Fugu-MT 論文翻訳(概要): Identifying Scientists on X

論文の概要: Identifying Scientists on X

arxiv url: http://arxiv.org/abs/2609.31264v1
Date: Fri, 25 Sep 2026 13:39:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 18:27:51.41123
Title: Identifying Scientists on X
Title（参考訳）: Xで科学者を識別する
Abstract要約: 本研究は,X/Twitter上の科学者と非科学者を,ユーザの伝記やつぶやきに基づいて識別するアプローチを提案する。我々は、2つの異なるデータセットで科学者と非科学者のアカウントを分類することができ、F1スコアは最大0.88に達する。
参考スコア（独自算出の注目度）: 10.601640658712462
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: With the growing importance of science-related discourse on the Web and the erosion of the classical knowledge order, it is important to identify different user groups, such as scientists, automatically. This work proposes an approach for identifying scientists and non- scientists on X/Twitter based on their user biographies and tweets. We show that we are able to classify accounts as scientists and non- scientists on two different datasets, reaching an F1 score of up to 0.88 using Random Forests with linguistic features and up to 0.96 using a contrastively fine-tuned DeBERTa model in an ensemble setup. Furthermore, we provide two datasets with X users labeled as scientists or non scientists and their respective tweets and user biographies.
Abstract（参考訳）: ウェブにおける科学関連の言説の重要性の高まりと古典的知識秩序の侵食により、科学者などの異なるユーザーグループを自動的に識別することが重要である。本研究は,X/Twitter上の科学者と非科学者を,ユーザの伝記やつぶやきに基づいて識別するアプローチを提案する。我々は、2つの異なるデータセット上で、アカウントを科学者と非科学者として分類することができ、言語的特徴を持つランダムフォレストを用いてF1スコアを最大0.88に到達し、対照的に微調整されたDeBERTaモデルをアンサンブル設定で最大0.96に到達できることを示した。さらに、X ユーザを科学者または非科学者とラベル付けした2つのデータセットと、それぞれのつぶやきとユーザ伝記を提供する。

関連論文リスト

SciCustom: A Framework for Custom Evaluation of Scientific Capabilities in Large Language Models [63.357710580101894]
大規模言語モデル(LLM)は、科学研究にますます応用されているが、既存の評価は、実際に必要とされる詳細な能力の反映に失敗することが多い。この問題に対処するため、SciCustomという新しいフレームワークを提案する。大規模な科学的データからベンチマークのカスタム構築を可能にし、LLMの応用固有の科学的能力を評価する。
論文参考訳（メタデータ） (2026-05-19T04:41:43Z)
Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
論文参考訳（メタデータ） (2025-10-10T22:26:26Z)
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)
Toward a Team of AI-made Scientists for Scientific Discovery from Gene Expression Data [21.766339368749872]
我々は、科学的な発見パイプラインを合理化するために設計された新しいフレームワーク、AIマニュフェストチーム(TAIS)を紹介する。 TAISは、プロジェクトマネージャ、データエンジニア、ドメインエキスパートを含むシミュレートされた役割で構成され、それぞれがLLM(Large Language Model)によって表現される。これらの役割は、典型的にはデータ科学者が行うタスクを再現するために協力し、疾患予測遺伝子を特定することに焦点を当てている。
論文参考訳（メタデータ） (2024-02-15T06:30:12Z)
Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文参考訳（メタデータ） (2022-10-24T07:44:38Z)
Twitter-Demographer: A Flow-based Tool to Enrich Twitter Data [31.19059013571499]
Twitter-Demographerは、Twitterのデータにツイートやユーザーに関する追加情報を加えるフローベースのツールだ。フローベースのプログラミングパラダイムにインスパイアされた設計選択を議論し、容易にチェーン化して拡張可能なブラックボックスコンポーネントの使用について論じる。
論文参考訳（メタデータ） (2022-01-26T14:59:17Z)
A dataset of mentorship in science with semantic and demographic estimations [4.317131795436002]
112分野にわたる738989科学者間の743176のメンターシップ関係のクラウドソーシングデータセットについて述べる。我々は、Microsoft Academic Graphの出版データとディープラーニングコンテンツ分析を用いた研究の「セマンティック」表現で科学者のプロファイルを豊かにする。我々は、プロファイル-パブリケーションマッチング、セマンティックコンテンツ、人口統計学的推測の広範な検証を行う。
論文参考訳（メタデータ） (2021-06-11T16:12:15Z)
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)
How do Data Science Workers Collaborate? Roles, Workflows, and Tools [30.725728321928823]
データサイエンスの様々な側面で働く183人の参加者を対象にオンライン調査を行った。データサイエンスチームは極めて協力的であり、さまざまな利害関係者やツールと連携しています。
論文参考訳（メタデータ） (2020-01-18T15:11:56Z)

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。