CHI研究 artifact的透明度:一项自我报告调查的结果

最佳论文
可解释人工智能(XAI)研究伦理与开放科学大学教授与研究人员HCI 研究员

几个科学领域正经历一场“可重复性危机”,这对它们的可信度产生了负面影响。通过实验证据的可重复性和分析的可再现性来评估贡献的有效性需要访问相关的研究材料、数据和代码。未能分享这些内容限制了对研究的审查或进一步研究的能力,最终阻碍了科学进步。\n了解人机交互(HCI)中各种研究成果如何影响分享可以帮助为HCI领域的个人研究者和政策制定者提出有见地的建议。因此,我们调查了CHI 2018-2019论文的作者,询问他们是否分享了论文的研究材料和数据,他们如何分享,以及为什么不分享。结果(34%的回复率)显示,分享是不常见的,部分原因是对于分享的目的和可靠的托管存在误解。我们最后提出了促进开放研究实践的建议。\n本文及所有数据和材料均可在https://osf.io/3bu6t免费获取。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/32419/2020

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376448
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
最佳论文
group
作者
4 位作者
sell
研究子方向
可解释人工智能(XAI)、研究伦理与开放科学
work
职业/产业
大学教授与研究人员、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文