論文の概要: Building an Atlas of Social Experiments to Link Studies, Reconcile Conflicts, and Bridge Gaps
- arxiv url: http://arxiv.org/abs/2605.27153v1
- Date: Tue, 26 May 2026 15:14:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:42.36854
- Title: Building an Atlas of Social Experiments to Link Studies, Reconcile Conflicts, and Bridge Gaps
- Title（参考訳）: 社会実験のアトラスの構築 : 研究のリンク、紛争の再解決、橋梁のギャップ
- Authors: Jiawei Zhang, Honglin Bao, Pengda Wang, Alex Yan, Xiao Liu, James A. Evans,
- Abstract要約: 実験のアーカイブをアトラスに変換するためのフレームワークであるExAtlasを紹介する。
ExAtlasは、治療と結果空間に局所的に近い先行研究を探索し、対象効果を予測するために観察された効果を構成することができるかどうかを問う。
もし構成が成功するが一致しないなら、ExAtlasはそれを説明できる候補モデレーターや高レベル理論を提案する。
- 参考スコア（独自算出の注目度）: 8.169189208124441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social and behavioral science runs thousands of experiments each year, yet their findings rarely accumulate into a coherent map of what is known, what conflicts, and what remains missing. We introduce ExAtlas, a framework for turning an archive of experiments into an atlas: a structured map in which studies link, conflict, or leave bridgeable gaps. Given a target study, ExAtlas searches for prior studies that are locally close in treatment and outcome space and asks whether their observed effects can be composed to predict the target effect. This yields three cases. If the composition succeeds and agrees with the observed result, ExAtlas links the target to consistent prior evidence. If composition succeeds but disagrees, ExAtlas reconciles the conflict and proposes candidate moderators or higher-level theories that could explain it. If composition fails, ExAtlas proposes bridge experiments to close the gap. We provide an error bound for composition under local smoothness of the treatment-effect surface. On held-out targets certified as locally supported, ExAtlas recovers effect direction in 98.6% of cases. Human evaluations further suggest that its proposed bridge experiments are plausible and exhibit connectedness, and that its conflict explanations are useful for theory generation. These results suggest that the archive of social experiments contains more latent structure than current practice extracts -- and that making this structure explicit can guide both future theory and future experimentation.
- Abstract（参考訳）: 社会科学と行動科学は毎年何千もの実験を行なっていますが、その発見が、既知のもの、衝突するもの、行方不明なものの一貫性のあるマップに蓄積されることはめったにありません。
実験のアーカイブをアトラスに変換するフレームワークであるExAtlasを紹介します。
対象とする研究から、ExAtlasは治療と結果空間に局所的に近い先行研究を探索し、対象効果を予測するために観察された効果を構成することができるかどうかを問う。
これには3つのケースがある。
構成が成功し、観測結果と一致した場合、ExAtlasは目標を一貫した事前証拠にリンクする。
もし構成が成功するが一致しないなら、ExAtlasは対立を和らげ、それを説明できる候補のモデレーターや高レベルの理論を提案する。
合成が失敗すると、ExAtlasはギャップを埋めるための橋梁実験を提案する。
処理効果表面の局所的な滑らかさの下での組成に対する誤差を与える。
ExAtlasは、ローカルサポートとして認定されたホールドアウトターゲットに対して、98.6%のケースで効果の方向を回復する。
人的評価により,提案した橋梁実験は信頼性が高く,接続性を示すことが示唆され,矛盾説明は理論生成に有用であることが示唆された。
