論文の概要: Developing Bayesian probabilistic reasoning capacity in HSS disciplines: Qualitative evaluation on bayesvl and BMF analytics for ECRs

• arxiv url: http://arxiv.org/abs/2601.06038v1
• Date: Fri, 12 Dec 2025 15:28:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.575083
• Title: Developing Bayesian probabilistic reasoning capacity in HSS disciplines: Qualitative evaluation on bayesvl and BMF analytics for ECRs
• Title（参考訳）: HSS分野におけるベイズ確率論的推論能力の発達:ECRにおけるベイズvlおよびBMF分析の質的評価
• Authors: Quan-Hoang Vuong, Minh-Hoang Nguyen,
• Abstract要約: 本研究では,Bayesian Mindsponge Framework (BMF) と Bayesvl R ソフトウェアの7年間の進化について検討した。 2019年以降、balesvl RパッケージとBMFアナリティクスは22カ国から160人以上の著者を支援し、112の査読付き出版物を生み出している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Methodological innovations have become increasingly critical in the humanities and social sciences (HSS) as researchers confront complex, nonlinear, and rapidly evolving socio-environmental systems. On the other hand, while Early Career Researchers (ECRs) continue to face intensified publication pressure, limited resources, and persistent methodological barriers. Employing the GITT-VT analytical paradigm--which integrates worldviews from quantum physics, mathematical logic, and information theory--this study examines the seven-year evolution of the Bayesian Mindsponge Framework (BMF) analytics and the bayesvl R software (hereafter referred to collectively as BMF analytics) and evaluates their contributions to strengthening ECRs' capacity for rigorous and innovative research. Since 2019, the bayesvl R package and BMF analytics have supported more than 160 authors from 22 countries in producing 112 peer-reviewed publications spanning both qualitative and quantitative designs across diverse interdisciplinary domains. By tracing the method's inception, refinement, and developmental trajectory, this study elucidates how accessible, theory-driven computational tools can lower barriers to advanced quantitative analysis, foster a more inclusive methodological ecosystem--particularly for ECRs in low-resource settings--and inform the design of next-generation research methods that are flexible, reproducible, conceptually justified, and well-suited to interdisciplinary inquiries.
• Abstract（参考訳）: 方法論の革新は、研究者が複雑で非線形で急速に進化する社会環境システムに直面するにつれて、人文科学や社会科学(HSS)においてますます重要になっている。 一方、早期キャリア研究者(ECR)は、出版圧力の増大、限られた資源、持続的な方法論的障壁に直面し続けている。 量子物理学、数学的論理学、情報理論から世界観を統合するGITT-VT分析パラダイムを応用し、ベイズマインドスポンジフレームワーク(BMF)分析とベイズvl Rソフトウェア(後にBMF分析と呼ばれる)の7年間の進化を検証し、厳格で革新的な研究におけるECRの能力向上への貢献を評価する。 2019年以降、balesvl RパッケージとBMFアナリティクスは22カ国から160人以上の著者を支援し、様々な学際領域にまたがる質的かつ定量的なデザインの112の査読付き出版物を生み出している。 この手法の開始、洗練、発達軌跡を追究することにより、理論駆動の計算ツールが高度な定量的分析の障壁を減らし、より包括的な方法論のエコシステムを育むことができるかが解明される。

関連論文リスト

• Mapping the Landscape of Artificial Intelligence in Life Cycle Assessment Using Large Language Models [0.43862400861972445]
  近年,人工知能のライフサイクルアセスメントへの統合が加速している。 この急速な発展にもかかわらず、AI-LCA研究の包括的で広範な合成は依然として限られている。 本稿では,AIとLCAの交差点における論文の詳細なレビューを行う。
  論文  参考訳（メタデータ） (2026-02-26T00:34:17Z)
• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration [63.61423859450929]
  この白書は、DESCの主要な宇宙探査と横断的分析を通して、AI/MLの現在の状況を調査している。 本研究では,大規模ベイズ推定,物理インフォームド手法,検証フレームワーク,発見のための能動的学習など,主要な方法論研究の優先事項を明らかにする。
  論文  参考訳（メタデータ） (2026-01-20T18:46:42Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Alignment and Safety in Large Language Models: Safety Mechanisms, Training Paradigms, and Emerging Challenges [47.14342587731284]
  本調査では,大規模言語モデル(LLM)アライメントにおけるアライメント手法,トレーニングプロトコル,経験的発見について概観する。 我々は多種多様なパラダイムをまたいだアライメント手法の開発を分析し、コアアライメント目標間の基本的なトレードオフを特徴づける。 我々は、直接選好最適化(DPO)、構成AI、脳インスパイアされた方法、アライメント不確実性定量化(AUQ)など、最先端技術について議論する。
  論文  参考訳（メタデータ） (2025-07-25T20:52:58Z)
• Artificial Intelligence and Journalism: A Systematic Bibliometric and Thematic Analysis of Global Research [0.51795041186793]
  本研究は,2010年から2025年までのジャーナリズムにおけるAIに関する論文の総合的な体系的レビューである。 この調査結果は、自動化、誤情報、倫理的ガバナンスなど、2020年以降の研究活動が急激な増加を見せている。 このレビューはまた、グローバル・サウスからの限定的な表現で、学術的貢献における地域格差を強調している。
  論文  参考訳（メタデータ） (2025-07-15T01:11:39Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• A Survey on Post-training of Large Language Models [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Large Language Model for Qualitative Research -- A Systematic Mapping Study [3.302912592091359]
  先進的な生成AIを駆使した大規模言語モデル(LLM)がトランスフォーメーションツールとして登場した。 本研究は, LLMを用いた定性的研究に関する文献を体系的にマッピングする。 LLMは様々な分野にまたがって利用されており、プロセスの自動化の可能性を示している。
  論文  参考訳（メタデータ） (2024-11-18T21:28:00Z)
• Socio-Economic Consequences of Generative AI: A Review of Methodological Approaches [0.0]
  我々は、生成AIの導入による経済的および社会的影響を予測するのに使用される主要な方法論を特定する。 総合的な文献レビューを通じて、我々はこの技術革命の多面的影響を評価するための様々な方法論を明らかにした。
  論文  参考訳（メタデータ） (2024-11-14T09:40:25Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis [0.0]
  本研究では,Google Scholar and Web of Scienceの1,903項目をPRISMAガイドラインで選択した54項目について検討した。 その結果,ランダムフォレスト,XGBoost,ハイブリッドアプローチなどのMLモデルは,パンデミック後の文脈におけるリスク予測精度と適応性を大幅に向上させることがわかった。 この研究は、データ品質や解釈可能性といった課題に対処するために、動的な戦略、学際的なコラボレーション、継続的なモデル評価の必要性を強調している。
  論文  参考訳（メタデータ） (2023-12-12T17:47:51Z)

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。