論文の概要: The Right Tools for the Job: The Case for Spatial Science Tool-Building

• arxiv url: http://arxiv.org/abs/2008.05561v1
• Date: Wed, 12 Aug 2020 20:15:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 11:16:07.743979
• Title: The Right Tools for the Job: The Case for Spatial Science Tool-Building
• Title（参考訳）: 仕事に適したツール:空間科学ツール構築のケース
• Authors: Geoff Boeing
• Abstract要約: 本稿では,ワシントンD.C.で開催されるアメリカ地理学会年次会合において,GISの年次取引について紹介する。 この問題に対処するためのツールであるOSMnxの開発動機、経験、成果について論じている。 この論文は、オープンソースソフトウェアと再利用可能な計算データ科学を強調し、これからの道のりで締めくくっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper was presented as the 8th annual Transactions in GIS plenary address at the American Association of Geographers annual meeting in Washington, DC. The spatial sciences have recently seen growing calls for more accessible software and tools that better embody geographic science and theory. Urban spatial network science offers one clear opportunity: from multiple perspectives, tools to model and analyze nonplanar urban spatial networks have traditionally been inaccessible, atheoretical, or otherwise limiting. This paper reflects on this state of the field. Then it discusses the motivation, experience, and outcomes of developing OSMnx, a tool intended to help address this. Next it reviews this tool's use in the recent multidisciplinary spatial network science literature to highlight upstream and downstream benefits of open-source software development. Tool-building is an essential but poorly incentivized component of academic geography and social science more broadly. To conduct better science, we need to build better tools. The paper concludes with paths forward, emphasizing open-source software and reusable computational data science beyond mere reproducibility and replicability.
• Abstract（参考訳）: 本論文は、ワシントンd.c.で開催されたアメリカ地理学会年次総会において、第8回gis plenary address in gis plenary addressとして発表された。 空間科学は最近、地理的科学と理論をより具現化する、よりアクセスしやすいソフトウェアとツールを求める声が高まっている。 都市空間ネットワーク科学は、複数の視点から、非平面都市空間ネットワークをモデル化し分析するツールが、伝統的にアクセス不能、理論的、あるいは制限的であった。 この論文はこの分野の現状を反映している。 次に、この問題に対処するためのツールであるOSMnxの開発の動機、経験、成果について論じる。 次に、オープンソースソフトウェア開発の上流と下流の利点を強調するために、このツールが最近の多分野空間ネットワーク科学文献で使われていることをレビューする。 ツール構築は、学術地理学と社会科学において、より広範に欠かせないがインセンティブのない要素である。 より良い科学を行うには、より良いツールを構築する必要がある。 この論文は、オープンソースソフトウェアと再利用可能な計算データ科学を単なる再現性と複製性を超えて強調し、道のりで締めくくっている。

関連論文リスト

• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
  AceMapは学術グラフによる知識発見のために設計された学術システムである。 本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。 AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
  論文  参考訳（メタデータ） (2024-03-05T01:17:56Z)
• Understanding Practices around Computational News Discovery Tools in the Domain of Science Journalism [3.660182910533372]
  我々は,これらのジャーナリストのニュース発見を支援する計算手法について,時間効率とエージェンシーの観点から検討する。 我々は、3つの計算情報助成金のプロトタイプを、そのようなツールがいかに有用性を提供するかをよりよく理解するために、プローブとして使用したインタラクティブツールに組み込んだ。 本研究は, 計算ニュース発見ツールに関する社会工学的システムについて, より豊かな視点を提供し, 科学ジャーナリストの実践を支援するために, そうしたツールを改良する方法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T14:47:50Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• An overview of open source Deep Learning-based libraries for Neuroscience [0.0]
  本稿では,ディープラーニングの発達と神経科学との関係について概説する。 その後、文献および神経科学研究を指向したソフトウェアプロジェクトの特定のハブから収集された、神経情報学のツールボックスとライブラリをレビューする。
  論文  参考訳（メタデータ） (2022-12-19T09:09:40Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• Semantic and Relational Spaces in Science of Science: Deep Learning Models for Article Vectorisation [4.178929174617172]
  我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。 論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
  論文  参考訳（メタデータ） (2020-11-05T14:57:41Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。