Dec, 2022

用机器学习预测文章质量得分：英国研究卓越框架

PDF
TL;DR利用人工智能和多个引文计量和元数据输入进行的质量估计，与简单的定量指标和耗费时间的同行评审相比，得出更好的结果；医学和物理学科的精度最高，社会科学、数学、工程、艺术和人文学科的表现较差。
发现论文，激发创造
  • 支持研究评估的人工智能技术综述

    该文献综述通过机器学习预测引用次数或质量评分等方法，从文章文本和元数据中识别高影响力或高质量研究的指标，并回顾了有关排名和公共数据集的证据，用于预测学术文章的影响力，并讨论了技术辅助评估的偏见和透明度。

    Dec, 2022

  • AI 是否能够为 REF 输出分配质量分数？实验证据

    利用人工智能预测期刊文章得分的五种策略进行了评估。

    Dec, 2022

  • AI 强化的科学计量学、网络计量学和文献计量学的前沿技术的系统综述

    通过系统文献综述，本研究分析了人工智能与科学计量学，网路计量学和文献计量学的协同作用，以揭示 AI 算法在这些领域应用和效益的潜力。

    Feb, 2024

  • 科学文本中的人工智能开发与应用识别

    利用 arXiv 的元数据，通过学习这些数据中科学论文的主题标签，我们可以推断出其他大型语料库中与人工智能相关的论文，这种监督式方法可以一直更新，无需依赖于主题专家进行查询开发或标注。

    Feb, 2020

  • RelevAI-Reviewer：一项关于调查论文相关性的人工智能评审基准测试

    提出了一种自动系统，将调查论文审查任务概念化为一个分类问题，采用机器学习模型测定与指定主题相关的论文的相关性，并且通过使用 BERT 等高级语言模型，取得了优于传统机器学习方法的初步结果。

    Jun, 2024

  • 基于优化和人工智能的学术质量量化研究 —— 透明学术招聘的模型开发（第一部分）

    该论文研究了高校和研究机构公平的学术招聘问题，提出了基于优化和神经网络的两种计算框架来构建决策支持工具，通过计算 Academic Quality Index 对学术质量进行量化评估。

    May, 2023

  • 维基百科文章的自动质量评估 —— 系统文献综述

    维基百科是世界上最大的在线百科全书，但通过合作维护文章质量是具有挑战性的。本文回顾了现有的自动测量维基百科文章质量的方法，并识别和比较了机器学习算法、文章特征、质量指标和使用的数据集，检查了 149 个独立的研究，并探讨了它们之间的共同点和差距。然而，机器学习在维基百科中仍未被广泛使用，我们希望我们的分析能帮助未来的研究人员改变这种现状。

    Oct, 2023

  • 人工智能研究的文献研究：全球概览与印度出现

    通过科学映射方法的文献计量研究，本研究确定和评估了 2015-2020 年间人工智能研究的参考文献趋势。使用 Scopus 数据库收集了所需的数据，并进行数据转换和映射技术分析，结果显示神经网络和深度学习是顶尖人工智能研究论文的主题之一。

    Jul, 2023

  • 一项用于估计发表作品置信度的合成预测市场

    本研究开发了一种合成预测市场来评估社会与行为科学文献中已发表声明的可信度，并使用一系列已知的复制项目来展示该系统，并建议此项工作为使用人工智能进行同行评审奠定了基础。

    Dec, 2021

  • 新闻文章的评级可靠性与偏见：AI 助手是否能帮助每个人？

    通过对 654 名参与者进行研究，发现基于特征解释的算法辅助可以提高新闻的可靠性和偏见认知准确性，但是新闻的阅读和分享频率会影响被辅助程度，政治背景和频繁的阅读可以提高准确性。

    Apr, 2019