論文の概要: COVID-19 Datathon Based on Deidentified Governmental Data as an Approach for Solving Policy Challenges, Increasing Trust, and Building a Community: Case Study

• arxiv url: http://arxiv.org/abs/2108.13068v1
• Date: Mon, 30 Aug 2021 08:58:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 19:21:24.384633
• Title: COVID-19 Datathon Based on Deidentified Governmental Data as an Approach for Solving Policy Challenges, Increasing Trust, and Building a Community: Case Study
• Title（参考訳）: 政策課題の解決,信頼の向上,コミュニティ構築へのアプローチとしての政府の特定データに基づくCOVID-19データ
• Authors: Mor Peleg, Amnon Reichman, Sivan Shachar, Tamir Gadot, Meytal Avgil Tsadok, Maya Azaria, Orr Dunkelman, Shiri Hassid, Daniella Partem, Maya Shmailov, Elad Yom-Tov, Roy Cohen
• Abstract要約: イスラエルの保健省(MoH)は、政府の特定データに基づく仮想データソンを開催した。 Datathonは、新型コロナウイルス(COVID-19)の健康政策問題に対処するために、運用可能なデータ駆動モデルを開発するように設計されている。 最も肯定的な結果は、MoHに対する信頼が増し、政府と協力する準備が整ったことである。
• 参考スコア（独自算出の注目度）: 4.643473310978546
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Triggered by the COVID-19 crisis, Israel's Ministry of Health (MoH) held a virtual Datathon based on deidentified governmental data. Organized by a multidisciplinary committee, Israel's research community was invited to offer insights to COVID-19 policy challenges. The Datathon was designed to (1) develop operationalizable data-driven models to address COVID-19 health-policy challenges and (2) build a community of researchers from academia, industry, and government and rebuild their trust in the government. Three specific challenges were defined based on their relevance (significance, data availability, and potential to anonymize the data): immunization policies, special needs of the young population, and populations whose rate of compliance with COVID-19 testing is low. The MoH team extracted diverse, reliable, up-to-date, and deidentified governmental datasets for each challenge. Secure remote-access research environments with relevant data science tools were set on Amazon Web. The MoH screened the applicants and accepted around 80 participants, teaming them to balance areas of expertise as well as represent all sectors of the community. One week following the event, anonymous surveys for participants and mentors were distributed to assess overall usefulness and points for improvement. The 48-hour Datathon and pre-event sessions included 18 multidisciplinary teams, mentored by 20 data scientists, 6 epidemiologists, 5 presentation mentors, and 12 judges. The insights developed by the 3 winning teams are currently considered by the MoH as potential data science methods relevant for national policies. The most positive results were increased trust in the MoH and greater readiness to work with the government on these or future projects. Detailed feedback offered concrete lessons for improving the structure and organization of future government-led datathons.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)危機を受けて、イスラエルの厚生労働省(MoH)は、政府の特定データに基づく仮想データソンを開催した。 多分野の委員会によって組織されたイスラエルの研究コミュニティは、新型コロナウイルス(covid-19)政策の課題に対する洞察を提供するために招待された。 datathonは、1新型コロナウイルス(covid-19)の健康問題に対処するための運用可能なデータ駆動モデルを開発し、2学界、産業、政府の研究者のコミュニティを構築し、政府への信頼を再構築するように設計されている。 その関連性(意味、データ可用性、データの匿名化の可能性)、免疫政策、若者の特別なニーズ、新型コロナウイルス検査のコンプライアンス率が低い人口の3つに基づいて、具体的な課題が定義された。 MoHチームは、各課題に対して、多様な、信頼性のある、最新の、特定された政府のデータセットを抽出した。 関連するデータサイエンスツールを備えたセキュアなリモートアクセス研究環境がamazon webで設定された。 MoHは応募者を審査し、約80人の参加者を受け入れ、コミュニティのすべての部門を代表し、専門分野のバランスを取るために協力した。 イベントの1週間後、参加者とメンターのための匿名調査が配布され、全体的な有用性と改善点を評価した。 48時間のDatathonとプレイベントセッションには、データサイエンティスト20人、疫学者6人、プレゼンテーションメンター5人、審査員12人による18の多部門チームが参加した。 現在、3つのチームによって開発された洞察は、国家政策に関連する潜在的なデータサイエンス手法として、MoHによって検討されている。 最も肯定的な結果は、MoHに対する信頼が高まり、これらのプロジェクトや将来のプロジェクトで政府と協力する準備が整ったことである。 詳細なフィードバックは、将来の政府主導のデータセットの構造と組織化を改善するための具体的な教訓を提供する。

