論文の概要: Digital Global Public Goods

• arxiv url: http://arxiv.org/abs/2108.09718v1
• Date: Sun, 22 Aug 2021 13:26:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 19:19:08.033814
• Title: Digital Global Public Goods
• Title（参考訳）: デジタルグローバル公共財
• Authors: Johan Ivar S{\ae}b{\o}, Brian Nicholson, Petter Nielsen and Sundeep Sahay
• Abstract要約: 本論文の目的は,デジタルグローバル公共財(DGPG)の定義と概念化である。 本論文は, 開発プロセスにおけるDSGの理論的, 実用的理解を推し進めるものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The purpose of this paper is to define and conceptualize digital global public goods (DGPGs) and illustrate the importance of contextual relevance in ICT4D projects. Recent studies have examined the importance of digital artefacts with public goods traits, emphasizing the significant potential for socio-economic development. However, we know little about the theoretical and practical dimensions of how we can align the public goods traits of such artefacts to create relevance in the context they are implemented. To address this gap we review the literature firstly to develop a definition and conceptual basis of DGPGs and then to illustrate the importance of relevance: how to align DGPGs with context to meet local needs. The illustration draws from a case study of the District Health Information systems (DHIS2). The paper advances both the theoretical and practical understanding of DPGs in development processes.
• Abstract（参考訳）: 本研究の目的は,デジタルグローバル・パブリック・グッズ(DGPG)を定義し,概念化し,ICT4Dプロジェクトにおける文脈関連性の重要性を明らかにすることである。 近年の研究では、公共財の特質を持つデジタルアーティファクトの重要性を考察し、社会経済発展の大きな可能性を強調している。 しかし、そのような工芸品の公共財特性を整合させて、それらが実施されている文脈における関連性を生み出す方法に関する理論的・実践的な側面はほとんど分かっていない。 このギャップに対処するために、まず文献をレビューし、dgpgsの定義と概念的な基礎を開発し、その関連の重要性を説明する。 本図は、地域保健情報システム(DHIS2)の事例研究から得られたものである。 本稿では,開発プロセスにおけるDSGの理論的および実践的理解を前進させる。

関連論文リスト

• Ontology-Enhanced Educational Annotation Activities [1.6163129903911515]
  情報通信技術と技術強化学習は、従来の教養学習プロセスに必然的に変革をもたらした。 本稿では,アノテーション活動における指導的アノテーションの使用が,これらの欠点を緩和するための鍵となる側面である,という仮説を提唱する。
  論文  参考訳（メタデータ） (2025-01-22T15:15:59Z)
• When Dimensionality Reduction Meets Graph (Drawing) Theory: Introducing a Common Framework, Challenges and Opportunities [46.1232919707345]
  次元の低減とグラフ解析は、可視化研究において人気のある2つのサブフィールドである。 本稿では,DRとグラフ(描画)理論のギャップを埋める一元化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-09T15:03:22Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。 本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• A Systematic Literature Map on Big Data [0.0]
  本研究は,ビッグデータパラダイムに関して実施および公表された研究の分析的視点を提供することを目的としている。 この手法は文献の体系的な地図であり、文献分析とコンテンツ分析を組み合わせて研究作品のパノラマを描いている。
  論文  参考訳（メタデータ） (2024-08-08T21:41:44Z)
• From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
  グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。 大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。 本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
  論文  参考訳（メタデータ） (2024-03-18T17:57:09Z)
• O-Dang! The Ontology of Dangerous Speech Messages [53.15616413153125]
  O-Dang!:The Ontology of Dangerous Speech Messages, a systematic and interoperable Knowledge Graph (KG) O-Dang!は、Lingguistic Linked Open Dataコミュニティで共有されている原則に従って、イタリアのデータセットを構造化されたKGにまとめ、整理するように設計されている。 ゴールド・スタンダードとシングル・アノテータのラベルをKGにエンコードするモデルを提供する。
  論文  参考訳（メタデータ） (2022-07-13T11:50:05Z)
• Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
  きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
  論文  参考訳（メタデータ） (2021-11-11T09:43:56Z)
• Zero-Shot Scene Graph Relation Prediction through Commonsense Knowledge Integration [9.203403318435486]
  我々は,シーングラフ生成のためのコモンセンス知識を統合するフレームワークであるCommOnsense-integrAted sCenegrapHrElation pRediction (COACHER)を提案する。 具体的には、外部コモンセンス知識グラフにおいて、エンティティ周辺の近傍と経路をモデル化する新しいグラフマイニングパイプラインを開発する。
  論文  参考訳（メタデータ） (2021-07-11T16:22:45Z)
• Domain Generalization: A Survey [146.68420112164577]
  ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。 初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
  論文  参考訳（メタデータ） (2021-03-03T16:12:22Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)

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。