D5.9 First report on the evalaution process
Notice bibliographique
Résumé
Within the PEER project, the WP5, entitled “Learn: Piloting and Evaluation” presents the detailed usage scenarios, integrates the components of the PEER project in the use-cases, and obtain feedback from users. WP5 contains Task T5.7 Management of the Evaluation Process, related to every aspect of the evaluation process.CATIE is responsible for T5.7 “Management of the Evaluation Process”, starting in M10 and finishing in M48. This task encompasses the development of an evaluation protocol of acceptance levels for each AI (Artificial Intelligence) prototype from the project, the actual performance of the evaluation and the centralization of the results to present before the consortium. This sequence will be performed 3 times during the project, improving the prototypes from TRL 3 (Technical Readiness Level) to TRL 5. Additionally, this task encompasses the testing of the 1st version of AIA (Artificial Intelligence Acceptance) index to be developed in WP4, for which CATIE is also responsible. These data will be presented extensively in the deliverable D4.2 which is due in M36.The present deliverable D5.9 Report on the Evaluation Process presents the methodology, the results and perspectives on the evaluation of the MVP (Minimal Viable Product) for each use-case. This evaluation will be performed 3 times iteratively to improve the prototypes, from partially simulated (TRL 3, Year 2) to functional in real conditions (TRL 5, Year 4) prototypes.The results related to the use of MVPs revealed that participants reported sufficient comprehensibility from the prototype to achieve the usage scenario. Noteworthy, all participants but one was able to complete the task. However, most participants reported a limited understanding of the overall functioning of the prototypes.We collected feedback specific to each use-case and elements to improve each prototype as well. The main improvement avenue is related to the timely provided explanations by the AI assistant.We also collected feedback on the first version of the AIA Index. The results related to the AIA index were crucial to improve it for the next evaluation. The constructs focused on in the PEER project – namely comprehensibility, user agency, overall trustworthiness – exhibited satisfactory results given the elements collected through the corresponding items. We were able to identify avenues for improvements, especially on social-oriented constructs, such as cultural aspects, ethics, privacy and data governance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,042 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,099 | 0,114 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».