SCILIRE 系統：人機協作創建與整理科學資料集
arXiv - Human-Computer InteractionNecva B\"ol\"uc\"u, Jessica Irons, Changhyun Lee, Brian Jin, Maciej Rybinski, Huichen Yang, Andreas Duenser, Stephen Wan
SCILIRE 透過人機協作與迭代校正，提升科學文獻資料集抽取精度與效率。
AI 幫你先抓重點
AI 重點 1
人機協作迭代工作流程
滑鼠懸停看 AI 判斷理由
此流程將 AI 的快速抽取與人類的精確審核結合，解決單一 AI 無法達到的高品質需求，並為系統提供持續改進的基礎。
AI 重點 2
將校正作為回饋訊號優化 LLM 推論
滑鼠懸停看 AI 判斷理由
透過人類校正的實時回饋，系統能學習並調整未來的推論模型，提升抽取準確度，這是目前資料抽取工具中較少見的自我優化機制。
核心研究發現
- 1
SCILIRE 以人機協作為核心，設計可迭代的工作流程，讓研究者能夠審核並修正 AI 產出的資料，確保資料品質。
- 2
透過將人類校正作為回饋訊號，SCILIRE 能夠持續優化未來 LLM 的推論表現。
- 3
在多領域實際案例中，SCILIRE 的資料抽取準確率顯著高於單純 AI 方式。
- 4
系統整合了內部基準測試與實務案例評估，提供雙重驗證資料品質的證據。
- 5
SCILIRE 的工作流程不僅提升抽取精度，也大幅縮短資料集建立所需時間，提升研究效率。
對教育工作者的啟發
教育工作者可借鑑 SCILIRE 的人機協作模式，設計課程讓學生參與資料抽取與校正，培養批判性閱讀與元認知；同時，學術機構可將此系統整合於研究資料庫建置，提升資料品質與研究效率。
原始文獻資訊
- 英文標題：
- Using a Human-AI Teaming Approach to Create and Curate Scientific Datasets with the SCILIRE System
- 作者：
- Necva B\"ol\"uc\"u, Jessica Irons, Changhyun Lee, Brian Jin, Maciej Rybinski, Huichen Yang, Andreas Duenser, Stephen Wan
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。