論文の概要: A Metadata-Based Ecosystem to Improve the FAIRness of Research Software
- arxiv url: http://arxiv.org/abs/2306.10620v1
- Date: Sun, 18 Jun 2023 19:01:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-10-23 19:27:02.902579
- Title: A Metadata-Based Ecosystem to Improve the FAIRness of Research Software
- Title（参考訳）: 研究ソフトウェアの公平性を改善するメタデータベースのエコシステム
- Authors: Patrick Kuckertz, Jan G\"opfert, Oliver Karras, David Neuroth, Julian
Sch\"onau, Rodrigo Pueblas, Stephan Ferenz, Felix Engel, Noah Pflugradt, Jann
M. Weinand, Astrid Nie{\ss}e, S\"oren Auer, Detlef Stolten
- Abstract要約: 研究ソフトの再利用は、研究効率と学術交流の中心である。
DataDescエコシステムは、詳細でマシン操作可能なメタデータを備えたソフトウェアインターフェースのデータモデルを記述するためのアプローチである。
- 参考スコア（独自算出の注目度）: 0.3185506103768896
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The reuse of research software is central to research efficiency and academic
exchange. The application of software enables researchers with varied
backgrounds to reproduce, validate, and expand upon study findings.
Furthermore, the analysis of open source code aids in the comprehension,
comparison, and integration of approaches. Often, however, no further use
occurs because relevant software cannot be found or is incompatible with
existing research processes. This results in repetitive software development,
which impedes the advancement of individual researchers and entire research
communities. In this article, the DataDesc ecosystem is presented, an approach
to describing data models of software interfaces with detailed and
machine-actionable metadata. In addition to a specialized metadata schema, an
exchange format and support tools for easy collection and the automated
publishing of software documentation are introduced. This approach practically
increases the FAIRness, i.e., findability, accessibility, interoperability, and
so the reusability of research software, as well as effectively promotes its
impact on research.
- Abstract（参考訳）: 研究ソフトウェアの再利用は、研究効率と学術交流の中心である。
ソフトウェアの適用により、さまざまなバックグラウンドを持つ研究者は、研究結果の再現、検証、拡張が可能になる。
さらに、オープンソースコードの解析は、アプローチの理解、比較、統合に役立つ。
しかし、関連するソフトウェアが見つからない、あるいは既存の研究プロセスと互換性がないため、それ以上の使用は行われない。
これは反復的なソフトウェア開発をもたらし、個々の研究者や研究コミュニティ全体の進歩を妨げる。
この記事では、詳細でマシン操作可能なメタデータを持つソフトウェアインターフェースのデータモデルを記述するための、DataDescエコシステムを紹介します。
特別なメタデータスキーマに加えて、簡単に収集できる交換フォーマットとサポートツール、およびソフトウェアドキュメントの自動公開が導入されている。
このアプローチは、実質的にフェアネス、すなわち、発見可能性、アクセシビリティ、相互運用性、そして研究ソフトウェアの再利用性を高め、研究への影響を効果的に促進する。
関連論文リスト
- Interoperable verification and dissemination of software assets in repositories using COAR Notify [0.7703881819415161]
SoFAIR (2024-2025)は、機械学習ツールを活用した包括的なワークフローを導入し、研究論文からソフトウェア言及を抽出する。
このプロジェクトは、HALやSoftware Heritageのようなリポジトリシステム、著者、サービスを統合し、研究ソフトウェアの適切なアーカイブ、引用、アクセシビリティを保証する。
本稿では,SoFAIRワークフローの概要とCOAR通知プロトコルの実装について述べる。
論文 参考訳（メタデータ） (2025-08-04T12:13:26Z) - Ten Essential Guidelines for Building High-Quality Research Software [0.3562485774739681]
本稿では,高品質な研究ソフトウェアを開発するための10のガイドラインを提案する。
ガイドラインは開発ライフサイクルのすべての段階をカバーする。
彼らは計画、クリーンで可読なコードを書くこと、バージョン管理の使用、テスト戦略の実装の重要性を強調している。
