Development of Quality Metrics and Reliability Diagnostics for AI-Assisted Scholarly Peer Review
이공학학술연구기반구축(R&D) · 기본연구B(포용형)
2026년
2340064664
교육부
한국연구재단
성균관대학교
구자환
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2029.08.31
3,000만원
3,000만원
개발연구
대학
서울특별시 종로구
정보/통신 > 정보이론 > 프로그래밍 언어/자연어 처리
본 연구의 최종 목표는 학술 피어리뷰의 품질을 다차원적으로 측정할 수 있는 정량적 프레임워크 SACE(Specificity, Actionability, Critical Depth, Evidentiality)를 개발하고, 이를 기반으로 AI 생성 리뷰의 신뢰성을 자동 진단하는 모델을 구축하는 것이다. 구체적으로, (1) 리뷰 품질을 구체성·실행가능성·비판적 ...
[1차년도(6개월)] SACE 프레임워크 설계 및 데이터 수집 체계 구축: 학술리뷰 품질을 구체성(Specificity), 실행가능성(Actionability), 비판적 깊이(Critical Depth), 근거성(Evidentiality)의 4차원으로 정의하고 각 차원별 5점 척도 평가 루브릭을 개발한다. OpenReview API 기반 자동 수집 파이프라...
[활용방안] SACE 진단 모델을 API로 패키징하여 학술지 편집위원회가 투고 리뷰 품질을 사전 스크리닝할 수 있는 도구로 제공하고, SACE 기준 미달 리뷰에 대한 자동 경고 워크플로우를 설계하여 저품질 AI 리뷰의 심사 유입을 차단한다. 주요 출판사 및 학회 대상 기술이전을 추진한다. SACE 프레임워크, 주석 데이터셋, 진단 모델을 오픈소스로 공개하여...