📄 論文
新しい論文に出会うことで、研究アイデアの軌道が変わることがあります。研究者は、自分が提案しようとしていた貢献がすでに誰かに取り上げられていることを発見したり、論文の中の未解決の問題から新たな探究の方向性を思いついたりするかもしれません。
私たちはこのプロセスを 文学に端を発するピボット: これまでの研究論文を読んだことがきっかけとなった研究方向の転換。これは、研究者が通常別々に管理しなければならない2つの活動、すなわちアイデアを発展させることと、それをどの文献と比較評価するかを決めることとを結びつけるものです。
ペンシルベニア大学の共同研究者たちとともに、私たちは開発しました LitPivot、研究者がこうした方向転換を乗り越えるのを支援するシステムです。を通じて取得した論文を用いて、 Asta Paper FinderLitPivotは、編集中の研究提案の該当部分に基づいて文献を整理し、選択した研究からの抜粋に基づく批評を提供し、研究者が受け入れる、編集する、または拒否できる修正案を提案します。LitPivotは研究の初期段階のアイデア出しに使用することを想定していますが、より長い執筆タスク(すなわち、論文のイントロダクションsectionの執筆など)に拡張できる可能性もあります。
17人の研究者を対象とした研究では、領域専門家が、LitPivotを用いて発展させた研究アイデアは、テキストエディターとAIチャットツールを用いたものよりも文献にしっかりと根ざしていると評価しました。参加者はまた、改訂後の研究アイデアがより斬新で有用だと感じ、周辺の文献への理解が深まったと報告しました。
LitPivotはデトロイトで開催されるUIST 2026で発表されます。論文を読む こちら.
なぜピボット(方向転換)が難しいのか
研究アイデアは、文献との関わりを通じて進化します。完了した4件のコンピュータサイエンス研究プロジェクトのミーティングノートを分析したところ、4プロジェクトすべてにわたって文献起点のピボットが21件見つかりました。これらは2つのタイプに分けられました。既存研究からアイデアを差別化してその新規性を確立するタイプと、既存研究とアイデアを整合させてその上に構築するタイプです。このプロジェクト自体も、その貢献を固める前に2回のピボットを経ました。
これらの変化への対応は容易ではありません。予備調査では、5名の研究者がテキストエディタと標準的な検索ツールを使って研究提案を作成しました。彼らは、文献と照らし合わせて批判的に評価しながらアイデアを発展させることに苦労しました。論文がアイデアの新規性に疑問を投げかけたとき、彼らは先行研究に裏付けられた、アイデアを修正するための具体的な提案を求めていました。これらの知見がLitPivotの評価機能の設計に反映され、文献に基づく批判と、選択したアイデア部分を修正するための具体的な提案を組み合わせて提供します。
LitPivotの仕組み
LitPivotでは、研究者はまずエディタで短い研究計画書を書き、私たちが呼ぶものを有効にすることから始めます。 ファセットのハイライト、これは構成されたアイデアを異なる側面(すなわち、問題、貢献、評価)に分割します。提案された側面を確認するには、研究者はドラフト内でそのセグメントをクリックします。隣接するパネルは、選択された側面に基づいて関連論文をグループ化し(例：評価の側面が選択されている場合は、使用されている評価方法に基づいて論文をグループ化)、最も関連性の高いグループをハイライト表示します。研究者は論文を選択し、評価を要求し、批判を裏付ける抜粋とともに提案された修正を確認します。その後、文献は修正された側面との関連性に基づいて再ランク付けされます。
特に、LitPivotは研究アイデアをその 問題, 提案された貢献、そして 評価計画それぞれのファセットには、独自の関連文献のセットと関連度ランキングがあります。LitPivotは取得した論文を編集中のファセットを中心にグループ化し、研究者がシステムに下書きの評価に使わせる論文を選択できるようにします。
Prismのような科学執筆環境やClaude Codeのようなエージェント型アシスタントと並んで、LitPivotは初期の研究アイデアを発展させるための新しいワークフローを模索しています。それは、アイデアを評価するための文献を選び、その証拠に基づいてアイデアを修正し、アイデアの変化に合わせてどの論文が重要かを見直すというものです。その論文グループとリンクされた批判は、研究提案の各部分についてこれらのステップを明示的に示し、研究者は草稿とそれを評価するために使う証拠の両方を管理します。
