Saltar al contenido

Directrices para revisores| Jornadas de Inteligencia Artificial y Estadística

10 de noviembre de 2022

El propósito del proceso de revisión es doble. En primer lugar, identificar trabajos que ofrezcan contribuciones significativas a los campos de la inteligencia artificial y la estadística, para los asistentes y lectores. En segundo lugar, proporcionar comentarios constructivos a los autores que puedan utilizar para mejorar su trabajo. Su papel como revisor es vital para ambos objetivos. Al revisar un artículo, siempre piense en el impacto que el trabajo puede tener en la comunidad a largo plazo: las ideas innovadoras, los problemas novedosos y las contribuciones de «campos puente» son cruciales para el desarrollo exitoso del campo. así que no descuidéis la importancia de los papers con este tipo de aportaciones. Los trabajos novedosos o interdisciplinarios suelen ser muy fáciles de criticar porque, por ejemplo, las suposiciones que hacen o los modelos que utilizan aún no son ampliamente aceptados por la comunidad. Sin embargo, tales trabajos pueden ser de gran importancia para el progreso del campo a largo plazo, así que trate de ser consciente de este sesgo y evite las críticas desdeñosas.

Agradecimientos: las pautas de este documento se adoptaron parcialmente de las pautas para revisores de NeurIPS 2020, que a su vez utilizan revisiones escritas para algunos artículos de NeurIPS, ICML e ICLR.

  • Resumen y contribuciones: Resuma brevemente el documento y sus contribuciones.

    Resuma la motivación del artículo, las contribuciones clave y los logros en un párrafo. Aunque es posible que esta parte de la revisión no proporcione mucha información nueva a los autores, es invaluable para los AC y los presidentes de los programas, y puede ayudar a los autores a determinar si hay malentendidos que deben abordarse en su respuesta del autor. Hay muchos ejemplos de contribuciones que justifican su publicación en AISTATS. Estas contribuciones pueden ser teóricas, metodológicas, algorítmicas, empíricas, conectando ideas en campos dispares («documentos puente») o brindando un análisis crítico (p. ej., justificaciones basadas en principios de por qué la comunidad busca el resultado equivocado o utiliza tipos de enfoques.).

  • Fortalezas: Describa las fortalezas del trabajo. Los criterios típicos incluyen: solidez de las afirmaciones (base teórica, evaluación empírica), importancia y novedad de la contribución y relevancia para la comunidad AISTATS.

    Enumere los puntos fuertes de la presentación. Por ejemplo, podría tratarse de la solidez de la afirmación teórica o la solidez de la metodología empírica utilizada para validar un enfoque empírico. Otro eje importante es el significado y la novedad de las contribuciones en relación con lo que ya se ha hecho en la literatura, y aquí es posible que desee citar estos trabajos anteriores relevantes. Una medida de la importancia de una contribución es (su creencia acerca de) el nivel en el que los investigadores o profesionales harán uso de las ideas propuestas o se verán influenciados por ellas. Los artículos técnicos sólidos que exploran nuevos territorios o señalan nuevas direcciones para la investigación son preferibles a los artículos que avanzan en el estado del arte, pero solo de manera incremental. Finalmente, una posible fortaleza es la relevancia de la línea de trabajo para la comunidad AISTATS.

  • Debilidades: Describa las limitaciones de este trabajo de acuerdo (pero no limitado) a los siguientes criterios: solidez de las afirmaciones (base teórica, evaluación empírica), significado y novedad de la contribución y relevancia para la comunidad AISTATS.

    Esto es como lo anterior, pero ahora centrándonos en las limitaciones de este trabajo.

    Sus comentarios deben ser detallados, específicos y educados. Evite quejas vagas y subjetivas. Piense en los momentos en que recibió una revisión injusta, injustificada, corta o despectiva. ¡Intenta no ser ese crítico! Sea siempre constructivo y ayude a los autores a comprender su punto de vista, sin ser desdeñoso ni utilizar un lenguaje inapropiado. ¡Recuerde que no está revisando su nivel de interés en la presentación, sino su contribución científica al campo!

