論文の概要: Data Science Approaches to Evaluating Honours Candidates

• arxiv url: http://arxiv.org/abs/2608.26135v1
• Date: Thu, 25 Jun 2026 14:48:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.357631
• Title: Data Science Approaches to Evaluating Honours Candidates
• Title（参考訳）: 名誉候補の評価へのデータサイエンスのアプローチ
• Abstract要約: 我々は、断片化された、構造化されていないオープンソースインテリジェンス(OSINT)の個人に対する公的な感情を推定するためのモジュラーデータサイエンスパイプラインを提案する。 AFINN と VADER を MINOS と比較し,評価リスク,不正行為,肯定的な公共貢献に関連する言語を検出するために設計した。 その結果、連鎖NLP法とOSINT法は、高い意思決定支援のための透明性、再現性、人間-イン-ザ-ループの感情評価を支援できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a modular data-science pipeline for estimating public sentiment towards individuals from fragmented, unstructured open-source intelligence (OSINT). The method chains web search, text extraction, relevance filtering, tokenisation, co-reference resolution, and sentiment analysis to convert heterogeneous web material into auditable person-level sentiment distributions. We compare AFINN and VADER with MINOS, a domain-informed sentiment algorithm designed to detect language associated with reputational risk, misconduct, and positive public contribution. Applied to public figures with known reputational outcomes, MINOS gives the clearest separation between positive, ambiguous, and negative cases. The results show that chained NLP and OSINT methods can support transparent, reproducible, human-in-the-loop sentiment assessment for high-stakes decision support. We demonstrate the approach on the UK Honours system, where individuals are required to display high standards of public conduct to maintain an Honour.
• Abstract（参考訳）: 我々は、断片化された、構造化されていないオープンソースインテリジェンス(OSINT)の個人に対する公的な感情を推定するためのモジュラーデータサイエンスパイプラインを提案する。 この方法は、Web検索、テキスト抽出、関連フィルタリング、トークン化、共参照解決、および感情分析をチェーンし、異種Web資料を監査可能な個人レベルの感情分布に変換する。 AFINN と VADER を MINOS と比較し,評価リスク,不正行為,肯定的な公共貢献に関連する言語を検出するために設計した。 知名度の高い世論に当てはまると、MINOSは肯定的、曖昧で、否定的なケースを最も明確に分離する。 その結果, 連鎖NLP法とOSINT法は, 高精度な意思決定支援のために, 透過的, 再現可能, 人文的イン・ザ・ループの感情評価を支援できることが示唆された。 我々は、英国名誉制度において、個人が名誉を維持するために高い行動規範を提示することを要求するアプローチを実証する。

関連論文リスト

• From Matching Models to Recruiting Agents: A Systematized Narrative Review of AI Recruitment Systems, Evaluation, and Governance [1.436449142247059]
  このレビューは、ニューラル・パーソナリティ・マッチングによる双方向の検索と行動ランキングから発展を辿る。 類似性から相互適合性、モデルから複合ワークフロー、オフライン予測からエビデンスと生産性に整合した評価という3つの組み合わせの遷移を分析した。 評価証拠から最強の証明可能なクレームへのステージマッピングと,相互性,エビデンス,時間的制御,選択的,監査可能なシステムに関するアジェンダを導入する。
  論文  参考訳（メタデータ） (2026-09-03T08:46:03Z)
• AffectOmni: RL-Verifiable People-Centric Grounded Affective Reasoning for Social and Art-Related Scenes [59.134503227559634]
  マルチモーダル大言語モデル(MLLM)は,VQAとシーン理解において高い性能を発揮する。 モデルは、マイクロ表現やボディランゲージのような人中心の手がかりを無視しながら、正しい答えを予測できる。 本稿では、感情的推論を検証可能なフレームワークであるAffect Omniを提案する。
  論文  参考訳（メタデータ） (2026-08-24T11:25:04Z)
• Show, Don't TELL: Explainable AI-Generated Text Detection [0.42970700836450487]
  我々は、基礎から説明可能性を高める新しいアーキテクチャ、TELLを開発した。 私たちは、ドメイン固有のオーサシップアノテーションのカスタムSFTデータセットでTELLをトレーニングします。 本報告では, アノテーションの具体性, ファリシビリティ, コヒーレンス, 妥当性, 接地性について, 高(平均72.3%)のウィンレートを報告する。
  論文  参考訳（メタデータ） (2026-05-27T03:47:25Z)
• Measuring What Matters: The AI Pluralism Index [0.0]
  AI Pluralism Index(AIPI)は、4つの柱(参加型ガバナンス、傾向と多様性、透明性、説明責任)にまたがる生産者とシステム家族を評価する透明でエビデンスに基づく指標である。 この指標は、多元主義的な実践に対するインセンティブを推し進め、政策立案者、調達者、一般大衆に同等の証拠を与えることを目的としている。
  論文  参考訳（メタデータ） (2025-10-09T13:19:34Z)
• Partial Identification Approach to Counterfactual Fairness Assessment [50.88100567472179]
  未知の対実的公正度尺度を高い信頼性で有界化するためのベイズ的アプローチを導入する。 以上の結果から、人種をアフリカ系アメリカ人に転換する際のCompASスコアに対する肯定的な(不快な)効果と、若年から高齢に移行する際の否定的な(直接的な因果関係)効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-30T18:35:08Z)
• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• Visualizing Public Opinion on X: A Real-Time Sentiment Dashboard Using VADER and DistilBERT [0.0]
  本稿では企業評価モニタリングに適した総合的な感情分析システムを提案する。 自然言語処理(NLP)と機械学習技術を組み合わせて、世論をリアルタイムで正確に解釈する。 私たちの分析では、Amazon (81.2) やSamsung (45.8) のような企業が優れた感情スコアを受け取っており、Microsoft (21.7) とWalmart (21.9) は低い感情プロファイルを示している。
  論文  参考訳（メタデータ） (2025-04-21T21:33:55Z)
• What If the Input is Expanded in OOD Detection? [77.37433624869857]
  Out-of-distriion (OOD) 検出は未知のクラスからのOOD入力を特定することを目的としている。 In-distriion(ID)データと区別するために,様々なスコアリング関数を提案する。 入力空間に異なる共通の汚職を用いるという、新しい視点を導入する。
  論文  参考訳（メタデータ） (2024-10-24T06:47:28Z)
• Goodhart's Law Applies to NLP's Explanation Benchmarks [57.26445915212884]
  ERASER(Comprehensiveness and sufficiency)メトリクスとEVAL-X(EVAL-X)メトリクスの2つのセットを批判的に検討する。 実験結果の予測や説明を変えることなく,モデル全体の包括性と充足率を劇的に向上させることができることを示す。 我々の結果は、現在のメトリクスが説明可能性の研究をガイドする能力に疑問を呈し、これらのメトリクスが正確に捉えるものを再評価する必要性を強調します。
  論文  参考訳（メタデータ） (2023-08-28T03:03:03Z)

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。