同行评审期刊系统中审稿人奖励的博弈论分析:基于深度强化学习的分析与实验评估
人工智能
2023-05-23 v1 计算机科学与博弈论
机器学习
理论经济学
摘要
在本文中,我们借助数学的精确性与博弈论的战略敏锐性,探索开放获取学术出版中审稿人奖励这一复杂领域。我们将主流的基于代金券的审稿人奖励系统概念化为一个双人博弈,进而识别出可能使审稿人倾向于二元决策的潜在缺陷。为解决此问题,我们提出并数学形式化了一种替代奖励系统,旨在缓解此偏差并促进更全面的评审。我们采用严格的博弈论分析与深度强化学习仿真,对两种系统的性质与结果进行了详细探究。我们的结果凸显了两种系统间的显著分歧,所提系统展现出更均衡的决策分布与增强的稳定性。本研究不仅增进了对审稿人奖励系统的数学理解,也为期刊评审系统中的政策制定提供了宝贵见解。我们对数学界的贡献在于为一个现实问题提供博弈论视角,并应用深度强化学习仿真与理解这一复杂系统。
引用
@article{arxiv.2305.12088,
title = {Game-Theoretical Analysis of Reviewer Rewards in Peer-Review Journal Systems: Analysis and Experimental Evaluation using Deep Reinforcement Learning},
author = {Minhyeok Lee},
journal= {arXiv preprint arXiv:2305.12088},
year = {2023}
}