関連論文リスト

• Labeled Datasets for Research on Information Operations [71.34999856621306]
  ソーシャルメディアプラットフォームによって検証されたIOポストと、同様のトピックを同じ時間フレーム(制御データ)で議論した303kアカウントによる1300万以上の投稿の両方を含む、26のキャンペーンに関するラベル付きデータセットを新たに提示する。 データセットは、さまざまなキャンペーンや国で調整されたアカウントによって使用される物語、ネットワークインタラクション、エンゲージメント戦略の研究を促進する。
  論文  参考訳（メタデータ） (2024-11-15T22:15:01Z)
• Pennsieve: A Collaborative Platform for Translational Neuroscience and Beyond [0.5130659559809153]
  Pennsieveはオープンソースでクラウドベースの科学データ管理プラットフォームである。 複雑なマルチモーダルデータセットをサポートし、データの視覚化と分析のためのツールを提供する。 Pennsieveは125TB以上の科学的データを格納し、350以上のハイインパクトデータセットで35TB以上のデータを公開している。
  論文  参考訳（メタデータ） (2024-09-16T17:55:58Z)
• DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
  現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。 このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。 現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
  論文  参考訳（メタデータ） (2024-09-12T02:08:00Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
  本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。 研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。 本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
  論文  参考訳（メタデータ） (2023-03-18T19:17:47Z)
• The Monocular Depth Estimation Challenge [74.0535474077928]
  本稿では,WACV2103で組織された最初の単分子深度推定チャレンジ(MDEC)の結果を要約する。 この課題は、SynS-Patchesデータセット上での自己教師付き単眼深度推定の進捗を評価した。
  論文  参考訳（メタデータ） (2022-11-22T11:04:15Z)
• A Roadmap for Greater Public Use of Privacy-Sensitive Government Data: Workshop Report [11.431595898012377]
  このワークショップは、政府のさまざまなレベルでのデータ共有の課題と成功に焦点を当てている。 初日は、公式なプライバシ技術、合成データ、暗号化アプローチなど、公開データの共有に適用される新しい技術の成功例に焦点を当てた。
  論文  参考訳（メタデータ） (2022-06-17T17:20:29Z)
• A Summary of COVID-19 Datasets [1.3490988186255934]
  本研究は、新型コロナウイルス研究のために開発された主要なデータセットについてレビューする。 このコレクションが引き続き、コンピューティングコミュニティ、バイオメディカルの専門家、および政策立案者のメンバを集結させることを願っています。
  論文  参考訳（メタデータ） (2022-02-06T17:34:26Z)
• Protecting Privacy and Transforming COVID-19 Case Surveillance Datasets for Public Use [0.4462475518267084]
  CDCは、個人レベルの未確認データを管轄区域から収集し、現在800万件以上の記録を保有している。 データ要素は、有用性、公開要求、およびプライバシーの影響に基づいて含まれた。 機密情報の再識別や暴露のリスクを低減するため、特定のフィールド値が抑制された。
  論文  参考訳（メタデータ） (2021-01-13T14:24:20Z)
• Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
  管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2020-11-14T02:04:14Z)
• CovidNet: To Bring Data Transparency in the Era of COVID-19 [9.808021836153712]
  本稿では,大規模流行データセットに関連付けられた新型コロナウイルス追跡プロジェクトであるCovidNetについて述べる。 CovidNetは、世界27か国から4,124のサブディビジョンのリアルタイムグローバルケース情報を提供する唯一のプラットフォームである。 データセットの正確性と鮮度は、自発的なチームワーク、クラウドソーシングチャネル、自動データパイプラインによる苦労の結果です。
  論文  参考訳（メタデータ） (2020-05-22T00:05:17Z)

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。