論文の概要: From Toil to Thought: Designing for Strategic Exploration and Responsible AI in Systematic Literature Reviews
- arxiv url: http://arxiv.org/abs/2603.05514v2
- Date: Thu, 12 Mar 2026 16:25:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-15 16:38:22.364029
- Title: From Toil to Thought: Designing for Strategic Exploration and Responsible AI in Systematic Literature Reviews
- Title（参考訳）: 爪から思考へ:システム文献レビューにおける戦略的探索と責任AIの設計
- Authors: Runlong Ye, Naaz Sibia, Angela Zavaleta Bernuy, Tingting Zhu, Carolina Nobre, Viktoria Pammer-Schindler, Michael Liut,
- Abstract要約: 本研究では,1)複数のデータベースにまたがる反復的クエリリファインメント管理の認知負荷が高いこと,2)近代文学の出版の圧倒的な規模とペース,3)自動化と学術機関の緊張感について考察した。
我々は、マルチデータベース統合、透過的反復探索、検証可能なAI支援スクリーニングのためのソリューションを運用する設計プローブARCを開発した。
- 参考スコア（独自算出の注目度）: 12.088520576810247
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Systematic Literature Reviews (SLRs) are fundamental to scientific progress, yet the process is hindered by a fragmented tool ecosystem that imposes a high cognitive load. This friction suppresses the iterative, exploratory nature of scholarly work. To investigate these challenges, we conducted an exploratory design study with 20 experienced researchers. This study identified key friction points: 1) the high cognitive load of managing iterative query refinement across multiple databases, 2) the overwhelming scale and pace of publication of modern literature, and 3) the tension between automation and scholarly agency. Informed by these findings, we developed ARC, a design probe that operationalizes solutions for multi-database integration, transparent iterative search, and verifiable AI-assisted screening. A comparative user study with 8 researchers suggests that an integrated environment facilitates a transition in scholarly work, moving researchers from managing administrative overhead to engaging in strategic exploration. By utilizing external representations to scaffold strategic exploration and transparent AI reasoning, our system supports verifiable judgment, aiming to augment expert contributions from initial creation through long-term maintenance of knowledge synthesis.
- Abstract（参考訳）: Systematic Literature Reviews (SLRs) は科学的進歩の基礎であるが、このプロセスは認知負荷の高い断片化されたツールエコシステムによって妨げられている。
この摩擦は、学術作品の反復的で探索的な性質を抑制する。
これらの課題を調査するため,20名の経験者を対象に探索的設計研究を行った。
本研究は, 重要な摩擦点を同定した。
1)複数のデータベースにまたがる反復的クエリリファインメント管理の認知負荷が高いこと。
2)近代文学の圧倒的な規模と出版のペース、及び
3【自動化と学術機関の緊張】
これらの知見を反映して,マルチデータベース統合,透過的反復探索,検証可能なAI支援スクリーニングのためのソリューションを運用する設計プローブARCを開発した。
8人の研究者による比較ユーザスタディでは、統合された環境が学術的な作業の移行を促進し、研究者を管理上のオーバーヘッドから戦略的探索への関与へと移行させることが示唆されている。
戦略的探索と透明なAI推論に外部表現を活用することで、知識合成の長期的な保守を通じて、初期作成から専門家による貢献を拡大することを目的とした、検証可能な判断を支援する。
関連論文リスト
- WisPaper: Your AI Scholar Search Engine [55.07907253175705]
textscWisPaperは、インテリジェントな学術検索と文献管理プラットフォームである。
文献発見、管理、研究フロンティアの継続的な追跡をシームレスに接続するクローズドループワークフローを提供する。
プラットフォームは一般公開されており、学術や産業の研究者に利用されている。
論文 参考訳（メタデータ） (2025-12-07T15:10:20Z) - Deep Research: A Systematic Survey [118.82795024422722]
Deep Research (DR)は、大規模言語モデルの推論能力と検索エンジンなどの外部ツールを組み合わせることを目的としている。
本調査は,深層研究システムの包括的かつ体系的な概要を提示する。
論文 参考訳（メタデータ） (2025-11-24T15:28:28Z) - Cross-Disciplinary Knowledge Retrieval and Synthesis: A Compound AI Architecture for Scientific Discovery [1.5143261755366868]
BioSageは、LLMをRAGと統合した新しい複合AIアーキテクチャで、AI、データサイエンス、バイオメディカル、バイオセキュリティドメインにわたる発見を可能にするために、特殊なエージェントとツールを編成した。
本システムでは,クエリ計画と応答合成を備えた検索エージェントを含む,複数の特殊エージェントを特徴とし,引用支援型応答を持つドメイン間の知識検索を実現する。
我々の研究は、チャート、表、構造化された科学データに対するマルチモーダル検索と推論に重点を置いており、また、クロスディシプリナ発見のための総合的なマルチモーダルベンチマークも開発している。
論文 参考訳（メタデータ） (2025-11-23T05:33:11Z) - WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。
WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
論文 参考訳（メタデータ） (2025-09-16T17:57:17Z) - Deep Research: A Survey of Autonomous Research Agents [33.96146020332329]
大規模言語モデル(LLM)の急速な進歩は、複雑なタスクを自律的に実行可能なエージェントシステムの開発を促している。
これらの制約を克服するため、深層研究のパラダイムが提案され、エージェントは、Webベースの証拠に根ざした包括的で忠実な分析レポートを生成するために、計画、検索、合成に積極的に従事する。
本稿では,計画,質問開発,Web探索,レポート生成の4段階からなるディープリサーチパイプラインの体系的概要について述べる。
論文 参考訳（メタデータ） (2025-08-18T09:26:14Z) - A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications [3.002468101812191]
2023年以降に登場した80以上の商用および非商用実装を分析します。
本稿では,4つの基本的技術的側面に基づいてシステムを分類する新しい階層型分類法を提案する。
私たちの分析は、現在の実装の重要な機能と、それらがもたらす技術的、倫理的課題の両方を明らかにします。
論文 参考訳（メタデータ） (2025-06-14T18:19:05Z) - The Budget AI Researcher and the Power of RAG Chains [4.797627592793464]
研究アイデア生成への現在のアプローチは、しばしばジェネリック・大型言語モデル(LLM)に依存している。
私たちのフレームワークであるThe Budget AI Researcherは、検索強化ジェネレーションチェーン、ベクトルデータベース、トピック誘導ペアリングを使用して、数百の機械学習論文の概念を再結合します。
このシステムは、機械学習の広大なサブフィールドにまたがる9つの主要なAIカンファレンスから論文を取り込み、それらを階層的なトピックツリーに整理する。
論文 参考訳（メタデータ） (2025-06-14T02:40:35Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。
8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。
従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
論文 参考訳（メタデータ） (2024-06-10T20:08:44Z)
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。