論文の概要: In Defense of the Paper

• arxiv url: http://arxiv.org/abs/2104.08359v1
• Date: Fri, 16 Apr 2021 20:26:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:32:54.500518
• Title: In Defense of the Paper
• Title（参考訳）: 新聞を擁護するために
• Authors: Owen Lockwood
• Abstract要約: 我々は、機械学習研究のアクセシビリティの障害の根本原因は、論文のワークフローではなく、出版と研究プロセスの背後にある誤ったインセンティブにあると主張する。
• 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: The machine learning publication process is broken, of that there can be no doubt. Many of these flaws are attributed to the current workflow: LaTeX to PDF to reviewers to camera ready PDF. This has understandably resulted in the desire for new forms of publications; ones that can increase inclusively, accessibility and pedagogical strength. However, this venture fails to address the origins of these inadequacies in the contemporary paper workflow. The paper, being the basic unit of academic research, is merely how problems in the publication and research ecosystem manifest; but is not itself responsible for them. Not only will simply replacing or augmenting papers with different formats not fix existing problems; when used as a band-aid without systemic changes, will likely exacerbate the existing inequities. In this work, we argue that the root cause of hindrances in the accessibility of machine learning research lies not in the paper workflow but within the misaligned incentives behind the publishing and research processes. We discuss these problems and argue that the paper is the optimal workflow. We also highlight some potential solutions for the incentivization problems.
• Abstract（参考訳）: 機械学習の公開プロセスは壊れていますが、疑いの余地はありません。 LaTeX to PDF to Reviewers to camera ready PDF。 これは、包括的、アクセシビリティ、教育的な強さを高めることのできる、新しい形式の出版物への欲求につながった。 しかし、この事業は、現代の論文のワークフローにおけるこれらの不備の起源に対処できない。 学術研究の基本単位であるこの論文は、出版と研究のエコシステムにおける問題がどのように表れているかを示すだけでなく、それ自身に責任はない。 既存の問題を解決しない異なるフォーマットで紙を交換または増補するだけでなく、体系的な変更なしにバンドエイドとして使うと、既存の不平等が悪化する可能性が高い。 本稿では、機械学習研究のアクセシビリティの障害の根本原因は、論文のワークフローにあるのではなく、出版と研究プロセスの背後にある誤ったインセンティブにあると論じる。 これらの問題を議論し、論文が最適なワークフローであると主張する。 インセンティブ化問題に対する潜在的な解決策についても強調する。

関連論文リスト

• PaperCard for Reporting Machine Assistance in Academic Writing [48.33722012818687]
  2022年11月にOpenAIが発表した質問応答システムChatGPTは,学術論文作成に活用可能な,さまざまな機能を実証した。 これは学術における著者概念に関する批判的な疑問を提起する。 我々は、人間の著者が記述プロセスにおけるAIの使用を透過的に宣言するための文書である"PaperCard"というフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-07T14:28:04Z)
• Large Language Models Cannot Self-Correct Reasoning Yet [78.16697476530994]
  LLM(Large Language Models)は、非並列テキスト生成機能を備えた画期的な技術として登場した。 生成したコンテンツの正確性と適切性に関する懸念が続いている。 現代の方法論である自己補正がこれらの問題に対する対策として提案されている。
  論文  参考訳（メタデータ） (2023-10-03T04:56:12Z)
• Identifying and Mitigating the Security Risks of Generative AI [179.2384121957896]
  本稿では,GenAIによる双対ジレンマに関するGoogleのワークショップの成果を報告する。 GenAIはまた、攻撃者が新しい攻撃を生成し、既存の攻撃のベロシティと有効性を高めるためにも使用できる。 この話題について,コミュニティの短期的,長期的目標について論じる。
  論文  参考訳（メタデータ） (2023-08-28T18:51:09Z)
• No more Reviewer #2: Subverting Automatic Paper-Reviewer Assignment using Adversarial Learning [25.70062566419791]
  この自動化は,逆学習を用いて操作可能であることを示す。 提案する攻撃は、与えられた論文に適応し、その課題を誤解させ、独自のレビュアーを選択する。
  論文  参考訳（メタデータ） (2023-03-25T11:34:27Z)
• 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)
• Nanopublication-Based Semantic Publishing and Reviewing: A Field Study with Formalization Papers [0.5735035463793008]
  この取り組みにはナノパブリケーションの概念と技術を使用します。 我々は、このRDFベースのフォーマットにおける提出書と最終論文だけでなく、プロセス全体も表現しています。 我々は18人の著者から15件の論文を受け取り、その後出版プロセス全体を通して、その特別号への寄稿の出版に繋がった。
  論文  参考訳（メタデータ） (2022-03-03T10:04:10Z)
• Technological Factors Influencing Videoconferencing and Zoom Fatigue [60.34717956708476]
  本稿では,ズーム疲労 (ZF) あるいはより一般的にビデオ会議疲労 (VCF) に寄与することが証明された,あるいは証明された技術的要因を理解するための概念的多次元的アプローチを提案する。 この論文は、一部のメディアがZoomの疲労とは何か、どのように避けられるのかという議論を始めており、またこの話題に対処する科学論文の中には、仮説的であり、科学的証拠に十分に根ざした仮定が含まれているという事実に動機づけられている。
  論文  参考訳（メタデータ） (2022-02-03T18:02:59Z)
• Automatic Related Work Generation: A Meta Study [5.025654873456755]
  自然言語処理では、通常「関連作業」という節で文献レビューが行われる。 自動作業生成の課題は, 「関連作業」 セクションを自動生成することである。 本稿では,問題定式化,データセット収集,方法論的アプローチ,性能評価,今後の展望の観点から,関連作業生成に関する既存の文献をメタスタディで比較する。
  論文  参考訳（メタデータ） (2022-01-06T01:16:38Z)
• Some Ethical Issues in the Review Process of Machine Learning Conferences [0.38073142980733]
  最近の機械学習コミュニティの成功により、カンファレンスに提出された論文の数が大幅に増加した。 この増加は、これらのカンファレンスが使用している現在のレビュープロセスに影響を及ぼすいくつかの問題をより顕著にした。 本研究では, 審査員の採用問題, 二重盲検プロセスの侵害, 不正行為, 数値評価のバイアス, 付録現象について検討した。
  論文  参考訳（メタデータ） (2021-06-01T21:22:41Z)
• Making Paper Reviewing Robust to Bid Manipulation Attacks [44.34601846490532]
  逸話的な証拠は、一部のレビュアーが「友人」あるいは「衝突する著者」による論文の入札を行ったことを示唆している。 我々は、そのような攻撃に対してより堅牢な、紙入札と割当てのための新しいアプローチを開発する。 より堅牢であることに加えて、論文レビューの課題の質は、現在の非ロバストな課題のアプローチに匹敵する。
  論文  参考訳（メタデータ） (2021-02-09T21:24:16Z)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)

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。