論文の概要: A Taxonomy of Knowledge Gaps for Wikimedia Projects (Second Draft)

• arxiv url: http://arxiv.org/abs/2008.12314v2
• Date: Fri, 29 Jan 2021 17:35:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 19:27:52.444998
• Title: A Taxonomy of Knowledge Gaps for Wikimedia Projects (Second Draft)
• Title（参考訳）: ウィキメディアプロジェクトにおける知識ギャップの分類(第2版)
• Authors: Miriam Redi, Martin Gerlach, Isaac Johnson, Jonathan Morgan, and Leila Zia
• Abstract要約: 研究者,研究者,実践者,コミュニティメンバ,アフィリエイトによる250以上の文献を調査した。 知識ギャップを構造化されたフレームワークに記述し、グループ化し、分類する。
• 参考スコア（独自算出の注目度）: 3.7972358681579377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In January 2019, prompted by the Wikimedia Movement's 2030 strategic direction, the Research team at the Wikimedia Foundation identified the need to develop a knowledge gaps index -- a composite index to support the decision makers across the Wikimedia movement by providing: a framework to encourage structured and targeted brainstorming discussions; data on the state of the knowledge gaps across the Wikimedia projects that can inform decision making and assist with measuring the long term impact of large scale initiatives in the Movement. After its first release in July 2020, the Research team has developed the second complete draft of a taxonomy of knowledge gaps for the Wikimedia projects, as the first step towards building the knowledge gap index. We studied more than 250 references by scholars, researchers, practitioners, community members and affiliates -- exposing evidence of knowledge gaps in readership, contributorship, and content of Wikimedia projects. We elaborated the findings and compiled the taxonomy of knowledge gaps in this paper, where we describe, group and classify knowledge gaps into a structured framework. The taxonomy that you will learn more about in the rest of this work will serve as a basis to operationalize and quantify knowledge equity, one of the two 2030 strategic directions, through the knowledge gaps index.
• Abstract（参考訳）: In January 2019, prompted by the Wikimedia Movement's 2030 strategic direction, the Research team at the Wikimedia Foundation identified the need to develop a knowledge gaps index -- a composite index to support the decision makers across the Wikimedia movement by providing: a framework to encourage structured and targeted brainstorming discussions; data on the state of the knowledge gaps across the Wikimedia projects that can inform decision making and assist with measuring the long term impact of large scale initiatives in the Movement. After its first release in July 2020, the Research team has developed the second complete draft of a taxonomy of knowledge gaps for the Wikimedia projects, as the first step towards building the knowledge gap index. We studied more than 250 references by scholars, researchers, practitioners, community members and affiliates -- exposing evidence of knowledge gaps in readership, contributorship, and content of Wikimedia projects. 本稿では,この知見を詳述し,知識ギャップの分類法をまとめ,知識ギャップを構造化されたフレームワークに分類,分類する。 残りの作業でさらに学ぶことになる分類学は、知識ギャップ指数を通じて、2つの2030年の戦略的方向性の1つである知識エクイティを運用し、定量化する基礎となるでしょう。

関連論文リスト

• Trajectories of Change: Approaches for Tracking Knowledge Evolution [0.0]
  SEN(Socsocial-epistemic Network)の枠組みを通じて,知識システムの局所的・グローバル的進化を探求する。 まず,相対エントロピーに基づく情報理論を用いてセマンティックシフトを検出し,その意義を評価し,鍵となる駆動特徴を同定する。 第二に、文書の埋め込みのバリエーションは意味的近傍の変化を明らかにし、類似文書の濃度がどのように上昇するか、安定したまま、あるいは分散し続けるかを追跡する。
  論文  参考訳（メタデータ） (2024-12-31T11:09:37Z)
• Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema [60.42231674887294]
  本稿では,Large Language Models (LLMs) を用いた知識グラフ構築のためのオントロジー的アプローチを提案する。 我々は、一貫性と解釈可能性を確保するために、抽出された関係に基づいて、著者によるオントロジーによるKGの基底生成を行う。 我々の研究は、人間の介入を最小限に抑えたスケーラブルなKG建設パイプラインの実現に向けて有望な方向を示し、高品質で人間に解釈可能なKGを生み出す。
  論文  参考訳（メタデータ） (2024-12-30T13:36:05Z)
• Wikimedia data for AI: a review of Wikimedia datasets for NLP tasks and AI-assisted editing [3.960519546131734]
  我々は,Wikimediaデータを学習前,訓練後,モデル評価にまたがるNLPタスクで使用する方法について検討する。 我々は、ウィキメディアデータの追加ソースの導入、ウィキメディアの原則を符号化するLLMのベンチマークの強化、ウィキメディア由来のデータセットにおける多言語主義の強化を訴える。
  論文  参考訳（メタデータ） (2024-10-11T15:46:09Z)
• Fine-tuning and Prompt Engineering with Cognitive Knowledge Graphs for Scholarly Knowledge Organization [0.14999444543328289]
  本研究は,大規模言語モデル(LLM)を用いた構造化学術知識の効果的伝達に焦点をあてる。 LLMは学術論文を分類し、その貢献を構造化され、同等の方法で記述する。 我々の方法論は、LLMの知識を活用し、CKGから得られた領域の専門家が検証した学術データと補完することである。
  論文  参考訳（メタデータ） (2024-09-10T11:31:02Z)
• Knowledge Navigator: LLM-guided Browsing Framework for Exploratory Search in Scientific Literature [48.572336666741194]
  本稿では,探索探索能力の向上を目的とした知識ナビゲータを提案する。 検索された文書を、名前と記述の科学トピックとサブトピックの、ナビゲート可能な2段階の階層に整理する。
  論文  参考訳（メタデータ） (2024-08-28T14:48:37Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• KoLA: Carefully Benchmarking World Knowledge of Large Language Models [87.96683299084788]
  我々は知識指向LLMアセスメントベンチマーク(KoLA)を構築した。 人間の認知を模倣して、知識関連能力の4段階の分類を形成し、19ドルのタスクをカバーします。 私たちは、LLMによって事前訓練されたコーパスであるウィキペディアと、継続的に収集された新興コーパスを使用して、目に見えないデータや進化する知識を扱う能力を評価します。
  論文  参考訳（メタデータ） (2023-06-15T17:20:46Z)
• Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
  従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。 本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-24T04:36:07Z)
• CO-NNECT: A Framework for Revealing Commonsense Knowledge Paths as Explicitations of Implicit Knowledge in Texts [12.94206336329289]
  我々は常識知識を知識パスとして活用し,文間の接続を確立する。 これらの接続は直接 (singlehop path) または中間概念 (multihop path) を必要とする。
  論文  参考訳（メタデータ） (2021-05-07T10:43:43Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。