Supporting Reviewing Reviews: How HCI Authors Handle Peer Reviews of Manuscripts
Notice bibliographique
Résumé
Responding to peer reviews is a critical but under-supported stage of academic writing. Authors must interpret reviewer comments, infer underlying concerns, and coordinate revisions across teams. We report findings from interviews with 14 HCI authors that reveal how they engage in this interpretive and collaborative process. Authors distinguish between surface-level content and subtextual meaning in reviews, and often rely on intermediary documents to track issues, assign tasks, and develop response strategies. These documents support sensemaking, communication, and planning, but must be built manually. Our findings suggest that while interpretation of subtext remains a human judgment task, there are clear opportunities for interactive tools to support coordination, document linking, and traceability. We offer design implications for next-generation writing tools, including those powered by language models, that align with authors’ workflows and preserve their interpretive agency.
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 | 0,330 | 0,696 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,018 | 0,014 |
| Études des sciences et des technologies | 0,012 | 0,011 |
| Communication savante | 0,050 | 0,036 |
| Science ouverte | 0,007 | 0,018 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,042 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».