論文 参考訳（メタデータ） (2025-07-22T02:22:41Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - Identity resolution of software metadata using Large Language Models [0.0]
本稿では,ソフトウェアメタデータ識別の課題に対する命令調整型大規模言語モデルの評価について述べる。
我々は、人間に注釈を付けた金の標準に対して複数のモデルをベンチマークし、あいまいなケースでそれらの振る舞いを調べ、高信頼度自動決定のための契約ベースのプロキシを導入した。
論文 参考訳（メタデータ） (2025-05-29T14:47:31Z) - WebThinker: Empowering Large Reasoning Models with Deep Research Capability [60.81964498221952]
WebThinkerは、大規模な推論モデルに、Webを自律的に検索し、Webページをナビゲートし、推論プロセス中に研究レポートをドラフトする権限を与えるディープリサーチエージェントである。
また、textbf Autonomous Think-Search-and-Draft戦略を採用しており、モデルがシームレスに推論、情報収集、レポート作成をリアルタイムで行うことができる。
我々のアプローチは複雑なシナリオにおけるLEMの信頼性と適用性を高め、より有能で多目的な深層研究システムへの道を開く。
論文 参考訳（メタデータ） (2025-04-30T16:25:25Z) - 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) - FAIRSECO: An Extensible Framework for Impact Measurement of Research Software [1.549241498953151]
研究ソフトウェアと研究ソフトウェア技術者を信用する既存の手法は不十分であることが証明されている。
FAIRSECOは,研究ソフトウェアが研究に与える影響を評価するためのオープンソースフレームワークである。
論文 参考訳（メタデータ） (2024-06-04T15:22:48Z) - Automated Extraction and Maturity Analysis of Open Source Clinical Informatics Repositories from Scientific Literature [0.0]
本研究では、arXivにインデックスされた学術論文からGitHubリポジトリURLを体系的に抽出することにより、ギャップを埋める自動化手法を提案する。
当社のアプローチでは、関連論文に対するarXiv APIのクエリ、抽出したGitHub URLのクリーニング、GitHub APIによる包括的なリポジトリ情報の取得、スター、フォーク、オープンイシュー、コントリビュータなどの定義されたメトリクスに基づいてリポジトリの成熟度を分析しています。
論文 参考訳（メタデータ） (2024-03-20T17:06:51Z) - NLP-based Relation Extraction Methods in RE [4.856095570023289]
モバイルアプリリポジトリは、大規模で適応性の高いクラウドソース情報システムとして、主に科学研究で使用されている。
本稿では,ソフトウェアリソースとデータアーティファクトを組み合わせたMApp-KGを提案する。
私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
論文 参考訳（メタデータ） (2024-01-22T16:14:27Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - SciCat: A Curated Dataset of Scientific Software Repositories [4.77982299447395]
我々は、FLOSS(Free-Libre Open Source Software)プロジェクトの包括的なコレクションであるSciCatデータセットを紹介します。
私たちのアプローチは、World of Codeのデータソースから、1億3100万の削除されたリポジトリのプールからプロジェクトを選択することです。
本分類は, 科学的目的のために設計されたソフトウェア, 研究関連プロジェクト, 研究支援ソフトウェアに焦点をあてる。
論文 参考訳（メタデータ） (2023-12-11T13:46:33Z) - A pragmatic workflow for research software engineering in computational
science [0.0]
コンピュータサイエンス・エンジニアリング(CSE)の大学研究グループには、通常、研究ソフトウェア工学(RSE)のための専用の資金と人員が不足している。
RSEは、持続可能な研究ソフトウェア開発と再現可能な結果から焦点をシフトします。
本稿では,これらの課題に対処し,CSEにおける研究成果の質を向上させるためのRSEワークフローを提案する。
論文 参考訳（メタデータ） (2023-10-02T08:04:12Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳（メタデータ） (2023-08-10T13:19:10Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - DeepShovel: An Online Collaborative Platform for Data Extraction in
Geoscience Literature with AI Assistance [48.55345030503826]
地質学者は、関連する結果やデータを発見、抽出、集約するために膨大な量の文献を読む必要がある。
DeepShovelは、彼らのニーズをサポートするAI支援データ抽出システムである。
14人の研究者によるユーザ評価の結果、DeepShovelは科学データベース構築のためのデータ抽出の効率を改善した。
論文 参考訳（メタデータ） (2022-02-21T12:18:08Z) - Software must be recognised as an important output of scholarly research [7.776162183510522]
方法論的な観点からも重要でありながら、ソフトウェアは研究のアウトプットとして認識されるべきである、と我々は主張する。
この記事では、ソフトウェアが研究で果たすさまざまな役割について論じ、ソフトウェアと研究の持続可能性の関係を強調します。
論文 参考訳（メタデータ） (2020-11-15T16:34:31Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。