これらの結果は、社会実験のアーカイブは、現在の実践的抽出よりも潜在的な構造を含んでいることを示唆し、この構造を明確にすることで、将来の理論と将来の実験の両方を導くことができることを示唆している。
関連論文リスト
- SciAtlas: A Large-Scale Knowledge Graph for Automated Scientific Research [64.97707567378497]
我々はSciAtlasについて紹介する。SciAtlasは大規模・多分野・異種学術資源知識グラフである。
26の分野から43万以上の論文と合計157万のエンティティと3Bのトリプレットを統合することで、SciAtlasは構造的トポロジカル認知基質を提供する。
我々は, 単純な意味マッチングから決定論的関連発見へのシームレスな遷移を達成し, 三経路協調的リコールとグラフ再ランクを特徴とするニューロシンボリック検索アルゴリズムを開発した。
論文 参考訳（メタデータ） (2026-05-20T16:03:29Z) - Automated Adversarial Collaboration for Advancing Theory Building in the Cognitive Sciences [9.858210301644549]
本稿では,競合する理論間の共役を行うための自動対向協調フレームワークを提案する。
このシステムは、LCMに基づく理論エージェント、プログラム合成、閉ループにおける情報理論の実験設計を組み合わせる。
論文 参考訳（メタデータ） (2026-04-28T11:41:08Z) - Opening Knowledge Gaps Drives Scientific Progress [2.6067353186988305]
ギャップを開く論文は、最もよく引用される作品の1つにランクインする傾向にある。
開き目のない新しい組み合わせを導入する論文は、引用数のトップ1%にランク付けされがちである。
本研究は, ギャップ開き論文がより破壊的であり, 科学的探究のための新たな方向を刺激する上で, それらの生成的役割を強調していることを示唆する。
論文 参考訳（メタデータ） (2025-09-26T05:33:10Z) - Integrative Experiments Identify How Punishment Impacts Welfare in Public Goods Games [2.359185514776351]
本研究では,大規模統合実験を通じて,共同作業環境における罰の効果について検討した。
我々は,新しい実験における罰則の予測において,人間の予測よりも優れるモデルを開発した。
我々の結果は、それが機能し、機能しない特定の条件に「機能する」か否かの罰に関する議論を再燃させます。
論文 参考訳（メタデータ） (2025-08-23T22:07:27Z) - Open-ended Scientific Discovery via Bayesian Surprise [63.26412847240136]
AutoDSは、ベイジアン・サプライズを用いた科学探査を駆動する、オープンエンドの科学的発見の方法である。
我々はAutoDSを、生物学、経済学、金融学、行動科学といった21の領域にまたがる実世界のデータセットにまたがるデータ駆動ディスカバリの設定で評価する。
論文 参考訳（メタデータ） (2025-06-30T22:53:59Z) - Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables [49.31233968546582]
本稿では,部分因果グラフの完成を目的とした新しいベンチマークを提案する。
原因と効果の間のバックドア変数を仮説化するLLMの強い能力を示す。
固定された関連性の単純な記憶とは異なり、我々のタスクはグラフ全体のコンテキストに応じてLCMを推論する必要がある。
論文 参考訳（メタデータ） (2024-09-04T10:37:44Z) - Neural Causal Abstractions [63.21695740637627]
我々は、変数とそのドメインをクラスタリングすることで、因果抽象化の新しいファミリーを開発する。
本稿では,ニューラルネットワークモデルを用いて,そのような抽象化が現実的に学習可能であることを示す。
本実験は、画像データを含む高次元設定に因果推論をスケールする方法を記述し、その理論を支持する。
論文 参考訳（メタデータ） (2024-01-05T02:00:27Z) - The Effect of Scaling, Retrieval Augmentation and Form on the Factual
Consistency of Language Models [7.2022332882214695]
大規模言語モデル(LLM)は、事実知識に対する自然なインタフェースを作るが、その有用性は意味論的に等価な質問に対して一貫性のない回答を提供する傾向によって制限される。
不整合の潜在的な原因を特定し、検索コーパスを用いてLMのスケールアップと拡張という2つの緩和戦略の有効性を評価する。
論文 参考訳（メタデータ） (2023-11-02T15:20:11Z) - SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based
Sentiment Analysis [22.758661494710047]
統一されたフレームワークで言語モデルをチューニングするためにSentiPromptを提案する。
側面、意見、極性に関する感情知識を、迅速かつ明示的に項関係をモデル化する。
提案手法は,三重項抽出,ペア抽出,および知覚分類によるアスペクト項抽出において,強いベースラインを達成できる。
論文 参考訳（メタデータ） (2021-09-17T01:56:06Z) - On Catastrophic Interference in Atari 2600 Games [104.61596014400892]
干渉が高原にパフォーマンスをもたらすことを示す。
アーキテクチャ、学習アルゴリズム、環境にまたがるパフォーマンス向上を実証します。
より洗練された分析によって、あるゲームの一部を学ぶことは、しばしば他の場所で予測エラーを増加させることを示している。
論文 参考訳（メタデータ） (2020-02-28T00:55:03Z)
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。