論文の概要: Does the Market of Citations Reward Reproducible Work?

• arxiv url: http://arxiv.org/abs/2204.03829v1
• Date: Fri, 8 Apr 2022 04:03:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 12:47:41.200865
• Title: Does the Market of Citations Reward Reproducible Work?
• Title（参考訳）: サイテーション市場は再現可能な仕事を取り戻すか?
• Authors: Edward Raff
• Abstract要約: 医学や機械学習(ML)などの特定の研究分野は、再現性のある作品とより多くの引用を関連付けていることを示す。 コードを利用可能にし、事前作業を徹底的に参照することは、引用の増加と肯定的に相関しているように見える。
• 参考スコア（独自算出の注目度）: 36.754180527471895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The field of bibliometrics, studying citations and behavior, is critical to the discussion of reproducibility. Citations are one of the primary incentive and reward systems for academic work, and so we desire to know if this incentive rewards reproducible work. Yet to the best of our knowledge, only one work has attempted to look at this combined space, concluding that non-reproducible work is more highly cited. We show that answering this question is more challenging than first proposed, and subtle issues can inhibit a robust conclusion. To make inferences with more robust behavior, we propose a hierarchical Bayesian model that incorporates the citation rate over time, rather than the total number of citations after a fixed amount of time. In doing so we show that, under current evidence the answer is more likely that certain fields of study such as Medicine and Machine Learning (ML) do correlate reproducible works with more citations, but other fields appear to have no relationship. Further, we find that making code available and thoroughly referencing prior works appear to also positively correlate with increased citations. Our code and data can be found at https://github.com/EdwardRaff/ReproducibleCitations .
• Abstract（参考訳）: 引用と行動を研究する書誌学の分野は再現性に関する議論に不可欠である。 サイテーションは学術研究の主要なインセンティブと報酬システムの一つであり、このインセンティブが再現可能な作業に報いるかどうかを知りたい。 しかし、私たちの知る限りでは、この組み合わせ空間を考察しようとする試みはたった1つで、再生不能な作業がより高く引用されていることを結論付けている。 この質問に答えることは、最初に提案されたよりも難しいことを示し、微妙な問題が堅牢な結論を阻害する可能性がある。 よりロバストな振る舞いを持つ推論を行うために,一定時間経過後の引用数ではなく,時間経過の引用率を組み込んだ階層ベイズモデルを提案する。 そのような中で、現在の証拠の下では、医学や機械学習(ML)のような特定の分野の研究が再現可能な作品とより多くの引用を関連付ける可能性が高いが、他の分野には関係がないと考えられる。 さらに,コードの公開と事前作業の徹底的な参照は,引用の増加と正の相関関係にあると考えられる。 私たちのコードとデータは https://github.com/EdwardRaff/ReproducibleCitations で確認できます。

関連論文リスト

• HLM-Cite: Hybrid Language Model Workflow for Text-based Scientific Citation Prediction [14.731720495144112]
  本稿では,表面的な言及を超越した批判的参照を識別する,コア引用という新しい概念を紹介する。 我々は、引用予測のための$textbfH$ybrid $textbfL$anguage $textbfM$odelワークフローである$textbfHLM-Citeを提案する。 我々はHLM-Citeを19分野にわたって評価し,SOTA法と比較して17.6%の性能向上を示した。
  論文  参考訳（メタデータ） (2024-10-10T10:46:06Z)
• Ground Every Sentence: Improving Retrieval-Augmented LLMs with Interleaved Reference-Claim Generation [51.8188846284153]
  RAGは大規模言語モデル(LLM)を強化するために広く採用されている。 分散テキスト生成(ATG)が注目され、RAGにおけるモデルの応答をサポートするための引用を提供する。 本稿では,ReClaim(Refer & Claim)と呼ばれる詳細なATG手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T20:47:47Z)
• Large Language Models Reflect Human Citation Patterns with a Heightened Citation Bias [1.7812428873698407]
  サイテーションの実践は科学的知識の構造を形成するのに不可欠であるが、それらは現代の規範や偏見の影響を受けていることが多い。 LLM(Large Language Models)の出現は、これらのプラクティスに新たなダイナミクスをもたらす。 本稿では,これらの特徴を,AAAI,NeurIPS,ICML,ICLRのデータセットを用いて解析する。
  論文  参考訳（メタデータ） (2024-05-24T17:34:32Z)
• Can citations tell us about a paper's reproducibility? A case study of machine learning papers [3.5120846057971065]
  リソースの制約やドキュメントの不十分さは、レプリケーションの実行を特に困難にします。 本稿では,機械学習の再現性問題に関わる論文の引用文脈に適用した感情分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T03:29:11Z)
• CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
  CiteBenchは引用テキスト生成のベンチマークである。 CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
  論文  参考訳（メタデータ） (2022-12-19T16:10:56Z)
• A Siren Song of Open Source Reproducibility [36.754180527471895]
  我々は、再現可能な研究の状況を改善したい場合、複製のためのコードに焦点が当てられていることを誤解している。 カンファレンスが奨励と報酬のために行う効果的な行動の証拠が不足している。 私たちは今日、再現可能な機械学習研究を進めるために、会場はもっとアクションを取らなければならないと論じています。
  論文  参考訳（メタデータ） (2022-04-09T03:06:40Z)
• Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
  本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。 GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
  論文  参考訳（メタデータ） (2022-02-23T09:05:28Z)
• Towards generating citation sentences for multiple references with intent control [86.53829532976303]
  We build a novel generation model with the Fusion-in-Decoder approach to handlee with multiple long inputs。 実験により,提案手法は引用文を生成するためのより包括的な特徴を提供することが示された。
  論文  参考訳（メタデータ） (2021-12-02T15:32:24Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)

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。