問題提起については、LitPivotはその問題が実在することの証拠と、それが重要である理由を探します。提案された貢献を評価する際には、選ばれた論文がすでに扱った内容と、それらの論文が述べている限界や今後の課題を比較し、残されているギャップを探します。評価計画については、提案されたテストが研究課題に対応しているか、また類似の研究がどのように評価されてきたかを確認します。その後、システムは裏付けとなる引用を添えた書き直し案を提案します。
アイデアの一側面を変更すると、別の側面が時代遅れになることがあります。LitPivotは、改訂された貢献をもはや適切に評価できない評価計画など、修正が必要な可能性のある箇所を指摘します。研究者は提案の進展に応じて、提案を受け入れる、編集する、または却下することができ、新しい論文の要求や文献ランキングの更新も行えます。
ある研究参加者からの言い換えた例。
私たちの調査結果
研究室での実験では、17人の研究者がそれぞれ、LitPivotを使って割り当てられたアイデアを1つ、そしてベースラインツール(テキストエディタと、選択した論文について質問できるAIツール)を使ってもう1つのアイデアを開発しました。どちらの条件でも同じ論文コレクションを使用しました。どのシステムが使われたかを知らされていない2名の領域専門家が、結果として得られた研究提案を単一の基準、すなわち関連する文献をどの程度上手く活用してアイデアを裏付け、正当化しているかについて評価しました。LitPivotで開発された提案は、より高い評価を受けました。
同じ実験の参加者は、ベースラインと比較して、LitPivotを使った方が周辺文献への理解が深まったと感じ、アイデアの新規性と有用性の自己申告による改善も大きかったと報告しました。領域専門家も参加者のアイデアを確認し、LitPivotを使って改訂されたアイデアは、関連文献に基づく裏付けが有意に優れていると評価しました。
研究室での実験のある参加者は、一貫性があり事実に基づく合成医療記録を生成する提案から始めました。LitPivotは、複数回の入院・外来にわたる一貫性が選択された文献における潜在的なギャップであることを特定しました。参加者はアブストラクトを確認し、単一回の記録に関する論文を削除しました。再度の評価を経て、提案を複数回の記録間の矛盾検出に絞り込みました。この例は、アイデアを改訂することと、それを評価するために使う文献を選ぶことが互いに情報を与え合う様子を示しています。
フォローアップ実験では、5人の研究者が30分のセッションの中で、それぞれ自身の進行中のプロジェクトにLitPivotを使用しました。参加者はプロジェクトの開始時だけでなく、複数のフェーズでLitPivotを使いました。2名は新しいアイデアを文献に対して検証するために使い、3名はより成熟したアイデアの枠組みを洗練させるために使いました。ある研究者は、異なる分野の並行する概念を見ることで自身の貢献を捉え直せたと強調しました。
これらの実験は、LitPivotが初期の探索と既存の研究方向の洗練の両方を支援できることを示唆しています。
科学的発見の支援に向けて
Ai2では、研究者が検証可能なアイデアを定式化し、その背後にあるエビデンスを検証できるよう支援するAIを開発しています。 Asta はその取り組みを、 公表された知見に基づく理論生成(Theorizer)、統合、そして データに対する仮説生成と検証(AutoDiscovery)を通じて支えており、一方 HARPA は、新興の研究トレンドに基づく有望な仮説を生成します。 Scideator は、先行研究の要素を組み合わせて新しいアイデアを作り、その 新規性を 評価することを研究者に可能にし、 IdeaSynth は文献に基づくフィードバックによる反復的な洗練を支援します。
私たちの最近の研究 Old Ideas, Novel Problemsは、自動新規性評価の限界を検討し、わずかなプロンプトの変更でAI評価者の同じアイデアに対する判定が変わりうることを示しました。LitPivotはこの研究の流れをさらに進め、関連文献の選択を改訂プロセスの一部にすることで、提案を評価するためにどの論文を使うかをアイデアの発展に応じて変更でき、その後、批判や裏付けとなる抜粋を用いて改訂方法を決定できます。システムはこれらの決定を、提案の問題、貢献、評価計画にわたって結び付けます。
LitPivotから得られた知見が、科学者が既存の知識の上に築き、初期のアイデアをそれぞれの分野への新しい貢献へと発展させる一助となることを願っています。