  • Corrección: ¿Son correctas las afirmaciones y el método? ¿Es correcta la metodología empírica?

    Explique si hay algo incorrecto en el papel. Las afirmaciones o la metodología incorrectas son la razón principal del rechazo. Sea lo más detallado, específico y cortés posible. Motive minuciosamente su crítica para que los autores entiendan su punto de vista y potencialmente le respondan.

  • Claridad: ¿Está escrito claramente el documento? ¿Establece claramente sus contribuciones, notación y resultados?

    ¿La presentación está claramente escrita? ¿Está bien organizado? (Si no es así, haga sugerencias constructivas para mejorar su claridad). ¿Informa adecuadamente al lector? (Tenga en cuenta que un documento excelentemente escrito proporciona suficiente información para que un lector experto reproduzca sus resultados).

  • Relación con el trabajo anterior: ¿Se discute claramente cómo este trabajo difiere o se relaciona con el trabajo anterior en la literatura?

    Explique si la presentación está escrita con la debida erudición y si relaciona adecuadamente el trabajo propuesto con trabajos previos en la literatura. La sección de trabajo relacionado no solo debe enumerar el trabajo anterior, sino también explicar cómo el trabajo propuesto difiere, se basa y/o mejora. Tenga en cuenta que no se espera que los autores conozcan todo el trabajo no revisado por pares (por ejemplo, preprints como en arXiv). Otros trabajos (ya sean revisados ​​por pares o no) que aparecieron menos de dos meses antes de la fecha límite de presentación se consideran concurrentes con las presentaciones de AISTATS; los autores no están obligados a hacer comparaciones detalladas con dichos artículos (aunque, especialmente para las versiones listas para cámaras de los artículos aceptados, se recomienda a los autores que lo hagan).

  • Comentarios adicionales. Agregue sus comentarios adicionales, comentarios y sugerencias de mejora, así como cualquier otra pregunta para los autores. (Opcional)

    Agregue aquí cualquier comentario adicional que pueda tener sobre el envío, incluidas preguntas y sugerencias para mejorar.

  • Reproducibilidad. ¿Hay suficientes detalles para reproducir los principales resultados de este trabajo?

    Valore si, con la información proporcionada por los autores en el artículo y el material complementario, los principales resultados de este trabajo son reproducibles o no. La falta de reproducibilidad debe incluirse entre las debilidades de la presentación.

  • Supuestos y limitaciones. ¿El documento establece explícita y claramente las principales suposiciones y limitaciones del trabajo?

    Por favor evalúe si, con la información proporcionada por los autores en el artículo y el material complementario, los supuestos y limitaciones de este trabajo están claramente establecidos. Si no lo son, considere enumerar esto como una debilidad del documento.

  • Impacto social: ¿El documento analiza el impacto social del trabajo, incluido el impacto que puede surgir del mal uso de la contribución del documento?

    Evalúe si el documento analiza el posible impacto social del trabajo. De no ser así, evalúe si el trabajo debe incluir este punto debido a la naturaleza del tema de investigación o las ideas.

  • Liberación de código. ¿Los autores prometen publicar el código para este envío?

    Si los autores prometieron publicar el código en su artículo (ya sea como un enlace anónimo o incluyendo el código como parte del material complementario) o durante la fase de refutación, marque «Sí». Este año, los artículos aceptados que prometen publicar el código solo se aceptan con la condición de que los autores publiquen su código públicamente (p. ej., en GitHub) antes de la fecha límite para que la cámara esté lista. Usted ayuda a los presidentes de programa a identificar dichos documentos respondiendo a esta pregunta.

  • Puntaje:

    NO debe asumir que se le asignó una muestra representativa de presentaciones, ni debe ajustar sus puntajes para que coincidan con las tasas generales de aceptación de la conferencia. La «puntuación general» de cada presentación debe reflejar su evaluación de las contribuciones de la presentación.

