論文の概要: Time to Stop and Think: What kind of research do we want to do?

• arxiv url: http://arxiv.org/abs/2402.08298v1
• Date: Tue, 13 Feb 2024 08:53:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-14 16:06:58.037204
• Title: Time to Stop and Think: What kind of research do we want to do?
• Title（参考訳）: Time to Stop and Think: どのような研究をしたいのか?
• Authors: Josu Ceberio, Borja Calvo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.74048653626208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Experimentation is an intrinsic part of research in artificial intelligence since it allows for collecting quantitative observations, validating hypotheses, and providing evidence for their reformulation. For that reason, experimentation must be coherent with the purposes of the research, properly addressing the relevant questions in each case. Unfortunately, the literature is full of works whose experimentation is neither rigorous nor convincing, oftentimes designed to support prior beliefs rather than answering the relevant research questions. In this paper, we focus on the field of metaheuristic optimization, since it is our main field of work, and it is where we have observed the misconduct that has motivated this letter. Even if we limit the focus of this manuscript to the experimental part of the research, our main goal is to sew the seed of sincere critical assessment of our work, sparking a reflection process both at the individual and the community level. Such a reflection process is too complex and extensive to be tackled as a whole. Therefore, to bring our feet to the ground, we will include in this document our reflections about the role of experimentation in our work, discussing topics such as the use of benchmark instances vs instance generators, or the statistical assessment of empirical results. That is, all the statements included in this document are personal views and opinions, which can be shared by others or not. Certainly, having different points of view is the basis to establish a good discussion process.
• Abstract（参考訳）: 実験は、定量的な観察を収集し、仮説を検証し、その改革の証拠を提供することができるため、人工知能の研究の本質的な部分である。 そのため、実験は研究目的と整合し、それぞれのケースで関連する問題に適切に対処する必要がある。 残念なことに、この文学は実験が厳密で説得力のない作品に満ちており、しばしば、関連する研究問題に答えるよりも、事前の信念を支持するように設計されている。 本稿では,メタヒューリスティックな最適化の分野に焦点をあてる。これは我々の仕事のメインの分野であり,この手紙を動機づけた不正行為を観察した場所である。 たとえこの原稿の焦点を研究の実験的部分に限定したとしても、私たちの主な目標は、作品の真に批判的な評価の種を縫い合わせることであり、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。 このようなリフレクションプロセスは複雑すぎて,全体として取り組めません。 そのため、本文書では、ベンチマークインスタンス対インスタンスジェネレータの使用や実験結果の統計的評価といったトピックについて議論し、作業における実験の役割についての考察を含めます。 すなわち、この文書に含まれる全ての声明は、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。 確かに、異なる視点を持つことは、良い議論プロセスを確立するための基盤です。

関連論文リスト

• "Why Should I Review This Paper?" Unifying Semantic, Topic, and Citation Factors for Paper-Reviewer Matching [31.658757187200603]
  本稿では,意味的,話題的,引用的要素を協調的にキャプチャする,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UniPRモデルと最先端のペーパーリビューアマッチング手法を比較検討した。
  論文  参考訳（メタデータ） (2023-10-23T01:29:18Z)
• Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [53.40975887946237]
  本研究は,社会科学の学術的仮説発見のための最初のNLPデータセットを提案する。 最近のトップ50の社会科学出版物と生のウェブコーパスで構成されている。 最後の目標は、有効で斬新で有用な科学的仮説を自動的に生成するシステムを作ることだ。
  論文  参考訳（メタデータ） (2023-09-06T05:19:41Z)
• Active and Passive Causal Inference Learning [51.91564516458894]
  本稿では,因果推論に関心を持つ機械学習研究者,技術者,学生の出発点となる。 まず、因果同定に総合的に必要とされる重要な仮定のセットを配置することから始めます。 私たちは、それらを2つのバケット、アクティブとパッシブのアプローチに分類することで、重要な因果推論テクニックのセットを構築します。
  論文  参考訳（メタデータ） (2023-08-18T02:23:48Z)
• Scientific Opinion Summarization: Meta-review Generation with Checklist-guided Iterative Introspection [61.99041542129813]
  本稿では,論文レビューをメタレビューに合成する,科学的意見要約の課題を提案する。 39のカンファレンスから10,989のペーパーメタレビューと40,903のペーパーレビューをカバーする新しいORSUMデータセットを紹介した。 結論として,(1) 人書き要約はガイドラインに従わないものが多いため,必ずしも信頼できないものであって,(2) 課題分解と反復的自己調整の組み合わせは,有望な議論参加能力を示している。
  論文  参考訳（メタデータ） (2023-05-24T02:33:35Z)
• Addressing some common objections to generalized noncontextuality [0.0]
  我々は、一般化された非文脈性の定義と、それを実験的にテストする可能性に対する批判に答える。 1つの反論は、実験の各実行中に実験の手順が実際に実行された古典的な記録の存在は、非文脈性の失敗の証明の必要な要素である操作等価関係が保持されないことを意味するということである。
  論文  参考訳（メタデータ） (2023-02-14T19:00:04Z)
• Twin Papers: A Simple Framework of Causal Inference for Citations via Coupling [40.60905158071766]
  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。
  論文  参考訳（メタデータ） (2022-08-21T10:42:33Z)
• 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)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)
• What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization [49.600619575148706]
  フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。 以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
  論文  参考訳（メタデータ） (2020-12-14T15:12:35Z)
• Argument Mining Driven Analysis of Peer-Reviews [4.552676857046446]
  本稿では,編集者,メタレビュアー,レビュアーの支援を目的としたArgument Miningに基づくアプローチを提案する。 以上の知見の1つは、ピアレビュープロセスで使われる引数が他のドメインの引数とは異なるため、事前学習されたモデルの転送が困難であるということです。 私たちは、注釈付き引数を持つさまざまなコンピュータサイエンス会議の新しいピアレビューデータセットをコミュニティに提供します。
  論文  参考訳（メタデータ） (2020-12-10T16:06:21Z)
• 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)

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。