論文の概要: Characterising authors on the extent of their paper acceptance: A case
study of the Journal of High Energy Physics
- arxiv url: http://arxiv.org/abs/2006.06928v1
- Date: Fri, 12 Jun 2020 03:26:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-15 22:32:39.357998
- Title: Characterising authors on the extent of their paper acceptance: A case
study of the Journal of High Energy Physics
- Title（参考訳）: 論文の受理範囲における著者の特質--Journal of High Energy Physicsを事例として
- Authors: Rima Hazra and Aryan and Hardik Aggarwal and Matteo Marsili and
Animesh Mukherjee
- Abstract要約: 論文がほぼ常に会場で受理される著者のプロフィールと査読テキストについて検討する。
高い受け入れ率を持つ著者は、高い引用数、高い$h$-index、高い協力者数などを持つ可能性が高い。
- 参考スコア（独自算出の注目度）: 4.402336973466853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: New researchers are usually very curious about the recipe that could
accelerate the chances of their paper getting accepted in a reputed forum
(journal/conference). In search of such a recipe, we investigate the profile
and peer review text of authors whose papers almost always get accepted at a
venue (Journal of High Energy Physics in our current work). We find authors
with high acceptance rate are likely to have a high number of citations, high
$h$-index, higher number of collaborators etc. We notice that they receive
relatively lengthy and positive reviews for their papers. In addition, we also
construct three networks -- co-reviewer, co-citation and collaboration network
and study the network-centric features and intra- and inter-category edge
interactions. We find that the authors with high acceptance rate are more
`central' in these networks; the volume of intra- and inter-category
interactions are also drastically different for the authors with high
acceptance rate compared to the other authors. Finally, using the above set of
features, we train standard machine learning models (random forest, XGBoost)
and obtain very high class wise precision and recall. In a followup discussion
we also narrate how apart from the author characteristics, the peer-review
system might itself have a role in propelling the distinction among the
different categories which could lead to potential discrimination and
unfairness and calls for further investigation by the system admins.
- Abstract（参考訳）: 新たな研究者たちは、通常、論文が評判のフォーラムで受け入れられる確率を早めるレシピ(ジャーナル/会議)に非常に興味をそそる。
このようなレシピを求めて,論文がほぼ常に会場で受理される著者のプロファイルとピアレビューのテキストを調査した(我々の現在の研究における高エネルギー物理学のジャーナル)。
高い受理率の著者は、高い引用数、高い$h$-index、高い協力者数などを持つ可能性が高い。
論文に対して比較的長い肯定的なレビューを受けています。
さらに,共同レビュー,共同引用,コラボレーションネットワークの3つのネットワークを構築し,ネットワーク中心の特徴とカテゴリ間およびカテゴリ間エッジインタラクションについて検討した。
受入率の高い著者は,これらのネットワークにおいてより「中心的」であり,受入率の高い著者はカテゴリー間相互作用の量も他の著者と大きく異なることが判明した。
最後に、上記の特徴セットを用いて、標準的な機械学習モデル(ランダムフォレスト、XGBoost)をトレーニングし、非常に高いクラスワイズ精度とリコールを得る。
フォローアップの議論では、著者の特徴とは別に、ピアレビューシステム自体が、潜在的な差別や不公平につながる可能性のある異なるカテゴリの区別を促進する役割を果たし、システム管理者によるさらなる調査を求めるかもしれないと結論づけた。
関連論文リスト
- RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。
25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。
我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
論文 参考訳（メタデータ） (2024-06-13T06:42:32Z) - On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。
この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。
衝突環の検出が可能であるという研究はまだ確立されていない。
論文 参考訳（メタデータ） (2024-02-12T18:12:09Z) - Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。
提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
論文 参考訳（メタデータ） (2023-10-23T01:29:18Z) - The Semantic Reader Project: Augmenting Scholarly Documents through
AI-Powered Interactive Reading Interfaces [54.2590226904332]
本稿では,研究論文を対象とした動的読解インタフェースの自動作成を目的としたセマンティック・リーダー・プロジェクトについて述べる。
10のプロトタイプインターフェースが開発され、300人以上の参加者と現実世界のユーザが読書体験を改善している。
本論文は,研究論文を読む際,学者と公衆の面を巡って構築する。
論文 参考訳（メタデータ） (2023-03-25T02:47:09Z) - How do Authors' Perceptions of their Papers Compare with Co-authors'
Perceptions and Peer-review Decisions? [87.00095008723181]
著者は論文の受理確率をおよそ3倍過大評価している。
女性作家は、男性作家よりも極端に高い(統計的に重要な)誤校正を示す。
受理された論文と受理された論文の回答者の少なくとも30%は、レビュープロセス後に自身の論文に対する認識が改善したと述べている。
論文 参考訳（メタデータ） (2022-11-22T15:59:30Z) - Cracking Double-Blind Review: Authorship Attribution with Deep Learning [43.483063713471935]
本稿では、匿名の原稿を著者に属性付けるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
我々は、arXivで公開されているすべての研究論文を200万冊以上の原稿に活用する。
本手法は, 論文の最大73%を正解する, 前代未聞の著者帰属精度を実現する。
論文 参考訳（メタデータ） (2022-11-14T15:50:24Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - LG4AV: Combining Language Models and Graph Neural Networks for Author
Verification [0.11421942894219898]
本稿では,著者検証のための言語モデルとグラフニューラルネットワークを組み合わせたLG4AVを提案する。
トレーニング済みのトランスフォーマーアーキテクチャで利用可能なテキストを直接供給することで、我々のモデルは手作りのスタイル幾何学的特徴を一切必要としない。
我々のモデルは、検証プロセスに関して意味のある著者間の関係から恩恵を受けることができる。
論文 参考訳（メタデータ） (2021-09-03T12:45:28Z) - Bridger: Toward Bursting Scientific Filter Bubbles and Boosting
Innovation via Novel Author Discovery [22.839876884227536]
ブリッジャー(Bridger)は、学者とその研究の発見を促進するシステムである。
論文から抽出した情報と推論されたペルソナを用いて著者の顔表現を構築する。
我々は、科学者間の共通点とコントラストを見つけるアプローチを開発する。
論文 参考訳（メタデータ） (2021-08-12T11:24:23Z) - Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。
同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。
我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文 参考訳（メタデータ） (2021-06-15T20:55:55Z) - How to Train Your Agent to Read and Write [52.24605794920856]
研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。
読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。
本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
論文 参考訳（メタデータ） (2021-01-04T12:22:04Z)
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。