論文の概要: Ten simple rules for training scientists to make better software
- arxiv url: http://arxiv.org/abs/2402.04722v2
- Date: Thu, 06 Mar 2025 17:54:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-07 15:57:01.673553
- Title: Ten simple rules for training scientists to make better software
- Title（参考訳）: 科学者がより良いソフトウェアを作るための簡単な10のルール
- Authors: Kit Gallagher, Richard Creswell, Ben Lambert, Martin Robinson, Chon Lok Lei, Gary R. Mirams, David J. Gavaghan,
- Abstract要約: 高品質な研究ソフトウェアを開発するには、多くのソフトウェア開発スキルを開発する必要がある。
計算研究における基礎的・優れた開発プラクティスの確保に重点が置かれている。
10 Simple Rulesコレクションの最近の記事は、生物学の学生にコンピュータサイエンスとコーディング技術の教育について論じている。
我々は、科学者が持続可能なソフトウェアパッケージを開発するために必要なスキルを効果的に教えるための具体的な手順を説明することによって、この議論を進める。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Computational methods and associated software implementations are central to every field of scientific investigation. Modern biological research, particularly within systems biology, has relied heavily on the development of software tools to process and organize increasingly large datasets, simulate complex mechanistic models, provide tools for the analysis and management of data, and visualize and organize outputs. However, developing high-quality research software requires scientists to develop a host of software development skills, and teaching these skills to students is challenging. There has been a growing importance placed on ensuring reproducibility and good development practices in computational research. However, less attention has been devoted to informing the specific teaching strategies which are effective at nurturing in researchers the complex skillset required to produce high-quality software that, increasingly, is required to underpin both academic and industrial biomedical research. Recent articles in the Ten Simple Rules collection have discussed the teaching of foundational computer science and coding techniques to biology students. We advance this discussion by describing the specific steps for effectively teaching the necessary skills scientists need to develop sustainable software packages which are fit for (re-)use in academic research or more widely. Although our advice is likely to be applicable to all students and researchers hoping to improve their software development skills, our guidelines are directed towards an audience of students that have some programming literacy but little formal training in software development or engineering, typical of early doctoral students. These practices are also applicable outside of doctoral training environments, and we believe they should form a key part of postgraduate training schemes more generally in the life sciences.
- Abstract（参考訳）: 計算手法と関連するソフトウェア実装は、科学研究のあらゆる分野の中心である。
現代の生物学研究は、特にシステム生物学において、ますます大規模なデータセットの処理と編成、複雑な力学モデルのシミュレート、データの分析と管理のためのツールの提供、出力の可視化と編成のためのソフトウェアツールの開発に大きく依存している。
しかし、高品質な研究ソフトウェアを開発するためには、多くのソフトウェア開発スキルを開発することが必要であり、これらのスキルを学生に教えることは難しい。
計算研究における再現性と優れた開発プラクティスの確保に重点が置かれている。
しかし、研究者の育成に有効な特定の教育戦略に、高品質なソフトウェアを作るために必要な複雑なスキルセットを伝えることにはあまり注意が払われておらず、学術的・工業的なバイオメディカル研究の基盤となることがますます求められている。
最近の10 Simple Rulesコレクションの記事は、基礎的なコンピュータ科学とプログラミングの技術を生物学の学生に教えることについて論じている。
この議論は、科学者が持続可能なソフトウェアパッケージを開発するために必要なスキルを効果的に教えるための具体的な手順を説明することで進められる。
私たちのアドバイスは、ソフトウェア開発スキルの向上を望んでいるすべての学生や研究者に当てはまるでしょうが、私たちのガイドラインは、初期の博士課程の学生に典型的なソフトウェア開発や工学の正式なトレーニングをほとんど受けていない、プログラミングのリテラシーを持つ学生の聴衆に向けられています。
これらの実践は、博士訓練環境以外でも適用可能であり、生命科学において、より一般的には、大学院のトレーニングスキームの鍵となる部分を形成するべきだと信じている。
関連論文リスト
- Requirements Engineering for Research Software: A Vision [2.2217676348694213]
ほとんどの研究者は、科学的な目的のためにソフトウェアを作成するが、ソフトウェア工学では訓練されていない。
研究ソフトウェアは、しばしば厳密なプロセスに従うことなくアドホックに開発される。
本稿では,研究者が研究ソフトウェアに必要な要件を抽出し,文書化し,分析する方法について述べる。
論文 参考訳（メタデータ） (2024-05-13T14:25:01Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - 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) - SciOps: Achieving Productivity and Reliability in Data-Intensive Research [0.8414742293641504]
科学者たちは、実験や研究の目標を拡大するために、機器、自動化、協調ツールの進歩をますます活用している。
神経科学を含む様々な科学分野は、コラボレーション、インスピレーション、自動化を強化するための重要な技術を採用してきた。
厳密な科学的操作の原理を説明する5段階の能力成熟度モデルを導入する。
論文 参考訳（メタデータ） (2023-12-29T21:37:22Z) - Managing Software Provenance to Enhance Reproducibility in Computational
Research [1.1421942894219899]
計算に基づく科学研究の管理は、個人の好みと研究の性質に基づいて実験を設計する個々の研究者に委ねられることが多い。
我々は、研究者がトレーサビリティーの明確な記録を提供するための実行環境を明示的に作成することで、計算に基づく科学研究の品質、効率、そして改善できると考えている。
論文 参考訳（メタデータ） (2023-08-29T21:13:18Z) - 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) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - Enhancement Programming Skills and Transforming Knowledge of Programming
through Neuroeducation Approaches [0.0]
デジタルデバイスをプログラミングし、ソフトウェアを開発することは、雇用機会に貢献する重要な専門家の資格である。
脳画像技術の最近の進歩は、神経科学者が人間の脳の機能的構造を探求する機会となった。
この研究は、コンピュータプログラミングの学習と教育の分野での学習を支援するアプローチである。
論文 参考訳（メタデータ） (2021-05-19T06:26:30Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - Using game simulator Software Inc in the Software Engineering education [0.0]
この記事では、将来のソフトウェアエンジニアのトレーニングにゲームシミュレータSotware Incを使用することの可能性について述べる。
教育過程におけるゲームシミュレータを含む現代のICTの利用は、教育材料の品質を向上させることができる。
論文 参考訳（メタデータ） (2020-11-26T13:26:55Z) - 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。