論文の概要: Studying the Effects of Collaboration in Interactive Theme Discovery Systems
- arxiv url: http://arxiv.org/abs/2408.09030v1
- Date: Fri, 16 Aug 2024 21:57:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 22:56:40.658080
- Title: Studying the Effects of Collaboration in Interactive Theme Discovery Systems
- Title（参考訳）: 対話型テーマ発見システムにおけるコラボレーションの効果に関する研究
- Authors: Alvin Po-Chun Chen, Dananjay Srinivas, Alexandra Barry, Maksim Seniw, Maria Leonor Pacheco,
- Abstract要約: 2つの異なるNLP支援定性的研究ツールを用いた同期対非同期協調の効果について検討した。
本稿では, 出力の整合性, 密着性, 正当性に有意な差があることを包括的に分析する。
- 参考スコア（独自算出の注目度）: 44.14387961657699
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: NLP-assisted solutions have gained considerable traction to support qualitative data analysis. However, there does not exist a unified evaluation framework that can account for the many different settings in which qualitative researchers may employ them. In this paper, we take a first step in this direction by proposing an evaluation framework to study the way in which different tools may result in different outcomes depending on the collaboration strategy employed. Specifically, we study the impact of synchronous vs. asynchronous collaboration using two different NLP-assisted qualitative research tools and present a comprehensive analysis of significant differences in the consistency, cohesiveness, and correctness of their outputs.
- Abstract（参考訳）: NLP支援ソリューションは、定性的データ分析をサポートするためにかなりの牽引力を得ている。
しかし、定性的な研究者がそれらを活用できる多くの異なる設定を考慮できる統一的な評価フレームワークは存在しない。
本稿では、異なるツールが採用するコラボレーション戦略によって異なる結果をもたらす方法を研究するための評価枠組みを提案することにより、この方向への第一歩を踏み出す。
具体的には、2つの異なるNLP支援定性的調査ツールを用いた同期対非同期協調の効果について検討し、それらの出力の一貫性、凝集性、正当性において有意な差異を包括的に分析する。
関連論文リスト
- On the effects of similarity metrics in decentralized deep learning under distributional shift [2.6763602268733626]
分散学習(DL)は、組織やユーザ間のプライバシー保護コラボレーションを可能にする。
本稿では,モデルマージのためのピア識別のためのDLにおける様々な類似度指標の有効性について検討する。
論文 参考訳（メタデータ） (2024-09-16T20:48:16Z) - Evaluating Ensemble Methods for News Recommender Systems [50.90330146667386]
本稿では,Microsoft News データセット (MIND) において,様々な最先端アルゴリズムを組み合わさって優れた結果を得るために,アンサンブル手法をどのように利用できるかを示す。
その結果,NRSアルゴリズムの組み合わせは,基礎学習者が十分に多様であることから,個々のアルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-06-23T13:40:50Z) - Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。
世界中から約1200チームが参加した。
トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
論文 参考訳（メタデータ） (2024-06-13T12:58:00Z) - From Variability to Stability: Advancing RecSys Benchmarking Practices [3.3331198926331784]
本稿では,RecSysアルゴリズムの公平かつ堅牢な比較を容易にするため,新しいベンチマーク手法を提案する。
本研究で導入された2つを含む30ドルのオープンデータセットの多種多様なセットを利用することで、データセット特性がアルゴリズム性能に与える影響を批判的に検証する。
論文 参考訳（メタデータ） (2024-02-15T07:35:52Z) - On Task Performance and Model Calibration with Supervised and
Self-Ensembled In-Context Learning [71.44986275228747]
In-context Learning (ICL) は、近年の大規模言語モデル(LLM)の進歩により、効率的なアプローチとなっている。
しかし、両方のパラダイムは、過信の批判的な問題(すなわち、誤校正)に苦しむ傾向にある。
論文 参考訳（メタデータ） (2023-12-21T11:55:10Z) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳（メタデータ） (2021-07-14T18:09:08Z) - Interactive Dimensionality Reduction for Comparative Analysis [28.52130400665133]
我々は,新しいDR手法であるULCAをインタラクティブなビジュアルインターフェースと統合する,インタラクティブなDRフレームワークを導入する。
ULCAは差別分析とコントラスト学習という2つのDRスキームを統合し、様々な比較分析タスクをサポートする。
我々は,ULCA結果を対話的に洗練する最適化アルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-06-29T15:05:36Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z) - Systematic Ensemble Model Selection Approach for Educational Data Mining [8.26773636337474]
この研究は、コースデリバリの2つの別々の段階において、2つの異なるデータセットを調査し、分析する。
Giniインデックスとp値に基づく体系的なアプローチを提案し、6つの潜在的機械学習アルゴリズムの組み合わせから適切なアンサンブル学習者を選択する。
実験結果から,提案したアンサンブルモデルでは,両データセットのすべての段階で高い精度と低い偽陽性率が得られることがわかった。
論文 参考訳（メタデータ） (2020-05-13T22:25:58Z)
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。