論文の概要: Computational Reproducibility in Computational Social Science
- arxiv url: http://arxiv.org/abs/2307.01918v4
- Date: Wed, 4 Oct 2023 08:10:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 21:27:37.598360
- Title: Computational Reproducibility in Computational Social Science
- Title（参考訳）: 計算社会科学における再現性
- Authors: David Schoch, Chung-hong Chan, Claudia Wagner, Arnim Bleier
- Abstract要約: 我々は、計算社会科学のような計算xの分野も危機の症状に影響を受けやすいと論じている。
我々は、研究者が最高のレベルのデータを得るのを妨げる計算社会科学のためのソリューションを提供する。
- 参考スコア（独自算出の注目度）: 0.8930269507906258
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Replication crises have shaken the scientific landscape during the last
decade. As potential solutions, open science practices were heavily discussed
and have been implemented with varying success in different disciplines. We
argue that computational-x disciplines such as computational social science,
are also susceptible for the symptoms of the crises, but in terms of
reproducibility. We expand the binary definition of reproducibility into a tier
system which allows increasing levels of reproducibility based on external
verfiability to counteract the practice of open-washing. We provide solutions
for barriers in Computational Social Science that hinder researchers from
obtaining the highest level of reproducibility, including the use of alternate
data sources and considering reproducibility proactively.
- Abstract（参考訳）: 複製の危機は過去10年間、科学的な展望を揺るがしてきた。
潜在的な解決策として、オープンサイエンスの実践は深く議論され、様々な分野で様々な成功を収めた。
我々は、計算社会科学のような計算xの分野は、危機の症状にも影響されるが、再現性の観点からも影響を受けやすいと論じる。
我々は,オープンウォッシングの実践に逆らう外部検証可能性に基づいて再現性レベルを増加させる階層システムへの再現性の定義を二分的に拡張する。
代替データ源の利用や再現性を積極的に検討することを含む、研究者の再現可能性の最高レベルを得るのを妨げる計算社会科学の障壁に対する解決策を提供する。
関連論文リスト
- A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - Reproducibility, Replicability, and Repeatability: A survey of reproducible research with a focus on high performance computing [0.0]
再現性は科学研究の基本的な原理である。
高性能コンピューティングには固有の課題がある。
本稿では、これらの懸念と潜在的な解決策を包括的にレビューする。
論文 参考訳（メタデータ） (2024-02-12T09:59:11Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - A Backend Platform for Supporting the Reproducibility of Computational
Experiments [2.1485350418225244]
同じフレームワークやコード、データソース、プログラミング言語、依存関係などを使って、同じ環境を再現することは困難です。
本研究では,実験の共有,構成,パッケージング,実行を可能にする統合開発環境を提案する。
これらの実験の20(80%)を再現し,その成果を最小限の努力で得られた。
論文 参考訳（メタデータ） (2023-06-29T10:29:11Z) - Reproducibility of Machine Learning: Terminology, Recommendations and
Open Issues [5.30596984761294]
危機が最近科学者によって認識され、これはさらに人工知能と機械学習に影響を及ぼしているようだ。
私たちは、このトピックに関する現在の文献を批判的にレビューし、オープンな問題を強調します。
現代の機械学習でよく見過ごされる重要な要素を特定し、それらの新しい推奨事項を提供します。
論文 参考訳（メタデータ） (2023-02-24T15:33:20Z) - ImDrug: A Benchmark for Deep Imbalanced Learning in AI-aided Drug
Discovery [79.08833067391093]
現実世界の医薬品のデータセットは、しばしば高度に不均衡な分布を示す。
ImDrugはオープンソースのPythonライブラリを備えたベンチマークで、4つの不均衡設定、11のAI対応データセット、54の学習タスク、16のベースラインアルゴリズムで構成されています。
ドラッグ発見パイプラインの幅広い範囲にまたがる問題やソリューションに対して、アクセス可能でカスタマイズ可能なテストベッドを提供する。
論文 参考訳（メタデータ） (2022-09-16T13:35:57Z) - Reproducibility in machine learning for medical imaging [3.1390096961027076]
本章は、医療画像の機械学習分野の研究者への紹介である。
それぞれの目的は、それを定義すること、それを達成するための要件を説明すること、有用性について議論することである。
この章は、教義の利点に関する議論と、この概念と研究実践におけるその実践に対する非教義的なアプローチへの嘆願で終わる。
論文 参考訳（メタデータ） (2022-09-12T09:00:04Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Constrained Learning with Non-Convex Losses [119.8736858597118]
学習は現代の情報処理の中核技術になっているが、バイアス、安全でない、偏見のあるソリューションにつながるという証拠はたくさんある。
論文 参考訳（メタデータ） (2021-03-08T23:10:33Z) - Incremental Knowledge Based Question Answering [52.041815783025186]
人間と同じように学習能力を段階的に拡張できるインクリメンタルKBQA学習フレームワークを提案します。
具体的には、破滅的な忘れ問題を克服するために、マージン希釈損失と協調選択方法からなる。
包括的な実験は、進化する知識ベースに取り組む際にその効果と効率を示す。
論文 参考訳（メタデータ） (2021-01-18T09:03:38Z)
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。