論文の概要: WikiSTAR: A System for Shedding Light on the Hidden History of Scientific Wikipedia Articles
- arxiv url: http://arxiv.org/abs/2607.12441v1
- Date: Tue, 14 Jul 2026 07:15:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.06064
- Title: WikiSTAR: A System for Shedding Light on the Hidden History of Scientific Wikipedia Articles
- Title（参考訳）: WikiSTAR: ウィキペディアの記事の隠された歴史に光を放つシステム
- Authors: Omer Ehrlich, Nitzan Barzilay, Rona Aviram, Tom Hope,
- Abstract要約: WikiSTAR (Scientific Tracking of Article Revisions) について紹介する。
論文のリビジョン履歴を通して科学的に意味のある変化を探索するインタラクティブシステム。
システム、コード、人間による注釈付きベンチマークをリリースします。
- 参考スコア（独自算出の注目度）: 6.133003847210444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wikipedia plays a key role in shaping public understanding of science, and its openly accessible revision history is a unique record of how scientific knowledge evolves over time. Yet scientifically meaningful revisions are obscured by the sheer volume of routine edits, leaving each article's scientific history hidden. We present WikiSTAR (Scientific Tracking of Article Revisions), an interactive system for exploring scientifically meaningful changes across an article's revision history. Using an LLM classifier with an expert-designed multi-label taxonomy, WikiSTAR first tags edit types such as the addition of technical terms, new research findings, and changes in scientific narrative. Then, through interactive views, an article's full revision history can be traced at any granularity - from aggregate trends that reveal when and in which sections scientific content was added or refined, down to individual edits - showing how scientific knowledge develops at a scale previously impossible. In a user study, experts from three domains found that WikiSTAR surfaced new patterns and research questions and enabled previously impractical analyses. We release our system, code and a human-annotated benchmark.
- Abstract（参考訳）: ウィキペディアは科学の公的な理解を形成する上で重要な役割を担い、その公然とアクセス可能な改訂の歴史は、科学知識が時間とともにどのように進化していくかのユニークな記録である。
しかし、科学的に意味のある改訂は、各記事の科学史を隠したまま、定期的な編集の膨大な量によって隠されている。
本稿では, WikiSTAR (Scientific Tracking of Article Revisions) について述べる。
LLM分類器と専門家が設計した多ラベル分類法を用いて、WikiSTARは、技術的用語の追加、新しい研究結果、科学的な物語の変化などの編集タイプを最初にタグ付けする。
そして、インタラクティブなビューを通じて、記事の完全なリビジョン履歴を、どんな粒度でも追跡することができる。それは、科学的なコンテンツがいつ、どのセクションに追加されたか、どのセクションが洗練されたかを示す、集合的な傾向から、個々の編集まで、科学的な知識が以前は不可能だったスケールでどのように発展していくかを示す。
ユーザスタディでは、3つのドメインの専門家がWikiSTARに新しいパターンと研究の質問が浮上し、それまでの非現実的な分析を可能にした。
システム、コード、人間による注釈付きベンチマークをリリースします。
関連論文リスト
- Science Fiction and Fantasy in Wikipedia: Exploring Structural and Semantic Cues [0.0]
ウィキペディアのどの記事がSF、ファンタジー、またはそれらのハイブリッドに関連しているかを特定することは、ジャンルの境界が多用され、頻繁に重複しているため困難である。
本研究は,サイエンス・フィクションとファンタジー(SF/F)に関連するコンテンツを識別するためのウィキペディア記事の構造的・意味的特徴について考察する。
論文 参考訳（メタデータ） (2026-02-27T17:56:25Z) - WINELL: Wikipedia Never-Ending Updating with LLM Agents [72.14647217009066]
WiNELLはウィキペディアの記事を継続的に更新するためのエージェントフレームワークである。
提案手法では,オンライン情報を集約し,ウィキペディアのターゲットエンティティに対する新たな重要な知識を選択し,人間のレビューのための正確な編集提案を生成する。
論文 参考訳（メタデータ） (2025-07-30T07:51:42Z) - ScienceMeter: Tracking Scientific Knowledge Updates in Language Models [79.33626657942169]
大規模言語モデル(LLM)は、科学研究を支援するためにますます使われているが、科学的進歩に関する彼らの知識は急速に時代遅れになる。
我々は,過去,現在,未来にまたがる科学的知識の更新手法を評価するための新しいフレームワークであるScienceMeterを紹介する。
論文 参考訳（メタデータ） (2025-05-30T07:28:20Z) - WikiBigEdit: Understanding the Limits of Lifelong Knowledge Editing in LLMs [66.51203413345773]
我々は、生涯にわたる知識編集の研究を現実の編集に事実上の規模で橋渡しする。
まず,実世界のウィキデータ編集の大規模ベンチマークであるWikiBigEditを紹介した。
最初の例では、知識編集のための500万以上の質問応答ペアが含まれている。
論文 参考訳（メタデータ） (2025-03-07T18:45:42Z) - AKEW: Assessing Knowledge Editing in the Wild [79.96813982502952]
AKEW(Assessing Knowledge Editing in the Wild)は知識編集のための新しい実用的なベンチマークである。
知識更新の編集設定は、構造化された事実、構造化されていない事実としてのテキスト、抽出された三つ組の3つを網羅している。
大規模な実験を通じて、最先端の知識編集手法と実践シナリオの間にかなりのギャップがあることを実証する。
論文 参考訳（メタデータ） (2024-02-29T07:08:34Z) - Change Summarization of Diachronic Scholarly Paper Collections by
Semantic Evolution Analysis [10.554831859741851]
本研究では,長期間にわたる研究論文の収集を解析するための新しい手法を実証する。
我々のアプローチは、時間とともに単語の意味表現を比較することに基づいており、学術出版物の大規模なドメイン中心のアーカイブをより深く理解することを目的としている。
論文 参考訳（メタデータ） (2021-12-07T11:15:19Z) - Fact or Fiction: Verifying Scientific Claims [53.29101835904273]
本稿では,研究文献から,REFUTESやREFUTESが与えられた科学的主張であることを示す証拠を含む抄録を抽出する新たな課題である,科学的クレーム検証を紹介する。
SciFactは、1.4Kの専門家による科学的主張と、ラベルや合理性に注釈を付けたエビデンスを含む抽象概念を組み合わせたデータセットである。
このシステムは,CORD-19コーパスの証拠を同定することにより,新型コロナウイルス関連クレームを検証可能であることを示す。
論文 参考訳（メタデータ） (2020-04-30T17:22:57Z)
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。