論文の概要: Towards Generalizing Inferences from Trials to Target Populations

• arxiv url: http://arxiv.org/abs/2402.17042v2
• Date: Sat, 25 May 2024 00:05:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 06:55:50.092109
• Title: Towards Generalizing Inferences from Trials to Target Populations
• Title（参考訳）: 試行錯誤からターゲット人口への推論の一般化に向けて
• Authors: Melody Y Huang, Harsh Parikh,
• Abstract要約: 本稿では,ブラウン大学における複数学際ワークショップをカプセル化して,外部の妥当性問題に対処する最前線について述べる。 社会科学、医学、公衆衛生、統計学、コンピュータ科学、教育など様々な分野の専門家は、外挿実験で各分野が直面する固有の障害に対処した。 そこで本論文は,因果効果の一般化性と輸送性に関する総合的理解を高めることを目的としている。
• 参考スコア（独自算出の注目度）: 6.836945436656676
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Randomized Controlled Trials (RCTs) are pivotal in generating internally valid estimates with minimal assumptions, serving as a cornerstone for researchers dedicated to advancing causal inference methods. However, extending these findings beyond the experimental cohort to achieve externally valid estimates is crucial for broader scientific inquiry. This paper delves into the forefront of addressing these external validity challenges, encapsulating the essence of a multidisciplinary workshop held at the Institute for Computational and Experimental Research in Mathematics (ICERM), Brown University, in Fall 2023. The workshop congregated experts from diverse fields including social science, medicine, public health, statistics, computer science, and education, to tackle the unique obstacles each discipline faces in extrapolating experimental findings. Our study presents three key contributions: we integrate ongoing efforts, highlighting methodological synergies across fields; provide an exhaustive review of generalizability and transportability based on the workshop's discourse; and identify persistent hurdles while suggesting avenues for future research. By doing so, this paper aims to enhance the collective understanding of the generalizability and transportability of causal effects, fostering cross-disciplinary collaboration and offering valuable insights for researchers working on refining and applying causal inference methods.
• Abstract（参考訳）: ランダム化制御試験(Randomized Controlled Trials, RCTs)は、最小限の仮定で内部的に有効な見積もりを生成する上で重要なものであり、因果推論手法の進歩に特化した研究者の基盤となっている。 しかしながら、これらの知見を実験コホートを越えて拡張して、外部で有効な見積もりを達成することは、より広範な科学的調査にとって不可欠である。 本稿は,2023年秋にブラウン大学数学計算実験研究所(ICERM)で開かれた多分野ワークショップの本質を包括して,これらの外的妥当性問題に対処する最前線について述べる。 このワークショップは、社会科学、医学、公衆衛生、統計学、コンピュータ科学、教育など様々な分野の専門家を集め、実験結果の外挿において各分野が直面する固有の障害に対処した。 本研究は,現在進行中の取り組みの統合,フィールド間の方法論的相乗効果の強調,ワークショップの談話に基づく一般化可能性と輸送可能性の徹底的なレビュー,そして今後の研究への道筋を示唆しながら,永続的なハードルを同定する,という3つの重要な貢献を提示する。 そこで本論文は,因果関係の一般化可能性と伝達可能性の総合的理解の向上,学際的コラボレーションの促進,および因果関係推論手法の洗練と適用に取り組む研究者に貴重な洞察を提供することを目的としている。

関連論文リスト

• A Comprehensive Survey on Inverse Constrained Reinforcement Learning: Definitions, Progress and Challenges [27.681999552782372]
  逆制約強化学習(英: Inverse Constrained Reinforcement Learning, ICRL)は、暗黙の制約を推論し、その実証データから専門家エージェントが続くタスクである。 本論では, ICRLの最近の進歩について分類学的に考察する。 ICRLの定義、進歩、重要な課題を理解しようとする初心者だけでなく、機械学習の研究者や実践者にとっても包括的な参照として機能する。
  論文  参考訳（メタデータ） (2024-09-11T18:49:03Z)
• Large Language Models as Co-Pilots for Causal Inference in Medical Studies [0.0]
  本研究では,大規模言語モデル(LLM)を共同パイロットツールとして活用し,因果推論の有効性を損なう研究設計上の欠陥の同定を支援する。 本研究では,LLMの概念的枠組みを,様々な分野のドメイン知識を符号化する因果コパイロットとして提案する。
  論文  参考訳（メタデータ） (2024-07-26T22:43:15Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• Surveying (Dis)Parities and Concerns of Compute Hungry NLP Research [75.84463664853125]
  我々は,3つのトピック,すなわち環境影響,株式,およびピアレビューへの影響に関する懸念を定量化するための最初の試みを提供する。 我々は、高齢者、アカデミック、産業に関して、異なるグループと異なるグループ内の既存の(異なる)格差を捉えます。 私たちは、発見された格差を軽減するためのレコメンデーションを考案しました。
  論文  参考訳（メタデータ） (2023-06-29T12:44:53Z)
• A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
  本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。 我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。 我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-22T11:08:00Z)
• Parsing Objects at a Finer Granularity: A Survey [54.72819146263311]
  微細な視覚解析は、農業、リモートセンシング、宇宙技術など、多くの現実世界の応用において重要である。 卓越した研究努力は、異なるパラダイムに従って、これらのきめ細かいサブタスクに取り組む。 我々は,パート関係を学習する新たな視点から,先進的な研究を深く研究する。
  論文  参考訳（メタデータ） (2022-12-28T04:20:10Z)
• Active Inference and Reinforcement Learning: A unified inference on continuous state and action spaces under partial observability [19.56438470022024]
  多くの実世界の問題は、部分的に観測可能な決定過程(POMDP)として定式化された部分的な観察を含む。 これまでの研究では、過去の行動や観察の記憶を取り入れたり、環境の本当の状態を推測することで、PMDPのRLに取り組みました。 アクティブ推論(AIF)と強化学習(RL)の理論的関係を確立する統一原理を提案する。 実験により,連続的な空間を部分的に観測可能なタスクを解く上で,本手法の優れた学習能力を実証した。
  論文  参考訳（メタデータ） (2022-12-15T16:28:06Z)
• Computational Inference in Cognitive Science: Operational, Societal and Ethical Considerations [13.173307471333619]
  計算の進歩は認知科学をデータ駆動の分野に変えた。 異なる学術的なレンズから研究され解釈される認知理論の増殖がある。 我々は,研究実施における運用上の課題,社会的影響,倫理的ガイドラインを特定した。
  論文  参考訳（メタデータ） (2022-10-24T18:27:27Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。