論文の概要: Automatic Detection of Research Values from Scientific Abstracts Across Computer Science Subfields

• arxiv url: http://arxiv.org/abs/2502.16390v1
• Date: Sun, 23 Feb 2025 00:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:53:26.712570
• Title: Automatic Detection of Research Values from Scientific Abstracts Across Computer Science Subfields
• Title（参考訳）: 計算機科学サブフィールドの科学的抽象化による研究価値の自動検出
• Authors: Hang Jiang, Tal August, Luca Soldaini, Kyle Lo, Maria Antoniak,
• Abstract要約: 本稿では,CS関連研究をガイドするテクスブテン研究価値を特徴とする詳細なアノテーション手法を提案する。 我々は,32のCS関連サブフィールドと86の人気のある出版会場から10年間に226,600件の論文要約を行った。
• 参考スコア（独自算出の注目度）: 32.82061305764996
• License:
• Abstract: The field of Computer science (CS) has rapidly evolved over the past few decades, providing computational tools and methodologies to various fields and forming new interdisciplinary communities. This growth in CS has significantly impacted institutional practices and relevant research communities. Therefore, it is crucial to explore what specific \textbf{research values}, known as \textbf{basic and fundamental beliefs that guide or motivate research attitudes or actions}, CS-related research communities promote. Prior research has manually analyzed research values from a small sample of machine learning papers \cite{facct}. No prior work has studied the automatic detection of research values in CS from large-scale scientific texts across different research subfields. This paper introduces a detailed annotation scheme featuring \textbf{ten research values} that guide CS-related research. Based on the scheme, we build value classifiers to scale up the analysis and present a systematic study over 226,600 paper abstracts from 32 CS-related subfields and 86 popular publishing venues over ten years.
• Abstract（参考訳）: コンピュータ科学(CS)の分野は過去数十年間で急速に発展し、様々な分野に計算ツールや方法論を提供し、新しい学際的なコミュニティを形成してきた。 このCSの成長は、制度的な実践と関連する研究コミュニティに大きな影響を与えている。 したがって、CS関連の研究コミュニティは、研究態度や行動のガイドまたは動機づけを行う、特定の「textbf{research values」、いわゆる「textbf{basic and fundamental beliefs」について調査することが不可欠である。 これまでの研究は、機械学習論文の小さなサンプルであるcite{facct}から手動で研究値を分析してきた。 様々な研究分野にわたる大規模科学文献から、CSにおける研究価値の自動検出について、先行研究は行われていない。 本稿では,CS関連の研究をガイドする「textbf{ten research values」を特徴とする詳細なアノテーション手法を提案する。 提案手法に基づいて,分析の規模を拡大する価値分類器を構築し,32のCS関連サブフィールドと86の人気のある出版会場から10年以上にわたる226,600以上の論文要約を体系的に提示する。

関連論文リスト

• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Research Topic Flows in Co-Authorship Networks [0.0]
  本稿では,研究論文の著者とその研究分野間の流れを解析するためのグラフ構造を提案する。 我々の方法は、出版物のコーパス(すなわち、著者と抽象的な情報)のみを構築するために必要である。 本手法をコンピュータ科学と数学の分野で60年以上研究されてきた論文20冊の総合コーパスに適用することにより,TFNの有用性を実証する。
  論文  参考訳（メタデータ） (2022-06-16T07:45:53Z)
• Characterising Research Areas in the field of AI [68.8204255655161]
  トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。 その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-05-26T16:30:30Z)
• Research Scholar Interest Mining Method based on Load Centrality [15.265191824669555]
  本稿では,負荷集中度に基づく研究研究者の関心マイニングアルゴリズムを提案する。 各トピックの地域構造は、ノードの集中度研究モデルの重みを正確に計算するために使用することができる。 本稿では, 負荷率センタに基づく科学的研究協力により, 科学的研究研究者の関心を効果的に抽出することができる。
  論文  参考訳（メタデータ） (2022-03-21T04:16:46Z)
• The CSO Classifier: Ontology-Driven Detection of Research Topics in Scholarly Articles [0.0]
  コンピュータサイエンスオントロジー(CSO)に基づく研究論文の自動分類のための新しい教師なしアプローチを紹介します。 CSOは、研究論文(タイトル、抽象、キーワード)に関連するメタデータを入力として取り、オントロジーから引き出された研究概念の選択を返します。 このアプローチは、手作業による注釈付き記事のゴールドスタンダードで評価され、代替方法よりも大幅に改善されました。
  論文  参考訳（メタデータ） (2021-04-02T09:02:32Z)
• Semantic and Relational Spaces in Science of Science: Deep Learning Models for Article Vectorisation [4.178929174617172]
  我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。 論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
  論文  参考訳（メタデータ） (2020-11-05T14:57:41Z)
• Topic Space Trajectories: A case study on machine learning literature [0.0]
  本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。 我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。 本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
  論文  参考訳（メタデータ） (2020-10-23T10:53:42Z)

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。