人机交互中引用实践的过去、现在和未来

研究背景与问题

• 作者发现了哪些问题或挑战？ 作者发现了在人机交互（HCI）领域，自2016年ACM CHI会议引入了新的编辑政策后，论文中的参考文献数量显著增加。这种变化导致了学术行为的深刻转型，文章平均引用数呈现逐年线性增长。这一趋势可能会导致2030年的每篇CHI论文平均包含约130条引用。

• 为什么这个问题很重要？ 参考文献数量的快速增长导致作者和审稿人疲劳，影响学术的可持续性和文献的质量。此外，引用文化越来越注重数量而非质量，这意味着过多的引用可能稀释引用的价值，并可能影响学术的严谨性。

• 研究动机与相关工作 作者通过分析CHI会议的历届论文（1981年至2024年），旨在检验2016年编辑政策变化对社区引用行为的影响，同时探讨其他可能的因素（例如合作作者数量、奖励机制、对预印本的引用等）如何进一步推动这一趋势。这一研究属于元研究领域，揭示学术政策决策如何影响整个研究社区。

解决方案

• 作者提出了哪些方法或解决方案？ 作者提出了一种事件研究方法结合线性回归模型来量化自2016年政策变动以来引用行为的变化。此外，作者还探索了可能影响引用数量的一系列上下文因素，包括奖励机制、合作作者增长、文献综述的使用、对预印本的引用等。

• 该解决方案的创新之处是什么？ 作者使用事件研究和回归模型的组合来分析学术政策变化对引用行为的长期影响。这种方法不仅分析了政策变化的直接结果，还考察了影响引用行为的复杂背景因素，如学术激励和出版文化。

• 实施步骤是什么？使用了哪些关键技术？

  1. 数据收集：提取1981年至2024年间出版的11,542篇CHI会议论文的参考文献和作者信息。
  2. 统计分析：通过线性回归分析预测未来引用趋势，并使用事件研究评估政策变更的影响。
  3. 趋势探索：可视化和分析相关引用行为的上下文因素，包括文献综述、预印本引用、代码和数据仓库的引用。
  4. 潜在因果分析：测量奖励机制和其他因素对引用数量的影响。
  5. 解决方案建议：提出可能缓解引用数量过度增长的方法，包括重新引入限制、使用语言模型支持作者写作等。

研究成果

• 取得了哪些具体成果？

  1. 作者提供了强有力的证据表明，自2016年政策变更以来，CHI领域的引用习惯明显改变，引用数量呈现线性增长。
  2. 数据显示，奖励机制对引用增长的影响有限，但一些其他因素，包括引用预印本和潜在掠夺性出版物，可能促进了增长。
  3. 文献综述和机器学习相关引用成为CHIPapers中的新趋势。

• 与现有解决方案相比，它有哪些优势？ 作者的研究全面分析了政策和行为变化的背景因素，而不仅仅是观察整体趋势。这种多层次的深入分析突出了政策变更的深远影响，为HCI领域的学术文化提供了新视角。此外，这种方法为其他研究领域提供了参考，以帮助规划和评估学术政策的影响。

• 实验或评估结果是什么？

  1. 如果当前趋势持续，预计到2030年的CHI论文将平均包含约130个引用。
  2. 事件研究证明了政策变化的显著影响，而其他发掘的上下文因素（如合作作者数量）则对引用数量的增长贡献有限。
  3. 趋势中显著的上下文变化包括对开放数据和代码仓库的引用显著增加，以及对“系统性文献综述”的引用趋势增长。

• 局限性与未来方向

  1. 研究的上下文因素探讨虽然全面，但仍可能遗漏其他未考察的变量。
  2. 未来研究可以更深入地分析作者行为背后的动机，例如通过访谈或Delphi研究法。
  3. 作者建议研究如何将机器学习引入学术审稿以缓解审稿人疲劳，同时发展更加智能化的引用工具。

通过这篇论文，作者呼吁HCI社区重新评估其引用实践，重新平衡学术论文中的引用数量与质量，并提出了数种可行的解决方案以促进学术文化的可持续发展。