Описание тега sha
Я не уверен, что вы имеете в виду именно explainability и он не может быть научной метрики, если она не существует в словаре.
Поэтому я делаю вывод, что вы думаете о том, что контент статьи должен что-то объяснять: это не очень хорошо понимал процесс, новый метод, новую теорию.
Различных областях, имеют разные стандарты и метрики. Я уверен, что есть разные для публикации новой физической теории и оптимизация алгоритма машинного обучения для распознавания изображений. Но это, как правило, покрывается новизна и значимость метрической в журнал.
От философии науки точки зрения вы должны увидеть или проверить порядок работы исследователей в своей области. Например, в физике элементарных частиц и космологии ученые пытаются фальсифицировать научной парадигмы/теории, особенно если есть слишком много недостатков в настоящее время используется в теории. Я знаю некоторые основы теории машинного обучения и, что для многих из них базируется на математических методах, разработанных в квантовой физике. Это пуля-доказательство теории довольно много, никто не фальсифицировал, он до сего дня и физиков все-таки попробовать. Но в инженерном деле и даже в прикладной физике, в зависимости от темы вопрос/изучение, а позитивистские методы работы, используемые исследователями, например, оптимизация/расширение/резервное копирование алгоритма машинного обучения без существенного допрос или фальсификации базовых теорий. И для мелких постепенных улучшений объяснение, в смысле почему, а тогда как может быть не обязательно в своей области и, следовательно, нет общих показателей базовых теорий, на самом деле не коснулся. Как только вопрос теории или общий процесс измерения, по крайней мере в физике, вам нужно ввести хорошо объясняет в своей статье, Почему и как вы это делаете. Какова мотивация, почему он является более точным, чтобы описать что-то.
Когда вы говорите в комментарии "доказывая что-то работает без как это работает", я думаю, это то, что иногда в процессе обучения промышленной машины происходит, вход - черный ящик - выход. Но если вы не можете ни объяснить, как или почему ваш алгоритм работает (лучше), в лучшем случае можно назвать это умный инженер, но не науки, которые могут/должны быть опубликованы ;-)