Fugu-MT 論文翻訳(概要): Can REF output quality scores be assigned by AI? Experimental evidence

論文の概要: Can REF output quality scores be assigned by AI? Experimental evidence

arxiv url: http://arxiv.org/abs/2212.08041v1
Date: Sun, 11 Dec 2022 18:32:00 GMT
ステータス: 処理完了
システム内更新日: 2022-12-16 16:35:20.096934
Title: Can REF output quality scores be assigned by AI? Experimental evidence
Title（参考訳）: REF出力の品質スコアはAIによって割り当てられるか? 実験的証拠
Authors: Mike Thelwall, Kayvan Kousha, Mahshid Abdoli, Emma Stuart, Meiko Makita, Paul Wilson, Jonathan Levitt
Abstract要約: 5つの戦略が評価されている。本論文は,人工知能(AI)を用いて,今後の研究評価演習における論文のスコアを予測するための戦略について述べる。
参考スコア（独自算出の注目度）: 6.742334188488802
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This document describes strategies for using Artificial Intelligence (AI) to predict some journal article scores in future research assessment exercises. Five strategies have been assessed.
Abstract（参考訳）: 本稿では,人工知能(AI)を用いて今後の研究評価演習における論文のスコアを予測する戦略について述べる。 5つの戦略が評価されている。

関連論文リスト

An Evaluation of Sakana's AI Scientist for Autonomous Research: Wishful Thinking or an Emerging Reality Towards 'Artificial General Research Intelligence' (AGRI)? [19.524056927240498]
Sakana.ai氏は、研究ライフサイクルの自動化を主張するシステムであるAI Scientistを紹介した。いくつかの側面を合理化しているが、期待には届かない。文学評論は弱く、実験の半分近くは失敗し、写本には幻覚的な結果が含まれることもある。
論文参考訳（メタデータ） (2025-02-20T06:22:03Z)
Validity Arguments For Constructed Response Scoring Using Generative Artificial Intelligence Applications [0.0]
ジェネレーティブAIは、従来のAIスコアリングにおける手作り機能に必要な労力を減らすため、特に魅力的である。我々は,人間の評価,特徴に基づく自然言語処理AIスコアリングエンジン,生成AIを用いたスコアリングシステムに必要な妥当性証拠を比較した。
論文参考訳（メタデータ） (2025-01-04T16:59:29Z)
Domain-Specific Evaluation Strategies for AI in Journalism [3.2566808526538873]
ドメイン固有の調整の恩恵を受けることができるAI評価のさまざまな側面について検討する。そうすることで、ジャーナリズムにおけるAI評価をガイドする潜在的なフレームワークを構築できる。
論文参考訳（メタデータ） (2024-03-26T17:47:25Z)
An Experimental Investigation into the Evaluation of Explainability Methods [60.54170260771932]
この研究は、9つの最先端XAI法と3つのダミー法(例えば、ランダム・サリエンシ・マップ)に適用された14の異なるメトリクスを比較した。実験の結果、これらの指標のどれが高い相関関係を示し、潜在的な冗長性を示している。
論文参考訳（メタデータ） (2023-05-25T08:07:07Z)
Even if Explanations: Prior Work, Desiderata & Benchmarks for Semi-Factual XAI [7.881140597011731]
反事実的、半事実的なサブタイプは、AIではあまり注目されていない。本稿では,この地域の歴史的・最近のブレークスルーを要約する文献を調査する。半実のXAIのための重要なデシラタを定義し、過去のアルゴリズムのベンチマークテストを報告している。
論文参考訳（メタデータ） (2023-01-27T19:58:12Z)
Active Learning for Abstractive Text Summarization [50.79416783266641]
本稿では,抽象テキスト要約におけるアクティブラーニングのための最初の効果的なクエリ戦略を提案する。 ALアノテーションにおける私たちの戦略は、ROUGEと一貫性スコアの点からモデル性能を向上させるのに役立ちます。
論文参考訳（メタデータ） (2023-01-09T10:33:14Z)
The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文参考訳（メタデータ） (2022-12-08T23:23:39Z)
Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文参考訳（メタデータ） (2022-01-26T18:53:09Z)
The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
論文参考訳（メタデータ） (2021-07-28T17:32:04Z)
Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
論文参考訳（メタデータ） (2020-07-14T03:49:43Z)

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。