通过可探索的多元宇宙分析提高研究论文的透明度
最佳论文作者
算法透明度与可审计性计算方法在HCI中的应用HCI 研究员认知科学家统计学家与数据科学家
我们提出了可探索的多元宇宙分析报告,这是一种新的统计报告方法,读者可以通过与论文本身的互动来探索不同的分析选项。这种方法结合了两个最近的想法:i) 多元宇宙分析,这是一种统计报告哲学,论文作者报告许多不同统计分析的结果,以展示他们的发现是脆弱还是稳健;ii) 可探索的解释,这些叙述可以像普通解释一样阅读,但读者也可以通过动态更改解释的一些元素而变得活跃。基于五个示例和设计空间分析,我们展示了将这两个想法结合起来如何可以补充现有的报告方法,并构成向更加透明的研究论文迈出的一步。
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。
- 67%
计算交互:理论与实践
CHI '18· 计算方法在HCI中的应用
- 67%
透明统计指南特别兴趣小组
CHI '18· 计算方法在HCI中的应用 +1
- 60%
计算合理性作为交互理论
CHI '22· 计算方法在HCI中的应用
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2019
emoji_events
奖项
最佳论文
group
作者
5 位作者
sell
研究子方向
算法透明度与可审计性、计算方法在HCI中的应用
work
职业/产业
HCI 研究员、认知科学家、统计学家与数据科学家
article
内容状态
仅摘要
hub
相关论文
3 篇相关论文