論文の概要: Some Ethical Issues in the Review Process of Machine Learning Conferences

• arxiv url: http://arxiv.org/abs/2106.00810v1
• Date: Tue, 1 Jun 2021 21:22:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 11:56:52.636378
• Title: Some Ethical Issues in the Review Process of Machine Learning Conferences
• Title（参考訳）: 機械学習会議のレビュープロセスにおける倫理的課題
• Authors: Alessio Russo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.38073142980733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent successes in the Machine Learning community have led to a steep increase in the number of papers submitted to conferences. This increase made more prominent some of the issues that affect the current review process used by these conferences. The review process has several issues that may undermine the nature of scientific research, which is of being fully objective, apolitical, unbiased and free of misconduct (such as plagiarism, cheating, improper influence, and other improprieties). In this work, we study the problem of reviewers' recruitment, infringements of the double-blind process, fraudulent behaviors, biases in numerical ratings, and the appendix phenomenon (i.e., the fact that it is becoming more common to publish results in the appendix section of a paper). For each of these problems, we provide a short description and possible solutions. The goal of this work is to raise awareness in the Machine Learning community regarding these issues.
• Abstract（参考訳）: 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。 レビュープロセスには科学研究の性質を損なういくつかの問題があり、これは完全に客観的で、政治的で、偏見がなく、不正行為(盗作、不正行為、不適切な影響、その他の不利益など)がない。 本研究では,レビュワーの募集問題,二重盲検過程の侵害,不正行為,数値評価におけるバイアス,付録現象(すなわち,論文の付録部に結果を公開することが一般的になっていること)について検討する。 これら各問題に対して、簡単な説明と可能な解決策を提供する。 この作業の目標は、これらの問題に対する機械学習コミュニティの意識を高めることにある。

関連論文リスト

• What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
  現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。 ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。 筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-05-10T16:06:43Z)
• 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)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
  ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。 この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。 このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。 我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
  論文  参考訳（メタデータ） (2022-04-05T19:39:13Z)
• Generating Summaries for Scientific Paper Review [29.12631698162247]
  機械学習とNLPにおけるトップの会場への応募の増加は、レビュアーに過剰な負担を課す問題を引き起こしている。 レビュープロセスを支援する自動システムは、問題を改善するための解決策になり得る。 本稿では,学術論文の自動レビュー要約生成について検討する。
  論文  参考訳（メタデータ） (2021-09-28T21:43:53Z)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)
• 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)
• A Large Scale Randomized Controlled Trial on Herding in Peer-Review Discussions [33.261698377782075]
  我々は、レビュアーや上級意思決定者が議論で提示された最初の議論に不当に影響されるかどうかを理解することを目的としている。 具体的には,論文の結果に対する議論開始者の意見の条件因果効果をテストすることを目的として,ランダム化試験を設計・実施する。
  論文  参考訳（メタデータ） (2020-11-30T18:23:07Z)
• The Influence of Domain-Based Preprocessing on Subject-Specific Clustering [55.41644538483948]
  大学におけるオンライン教育の大部分を突然移行させることで、学者の作業負荷が増大した。 この問題に対処するひとつの方法は、トピックに応じてこれらの質問をクラスタ化することです。 本稿では,タグ付けデータセットの領域を探求し,コードの抜粋の同定と経験的結果の提供に焦点をあてる。
  論文  参考訳（メタデータ） (2020-11-16T17:47:19Z)
• Evolving Methods for Evaluating and Disseminating Computing Research [4.0318506932466445]
  社会と技術の動向は、コンピュータ研究の評価と普及の方法を大きく変えた。 会議や雑誌などのレビューや出版のための伝統的な会場は、過去には効果的に機能していた。 多くのコンファレンスでは応募者数が大幅に増加した。 研究思想の普及は、arXiv.orgやソーシャルメディアなどの出版の場を通じて劇的に進んでいる。
  論文  参考訳（メタデータ） (2020-07-02T16:50:28Z)
• Text and Causal Inference: A Review of Using Text to Remove Confounding from Causal Estimates [15.69581581445705]
  ソーシャルメディア投稿の個人の歴史全体やニュース記事の内容は、共同創設者の豊富な測定を提供する可能性がある。 テキストによるコンファウンディングの調整に注目が集まる一方で、未解決の問題も多い。
  論文  参考訳（メタデータ） (2020-05-01T23:20:49Z)

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。