CHI研究 artifact的透明度:一项自我报告调查的结果
最佳论文作者
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。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
将可重复性措施整合到学术搜索中:挑战与机遇
CHI '24· 可解释人工智能(XAI) +2
- 80%
当审稿人收到人工智能反馈时会发生什么?
CHI '26· 大语言模型(LLM)的人机协作 +2
- 75%
从CHI 2017到CHI 2022的经验研究中的研究伦理、开放性和透明度的变化
CHI '23· 研究伦理与开放科学
- 67%
HCI中LLM集成系统的报告与评审:挑战与考量
CHI '26· 大语言模型(LLM)的人机协作 +2
- 60%
不要忘记保持真实的自己:如何建立一个有意义且可持续的研究身份
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 60%
敢于改变:创造一种更慢更可持续的学术生活
CHI '18· 研究伦理与开放科学 +1
- 60%
你公开了吗?关于人机交互期刊中透明度和开放性指南的内容分析
CHI '21· 算法透明度与可审计性 +1
- 60%
为促进开放科学的采用而设计知识构建:规划设计空间
CHI '22· 用户研究方法(访谈、调查、观察) +1
- 60%
"我不知道我看起来很生气": 工作中观察到的情绪和报告的情感特征
CHI '22· 人体姿态与行为识别 +1
- 60%
开胃酒:构建预注册以自动生成分析代码和方法描述
CHI '22· 计算方法在HCI中的应用 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
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
fact_check论文快照
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