Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1507.06411

帮助 | 高级搜索

统计学 > 其他统计

arXiv:1507.06411 (stat)
[提交于 2015年7月23日 ]

标题: 同行评审的随意性:对NIPS实验的贝叶斯分析

标题: Arbitrariness of peer review: A Bayesian analysis of the NIPS experiment

Authors:Olivier Francois
摘要: 同行评审的原则是研究评估的核心,通过确保只有高质量的项目得到资助或发表。 但同行评审也受到了批评,因为评审人员的选择可能在系统中引入偏见。 2014年,"神经信息处理系统\rq \rq{} 会议"的组织者进行了一项实验,其中$10\%$份提交的手稿(166项)经历了两次评审过程。 随意性被测量为在第二次委员会审查的情况下,已被接受的稿件被拒绝的条件概率。 这个数字等于$60\%$,总接受率等于$22.5\%$。 在这里,我们通过对这两个数字进行贝叶斯分析,引入了一个隐藏参数,用于衡量一份稿件符合基本质量标准的概率。 通常的标准质量标准包括新颖性、清晰度、可重复性、正确性以及不存在任何形式的不当行为,并且这些标准被大量提交的稿件所满足。 贝叶斯估计对于隐藏参数等于$56\%$ ($95\%$置信区间: $ I = (0.34, 0.83)$),并且有明确的解释。 结果表明为了减少未来评审过程中的随意性估计,应该提高总的接受率。
摘要: The principle of peer review is central to the evaluation of research, by ensuring that only high-quality items are funded or published. But peer review has also received criticism, as the selection of reviewers may introduce biases in the system. In 2014, the organizers of the ``Neural Information Processing Systems\rq\rq{} conference conducted an experiment in which $10\%$ of submitted manuscripts (166 items) went through the review process twice. Arbitrariness was measured as the conditional probability for an accepted submission to get rejected if examined by the second committee. This number was equal to $60\%$, for a total acceptance rate equal to $22.5\%$. Here we present a Bayesian analysis of those two numbers, by introducing a hidden parameter which measures the probability that a submission meets basic quality criteria. The standard quality criteria usually include novelty, clarity, reproducibility, correctness and no form of misconduct, and are met by a large proportions of submitted items. The Bayesian estimate for the hidden parameter was equal to $56\%$ ($95\%$CI: $ I = (0.34, 0.83)$), and had a clear interpretation. The result suggested the total acceptance rate should be increased in order to decrease arbitrariness estimates in future review processes.
主题: 其他统计 (stat.OT) ; 数字图书馆 (cs.DL); 机器学习 (stat.ML)
引用方式: arXiv:1507.06411 [stat.OT]
  (或者 arXiv:1507.06411v1 [stat.OT] 对于此版本)
  https://doi.org/10.48550/arXiv.1507.06411
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Olivier Francois [查看电子邮件]
[v1] 星期四, 2015 年 7 月 23 日 08:39:34 UTC (44 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.OT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2015-07
切换浏览方式为:
cs
cs.DL
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号