Fugu-MT 論文翻訳(概要): VizCV: AI-assisted visualization of researchers' publications tracks

論文の概要: VizCV: AI-assisted visualization of researchers' publications tracks

arxiv url: http://arxiv.org/abs/2505.08691v1
Date: Tue, 13 May 2025 15:47:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-14 20:57:54.655285
Title: VizCV: AI-assisted visualization of researchers' publications tracks
Title（参考訳）: VizCV:AIによる研究論文の可視化
Authors: Vladimír Lazárik, Marco Agus, Barbora Kozlíková, Pere-Pau Vázquez,
Abstract要約: VizCVは、新しいWebベースのエンドツーエンドのビジュアル分析フレームワークである。 AI支援分析を取り入れ、キャリア進化の自動報告をサポートする。
参考スコア（独自算出の注目度）: 7.233541652625401
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Analyzing how the publication records of scientists and research groups have evolved over the years is crucial for assessing their expertise since it can support the management of academic environments by assisting with career planning and evaluation. We introduce VizCV, a novel web-based end-to-end visual analytics framework that enables the interactive exploration of researchers' scientific trajectories. It incorporates AI-assisted analysis and supports automated reporting of career evolution. Our system aims to model career progression through three key dimensions: a) research topic evolution to detect and visualize shifts in scholarly focus over time, b) publication record and the corresponding impact, c) collaboration dynamics depicting the growth and transformation of a researcher's co-authorship network. AI-driven insights provide automated explanations of career transitions, detecting significant shifts in research direction, impact surges, or collaboration expansions. The system also supports comparative analysis between researchers, allowing users to compare topic trajectories and impact growth. Our interactive, multi-tab and multiview system allows for the exploratory analysis of career milestones under different perspectives, such as the most impactful articles, emerging research themes, or obtaining a detailed analysis of the contribution of the researcher in a subfield. The key contributions include AI/ML techniques for: a) topic analysis, b) dimensionality reduction for visualizing patterns and trends, c) the interactive creation of textual descriptions of facets of data through configurable prompt generation and large language models, that include key indicators, to help understanding the career development of individuals or groups.
Abstract（参考訳）: 研究者や研究グループの出版記録が長年にわたってどのように発展してきたかを分析することは、キャリア計画と評価の支援によって学術環境の管理を支援することができるため、彼らの専門知識を評価する上で重要である。我々は、研究者の科学的軌跡のインタラクティブな探索を可能にする、新しいWebベースのエンドツーエンドビジュアル分析フレームワークであるVizCVを紹介した。 AI支援分析を取り入れ、キャリア進化の自動報告をサポートする。私たちのシステムは,3つの重要な側面を通じてキャリアの進展をモデル化することを目的としている。 a) 時間とともに学術的な焦点のシフトを検出し可視化する研究トピックの進化 b) 公開記録及び対応する影響 c)研究者の共著者ネットワークの成長及び変容を描いたコラボレーションダイナミクス AI駆動の洞察は、キャリア移行の自動化説明、研究方向の大幅なシフトの検出、インパクトサージ、コラボレーション拡張を提供する。このシステムは研究者間の比較分析もサポートしており、ユーザーはトピックの軌跡と影響の増大を比較することができる。我々のインタラクティブ・マルチタブ・マルチビューシステムは、最も影響力のある記事、新しい研究テーマ、サブフィールドにおける研究者の貢献の詳細な分析など、様々な視点でキャリアマイルストーンの探索的分析を可能にする。主なコントリビューションは、次のようなAI/MLテクニックだ。話題分析, 話題分析. ロ図柄及び傾向を可視化するための寸法削減 c) 個人又はグループのキャリア発達の理解を支援するため、設定可能なプロンプト生成及び重要な指標を含む大規模言語モデルによるデータのファセットのテキスト記述のインタラクティブな作成

関連論文リスト

SciSciGPT: Advancing Human-AI Collaboration in the Science of Science [7.592219145267612]
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、人間とAIのコラボレーションに新たな可能性をもたらしている。我々はSciSciGPTを紹介した。SciSciGPTはオープンソースのプロトタイプAIコラボレータで、科学の科学をテストベッドとして利用し、LLMを利用した研究ツールの可能性を探る。
論文参考訳（メタデータ） (2025-04-07T23:19:39Z)
Personalized Generation In Large Model Era: A Survey [90.7579254803302]
大規模モデルの時代には、コンテンツ生成は徐々にパーソナライズドジェネレーション(PGen)へとシフトしている。本報告では,PGen に関する総合的な調査を行い,この急速に成長する分野における既存研究について考察する。複数のモダリティにまたがるPGen研究をブリッジすることで、この調査は知識共有と学際的コラボレーションを促進する貴重な情報源となる。
論文参考訳（メタデータ） (2025-03-04T13:34:19Z)
CS-PaperSum: A Large-Scale Dataset of AI-Generated Summaries for Scientific Papers [3.929864777332447]
CS-PaperSumは、31の上位コンピュータサイエンスカンファレンスから91,919件の大規模データセットである。我々のデータセットは、自動文献分析、研究トレンド予測、AIによる科学的発見を可能にする。
論文参考訳（メタデータ） (2025-02-27T22:48:35Z)
Automating Bibliometric Analysis with Sentence Transformers and Retrieval-Augmented Generation (RAG): A Pilot Study in Semantic and Contextual Search for Customized Literature Characterization for High-Impact Urban Research [2.1728621449144763]
文献分析は、都市科学における研究動向、スコープ、影響を理解するために不可欠である。キーワード検索に依存する伝統的な手法は、記事のタイトルやキーワードに明記されていない価値ある洞察を明らかにするのに失敗することが多い。我々は、生成AIモデル、特にトランスフォーマーとレトリーバル拡張生成(RAG)を活用して、バイオロメトリ分析の自動化と強化を行う。
論文参考訳（メタデータ） (2024-10-08T05:13:27Z)
Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文参考訳（メタデータ） (2024-09-27T06:31:03Z)
ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文参考訳（メタデータ） (2024-04-11T13:36:29Z)
From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
論文参考訳（メタデータ） (2024-03-18T17:57:09Z)
The State of the Art in Enhancing Trust in Machine Learning Models with the Use of Visualizations [0.0]
機械学習(ML)モデルは、医学、バイオインフォマティクス、その他の科学など、様々な分野の複雑な応用で使われている。しかし、ブラックボックスの性質のため、それらが提供する結果を理解し、信頼することは難しいこともある。これにより、MLモデルの信頼性向上に関連する信頼性の高い視覚化ツールの需要が増加した。本稿では,インタラクティブな可視化によるMLモデルの信頼性向上について,STAR(State-of-the-Art Report)を提案する。
論文参考訳（メタデータ） (2022-12-22T14:29:43Z)
Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文参考訳（メタデータ） (2021-10-14T15:14:33Z)

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。