes sobre el futuro del discurso científico. La reducción en la referencia de trabajos más antiguos podría llevar a una comprensión más estrecha del conocimiento y a una oportunidad perdida para la innovación arraigada en hallazgos pasados.

Como miembros de la comunidad académica, los investigadores tienen el poder de moldear la dirección de estas tendencias. Al comprometerse conscientemente con una gama más amplia de literatura, incluyendo estudios más antiguos, pueden enriquecer su trabajo y contribuir a un diálogo científico más inclusivo.

Esta conversación continua sobre las prácticas de citación-especialmente entre campos emergentes como NLP y ML-será crucial para definir la integridad y el futuro de la investigación académica. Para fomentar una cultura de investigación robusta, es esencial recordar y aprender de trabajos pasados mientras se abrazan avances contemporáneos. A través de este equilibrio, la comunidad científica puede asegurarse de seguir siendo innovadora, responsable e informada por todo el espectro de conocimiento disponible.

Fuente original

Título: Citation Amnesia: On The Recency Bias of NLP and Other Academic Fields

Resumen: This study examines the tendency to cite older work across 20 fields of study over 43 years (1980--2023). We put NLP's propensity to cite older work in the context of these 20 other fields to analyze whether NLP shows similar temporal citation patterns to these other fields over time or whether differences can be observed. Our analysis, based on a dataset of approximately 240 million papers, reveals a broader scientific trend: many fields have markedly declined in citing older works (e.g., psychology, computer science). We term this decline a 'citation age recession', analogous to how economists define periods of reduced economic activity. The trend is strongest in NLP and ML research (-12.8% and -5.5% in citation age from previous peaks). Our results suggest that citing more recent works is not directly driven by the growth in publication rates (-3.4% across fields; -5.2% in humanities; -5.5% in formal sciences) -- even when controlling for an increase in the volume of papers. Our findings raise questions about the scientific community's engagement with past literature, particularly for NLP, and the potential consequences of neglecting older but relevant research. The data and a demo showcasing our results are publicly available.

Autores: Jan Philip Wahle, Terry Ruas, Mohamed Abdalla, Bela Gipp, Saif M. Mohammad

Última actualización: 2024-12-13 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2402.12046

Fuente PDF: https://arxiv.org/pdf/2402.12046

Licencia: https://creativecommons.org/licenses/by-sa/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares