論文の概要: Assessing the Readability of Policy Documents on the Digital Single Market of the European Union

• arxiv url: http://arxiv.org/abs/2102.11625v2
• Date: Wed, 15 Sep 2021 13:33:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 03:45:24.291199
• Title: Assessing the Readability of Policy Documents on the Digital Single Market of the European Union
• Title（参考訳）: 欧州連合のデジタル単一市場における政策文書の可読性の評価
• Authors: Jukka Ruohonen
• Abstract要約: 欧州連合(EU)における201の法律及び関連する政策文書の可読性を評価する。 実証的な結果は、(i)DSM法や政策文書を理解するためには、一般的に博士レベルの教育が必要であることを示している。 結果 (ii) は使用した5つの指標によって異なるが, (iii) 可読性は時間とともにわずかに改善した。
• 参考スコア（独自算出の注目度）: 0.7106986689736826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Today, literature skills are necessary. Engineering and other technical professions are not an exception from this requirement. Traditionally, technical reading and writing have been framed with a limited scope, containing documentation, specifications, standards, and related text types. Nowadays, however, the scope covers also other text types, including legal, policy, and related documents. Given this motivation, this paper evaluates the readability of 201 legislations and related policy documents in the European Union (EU). The digital single market (DSM) provides the context. Five classical readability indices provide the methods; these are quantitative measures of a text's readability. The empirical results indicate that (i) generally a Ph.D. level education is required to comprehend the DSM laws and policy documents. Although (ii) the results vary across the five indices used, (iii) readability has slightly improved over time.
• Abstract（参考訳）: 今日では文学の技量が必要である。 工学やその他の専門職は例外ではない。 伝統的に、技術的読み書きは、ドキュメント、仕様、標準、関連するテキストタイプを含む、限られた範囲でフレーム化されてきた。 しかし現在では、法律、政策、関連する文書など、他のテキストタイプもカバーしている。 この動機を踏まえ、欧州連合(eu)における201の法律及び関連する政策文書の可読性を評価する。 デジタル単一市場(DSM)がコンテキストを提供する。 5つの古典的可読性指標は、テキストの可読性の定量的尺度である。 実験の結果は (i)DSM法や政策文書を理解するためには、一般的に博士レベルの教育が必要である。 但し (ii)5つの指標で結果が異なる。 (iii)可読性は時間とともに若干改善されている。

関連論文リスト

• The Use of Readability Metrics in Legal Text: A Systematic Literature Review [3.439579933384111]
  言語的複雑性は、読者が経験した困難に重要な貢献をする。 ドキュメント可読性を測定するために、ドキュメント可読性メトリクスが開発された。 すべての法的ドメインが可読性メトリクスの観点でよく表現されているわけではない。
  論文  参考訳（メタデータ） (2024-11-14T15:04:17Z)
• Text Classification using Graph Convolutional Networks: A Comprehensive Survey [11.1080224302799]
  グラフ畳み込みネットワーク(GCN)ベースのアプローチは、この10年間、この分野で大きな注目を集めてきた。 本研究の目的は,GCNをベースとしたテキスト分類手法をアーキテクチャや監視方法に関して要約し,分類することである。
  論文  参考訳（メタデータ） (2024-10-12T07:03:42Z)
• Authorship Attribution in the Era of LLMs: Problems, Methodologies, and Challenges [16.35265384114857]
  LLM(Large Language Models)の急速な進歩は、人間と機械のオーサシップの境界線を曖昧にしている。 この文献レビューは、この急速に発展する分野における芸術の状況を理解することに興味を持つ研究者や実践者のためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-08-16T17:58:49Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
  本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。 新たに登場したAI生成の文献レビューも評価されている。 この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Innovative Methods for Non-Destructive Inspection of Handwritten Documents [0.0]
  本稿では,画像処理と深層学習技術を用いて,本文の本質的な尺度を抽出・解析できるフレームワークを提案する。 比較対象文書の特徴ベクトル間のユークリッド距離を定量化することにより、著者を特定することができる。 実験により,異なる執筆媒体の著者を客観的に決定できる手法が得られた。
  論文  参考訳（メタデータ） (2023-10-17T12:45:04Z)
• Leveraging Large Language Models for Topic Classification in the Domain of Public Affairs [65.9077733300329]
  大規模言語モデル (LLM) は公務員文書の分析を大幅に強化する可能性を秘めている。 LLMは、公共の分野など、ドメイン固有のドキュメントを処理するのに非常に役立ちます。
  論文  参考訳（メタデータ） (2023-06-05T13:35:01Z)
• Artificial intelligence technologies to support research assessment: A review [10.203602318836444]
  この文献レビューは、記事のテキストから、より高いインパクトやより高い品質の研究に関連する指標を特定する。 論文やカンファレンス論文の引用数や品質スコアを予測するために機械学習技術を使用した研究が含まれている。
  論文  参考訳（メタデータ） (2022-12-11T06:58:39Z)
• An Inclusive Notion of Text [69.36678873492373]
  テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。 言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
  論文  参考訳（メタデータ） (2022-11-10T14:26:43Z)
• Open Set Classification of Untranscribed Handwritten Documents [56.0167902098419]
  重要な写本の膨大な量のデジタルページイメージが世界中のアーカイブに保存されている。 ドキュメントのクラスや型付け'はおそらくメタデータに含まれる最も重要なタグです。 技術的問題は文書の自動分類の1つであり、それぞれが書き起こされていない手書きのテキスト画像からなる。
  論文  参考訳（メタデータ） (2022-06-20T20:43:50Z)
• A Survey of Deep Learning Approaches for OCR and Document Understanding [68.65995739708525]
  我々は、英語で書かれた文書の文書理解のための様々な手法をレビューする。 文献に現れる方法論を集約し,この領域を探索する研究者の跳躍点として機能させる。
  論文  参考訳（メタデータ） (2020-11-27T03:05:59Z)
• SPECTER: Document-level Representation Learning using Citation-informed Transformers [51.048515757909215]
  SPECTERは、Transformer言語モデルの事前学習に基づいて、科学文書の文書レベルの埋め込みを生成する。 SciDocsは、引用予測から文書分類、レコメンデーションまでの7つの文書レベルのタスクからなる新しい評価ベンチマークである。
  論文  参考訳（メタデータ） (2020-04-15T16:05:51Z)

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。