論文の概要: A Novel Kuhnian Ontology for Epistemic Classification of STM Scholarly Articles

• arxiv url: http://arxiv.org/abs/2002.03531v1
• Date: Mon, 10 Feb 2020 04:00:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-01-02 07:32:59.639038
• Title: A Novel Kuhnian Ontology for Epistemic Classification of STM Scholarly Articles
• Title（参考訳）: STM Scholarly Articles の疫学的分類のための新しい Kuhnian オントロジー
• Authors: Khalid M. Saqr, Abdelrahman Elsharawy
• Abstract要約: クーニアン・サイクル・オブ・サイエンス(Kuhnian cycle of science)は、異なる段階の研究を記述している。 モジュールオントロジーは、パラダイム中心の知識への貢献に応じて記事を分類することができる。 著者たちにとって、これはクーン人の科学のパラダイム観に基づく学術論文を記述するためのオントロジーを作る最初の試みである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Thomas Kuhn proposed his paradigmatic view of scientific discovery five decades ago. The concept of paradigm has not only explained the progress of science, but has also become the central epistemic concept among STM scientists. Here, we adopt the principles of Kuhnian philosophy to construct a novel ontology aims at classifying and evaluating the impact of STM scholarly articles. First, we explain how the Kuhnian cycle of science describes research at different epistemic stages. Second, we show how the Kuhnian cycle could be reconstructed into modular ontologies which classify scholarly articles according to their contribution to paradigm-centred knowledge. The proposed ontology and its scenarios are discussed. To the best of the authors knowledge, this is the first attempt for creating an ontology for describing scholarly articles based on the Kuhnian paradigmatic view of science.
• Abstract（参考訳）: トーマス・クーンは50年前に科学的発見のパラダイム的見解を提案した。 パラダイムの概念は科学の進歩を説明するだけでなく、stm科学者の中心的な認識概念にもなっている。 ここでは,stm論文の影響を分類し評価することを目的とした新しいオントロジーを構築するために,クーン哲学の原理を採用する。 まず,kuhnian cycle of scienceが認識論的に異なる段階の研究をどのように記述しているかを説明する。 次に,クーニアンサイクルを,パラダイム中心の知識への貢献に応じて学術論文を分類するモジュラーオントロジーに再構築する方法を示す。 提案するオントロジーとそのシナリオについて論じる。 著者の知識を最大限に活用するために、これはクーン人の科学のパラダイム観に基づく学術論文を記述するためのオントロジーを作る最初の試みである。

