Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset6. Oktober 2021 · Q005834

Map of Science Updates and User Interface Launch: What’s New?

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

CSET stellt eine öffentliche Oberfläche seiner „Map of Science“ vor und berichtet über ergänzte Publikationsdaten, darunter Papers with Code, arXiv und zusätzliche CNKI-Dokumente. Die Karte bietet Filter und Detailansichten zu Forschungsklustern; am Beispiel eines Clusters zu Malware-Erkennung und schädlichem JavaScript werden deren Funktionen erläutert. Eine systematische Bewertung der Oberfläche oder unabhängige Prüfung der Daten enthält der Beitrag nicht.

Mittel

Der Bericht kündigt den öffentlichen Start von CSETs Benutzeroberfläche für die „Map of Science“ an. CSET zufolge wurden dem zusammengeführten Bestand wissenschaftlicher Publikationen Daten von Papers with Code und arXiv hinzugefügt. Weitere CNKI-Dokumente, darunter Dissertationen und Konferenzveröffentlichungen, hätten die Zahl der erfassten chinesischen Publikationen effektiv verdoppelt.

Die Oberfläche bietet laut Bericht 17 Filter, etwa nach Fachgebiet, KI-Anteil, Wachstum und vorherrschendem Land. Filter können kombiniert werden; die Karte zeigt dann passende Research Clusters (RCs) und zoomt automatisch auf sie. Beim Überfahren eines Clusters erscheinen Kennung und Kurzstatistik. Ein Klick führt zu Details über das Forschungsgebiet, wichtige Arbeiten sowie aktive Länder, Autoren und Organisationen.

Am Beispiel RC 23378 beschreibt CSET Zusammenfassungs-, Publikations- und Länder-/Organisationsansichten. Der Cluster befasse sich mit Malware-Erkennung und schädlichem JavaScript. Die Länderansicht vergleiche unter anderem Publikationszahlen und durchschnittliche Zitationen. Der Beitrag erläutert Funktionen anhand ausgewählter Beispiele, bietet aber keine systematische Evaluation der Oberfläche oder unabhängige Prüfung der Daten. CSET verweist auf ein Erklärungsvideo und bittet um Nutzerfeedback.

Ausführlich lesen

Der Bericht stellt den öffentlichen Start der Benutzeroberfläche für CSETs „Map of Science“ vor und beschreibt Aktualisierungen der zugrunde liegenden Publikationsdaten sowie Möglichkeiten, Forschungsschwerpunkte zu erkunden. Laut CSET soll die Oberfläche es allen Interessierten ermöglichen, die Karte und ihre Research Clusters (RCs) selbstständig zu durchsuchen.

Für den zusammengeführten Bestand wissenschaftlicher Veröffentlichungen habe CSET zwei Datensätze ergänzt: Papers with Code und arXiv. Außerdem seien weitere Dokumente aus der chinesischen Datenbank CNKI aufgenommen worden, darunter Dissertationen und Konferenzveröffentlichungen. Dadurch habe sich die Zahl der erfassten chinesischen Publikationen effektiv verdoppelt. Der Bericht nennt keine absoluten Bestandszahlen oder Angaben dazu, wie diese Änderungen die Zusammensetzung der Karte im Einzelnen beeinflussen.

Die Oberfläche biete 17 Filter, etwa nach Fachgebiet, vorherrschendem Land, Wachstum und Anteil KI-bezogener Arbeiten. Ein Beispiel zeigt RCs, bei denen mindestens 25 Prozent der Arbeiten KI-Papiere sind. Mehrere Filter lassen sich kombinieren: CSET führt die Auswahl solcher RCs, mit prognostiziertem extremem Wachstum und den Vereinigten Staaten als häufigstem Land der Autorenaffiliation vor. Die Karte zoomt laut Bericht automatisch auf die gefilterten Cluster. Um alle verfügbaren Filter aufzurufen, müsse man in den Einstellungen „Select all“ wählen.

Die Cluster erscheinen als Punkte. Beim Überfahren mit dem Mauszeiger werden ihre numerische Kennung und eine kurze Statistikübersicht angezeigt. Ein Klick öffnet eine Detailseite mit einer Zusammenfassung des Forschungsgebiets, wichtigen Arbeiten – darunter Kern- und meistzitierte Veröffentlichungen – sowie Informationen zu aktiven Ländern, Autoren und Organisationen.

Als Beispiel beschreibt der Bericht RC 23378. Auf dessen Zusammenfassungsseite finden sich unter anderem häufige Fachgebietsbezeichnungen, benachbarte Cluster und die Zahl neuer Veröffentlichungen im Zeitverlauf. Eine eigene Registerkarte listet Kernarbeiten, häufig zitierte Arbeiten und Übersichtsarbeiten. CSET ordnet den Cluster den Themen Malware-Erkennung und schädliches JavaScript zu. Die Registerkarte zu Ländern und Organisationen enthält Angaben zu Länderzugehörigkeiten von Autoren, Organisationszugehörigkeiten sowie Standorten und Arten von Förderorganisationen. Eine Tabelle vergleicht für die führenden Länder die Zahl der Arbeiten und die durchschnittlichen Zitationen pro Arbeit.

Der Text ist vor allem eine Einführung in die Funktionen anhand ausgewählter Beispiele. Er berichtet keine systematische Evaluation der Benutzeroberfläche, keine unabhängige Prüfung der Daten und keine Ergebnisse einer vergleichenden Analyse der Forschungslandschaft. CSET lädt dazu ein, die Karte selbst zu erkunden, verweist auf ein erläuterndes Video und bittet um Rückmeldungen über die Oberfläche oder per E-Mail.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Beide Fassungen (kurz und mittel) wurden gemeinsam geprüft, da das Schema nur eine Zusammenfassung vorsieht. Die Kurzfassung ist knapper, aber nicht falsch; die mittlere Fassung gibt den Bericht etwas vollständiger wieder.

Im Bericht, aber nicht in der Zusammenfassung

  • Verdopplung der chinesischen Publikationen durch die CNKI-Ergänzung wird in der Kurzfassung nicht genannt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
Frieden und Sicherheit
Beteiligung und Gemeinwohl

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →