論文の概要: Pinpointing Pivot Points: The DECIDE Framework for Data Analysis Decision Importances

• arxiv url: http://arxiv.org/abs/2610.38797v1
• Date: Wed, 28 Oct 2026 20:03:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.411241
• Title: Pinpointing Pivot Points: The DECIDE Framework for Data Analysis Decision Importances
• Title（参考訳）: Pinpointing Pivot Points:DECIDE Framework for Data Analysis Decision Importances
• Abstract要約: 独立アナリストは、しばしば同じデータを与えられたときに異なる選択をする。 エージェントツールの急速な採用は、この危機を増幅する恐れがある。 実結果から各決定の重要性を定量化する,モデルフリーなフレームワークであるDECIDEを紹介する。
• 参考スコア（独自算出の注目度）: 8.509906755987513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human judgment calls made throughout the data science life cycle can change the conclusions drawn from data. Independent analysts often make different choices when given the same data, leading to often unacceptable variations in results and contributing to the ongoing reproducibility crisis across scientific disciplines. The rapid adoption of agentic tools threatens to amplify this crisis. Several approaches have been developed to address this variation by following the same strategy: repeating an analysis under different combinations of analytical decisions and inspecting the distribution of outcomes. Examples include multiverse analysis, specification curve analysis, and vibration of effects. More broadly, the Predictability-Computability-Stability (PCS) framework assesses how documented judgment calls across the data science life cycle affect conclusions, with predictability serving as a reality-check that a model captures signal. Each of these approaches results in a "multiverse" object. While the distribution of outcomes reflects the overall variability of conclusions, estimating the influence of each individual decision requires additional tools. A common heuristic is to train a model to predict the outcome from these decisions and treat its coefficients or feature importances as proxies for each decision's influence. Although this strategy may work in certain cases, it assumes the model is correctly specified and accurately predicts the outcome, which we show is not always the case. In this work, we introduce DECIDE, a model-free framework that quantifies each decision's importance from the actual outcomes across the plausible decision space, avoiding issues of predictability by design. We demonstrate the effectiveness of DECIDE by applying it to real-world multiverse analyses. We further provide what is, to our knowledge, the first formal definition of the multiverse.
• Abstract（参考訳）: データサイエンスライフサイクルを通じて行われる人間の判断は、データから引き出された結論を変えることができる。 独立アナリストは、同じデータを与えられた場合、しばしば異なる選択をし、結果に許容できないバリエーションをもたらし、科学分野にわたる再現性危機に寄与する。 エージェントツールの急速な採用は、この危機を増幅する恐れがある。 分析的決定の異なる組み合わせの下で分析を繰り返し、結果の分布を検査する。 例えば、多変量解析、仕様曲線解析、効果の振動などがある。 さらに広く、PCS(Predictability-Computability-Stability)フレームワークは、データサイエンスライフサイクル全体にわたる文書化された判断呼び出しが結論にどのように影響するかを評価する。 これらのアプローチはそれぞれ、"複数の"オブジェクトをもたらす。 結果の分布は結論の全体的な多様性を反映するが、個々の決定の影響を推定するには追加のツールが必要である。 一般的なヒューリスティックは、モデルにこれらの決定の結果を予測させ、その係数や特徴を各決定の影響のプロキシとして扱うことである。 この戦略は、ある場合には有効かもしれないが、モデルが正しく指定され、結果が正確に予測されていると仮定する。 そこで本研究では,決定領域全体にわたる実際の結果から各決定の重要性を定量化し,設計による予測可能性の問題を回避するための,モデルフリーなフレームワークであるDECIDEを紹介する。 実世界のマルチバース分析に適用することで,DECIDEの有効性を実証する。 我々はさらに、この多元数の最初の公式な定義を、我々の知識に与えている。

関連論文リスト

• Proxy-Guided Measurement Calibration [7.842603902533572]
  結果の誤校正の問題について検討し,提案手法をプロキシ変数で導いた,系統的な誤りを推定・修正するためのフレームワークを提案する。 因果グラフを用いてデータ生成過程をモデル化し,真の結果を誘導する潜時コンテンツ変数と系統的エラーを誘発する潜時バイアス変数とを分離する。
  論文  参考訳（メタデータ） (2026-03-10T07:15:02Z)
• Temporal Latent Variable Structural Causal Model for Causal Discovery under External Interferences [53.308122815325326]
  観測データに影響を与える非観測因子を表現するために潜伏変数を導入する。 具体的には、因果強度と隣接情報を捉えるために、時間変動型因果モデルを提案する。 専門家の知識が特定のシナリオにおける未知の干渉に関する情報を提供することができることを考慮し,パラメータ学習への事前知識の導入を容易にする手法を開発した。
  論文  参考訳（メタデータ） (2025-11-13T07:10:10Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• One Model Many Scores: Using Multiverse Analysis to Prevent Fairness Hacking and Evaluate the Influence of Model Design Decisions [4.362723406385396]
  設計と評価の決定の公平さをよりよく理解するために,多変量解析をどのように利用できるかを示す。 結果から,システム評価に関する決定が,同じモデルに対して,極めて異なる公平度指標を導出する可能性を強調した。
  論文  参考訳（メタデータ） (2023-08-31T12:32:43Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。