論文の概要: Automatically Finding and Categorizing Replication Studies
- arxiv url: http://arxiv.org/abs/2311.15055v1
- Date: Sat, 25 Nov 2023 15:27:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 22:05:53.460424
- Title: Automatically Finding and Categorizing Replication Studies
- Title(参考訳): 複製研究の自動発見と分類
- Authors: Bob de Ruiter
- Abstract要約: 多くの実験科学分野において、複製に失敗した論文は、複製研究の発見可能性の低さから引用され続けている。
論文の複製研究を自動的に行うシステムを構築する第一歩として、334の複製研究と344の複製研究が集められた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many fields of experimental science, papers that failed to replicate
continue to be cited as a result of the poor discoverability of replication
studies. As a first step to creating a system that automatically finds
replication studies for a given paper, 334 replication studies and 344
replicated studies were collected. Replication studies could be identified in
the dataset based on text content at a higher rate than chance (AUROC = 0.886).
Additionally, successful replication studies could be distinguished from
failed replication studies at a higher rate than chance (AUROC = 0.664).
- Abstract(参考訳): 多くの実験科学分野において、複製に失敗した論文は、複製研究の発見可能性の低さから引用され続けている。
論文の複製研究を自動的に行うシステムを構築する第一歩として、334の複製研究と344の複製研究が集められた。
AUROC = 0.886) よりも高い確率でテキストの内容に基づいて、複製研究をデータセットで特定することができた。
さらに、成功した複製研究は、偶然よりも高い確率で失敗している複製研究と区別することができる(auroc = 0.664)。
関連論文リスト
- Using Large Language Models to Create AI Personas for Replication and Prediction of Media Effects: An Empirical Test of 133 Published Experimental Research Findings [0.3749861135832072]
本稿では,大規模言語モデル(LLM)がメッセージ効果研究の正確な複製を高速化する可能性について分析する。
The Journal of Marketingに掲載された45の最近の研究を含む14の論文から133の実験結果を再現し,LSMを用いた参加者を試験した。
LLMの複製は、元のメインエフェクトの76%(111点中84点)を再現し、メディア刺激に反応する研究のAIによる複製の可能性を示した。
論文 参考訳(メタデータ) (2024-08-28T18:14:39Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Optimal Multi-Distribution Learning [88.3008613028333]
マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。
本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-08T16:06:29Z) - Sample Complexity Bounds for Score-Matching: Causal Discovery and
Generative Modeling [82.36856860383291]
我々は,標準深部ReLUニューラルネットワークをトレーニングすることにより,スコア関数の正確な推定が可能であることを実証した。
スコアマッチングに基づく因果発見手法を用いて因果関係の回復の誤差率の限界を確立する。
論文 参考訳(メタデータ) (2023-10-27T13:09:56Z) - In-class Data Analysis Replications: Teaching Students while Testing Science [16.951059542542843]
本研究では,EPFLで教えられた応用データ分析コースのプロジェクトコンポーネントにデータ解析の複製を組み込んだ。
学生がデータ分析の複製を期待していることと、彼らが経験したこととの間には相違点がある。
我々は,学術コミュニティにおけるクラス内データ分析レプリケーションの有意義なメリットを同定する。
論文 参考訳(メタデータ) (2023-08-31T06:53:22Z) - Replicable Reinforcement Learning [15.857503103543308]
本稿では、並列値反復のための証明可能なレプリカブルアルゴリズムと、エピソード設定における証明可能なR-maxのレプリカブルバージョンを提供する。
これらは制御問題に対する最初の公式なレプリカ化結果であり、バッチ学習設定とは異なるレプリケーションの課題を提示している。
論文 参考訳(メタデータ) (2023-05-24T16:05:15Z) - A Study on Reproducibility and Replicability of Table Structure
Recognition Methods [3.8366337377024298]
テーブル構造認識(TSR)における16論文のコーパスと複製性について検討する。
研究対象は16論文中4論文のみである。
新しいデータセットを使って複製可能な紙は見当たらない。
論文 参考訳(メタデータ) (2023-04-20T16:30:58Z) - Building a Relation Extraction Baseline for Gene-Disease Associations: A
Reproducibility Study [0.0]
バイオメディカルな抽象物から遺伝子障害協会を自動的に抽出するシステムであるDEXTERを再現する。
目標は、関係抽出(RE)に関する将来の研究のためのベンチマークを提供することである。
論文 参考訳(メタデータ) (2022-07-04T08:19:43Z) - Mode recovery in neural autoregressive sequence modeling [55.05526174291747]
最近の研究では、神経自己回帰配列モデルの予期せぬ特性と望ましくない性質が明らかにされている。
本研究では,分布のモードや局所的な最大値が,学習チェーン全体を通してどのように維持されているかを検討する。
今後の研究は、潜在能力と危険性を完全に理解するために、学習連鎖全体を考慮しなくてはならないと結論付けている。
論文 参考訳(メタデータ) (2021-06-10T02:17:28Z) - Reproducibility Companion Paper: Knowledge Enhanced Neural Fashion Trend
Forecasting [78.046352507802]
Python実装を使用した実験の複製を可能にするアーティファクトを提供する。
本稿では,本論文で実施した実験を再現し,前報と同様の性能を得る。
論文 参考訳(メタデータ) (2021-05-25T10:53:11Z) - Identifying Statistical Bias in Dataset Replication [102.92137353938388]
モデルが(11-14%) の精度低下を示すImageNetデータセットの再現について検討した。
同定された統計バイアスを補正した後、推定3.6%のpm 1.5%の当初の11.7%のpm 1.0%の精度低下しか記録されていない。
論文 参考訳(メタデータ) (2020-05-19T17:48:32Z)
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。