Tömegalapú többszörös predikátumú papírok átvilágítása az irodalmi áttekintések folyóirataiban a 2018-as világban

Trentói Egyetem, Trento, Olaszország

Trentói Egyetem és Tomszki Műszaki Egyetem, Tomszk, Orosz Föderáció.

Új-Dél-Wales Egyetem, Sydney, Ausztrália

Új hivatkozási figyelmeztetés hozzáadva!

Ezt a riasztást sikeresen hozzáadtuk, és elküldjük a következő címre:

Értesítést kapunk, ha az Ön által kiválasztott rekordot idézik.

A riasztási beállítások kezeléséhez kattintson az alábbi gombra.

Új idézőjelzés!

Mentés a Binder-be

WWW '18: A 2018. évi világhálós konferencia anyagai

ABSZTRAKT

A szisztematikus irodalmi áttekintés (SLR) a tudományos kutatás és publikáció egyik legelterjedtebb és leghasznosabb formája. Évente több tízezer tükörreflexes fénykép jelenik meg, és ez az arány a tudomány minden területén növekszik. A pontos, teljes és elfogulatlan tükörreflexes fényképezőgép végrehajtása azonban nehéz és drága törekvés. Ez általában igaz az irodalmi áttekintés minden szakaszára, és különösen a papírszűrés szakaszára, ahol a szerzők számos kizárási kritérium alapján szűrik a potenciálisan hatókörű dolgozatok halmazát. A probléma megoldása érdekében az utóbbi években a kutatói közösség elkezdte feltárni a tömeg használatát, hogy lehetővé tegye a papírok gyorsabb, pontos, olcsóbb és elfogulatlan szűrését. A kezdeti eredmények azt mutatják, hogy a tömeges beszerzés még viszonylag összetett felülvizsgálatok esetén is hatékony lehet.

Ebben a cikkben levezetjük és elemezzük a tömegalapú szűrés stratégiáit, és megmutatjuk, hogy egy adaptív stratégia, amely folyamatosan átértékeli a probléma statisztikai tulajdonságait, hogy minimalizálja az egyes dolgokhoz szükséges döntések meghozatalához szükséges szavazatok számát költségekkel és pontossággal szemben számos nem adaptív megközelítést teljesít. A megközelítés alkalmazhatóságát és eredményeit tömeges beszerzési kísérletek segítségével validáljuk, és megvitatjuk a probléma tulajdonságait és az algoritmusokat, amelyek véleményünk szerint általában érdekesek az osztályozási problémáknál, amikor az elemeket egymást követő tesztek sorozatán keresztül osztályozzák (mint gyakran előfordul) az orvostudományban).