論文の概要: Enhancing Reading Strategies by Exploring A Theme-based Approach to
Literature Surveys
- arxiv url: http://arxiv.org/abs/2102.05374v1
- Date: Wed, 10 Feb 2021 10:36:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 01:00:32.623243
- Title: Enhancing Reading Strategies by Exploring A Theme-based Approach to
Literature Surveys
- Title(参考訳): 文献調査へのテーマベースアプローチの探求による読解戦略の強化
- Authors: Tanya Howden, Pierre Le Bras, Thomas S. Methven, Stefano Padilla, Mike
J. Chantler
- Abstract要約: 我々は,コーパスを視覚的に,テーマ的に探索できる方法論を考案し,個人化された全体的読解戦略を開発した。
その結果, (i) 未読の論文を選別し, (ii) より一貫性のある読解戦略を開発し, (iii) 論文間のテーマ構造と関係をより効果的に理解した。
- 参考スコア(独自算出の注目度): 5.004814662623872
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Searching large digital repositories can be extremely frustrating, as common
list-based formats encourage users to adopt a convenience-sampling approach
that favours chance discovery and random search, over meaningful exploration.
We have designed a methodology that allows users to visually and thematically
explore corpora, while developing personalised holistic reading strategies. We
describe the results of a three-phase qualitative study, in which experienced
researchers used our interactive visualisation approach to analyse a set of
publications and select relevant themes and papers. Using in-depth
semi-structured interviews and stimulated recall, we found that users: (i)
selected papers that they otherwise would not have read, (ii) developed a more
coherent reading strategy, and (iii) understood the thematic structure and
relationships between papers more effectively. Finally, we make six design
recommendations to enhance current digital repositories that we have shown
encourage users to adopt a more holistic and thematic research approach.
- Abstract(参考訳): 一般的なリストベースのフォーマットは、有意義な探索よりも偶然の発見とランダム検索を好む便利なサンプル方式を採用するようユーザに促しているため、大きなデジタルリポジトリの検索は極めてイライラする可能性がある。
我々は,コーパスを視覚的に,テーマ的に探索できる方法論を考案し,個人化された全体的読解戦略を開発した。
本稿では,3段階の質的研究の結果について述べる。経験豊富な研究者は,インタラクティブな可視化手法を用いて出版物を分析し,関連するテーマや論文を選択する。
詳細な半構造化インタビューとリコールを駆使して、ユーザを見つけました。
(i)そうでなければ読まなかった論文
(二)より一貫性のある読解戦略を開発し、
(iii)論文間の主題構造と関係をより効果的に理解した。
最後に、現在のデジタルレポジトリを強化するために、6つのデザインレコメンデーションを作成し、ユーザがより包括的でテーマ的な研究アプローチを採用するように促しています。
関連論文リスト
- Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳(メタデータ) (2024-03-07T02:34:54Z) - Transformers and Language Models in Form Understanding: A Comprehensive
Review of Scanned Document Analysis [16.86139440201837]
我々は、スキャンされた文書の文脈におけるフォーム理解のトピックに焦点を当てる。
我々の研究手法は、人気文書の詳細な分析と過去10年間のトレンドの理解の形式に関するものである。
我々は、トランスフォーマーがいかにフィールドを前進させ、フォームアンダード技術に革命をもたらしたかを紹介する。
論文 参考訳(メタデータ) (2024-03-06T22:22:02Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - DiscoverPath: A Knowledge Refinement and Retrieval System for
Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。
本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。
DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文 参考訳(メタデータ) (2023-09-04T20:52:33Z) - QuOTeS: Query-Oriented Technical Summarization [0.2936007114555107]
提案するQuOTeSは,潜在的参照の集合から研究の要約に関連する文章を検索するインタラクティブシステムである。
QuOTeS は Query-Focused Extractive Summarization と High-Recall Information Retrieval の技法を統合し、科学文書のインタラクティブなクエリ-Focused Summarization を提供する。
結果から,QuOTeSは肯定的なユーザエクスペリエンスを提供し,関連する,簡潔かつ完全なクエリ中心の要約を一貫して提供することが明らかになった。
論文 参考訳(メタデータ) (2023-06-20T18:43:24Z) - 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) - Mapping Research Trajectories [0.0]
本稿では, あらゆる科学分野に適用可能な, 研究軌道のエンハンマッピングに関する原則的アプローチを提案する。
われわれの視覚化は、時間とともに実体の研究トピックを、直接的に相互に表現している。
実践的な実証アプリケーションでは、機械学習による出版コーパスに対する提案されたアプローチを例示する。
論文 参考訳(メタデータ) (2022-04-25T13:32:39Z) - iFacetSum: Coreference-based Interactive Faceted Summarization for
Multi-Document Exploration [63.272359227081836]
iFacetSumは、インタラクティブな要約と顔検索を統合している。
微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
論文 参考訳(メタデータ) (2021-09-23T20:01:11Z) - 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) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳(メタデータ) (2021-04-27T08:03:52Z)
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。