論文の概要: Automatic answering of scientific questions using the FACTS-V1 framework: New methods in research to increase efficiency through the use of AI

• arxiv url: http://arxiv.org/abs/2412.07794v1
• Date: Sun, 01 Dec 2024 18:55:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-15 08:00:17.146865
• Title: Automatic answering of scientific questions using the FACTS-V1 framework: New methods in research to increase efficiency through the use of AI
• Title（参考訳）: FACTS-V1フレームワークを用いた科学的質問の自動回答:AIによる効率向上研究の新しい手法
• Authors: Stefan Pietrusky,
• Abstract要約: 本稿では FACTS-V1 (Filtering and Analysis of Content in Textual Sources) フレームワークのプロトタイプについて述べる。 このアプリケーションの助けを借りて、多数の科学論文を自動的に抽出し、分析し、オープンアクセス文書サーバから解釈することができる。 このフレームワークの目的は、既存のデータに基づいた将来の科学的質問に対するレコメンデーションを提供することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The use of artificial intelligence (AI) offers various possibilities to expand and support educational research. Specifically, the implementation of AI can be used to develop new frameworks to establish new research tools that accelerate and meaningfully expand the efficiency of data evaluation and interpretation (Buckingham Shum et al., 2023). This article presents the prototype of the FACTS-V1 (Filtering and Analysis of Content in Textual Sources) framework. With the help of the application, numerous scientific papers can be automatically extracted, analyzed and interpreted from open access document servers without having to rely on proprietary applications and their limitations. The FACTS-V1 prototype consists of three building blocks. The first part deals with the extraction of texts, the second with filtering and interpretation, and the last with the actual statistical evaluation (topic modeling) using an interactive overview. The aim of the framework is to provide recommendations for future scientific questions based on existing data. The functionality is illustrated by asking how the use of AI will change the education sector. The data used to answer the question comes from 82 scientific papers on the topic of AI from 2024. The papers are publicly available on the peDOCS document server of the Leibniz Institute for Educational Research and Educational Information.
• Abstract（参考訳）: 人工知能(AI)の利用は、教育研究の拡大と支援に様々な可能性を提供する。 具体的には、AIの実装を使用して、データ評価と解釈の効率を加速し、有意義に拡張する新しい研究ツールを確立する(Buckingham Shum et al , 2023)。 本稿では FACTS-V1 (Filtering and Analysis of Content in Textual Sources) フレームワークのプロトタイプについて述べる。 このアプリケーションの助けを借りて、プロプライエタリなアプリケーションとその制限に頼ることなく、オープンアクセスドキュメントサーバから多くの科学論文を自動的に抽出、分析、解釈することができる。 FACTS-V1の試作機は3つのビルディングブロックで構成されている。 第1部はテキストの抽出、第2部はフィルタリングと解釈、第2部は対話的概要を用いた実際の統計的評価(トピックモデリング)を扱う。 このフレームワークの目的は、既存のデータに基づいた将来の科学的質問に対するレコメンデーションを提供することである。 この機能は、AIの使用が教育セクターをどのように変えるのかを問うことで説明される。 この質問に答えるために使われたデータは、2024年のAIに関する82の科学論文から来ている。 論文はLeibniz Institute for Educational Research and Educational InformationのPeDOCSドキュメントサーバで公開されている。

関連論文リスト

• RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
  本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。 25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。 我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
  論文  参考訳（メタデータ） (2024-06-13T06:42:32Z)
• Quantitative Analysis of AI-Generated Texts in Academic Research: A Study of AI Presence in Arxiv Submissions using AI Detection Tool [0.0]
  本研究は,学術機関がArxivに投稿するために用いた,意図的に制作されたコンテンツを閲覧する手法について分析する。 統計分析によると、Originality.aiは98%の精度で正確である。
  論文  参考訳（メタデータ） (2024-02-09T17:20:48Z)
• Artificial intelligence to automate the systematic review of scientific literature [0.0]
  我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。 現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
  論文  参考訳（メタデータ） (2024-01-13T19:12:49Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
  本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。 まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。 キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
  論文  参考訳（メタデータ） (2022-09-17T18:24:56Z)
• AI Explainability 360: Impact and Design [120.95633114160688]
  2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。 本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。 また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
  論文  参考訳（メタデータ） (2021-09-24T19:17:09Z)
• MAIR: Framework for mining relationships between research articles, strategies, and regulations in the field of explainable artificial intelligence [2.280298858971133]
  研究論文やAI関連の政策に対する規制の影響のダイナミクスを理解することが不可欠である。 本稿では,AI関連政策文書とXAI研究論文の共同分析のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-29T20:41:17Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。