講演情報
[1Yin-B-57]BERTopicの多目的最適化によるグローバル・ガバナンス研究の学際的知識構造化大規模学術文献に基づく計量書誌学的分析
井上 雄介1、〇太田 陽菜2 (1. 慶應義塾大学、2. 山梨県立大学)
キーワード：
自然言語処理、Bertopic、多目的最適化
本研究では、グローバル・ガバナンスに関する大規模学術文献の構造把握を目的として、BERTopicによるクラスタリング分析を実施した。2020～2024年に発行された13,205件の学術論文を対象に最適化を実施した結果、一貫性スコア0.82、多様性スコア0.87を示すモデルが得られ、健康、気候変動、持続可能性などに関わる74の解釈可能なトピックが抽出された。共起ネットワーク分析により、「環境・気候変動とその解決策」と「社会制度の再構築及びレジリエンス」の二つの主要クラスターに分化することが確認された。また、都市問題、気候変動、SDGsは、トピック間の連関を媒介する中介的特性を示していた。UMAPに基づくコミュニティ分析から、生物多様性保全に関する大規模テーマに加え、中国外交政策や企業のESG指標などの小規模テーマを含む、意味的に一貫したコミュニティが確認された。これらの結果は、グローバル・ガバナンス研究における構造的関係を実証的に示すとともに、国境を越える地球規模課題の多層性を明らかにしている。俯瞰的分析を通じて課題の具体化と整理が可能となり、学際的課題解決への知見提供が期待される。