Buchumschlag

What makes an Expert? Comparing Problem-solving Practices in Data Science Notebooks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Torre, Manuel Valle, Specht, Marcus, Oertel, Catharine
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLM Chatbots in High School Programming: Exploring Behaviors and Interventions
von: Torre, Manuel Valle, et al.
Veröffentlicht: (2025)

JELAI: Integrating AI and Learning Analytics in Jupyter Notebooks
von: Torre, Manuel Valle, et al.
Veröffentlicht: (2025)

Automating the Practice of Science -- Opportunities, Challenges, and Implications
von: Musslick, Sebastian, et al.
Veröffentlicht: (2024)

Llama-Polya: Instruction Tuning for Large Language Model based on Polya's Problem-solving
von: Lee, Unggi, et al.
Veröffentlicht: (2026)

What Makes An Expert? Reviewing How ML Researchers Define "Expert"
von: Díaz, Mark, et al.
Veröffentlicht: (2024)

What Does Information Science Offer for Data Science Research?: A Review of Data and Information Ethics Literature
von: Lund, Brady D., et al.
Veröffentlicht: (2025)

Dirty Data in the Newsroom: Comparing Data Preparation in Journalism and Data Science
von: Kasica, Stephen, et al.
Veröffentlicht: (2025)

What Is Actually Being Annotated? Inter-Prompt Reliability as a Measurement Problem in LLM-Based Social Science Labeling
von: Liu, Jingyuan
Veröffentlicht: (2026)

EduGym: An Environment and Notebook Suite for Reinforcement Learning Education
von: Moerland, Thomas M., et al.
Veröffentlicht: (2023)

Prompt Refinement or Fine-tuning? Best Practices for using LLMs in Computational Social Science Tasks
von: Møller, Anders Giovanni, et al.
Veröffentlicht: (2024)

What's the Problem, Linda? The Conjunction Fallacy as a Fairness Problem
von: Colmenares, Jose Alvarez
Veröffentlicht: (2023)

IDEAlign: Comparing Large Language Models to Human Experts in Open-ended Interpretive Annotations
von: Nam, Hyunji, et al.
Veröffentlicht: (2025)

AI and Supercomputing are Powering the Next Wave of Breakthrough Science - But at What Cost?
von: Bianchini, Stefano, et al.
Veröffentlicht: (2025)

A Non-Expert's Introduction to Data Ethics for Mathematicians
von: Porter, Mason A.
Veröffentlicht: (2022)

Navigating Design Science Research in mHealth Applications: A Guide to Best Practices
von: Jat, Avnish Singh, et al.
Veröffentlicht: (2024)

The Landscape of AI in Science Education: What is Changing and How to Respond
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2026)

African Data Ethics: A Discursive Framework for Black Decolonial Data Science
von: Barrett, Teanna, et al.
Veröffentlicht: (2025)

Adesua: Development and Feasibility Study of an AI WhatsApp Bot for Science Learning in West Africa
von: Boateng, George, et al.
Veröffentlicht: (2026)

Discrimination, artificial intelligence, and algorithmic decision-making
von: Borgesius, Frederik Zuiderveen
Veröffentlicht: (2025)

Human-centered Geospatial Data Science
von: Kang, Yuhao
Veröffentlicht: (2025)

Machine Learning Data Practices through a Data Curation Lens: An Evaluation Framework
von: Bhardwaj, Eshta, et al.
Veröffentlicht: (2024)

Evaluating Code Generation of LLMs in Advanced Computer Science Problems
von: Catir, Emir, et al.
Veröffentlicht: (2025)

ExOAR: Expert-Guided Object and Activity Recognition from Textual Data
von: Beerepoot, Iris, et al.
Veröffentlicht: (2025)

Reimagining Data Work: Participatory Annotation Workshops as Feminist Practice
von: Gao, Yujia, et al.
Veröffentlicht: (2026)

Tell Me What You Know About Sexism: Expert-LLM Interaction Strategies and Co-Created Definitions for Zero-Shot Sexism Detection
von: Reuver, Myrthe, et al.
Veröffentlicht: (2025)

Cheap Expertise: Mapping and Challenging Industry Perspectives in the Expert Data Gig Economy
von: Wolfe, Robert, et al.
Veröffentlicht: (2026)

What is Stigma Attributed to? A Theory-Grounded, Expert-Annotated Interview Corpus for Demystifying Mental-Health Stigma
von: Meng, Han, et al.
Veröffentlicht: (2025)

Exploration and Practice of Improving Programming Ability for the Undergraduates Majoring in Computer Science
von: Yuan, Guowu, et al.
Veröffentlicht: (2025)

Mapping and Comparing Climate Equity Policy Practices Using RAG LLM-Based Semantic Analysis and Recommendation Systems
von: Choi, Seung Jun
Veröffentlicht: (2026)

What is Human in Judgment? Comparing Automation Bias and Algorithm Aversion Between the United States Military Academy and the General Public
von: Kahn, Lauren, et al.
Veröffentlicht: (2026)

What do model reports say about their ChemBio benchmark evaluations? Comparing recent releases to the STREAM framework
von: Reed, Tom, et al.
Veröffentlicht: (2025)

Learning and Motivational Impact of Game-Based Learning: Comparing Face-to-Face and Online Formats on Computer Science Education
von: López-Fernández, Daniel, et al.
Veröffentlicht: (2024)

Homoglyph-based Adversarial Perturbation of Introductory Computer Science Theory Problems
von: Alexander, Aidan, et al.
Veröffentlicht: (2026)

The Media and Communications Study Skills Student Guide
von: Specht, Doug
Veröffentlicht: (2025)

FrontierScience: Evaluating AI's Ability to Perform Expert-Level Scientific Tasks
von: Wang, Miles, et al.
Veröffentlicht: (2026)

WhatsApp Vaccine Discourse (WhaVax): An Expert-Annotated Dataset and Benchmark for Health Misinformation Detection
von: Santos, Jônatas H. dos, et al.
Veröffentlicht: (2026)

The Use of Artificial Intelligence Tools in Assessing Content Validity: A Comparative Study with Human Experts
von: Gurdil, Hatice, et al.
Veröffentlicht: (2025)

The impact of generative artificial intelligence on socioeconomic inequalities and policy making
von: Capraro, Valerio, et al.
Veröffentlicht: (2023)

A Datalake for Data-driven Social Science Research
von: Arya, Puneet, et al.
Veröffentlicht: (2025)

Large Language Models in the Data Science Lifecycle: A Systematic Mapping Study
von: Chintakunta, Sai Sanjna, et al.
Veröffentlicht: (2025)