ScholaWrite：一个端到端学术写作过程数据集
人机交互
2025-10-23 v4 计算与语言
神经元与认知
摘要
写作是一项认知要求很高的活动，需要持续的决策、高度依赖工作记忆以及在不同目标的任务间频繁切换。为了构建真正符合写作者认知的写作助手，我们必须捕捉并解码写作者将想法转化为最终文本背后的完整思维过程。我们推出了ScholaWrite，这是首个端到端学术写作数据集，追踪了从初稿到最终手稿的跨月历程。我们贡献了三项关键进展：（1）一个Chrome扩展程序，可在Overleaf上无干扰地记录击键，从而能够收集真实、原位的写作数据；（2）一个新颖的完整学术手稿语料库，富含细粒度的认知写作意图标注。该数据集包含来自五篇计算机科学预印本的基于\LaTeX的编辑，捕捉了近四个月内近6.2万次文本更改；（3）对学术写作微观动态的分析与洞察，突显了人类写作过程与当前大型语言模型在提供有意义辅助方面的能力差距。ScholaWrite强调了捕获端到端写作数据对于开发未来支持而非取代科学家认知工作的写作助手的价值。
引用
@article{arxiv.2502.02904,
title = {ScholaWrite: A Dataset of End-to-End Scholarly Writing Process},
author = {Khanh Chi Le and Linghe Wang and Minhwa Lee and Ross Volkov and Luan Tuyen Chau and Dongyeop Kang},
journal= {arXiv preprint arXiv:2502.02904},
year = {2025}
}
备注
Equal contribution: Khanh Chi Le, Linghe Wang, Minhwa Lee | project page: https://minnesotanlp.github.io/scholawrite/