Exploring the relationship between team institutional composition and novelty in academic papers based on fine-grained knowledge entities

背景

在学术研究中，论文的新颖性是衡量其学术价值与贡献的核心指标。过往研究多关注作者个人特征或合作网络对新颖性的影响，却较少深入探讨团队机构构成（如纯学术、纯工业或产学研混合）的作用。此外，传统的新颖性度量往往停留在宏观层面（如引用分析或关键词重合度），难以揭示论文创新的具体来源和类型。为了填补这一空白，研究者以自然语言处理（NLP）领域为例，引入细粒度知识实体分析方法，旨在深入剖析团队机构构成与论文新颖性之间的深层关联。

核心内容

本研究聚焦于团队机构构成对学术论文新颖性的影响，并以自然语言处理（NLP）为具体研究对象。研究将作者团队划分为三类：纯学术机构团队、纯工业机构团队，以及学术与工业混合机构团队。

在度量方法上，研究突破了传统宏观层面的局限，从论文全文中提取了四种细粒度知识实体：方法、数据集、工具和指标。研究基于这些实体的组合情况来衡量论文的新颖性，并进一步分析了不同实体类型之间的成对组合，以检验各类组合对论文新颖性的具体贡献。

研究得出两个核心发现： 第一，在自然语言处理领域，产学研混合机构团队比纯工业机构团队更有可能产出具有新颖性的论文。 第二，从细粒度知识实