論文の概要: Validity in Design Science

• arxiv url: http://arxiv.org/abs/2503.09466v1
• Date: Wed, 12 Mar 2025 15:19:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:39:52.638519
• Title: Validity in Design Science
• Title（参考訳）: デザイン科学における妥当性
• Authors: K. Larsen, R. Lukyanenko, R. Muller, V. Storey, J. Parsons, D. Vandermeer, D. Hovorka,
• Abstract要約: 本稿では,デザイン科学の妥当性を定義し,それを適用するプロセスモデルとデザイン科学の妥当性フレームワークを導出する。 このフレームワークは、3つのハイレベルなクレームと妥当性のあるタイプ-クレーム、因果、コンテキスト-および妥当性のサブタイプから構成される。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Researchers must ensure that the claims about the knowledge produced by their work are valid. However, validity is neither well-understood nor consistently established in design science, which involves the development and evaluation of artifacts (models, methods, instantiations, and theories) to solve problems. As a result, it is challenging to demonstrate and communicate the validity of knowledge claims about artifacts. This paper defines validity in design science and derives the Design Science Validity Framework and a process model for applying it. The framework comprises three high-level claim and validity types-criterion, causal, and context-as well as validity subtypes. The framework guides researchers in integrating validity considerations into projects employing design science and contributes to the growing body of research on design science methodology. It also provides a systematic way to articulate and validate the knowledge claims of design science projects. We apply the framework to examples from existing research and then use it to demonstrate the validity of knowledge claims about the framework itself.
• Abstract（参考訳）: 研究者は、彼らの仕事によって生み出された知識に関する主張が有効であることを保証する必要がある。 しかし、有効性はデザイン科学においてよく理解されておらず、一貫して確立されていないため、問題解決のための人工物(モデル、方法、インスタンス化、理論)の開発と評価が伴う。 結果として、アーティファクトに関する知識主張の妥当性を実証し、伝達することは困難である。 本稿では,デザイン科学の妥当性を定義し,それを適用するプロセスモデルとデザイン科学の妥当性フレームワークを導出する。 このフレームワークは、3つのハイレベルなクレームと妥当性のあるタイプ-クレーム、因果、コンテキスト-および妥当性のサブタイプから構成される。 この枠組みは、設計科学を取り入れたプロジェクトへの妥当性検討の統合に研究者を導いており、デザイン科学方法論の研究の活発化に寄与している。 また、デザインサイエンスプロジェクトの知識の主張を明確にし、検証するための体系的な方法も提供する。 既存の研究の例にフレームワークを適用し、フレームワーク自体に関する知識の主張の有効性を実証する。

関連論文リスト

• The Prompt Canvas: A Literature-Based Practitioner Guide for Creating Effective Prompts in Large Language Models [0.0]
  本稿では,既存の方法論を包括的に構築し,実践者のための包括的概要を構築するためのフレームワークの構築について論じる。 本稿では,プロンプト・キャンバス(Prompt Canvas)について述べる。
  論文  参考訳（メタデータ） (2024-12-06T15:35:18Z)
• StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization [94.31508613367296]
  Retrieval-augmented Generation(RAG)は、大規模言語モデル(LLM)を効果的に強化する鍵となる手段である。 本稿では,手前のタスクに対して最適な構造型を識別し,元の文書をこの構造化形式に再構成し,その結果に基づいて回答を推測するStructRAGを提案する。 実験の結果、StructRAGは最先端のパフォーマンスを実現し、特に挑戦的なシナリオに優れていた。
  論文  参考訳（メタデータ） (2024-10-11T13:52:44Z)
• Knowledge AI: Fine-tuning NLP Models for Facilitating Scientific Knowledge Extraction and Understanding [0.0]
  本研究は,Large Language Models (LLMs) の,特定の領域における科学的知識の理解と抽出における有効性について検討する。 トレーニング済みのモデルを採用し、科学領域のデータセットを微調整します。
  論文  参考訳（メタデータ） (2024-08-04T01:32:09Z)
• Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
  証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。 Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-07-14T01:43:07Z)
• ValiText -- a unified validation framework for computational text-based measures of social constructs [0.8930269507906258]
  本稿では,テキストデータ中の社会的構造を有効に測定する上で,研究者を支援するための新たな検証フレームワークであるValiTextを紹介する。 この枠組みは、社会科学における妥当性の概念的基礎の上に構築され、社会科学における検証実践の実証的なレビューによって強化されている。 最終的にValiTextは、研究者に3種類の検証証拠を処方する。
  論文  参考訳（メタデータ） (2023-07-06T09:03:10Z)
• Scientific Fact-Checking: A Survey of Resources and Approaches [0.799536002595393]
  科学的事実チェック(英: scientific fact-checking)とは、科学的知識に根ざした主張の検証に関するタスクのバリエーションである。 この課題は、オンラインプラットフォーム上での科学的・健康的な議論の重要性が高まり、大きな注目を集めている。 本稿では,この新興分野における既存研究の総合的な調査とその関連課題について紹介する。
  論文  参考訳（メタデータ） (2023-05-26T12:12:15Z)
• KnowledgeShovel: An AI-in-the-Loop Document Annotation System for Scientific Knowledge Base Construction [46.56643271476249]
  KnowledgeShovelは、研究者が科学的知識基盤を構築するための、Al-in-the-Loop文書アノテーションシステムである。 KnowledgeShovelの設計では、多段階のマルチモーダルAIコラボレーションパイプラインを導入し、データの正確性を向上し、人的負担を軽減する。 7つの地学研究者によるフォローアップユーザ評価では、知識ショベルは、十分な精度で科学的知識ベースを効率的に構築できることを示している。
  論文  参考訳（メタデータ） (2022-10-06T11:38:18Z)
• Generating Scientific Claims for Zero-Shot Scientific Fact Checking [54.62086027306609]
  科学言語の複雑さと大量のトレーニングデータが不足しているため、自動科学的事実チェックは困難である。 科学的な文から1つ以上の原子的かつ検証可能なクレームを生成するための科学的クレーム生成を提案する。 また, バイオメディカルクレームのゼロショット事実チェックにも有用であることを示す。
  論文  参考訳（メタデータ） (2022-03-24T11:29:20Z)
• A Field Guide to Scientific XAI: Transparent and Interpretable Deep Learning for Bioinformatics Research [48.587021833307574]
  この記事では、透過的なモデル設計のフィールドガイドとなる。 透明なモデル設計概念の分類、設計概念を実践するための実践的なワークフロー、設計選択を報告するための一般的なテンプレートを提供する。
  論文  参考訳（メタデータ） (2021-10-13T07:02:58Z)
• Fact or Fiction: Verifying Scientific Claims [53.29101835904273]
  本稿では,研究文献から,REFUTESやREFUTESが与えられた科学的主張であることを示す証拠を含む抄録を抽出する新たな課題である,科学的クレーム検証を紹介する。 SciFactは、1.4Kの専門家による科学的主張と、ラベルや合理性に注釈を付けたエビデンスを含む抽象概念を組み合わせたデータセットである。 このシステムは,CORD-19コーパスの証拠を同定することにより,新型コロナウイルス関連クレームを検証可能であることを示す。
  論文  参考訳（メタデータ） (2020-04-30T17:22:57Z)

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。