Fugu-MT 論文翻訳(概要): Integrating Positionality Statements in Empirical Software Engineering Research

論文の概要: Integrating Positionality Statements in Empirical Software Engineering Research

arxiv url: http://arxiv.org/abs/2412.06567v1
Date: Mon, 09 Dec 2024 15:23:13 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-10 23:11:44.392683
Title: Integrating Positionality Statements in Empirical Software Engineering Research
Title（参考訳）: 経験的ソフトウェア工学研究における位置性ステートメントの統合
Authors: Breno Felix de Sousa, Ronnie de Souza Santos, Kiev Gama,
Abstract要約: 位置性ステートメントは、研究者のアイデンティティ、経験、視点がどのように彼らの仕事を形作るかを認識することによって、透明性、反射性、倫理的整合性を高める。本研究は,ソフトウェア工学研究における位置性ステートメントの理解,利用,潜在的価値について検討することを目的とした。
参考スコア（独自算出の注目度）: 3.6203549269055237
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Positionality statements are a reflective practice established in fields such as social sciences, where they enhance transparency, reflexivity, and ethical integrity by acknowledging how researchers identities, experiences, and perspectives may shape their work. This study aimed to investigate the understanding, usage, and potential value of positionality statements in software engineering research, particularly in studies focused on diversity and inclusion.
Abstract（参考訳）: 位置性ステートメント(英語: positionality statement)は、社会科学などの分野において、研究者のアイデンティティ、経験、視点がどのように彼らの仕事を形作るかを認識することによって、透明性、反射性、倫理的整合性を高めるための反射的な実践である。本研究は,ソフトウェア工学研究,特に多様性と包摂性に着目した研究において,位置性ステートメントの理解,利用,潜在的価値について検討することを目的とした。

関連論文リスト

Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文参考訳（メタデータ） (2025-04-01T13:53:11Z)
An Overview of Large Language Models for Statisticians [109.38601458831545]
大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
論文参考訳（メタデータ） (2025-02-25T03:40:36Z)
Insights Towards Better Case Study Reporting in Software Engineering [0.0]
本稿では,ケーススタディレポートの質と影響を高める知見を共有することを目的とする。ケーススタディでは、確立されたガイドライン、正確な分類、詳細な文脈記述に従うことの必要性を強調した。我々は,ケーススタディが方法論的に健全であることを保証するために,より厳密でコミュニケーション的な戦略を採用するよう研究者に促すことを目指している。
論文参考訳（メタデータ） (2024-02-13T12:29:26Z)
The Participatory Turn in AI Design: Theoretical Foundations and the Current State of Practice [64.29355073494125]
本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
論文参考訳（メタデータ） (2023-10-02T05:30:42Z)
Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文参考訳（メタデータ） (2023-05-22T17:18:29Z)
Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文参考訳（メタデータ） (2023-02-03T14:57:40Z)
An Interdisciplinary Perspective on Evaluation and Experimental Design for Visual Text Analytics: Position Paper [24.586485898038312]
本稿では,視覚的テキスト分析手法の評価に焦点をあてる。視覚テキスト分析手法を評価する上で,課題の4つの主要なグループを同定する。
論文参考訳（メタデータ） (2022-09-23T11:47:37Z)
Model Positionality and Computational Reflexivity: Promoting Reflexivity in Data Science [10.794642538442107]
データサイエンスの作業を理解するための枠組みを提供するために,位置性や反射性の概念をどのように適応させるかを説明する。データサイエンスの仕事にこれらの概念を適用する上での課題について述べ,将来性のあるソリューションとしてアノテータのフィンガープリントと位置マイニングを提供する。
論文参考訳（メタデータ） (2022-03-08T16:02:03Z)
We Need to Talk About Data: The Importance of Data Readiness in Natural Language Processing [3.096615629099618]
我々は、NLPにおける学術研究と学術以外の問題への応用との間にはギャップがあると主張している。本稿では,データのアクセシビリティ,有効性,有用性に関して,研究者と外部利害関係者のコミュニケーションを改善する方法を提案する。
論文参考訳（メタデータ） (2021-10-11T17:55:07Z)
No computation without representation: Avoiding data and algorithm biases through diversity [11.12971845021808]
学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
論文参考訳（メタデータ） (2020-02-26T23:07:39Z)
A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。