論文の概要: Twin Papers: A Simple Framework of Causal Inference for Citations via Coupling

• arxiv url: http://arxiv.org/abs/2208.09862v1
• Date: Sun, 21 Aug 2022 10:42:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 14:27:08.398465
• Title: Twin Papers: A Simple Framework of Causal Inference for Citations via Coupling
• Title（参考訳）: Twin Papers: カップリングによるキューションの因果推論のシンプルなフレームワーク
• Authors: Ryoma Sato, Makoto Yamada, Hisashi Kashima
• Abstract要約: この効果を調査する上で大きな困難は、現実には利用できない反事実的な結果を知る必要があることである。 提案された枠組みでは、互いに双子として引用する2つの論文が検討されている。 本研究は,異なる決定を取り入れた双子の論文を調査し,これらの研究による研究効果の進展を観察し,その差による意思決定の効果を推定する。
• 参考スコア（独自算出の注目度）: 40.60905158071766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The research process includes many decisions, e.g., how to entitle and where to publish the paper. In this paper, we introduce a general framework for investigating the effects of such decisions. The main difficulty in investigating the effects is that we need to know counterfactual results, which are not available in reality. The key insight of our framework is inspired by the existing counterfactual analysis using twins, where the researchers regard twins as counterfactual units. The proposed framework regards a pair of papers that cite each other as twins. Such papers tend to be parallel works, on similar topics, and in similar communities. We investigate twin papers that adopted different decisions, observe the progress of the research impact brought by these studies, and estimate the effect of decisions by the difference in the impacts of these studies. We release our code and data, which we believe are highly beneficial owing to the scarcity of the dataset on counterfactual studies.
• Abstract（参考訳）: 研究プロセスには、論文の掲載方法や発行場所など、多くの決定が含まれている。 本稿では,そのような意思決定の効果を調査するための一般的な枠組みを紹介する。 この効果を調査する上で大きな困難は、現実には利用できない反事実的な結果を知る必要があることである。 このフレームワークの重要な洞察は、双子を用いた既存の反事実分析にインスパイアされたもので、そこでは双子を反事実単位と見なしている。 提案されたフレームワークは、お互いを双子として引用する2つの論文を扱っている。 このような論文は、類似の話題や類似のコミュニティにおいて、平行して研究される傾向がある。 異なる決定を取り入れた2つの論文を調査し、これらの研究がもたらした研究の影響の進捗を観察し、これらの研究の影響の違いによる決定の影響を推定する。 私たちはコードとデータをリリースしていますが、これは反事実研究におけるデータセットの不足のため、非常に有益だと思います。

関連論文リスト

• Apples, Oranges, and Software Engineering: Study Selection Challenges for Secondary Research on Latent Variables [8.612556181934291]
  抽象概念を測ることができないことは、ソフトウェア工学の二次研究にとって直接的に課題となる。 標準化された測定機器はめったに利用できないが、たとえあるとしても、多くの研究者はそれを使用せず、また研究された概念の定義も提供していない。 したがって、セカンダリリサーチを行うSE研究者は、(a)どの一次研究が同じ構造を測るか、(b)同じ構造を全く異なる測定値と比較し、集約する方法を決定する必要がある。
  論文  参考訳（メタデータ） (2024-02-13T17:32:17Z)
• Time to Stop and Think: What kind of research do we want to do? [1.74048653626208]
  本稿では,メタヒューリスティック最適化の分野に焦点をあてる。 私たちの主な目標は、仕事の誠実な批判的な評価の種を縫い合わせることで、個人とコミュニティの両方でリフレクションプロセスを引き起こします。 この文書に含まれるすべての声明は、他人が共有できるかどうかに関わらず、個人的な見解と意見である。
  論文  参考訳（メタデータ） (2024-02-13T08:53:57Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
  本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。 提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
  論文  参考訳（メタデータ） (2023-10-23T01:29:18Z)
• Near-Optimal Reviewer Splitting in Two-Phase Paper Reviewing and Conference Experiment Design [76.40919326501512]
  総割り当ての類似性を最大化するために、レビュアーを段階または条件に分けるにはどうすればいいのか? 実会議データに関連する複数のデータセットに対して、ランダムに位相/条件を均一に分割することで、オラクルの最適割り当てとほぼ同等の割り当てが可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2021-08-13T19:29:41Z)
• Industry and Academic Research in Computer Vision [5.634825161148484]
  本研究は,コンピュータビジョンにおける産学研究と学界のダイナミックな関係を研究することを目的としている。 結果は、この分野を代表するトップ5ビジョンカンファレンスのセットで実証される。
  論文  参考訳（メタデータ） (2021-07-10T20:09:52Z)
• Everything Has a Cause: Leveraging Causal Inference in Legal Text Analysis [62.44432226563088]
  因果推論は変数間の因果関係を捉えるプロセスである。 本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。 GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
  論文  参考訳（メタデータ） (2021-04-19T16:13:10Z)
• Aspect-based Sentiment Analysis of Scientific Reviews [12.472629584751509]
  本研究は,受理論文と受理論文ではアスペクトベース感情の分布が著しく異なることを示す。 第2の目的として、論文を閲覧するレビュアーの間での意見の不一致の程度を定量化する。 また, 審査員と議長との意見の不一致の程度について検討し, 審査員間の意見の不一致が議長との意見の不一致と関係があることを見出した。
  論文  参考訳（メタデータ） (2020-06-05T07:06:01Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。