    • 1 : Resultados triviales o erróneos o ya conocidos
    • 2 : Rechazo fuerte (me enfadaría mucho si me aceptaran)
    • 3 : Rechazo claro (voto y argumento por el rechazo)
    • 4 : Rechazar (una presentación aceptable pero no lo suficientemente buena)
    • 5 : Marginalmente por debajo del umbral de aceptación (me inclino por el rechazo pero no me molestaría si me aceptaran)
    • 6 : Marginalmente por encima del umbral de aceptación (me inclino por la aceptación pero no me molestaría si me rechazaran)
    • 7 : Aceptar (una buena presentación)
    • 8 : Aceptación clara (muy buena presentación, 50 % superior de los trabajos AISTATS aceptados)
    • 9 : Aceptación fuerte (una presentación excelente, 15% superior de los trabajos AISTATS aceptados)
    • 10 : Debe aceptar (el 5% superior de los trabajos AISTATS aceptados)

    .

  • Puntuación de confianza:

    • 5: Está absolutamente seguro de su evaluación. Usted está muy familiarizado con el trabajo relacionado.
    • 4: Tiene confianza en su evaluación, pero no está absolutamente seguro. Es poco probable, pero no imposible, que no haya entendido algunas partes del envío o que no esté familiarizado con algunos trabajos relacionados.
    • 3: Tiene bastante confianza en su evaluación. Es posible que no haya entendido algunas partes del envío o que no esté familiarizado con algunos trabajos relacionados. Matemáticas/otros detalles no se revisaron cuidadosamente.
    • 2: Está dispuesto a defender su evaluación, pero es muy probable que no haya entendido las partes centrales de la presentación o que no esté familiarizado con algunos trabajos relacionados. Matemáticas/otros detalles no se revisaron cuidadosamente.
    • 1: Su evaluación es una conjetura educada. El envío no está en su área o el envío fue difícil de entender. Matemáticas/otros detalles no se revisaron cuidadosamente.

    .

  • ¿La presentación plantea posibles preocupaciones éticas? ¿Esta presentación plantea posibles preocupaciones éticas? Estos incluyen métodos, aplicaciones o datos que crean o refuerzan sesgos desleales y/o que tienen un propósito principal de daño o lesión.

    Sí o No. Tenga en cuenta que su calificación debe ser independiente de esto. Su deber aquí es señalar los documentos que puedan necesitar una revisión adicional desde la perspectiva ética.

  • Detalles de preocupaciones éticas.

    Si respondió «Sí» a la pregunta anterior, explique brevemente las posibles preocupaciones éticas. Si la presentación puede plantear alguna inquietud ética potencial, explique brevemente las posibles inquietudes.

  • Código de conducta.

    Aceptar cumplir con el código de conducta de AISTATS El código de conducta de AISTATS se puede encontrar aquí: Código de conducta de AISTATS

  • Acuerdo de confidencialidad.

    Los revisores deben mantener el papel y los materiales complementarios (incluidos los envíos de código y la fuente de LaTeX), así como las revisiones, confidenciales. Esto incluye eliminar cualquier código enviado al final del ciclo de revisión para cumplir con los requisitos de confidencialidad.

  • Comentarios confidenciales para el Coordinador del Área (opcional).

    Si tiene comentarios que desea que los autores mantengan confidenciales, puede usar el campo de texto «Comentarios confidenciales para el coordinador del área». Dichos comentarios pueden incluir comparaciones explícitas de la presentación con otras presentaciones y críticas que se expresan de manera más directa. Si accidentalmente descubre las identidades de los autores, por favor no divulgue las identidades a nadie.

  • Si alguien lo presiona para que proporcione una revisión positiva o negativa de una presentación, notifique a los presidentes del programa de inmediato a aistats2023@gmail.com.

    Si observa un comportamiento poco ético o sospechoso, notifíquelo de inmediato a su coordinador de área.


    Recomendado: ¿Qué es el Big data?.