論文の概要: Successful Combination of Database Search and Snowballing for
Identification of Primary Studies in Systematic Literature Studies
- arxiv url: http://arxiv.org/abs/2307.02612v1
- Date: Wed, 5 Jul 2023 19:27:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:14:59.422532
- Title: Successful Combination of Database Search and Snowballing for
Identification of Primary Studies in Systematic Literature Studies
- Title(参考訳): 総合文学研究におけるデータベース検索と雪玉検索の併用による初等研究の同定
- Authors: Claes Wohlin, Marcos Kalinowski, Katia Romero Felizardo, Emilia Mendes
- Abstract要約: 優れた検索戦略は、体系的な文献研究の成功に不可欠である。
我々の予想は、ハイブリッド検索戦略と呼ばれる2つの探索手法を組み合わせることで、より優れた探索を行うことができるというものである。
- 参考スコア(独自算出の注目度): 3.9728100193454665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: A good search strategy is essential for a successful systematic
literature study. Historically, database searches have been the norm, which has
later been complemented with snowball searches. Our conjecture is that we can
perform even better searches if combining the two search approaches, referred
to as a hybrid search strategy. Objective: Our main objective was to compare
and evaluate a hybrid search strategy. Furthermore, we compared some
alternative hybrid search strategies to assess whether it was possible to
identify more cost-efficient ways of searching for relevant primary studies.
Method: To compare and evaluate the hybrid search strategy, we replicated an
SLR on industry-academia collaboration in software engineering. The SLR used a
more traditional approach to searching for relevant articles for an SLR, while
the replication was conducted using a hybrid search strategy. Results: In our
evaluation, the hybrid search strategy was superior in identifying relevant
primary studies. It identified 30 percent more primary studies and even more
when focusing only on peer-reviewed articles. To embrace individual viewpoints
when assessing research articles and minimise the risk of missing primary
studies, we introduced two new concepts, wild cards and borderline articles,
when conducting systematic literature studies. Conclusions: The hybrid search
strategy is a strong contender for being used when conducting systematic
literature studies. Furthermore, alternative hybrid search strategies may be
viable if selected wisely in relation to the start set for snowballing.
Finally, the two new concepts were judged as essential to cater for different
individual judgements and to minimise the risk of excluding primary studies
that ought to be included.
- Abstract(参考訳): 背景: 体系的な文献研究を成功させるためには, 優れた検索戦略が不可欠である。
歴史的に、データベース検索は標準であり、後に雪だるま検索と補完された。
我々の予想では、ハイブリッド検索戦略と呼ばれる2つの探索手法を組み合わせることで、より優れた探索を行うことができる。
目的:我々の主な目的は,ハイブリッド検索戦略の比較と評価であった。
さらに,他のハイブリッド検索手法と比較し,よりコスト効率のよい探索方法の特定が可能かどうかを検討した。
手法: ハイブリッド検索戦略を比較し評価するため, ソフトウェア工学における産学連携のSLRを再現した。
SLRはより伝統的な手法を用いてSLRの関連記事の検索を行い、複製はハイブリッド検索戦略を用いて行われた。
結果:本評価において,ハイブリッド検索戦略は関連する初等研究の同定に優れていた。
査読された記事のみに焦点を合わせると、30%以上の初等的な研究が特定される。
研究論文の評価や欠落した一次研究のリスクを最小限に抑えるために,体系的な文献研究を行う際に,ワイルドカードとボーダーライン記事という2つの新しい概念を導入した。
結論: ハイブリッド検索戦略は, 体系的な文献研究を行う上で, 強力な競争相手である。
さらに,積雪開始セットに関して賢明に選択すれば,代替ハイブリッド探索戦略が実現可能である。
最後に、2つの新しい概念は、異なる個別の判断に対応し、含めるべき初等的な研究を除外するリスクを最小化するために不可欠であると判断された。
関連論文リスト
- A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。
超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
論文 参考訳(メタデータ) (2024-04-25T17:58:17Z) - How good are my search strings? Reflections on using an existing review
as a quasi-gold standard [1.7827643249624088]
本研究は,準ゴールド標準(QGS)を用いた探索文字列構築と探索検証に関する問題に対する意識を高めることを目的とする。
文献ではQGS品質評価の問題はあまり注目されておらず,SLSにおける自動検索の有効性が向上する可能性が示唆された。
論文 参考訳(メタデータ) (2024-02-16T19:36:19Z) - Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。
提案するRACoは,他の知識強化手法よりも優れる。
論文 参考訳(メタデータ) (2022-10-23T23:49:08Z) - MICO: Selective Search with Mutual Information Co-training [14.456028769565386]
MICOは、選択探索のための相互情報COトレーニングフレームワークである。
トレーニング後、MICOは文書をクラスタ化するだけでなく、検索を効率的にするために、未確認のクエリを関連するクラスタにルーティングする。
論文 参考訳(メタデータ) (2022-09-09T16:26:52Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳(メタデータ) (2022-09-08T09:13:07Z) - Progressive Learning for Image Retrieval with Hybrid-Modality Queries [48.79599320198615]
ハイブリッドモダリティクエリによる画像検索(CTI-IR)
我々は、CTI-IRタスクを3段階の学習問題に分解し、ハイブリッドモダリティクエリを用いて画像検索のための複雑な知識を段階的に学習する。
提案モデルは,Fashion-IQおよびShoesベンチマークデータセットにおいて,Recall@K平均の最先端手法を24.9%,9.5%向上させる。
論文 参考訳(メタデータ) (2022-04-24T08:10:06Z) - CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。
私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。
我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
論文 参考訳(メタデータ) (2022-03-20T04:41:05Z) - Deep Reinforcement Agent for Efficient Instant Search [14.086339486783018]
本稿では,関連する文書を検索する上で,意味的により健全なトークンを識別することで,負荷問題に対処することを提案する。
我々は、検索エンジンと直接対話し、単語の重要性を予測する強化エージェントを訓練する。
トリガーサーチ数とシステム性能のトレードオフを研究するために,新しい評価フレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-17T22:47:15Z) - Meta Navigator: Search for a Good Adaptation Policy for Few-shot
Learning [113.05118113697111]
少ないショット学習は、ラベル付きデータしか持たない新しいタスクに、以前のタスクから学んだ知識を適応させることを目的としている。
少数ショット学習に関する研究文献は、大きな多様性を示し、異なるアルゴリズムは、しばしば異なる少数ショット学習シナリオで優れている。
本稿では,メタナビゲータ(Meta Navigator)について紹介する。
論文 参考訳(メタデータ) (2021-09-13T07:20:01Z) - Policy Search with Rare Significant Events: Choosing the Right Partner
to Cooperate with [0.0]
本稿では,重要な出来事が稀であり,エピソードごとの肯定的な報酬に制限される強化学習問題に焦点をあてる。
重要な事象がまれな場合には,勾配情報も不足しており,政策勾配探索法が最適方針を見出すのが困難である。
一方、直接ポリシー探索法は重要な事象の希少性に不変であることを示し、これは進化的アルゴリズムが強化学習法としての役割を担わなければならないという別の確証である。
論文 参考訳(メタデータ) (2021-03-11T18:14:41Z)
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。