How Data Scientists Review the Scholarly Literature
How Data Scientists Review the Scholarly Literature
复制标题
数据科学家如何回顾学术文献
DOI：
10.1145/3576840
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Mahyar, Narges
中科院分区：
文献类型：
--
作者：
Mysore, Sheshera;Jasim, Mahmood;Song, Haoru;Akbar, Sarah;Randall, Andre Kenneth;Mahyar, Narges
跟上研究文献在科学家的工作流程中起着重要的作用-使他们能够理解一个领域，制定他们关注的问题，并开发他们贡献的解决方案，这反过来又塑造了学科的性质。在本文中，我们研究了数据科学家的文献综述实践。数据科学代表了一个论文呈指数级增长的领域，并且越来越多地借鉴和应用于许多不同的学科。最近的努力已经看到了几种工具的开发，旨在帮助数据科学家科普大量的研究，并协调努力开发旨在揭示研究前沿的人工智能工具。尽管这些趋势表明数据科学家面临的信息过载，但之前没有研究这些科学家在跨学科领域面临的具体实践和挑战，这些领域的学术规范不断发展。在本文中，我们通过一组半结构化访谈和行业和学术数据科学家（N = 20）的有声思维协议来缩小这一差距。我们的研究结果在证实其他知识工作者的实践的同时，揭示了几个新的发现：个人（1）在寻找和理解超出其学科泡沫的论文方面受到挑战，（2）在面对缺失的细节和数学内容时努力理解论文，（3）通过利用代码、博客和谈话中的知识背景来应对洪水，以及（4）在线和面对面地依靠他们的同龄人。此外，我们还概述了未来的方向，可能有助于数据科学家科普蓬勃发展的研究文献。
Keeping up with the research literature plays an important role in the workflow of scientists – allowing them to understand a field, formulate the problems they focus on, and develop the solutions that they contribute, which in turn shape the nature of the discipline. In this paper, we examine the literature review practices of data scientists. Data science represents a field seeing an exponential rise in papers, and increasingly drawing on and being applied in numerous diverse disciplines. Recent efforts have seen the development of several tools intended to help data scientists cope with a deluge of research and coordinated efforts to develop AI tools intended to uncover the research frontier. Despite these trends indicative of the information overload faced by data scientists, no prior work has examined the specific practices and challenges faced by these scientists in an interdisciplinary field with evolving scholarly norms. In this paper, we close this gap through a set of semi-structured interviews and think-aloud protocols of industry and academic data scientists (N = 20). Our results while corroborating other knowledge workers’ practices uncover several novel findings: individuals (1) are challenged in seeking and sensemaking of papers beyond their disciplinary bubbles, (2) struggle to understand papers in the face of missing details and mathematical content, (3) grapple with the deluge by leveraging the knowledge context in code, blogs, and talks, and (4) lean on their peers online and in-person. Furthermore, we outline future directions likely to help data scientists cope with the burgeoning research literature.
登录
查看更多内容
DOI：
10.1145/3491102.3501905
发表时间：
2021-08
期刊：
Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Jason Portenoy;Marissa Radensky;Jevin D. West;E. Horvitz;Daniel S. Weld;Tom Hope
通讯作者：
Jason Portenoy;Marissa Radensky;Jevin D. West;E. Horvitz;Daniel S. Weld;Tom Hope
段落：跨文档与文本交互
DOI：
10.1145/3491102.3502052
发表时间：
2022
期刊：
Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Han L. Han;Junhang Yu;Raphael Bournet;Alexandre Ciorascu;W. Mackay;M. Beaudouin
通讯作者：
M. Beaudouin
影响因子：
29.9
作者：
Gomez, Charles J.;Herman, Andrew C.;Parigi, Paolo
通讯作者：
Parigi, Paolo
用户适应：糟糕的系统带来好的结果
DOI：
--
发表时间：
2008
期刊：
Annual International ACM SIGIR Conference on Research and Development in Information Retrieval
影响因子：
--
作者：
Catherine L. Smith;P. Kantor
通讯作者：
P. Kantor
Paper Forager：支持快速探索研究文献集
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
Justin Matejka;Tovi Grossman;G. Fitzmaurice
通讯作者：
G. Fitzmaurice