関連論文リスト

• Identity Card Presentation Attack Detection: A Systematic Review [7.7489419818764596]
  ディープ・ラーニングはプレゼンテーション・アタック検出の進歩を推進した。 この分野は、データの欠如とモデルの一般化の貧弱により、基本的に制限されている。 本稿では,本研究の成果を整理し,重要な研究ギャップを特定し,今後の研究の規範的ロードマップを概説する。
  論文  参考訳（メタデータ） (2025-11-08T15:55:37Z)
• Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
  線形木探索はLarge Language Model (LLM) 研究の基盤となっている。 本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T03:29:18Z)
• Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
  本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。 各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。 合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
  論文  参考訳（メタデータ） (2025-08-26T16:41:37Z)
• A Systematic Literature Review of Retrieval-Augmented Generation: Techniques, Metrics, and Challenges [1.774905308388066]
  このRAG(Research-augmented Generation)に関する研究文献の体系的なレビューは、2020年から2025年にかけて発行された最も高度に引用された研究の焦点を絞った分析である。
  論文  参考訳（メタデータ） (2025-08-08T15:37:14Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• AI-Reporter: A Path to a New Genre of Scientific Communication [0.0]
  AI-Reporterは、科学出版の実践におけるパラダイムシフトを表している。 技術革新が一時的なプレゼンテーションと恒久的な科学的文書とのギャップをいかに埋めるかを示す。
  論文  参考訳（メタデータ） (2025-07-08T11:41:37Z)
• Physical Principles of Quantum Biology [0.0]
  物理の観点から量子生物学にアプローチする。 研究者、生物学者、物理学者、生化学者、医学者、量子力学の学生のために書かれた。
  論文  参考訳（メタデータ） (2025-03-14T17:12:25Z)
• Optimizing Research Portfolio For Semantic Impact [55.2480439325792]
  サイテーション指標は学術的影響を評価するために広く用いられているが、社会的偏見に悩まされている。 本稿では,研究効果を予測する新しいフレームワークであるrXiv Semantic Impact (XSI)を紹介する。 XSIは学術知識グラフにおける研究概念の進化を追跡している。
  論文  参考訳（メタデータ） (2025-02-19T17:44:13Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• Knowledge-guided Machine Learning: Current Trends and Future Prospects [14.783972088722193]
  また、科学知識誘導機械学習(KGML)の新興分野の研究の現状についても紹介している。 我々は、KGML研究のさまざまな側面について、使用する科学知識の種類、知識-機械学習統合の形式、そして、科学知識をMLに組み込む方法について論じる。
  論文  参考訳（メタデータ） (2024-03-24T02:54:46Z)
• Quantum ontology de-naturalized: What we can't learn from quantum mechanics [0.0]
  科学哲学はオントロジーと科学を結び付け、これらの分野は双方向の関係を維持していると述べている。 我々は、オントロジーを自然化する過程、すなわち、特定の理論がどの存在にコミットするかを指摘することだけに、オントロジーの研究を精査する過程を批判的に検討する。
  論文  参考訳（メタデータ） (2024-02-08T13:26:13Z)
• Ontology for Conceptual Modeling: Reality of What Thinging Machines Talk About, e.g., Information [0.0]
  本稿では,概念モデリングの基礎に基づく図式開発のための学際的な研究手法を開発する。 オントロジーのオフショア調達を哲学から逃れ、CMに移植する試みである。 結果は、情報を定義し、その性質を理解するための有望なアプローチを示すように思われる。
  論文  参考訳（メタデータ） (2023-08-16T03:21:27Z)
• Conceptual diagrams in Quantum Mechanics [0.0]
  量子力学の研究は通常、ボーアとコペンハーゲン研究者によって開発された唯一の枠組みであるコペンハーゲン解釈(コペンハーゲン解釈)の中で、将来の科学者にも提示される。 本稿では,量子力学の解釈において介在する要素の可視化と可視化を目的とした概念図の集合について述べる。
  論文  参考訳（メタデータ） (2023-03-25T00:15:53Z)
• A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
  混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。 プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。 ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
  論文  参考訳（メタデータ） (2023-01-17T15:16:21Z)
• Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG): Challenges and Case Studies [63.61566811532431]
  金属有機フレームワーク(MOF)は、ガス貯蔵、分子分離、化学センシング、結晶および薬物のデリバリーといった応用に革命をもたらす大きな可能性を持っている。 ケンブリッジ構造データベース(CSD)は10,636個のMOF結晶を報告しており、これには114,373個のMOF構造が含まれる。 本稿では,MOF予測,発見,合成を容易にする知識グラフ手法の活用に向けた取り組みについて述べる。
  論文  参考訳（メタデータ） (2022-07-10T16:41:11Z)
• Categorical Representation Learning and RG flow operators for algorithmic classifiers [0.7519268719195278]
  我々は、RG-flow categorifierと呼ばれる新しい自然言語処理アーキテクチャを構築し、RG categorifierを短くして、すべての層でデータ分類と生成を行う。 特に、インフルエンザウイルスの特定のゲノム配列にRG分類法を適用し、我々の技術が与えられたゲノム配列からどのように情報を抽出できるかを示す。
  論文  参考訳（メタデータ） (2022-03-15T15:04:51Z)
• An ontology for the formalization and visualization of scientific knowledge [0.0]
  オントロジソース(特定の分野の知識オブジェクトのオントロジー、語彙的および高レベルのオブジェクトのオントロジー)、専門知識ベース、科学者へのインタビューから構築された最初のバージョンを提示する。 この検証は、物理学の分野で始められた様々な情報源からの知識の形式化に使われる。
  論文  参考訳（メタデータ） (2021-07-09T10:33:45Z)
• Autoregressive Hidden Markov Models with partial knowledge on latent space applied to aero-engines prognostics [2.179313476241343]
  本稿では,ARPHMM(Auto Regressive Partially-hidden Markov Model)を用いて,センサデータに基づく機器の故障検出と予後予測を行う。 健康指標に基づいて,このモデルを用いて残りの生活を推定する方法を示す。
  論文  参考訳（メタデータ） (2021-05-01T10:23:22Z)
• Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis [54.249502356251085]
  我々は新しい予測フレームワークと共に新しい洞察を示す。 提案手法は、社会情報や地図情報を導入することなく、最先端の作品を超える。
  論文  参考訳（メタデータ） (2021-03-14T06:21:03Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
  我々はメカニズムの知識ベース(KB)の構築を追求する。 我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。 実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:54:14Z)
• Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier [68.38233199030908]
  ロングテール認識は、現実世界のシナリオにおける自然な非一様分散データに取り組む。 モダンは人口密度の高いクラスではうまく機能するが、そのパフォーマンスはテールクラスでは著しく低下する。 Deep-RTCは、リアリズムと階層的予測を組み合わせたロングテール問題の新しい解法として提案されている。
  論文  参考訳（メタデータ） (2020-07-20T05:57:42Z)
• COVID-19 Literature Knowledge Graph Construction and Drug Repurposing Report Generation [79.33545724934714]
  我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。 我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
  論文  参考訳（メタデータ） (2020-07-01T16:03:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。