110 편의 논문
본 논문은 오류가 발생하기 쉬운 기관 태그에 의존하는 대신 원시 소속 문자열에서 직접 데이터를 도출함으로써 방사선 종양학 분야의 저자 소속 및 경력 할당 정확도를 향상시키는, 재현 가능하고 분야에 구애받지 않는 파이프라인을 제시하며, 표준 베이스라인보다 현저히 높은 정밀도(F1 ≈ 0.92)를 달성하였다.
본 연구는 임신 전 상담 맥락에서 AI 기반 챗봇 시스템에 대한 여성의 지식, 태도, 수용도 및 신뢰도를 효과적으로 평가하기 위해 신뢰할 수 있는 3요인 19개 문항의 척도를 개발하고 타당도를 검증하였다.
본 연구는 OpenAlex 데이터베이스 내에서 동아시아 연구자들이 영어권 및 기타 연구자들에 비해 현저히 높은 성명 충돌 부담을 안고 있음을 정량화하며, 성명 기반의 저자 식별이 본질적으로 불평등함을 입증하고 공정한 연구 평가를 보장하기 위해 SigmaCV와 같은 식별자 기반 솔루션의 도입을 옹호한다.
본 논문은 Bergsma-Dassios의 τ∗를 공식 통계를 위한 강건한 부호-공분산 기반 의존성 측정치로 제안하며, 이론적 분석, EU-SILC 데이터 적용 및 시뮬레이션 연구를 통해 이것이 비선형 관계를 탐지하고 데이터 오염을 처리하는 데 있어 전통적인 상관계수 지표보다 우수함을 입증한다.
이 논문은 결정론적 천장(deterministic ceiling)을 조건부 분위수 프런티어(conditional-quantile frontiers)로 대체하여 단일 경계 관측치에 대한 효과 크기의 민감도를 완화하면서도 방법론의 핵심적인 해석 체계를 보존하는, 허용 매개변수화된 NCA의 확장형인 분위수 필요 조건 분석(QNCA)을 소개한다.
이 논문은 대수적 역산(algebraic inversion)과 벡터 자기회귀(Vector Autoregression)를 통해 시변적 유행 매개변수를 추정함으로써 코로나19 확진자 및 사망자 예측에 있어 정적 및 단순 예측 베이스라인보다 우수한 성능을 보이는 재현 가능한 하이브리드 SIRD 프레임워크를 소개하지만, 현재 확률적 보정 측면에서는 제한적인 모습을 보인다.
이 논문은 변형된 부분 로지스틱 인공 신경망(PLANN)을 사용하는 머신러닝 접근법을 사용하여 순생존율을 추정 및 예측하는 방법을 소개하며, 이는 전통적인 스플라인 기반 회귀 분석과 비교하여 복잡한 데이터 구조를 처리하는 데 있어 유연성을 입증하는 동시에 작은 표본 크기에서 추정치의 높은 분산을 언급하고 구현을 위한 `survivalPLANN` R 패키지를 제공한다.
본 연구는 2006년부터 2024년까지 헝가리 고등 교육 이동 네트워크의 구조적 진화를 분석하기 위한 그래프론 기반 프레임워크를 도입하며, 스펙트럼 및 분포 거리 지표가 정책 유도형 변화를 포착하고 계층적 네트워크 티어를 밝혀내는 데 있어 전통적인 통계보다 더 우수함을 입증한다.
본 연구는 요구되는 통계적 성능을 유지하면서 기대 총 비용을 최소화하도록 EWMA-GLT 관리도를 설계 최적화함으로써, 2단계(Phase II)의 다변량 범주형 프로세스를 모니터링하기 위한 통합된 경제-통계적 프레임워크를 제안한다.
이 논문은 종단적 g-computation과 최적 운송(optimal transport)을 결합하여 와서스테인 인과 효과(Wasserstein causal effects)를 추정하는 새로운 분포론적 프레임워크인 Transport G-Computation(TGC)을 제안하며, 이는 더 높은 계산 비용에도 불구하고 혼란 변수가 포함된 피드백 및 모델 오설정 시나리오에서 모수적 g-computation보다 우수한 성능을 입증한다.