Einfluss von Social Media auf die Sichtbarkeit wissenschaftlicher KI-Publikationen

Die Verknüpfung von Social Media und Forschung: Wie Influencer die Sichtbarkeit von KI-Publikationen beeinflussen

Die rasante Entwicklung im Bereich der Künstlichen Intelligenz (KI) führt zu einer stetig wachsenden Anzahl an wissenschaftlichen Publikationen. Dies stellt Forschende vor die Herausforderung, relevante Arbeiten im Informationsmeer zu identifizieren. Social-Media-Plattformen, insbesondere X (ehemals Twitter), spielen dabei eine immer wichtigere Rolle. Dieser Artikel untersucht den Einfluss von KI-Influencern auf die Sichtbarkeit von Forschungsarbeiten und analysiert, ob durch deren Empfehlungen die Zitationshäufigkeit beeinflusst wird.

Der Einfluss von Influencern im Kontext der Informationsflut

Die zunehmende Anzahl an Konferenzbeiträgen und Preprints auf Plattformen wie arXiv stellt die wissenschaftliche Community vor neue Herausforderungen. Influencer wie @_akhaliq und Aran Komatsuzaki (@arankomatsuzaki) agieren als Kuratoren, die relevante Arbeiten für ihre Follower herausfiltern und somit zur Navigation im Informationsdschungel beitragen. Diese Rolle ähnelt der von Journalisten, die wichtige Themen für die Öffentlichkeit aufbereiten und kontextualisieren.

Die vorliegende Untersuchung konzentriert sich auf die beiden genannten Influencer, die sich durch regelmäßige Posts zu aktuellen KI-Publikationen, eine große Followerschaft und eine fokussierte Berichterstattung auszeichnen. Ziel ist es, herauszufinden, ob von ihnen empfohlene Arbeiten häufiger zitiert werden als andere Publikationen.

Datenerhebung und Methodik

Die Analyse basiert auf einem retrospektiven Kohortenstudien-Design. Hierbei werden eine Behandlungs- und eine Kontrollgruppe mit identischen Ausgangsbedingungen verglichen, um den durchschnittlichen Behandlungseffekt zu bestimmen. Im vorliegenden Fall wird angenommen, dass die Zitationshäufigkeit einer Arbeit maßgeblich durch die verstrichene Zeit seit Veröffentlichung, die Qualität der Arbeit und das Thema beeinflusst wird.

Die Datenerhebung erfolgte in drei Schritten: Zunächst wurden die von den Influencern geteilten Publikationen (Target Set) ermittelt. Anschließend wurde ein umfangreicher Datensatz von potenziellen Vergleichsarbeiten zusammengestellt. Im letzten Schritt wurde das Control Set gebildet, indem Publikationen aus dem Target Set mit Arbeiten aus dem Vergleichsdatensatz abgeglichen wurden. Dabei wurden Veröffentlichungsjahr, -ort (z.B. Konferenz) und ein Text-Embedding von Titel und Abstract als Ähnlichkeitskriterien verwendet.

Ergebnisse und Diskussion

Die Analyse zeigt, dass von den Influencern geteilte Arbeiten signifikant häufiger zitiert werden als die Vergleichspublikationen. Die medianen Zitationszahlen der empfohlenen Arbeiten waren um den Faktor 2-3 höher. Dies deutet darauf hin, dass Empfehlungen von Influencern die Sichtbarkeit und damit auch die wissenschaftliche Rezeption von KI-Publikationen beeinflussen.

Die Ergebnisse unterstreichen die wachsende Bedeutung von Social Media in der wissenschaftlichen Kommunikation. Gleichzeitig werfen sie die Frage auf, inwieweit die Konzentration auf wenige Kuratoren zu einer Verzerrung der Forschungslandschaft führen kann. Es ist daher wichtig, dass Influencer eine ausgewogene und vielfältige Auswahl an Arbeiten präsentieren, um verschiedene Forschungsthemen, -autoren und -institutionen sichtbar zu machen.

Ausblick und Handlungsempfehlungen

Die vorliegende Studie liefert wichtige Erkenntnisse über den Einfluss von Social Media auf die wissenschaftliche Kommunikation im KI-Bereich. Zukünftige Forschung sollte sich mit der Entwicklung von Strategien beschäftigen, die eine breite und repräsentative Darstellung von Forschungsergebnissen gewährleisten. Dies könnte beispielsweise durch die Etablierung von Plattformen oder Initiativen erreicht werden, die die Sichtbarkeit von Arbeiten aus unterrepräsentierten Gruppen fördern.

Bibliografie - https://twitter.com/_akhaliq?lang=de - https://x.com/_akhaliq?lang=de - https://x.com/_akhaliq - https://twitter.com/_akhaliq/status/1855993567128207754 - https://www.reddit.com/r/MachineLearning/comments/14rjsdl/d_papers_with_code_newsletter_replacement/?tl=de - https://arxiv.org/html/2401.13782v3 - https://twitter.com/Xianbao_QIAN/status/1851193590829236598/video/1 - https://www.linkedin.com/in/akhaliq - https://arxiv.org/html/2401.13782v1