論文の概要: Rethinking Publication: A Certification Framework for AI-Enabled Research

• arxiv url: http://arxiv.org/abs/2604.22026v1
• Date: Thu, 23 Apr 2026 19:40:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.246733
• Title: Rethinking Publication: A Certification Framework for AI-Enabled Research
• Title（参考訳）: 出版を再考する - AI可能な研究のための認定フレームワーク
• Authors: Yang Lu, Rabimba Karanjai, Lei Xu, Weidong Shi,
• Abstract要約: 本稿では,知識質評価と人間の貢献度を区別する2層認証フレームワークを提案する。 The framework grades contributions as Category A (pipeline-reachable), Category B (quiquire human direction at identible stage), Category C (beyond current pipeline reach at the formulation stage)。
• 参考スコア（独自算出の注目度）: 8.947309642686916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI research pipelines now produce a growing share of publishable academic output, including work that meets existing peer-review standards for quality and novelty. Yet the publication system was built on the assumption of universal human authorship and lacks a principled way to evaluate knowledge produced through automated pipelines. This paper proposes a two-layer certification framework that separates knowledge quality assessment from grading of human contribution, allowing publication systems to handle pipeline-generated work consistently and transparently without creating new institutions. The paper uses normative-conceptual analysis, framework design under four explicit constraints, and dry-run validation on two representative submission cases spanning key attribution scenarios. The framework grades contributions as Category A (pipeline-reachable), Category B (requiring human direction at identifiable stages), and Category C (beyond current pipeline reach at the formulation stage). It also introduces benchmark slots for fully disclosed automated research as both a transparent publication track and a calibration instrument for reviewer judgment. Contribution grading is contemporaneous, based on pipeline capability at the time of submission. Dry-run validation shows that the framework can certify knowledge appropriately while tolerating irreducible attribution uncertainty. The paper argues that publication has always certified both that knowledge is valid and that a human made it. AI pipelines separate these functions for the first time. The framework is implementable within existing editorial infrastructure and grounds recognition of frontier human contribution in epistemic achievement rather than unverifiable claims of human origin.
• Abstract（参考訳）: AI研究パイプラインは、既存の品質とノベルティのピアレビュー標準を満たす作業を含む、出版可能な学術的なアウトプットのシェアを拡大している。 しかし、出版システムは、普遍的な人間の著者の仮定に基づいて構築されており、自動化されたパイプラインを通して生み出された知識を評価するための原則的な方法が欠如している。 本稿では,知識質評価と人的貢献の段階的評価を分離する2層認証フレームワークを提案する。 本論文は, 規範概念分析, 4つの明示的な制約の下でのフレームワーク設計, および主要な帰属シナリオにまたがる2つの代表的な提出事例に対するドライラン検証を利用する。 このフレームワークは、カテゴリA(ピペリン到達可能)、カテゴリーB(識別可能な段階における人間の方向を求める)、カテゴリーC(定式化段階における電流パイプラインの他に)などの貢献度を評価している。 また、透明なパブリッシュトラックとレビュアー判定のための校正装置として、完全に開示された自動研究のためのベンチマークスロットも導入している。 コントリビューショングレーディングは、提出時のパイプライン機能に基づいた同時期に行われる。 ドライラン検証は、既約帰属不確実性を許容しながら、フレームワークが適切な知識を証明できることを示します。 論文は、出版物は常に知識が有効であり、人間がそれを作ったことを証明している。 AIパイプラインは、これらの機能を初めて分離する。 このフレームワークは既存の編集基盤内で実装可能であり、人間の起源の検証不可能な主張よりも、先天的な達成へのフロンティア人の貢献を認識できる。

関連論文リスト

• Structural Quality Gaps in Practitioner AI Governance Prompts: An Empirical Study Using a Five-Principle Evaluation Framework [0.0]
  我々は、AIが構造的に完成しているかどうかを評価するためのフレームワークを導入する。 評価の結果,評価されたファイルモデルペアの37%がしきい値以下であることが判明した。 本稿では,AI支援開発における工学的要件の実践の意義について論じる。
  論文  参考訳（メタデータ） (2026-04-22T21:18:28Z)
• IDEA2: Expert-in-the-loop competency question elicitation for collaborative ontology engineering [0.25649622173185915]
  本稿では,この課題に対処するために,Large Language Models (LLMs) を協調的かつエキスパート・ザ・ループプロセスに統合した,新しい半自動化ワークフロー IDEA2 を紹介する。 各CQのライフサイクル全体は、編集、匿名化されたフィードバック、生成パラメータの全行をキャプチャするプロファイランスモデルを使用して追跡される。
  論文  参考訳（メタデータ） (2026-04-01T19:54:47Z)
• Explainability and Certification of AI-Generated Educational Assessments [0.0]
  この章では、AI生成アセスメント項目の説明可能性と認定のための包括的なフレームワークを提案する。 保証、アライメント予測、レビューアアクション、倫理指標をキャプチャするために、構造化された認証メタデータスキーマが導入される。 500のAI生成コンピュータサイエンス問題に関する概念実証研究は、このフレームワークの実現可能性を示している。
  論文  参考訳（メタデータ） (2026-03-18T11:33:58Z)
• ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review [48.60540055009675]
  ScholarPeerは、上級研究者の認知過程をエミュレートするために設計された、検索可能なマルチエージェントフレームワークである。 We evaluate ScholarPeer on DeepReview-13K and the results showed that ScholarPeer achieve significant win-rates against state-of-the-art approach in side-side-side evaluations。
  論文  参考訳（メタデータ） (2026-01-30T06:54:55Z)
• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• TrueGradeAI: Retrieval-Augmented and Bias-Resistant AI for Transparent and Explainable Digital Assessments [0.0]
  TrueGradeAIは、従来の紙ベースの評価の欠点を克服するために設計された、AI駆動のデジタル検査フレームワークである。 このシステムは、セキュアなタブレット上でスタイラス入力による自然な手書き文字のキャプチャと、トランスフォーマーベースの光文字認識を転写に応用する。 評価は、教員ソリューション、キャッシュ層、外部参照を統合した検索強化パイプラインを通じて行われる。
  論文  参考訳（メタデータ） (2025-09-26T16:00:36Z)
• Automatic Reviewers Fail to Detect Faulty Reasoning in Research Papers: A New Counterfactual Evaluation Framework [55.078301794183496]
  我々は、高品質なピアレビューを支えるコアレビュースキル、すなわち欠陥のある研究ロジックの検出に注力する。 これは、論文の結果、解釈、クレームの間の内部の一貫性を評価することを含む。 本稿では,このスキルを制御条件下で分離し,テストする,完全自動対物評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T08:48:00Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)

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。