論文の概要: A Metascience Study of the Low-Code Scientific Field
- arxiv url: http://arxiv.org/abs/2408.05975v2
- Date: Mon, 30 Jun 2025 20:21:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-02 15:54:39.929403
- Title: A Metascience Study of the Low-Code Scientific Field
- Title（参考訳）: 低コード科学分野のメタサイエンス研究
- Authors: Mauro Dalle Lucca Tosi, Javier Luis Cánovas Izquierdo, Jordi Cabot,
- Abstract要約: ローコード」は、いくつかの人気の高い開発プラットフォームとの結びつきから、モデル分野を嵐で捉えてきた。
本稿では低符号のメタサイエンス研究について述べる。
私たちは、ローコードコミュニティの現在と将来の軌道について議論を起こそうと考えています。
- 参考スコア（独自算出の注目度）: 2.031841135743809
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last years, model-related publications have been exploring the application of modeling techniques across various domains. Initially focused on UML and the Model-Driven Architecture approach, the literature has been evolving towards the usage of more general concepts such as Model-Driven Development or Model-Driven Engineering. More recently, however, the term "low-code" has taken the modeling field by storm, largely due to its association with several highly popular development platforms. The research community is still discussing the differences and commonalities between this emerging term and previous modeling-related concepts, as well as the broader implications of low-code on the modeling field. In this paper, we present a metascience study of Low-Code. Our study follows a two-fold approach: (1) to analyze the composition and growth (e.g., size, diversity, venues, and topics) of the emerging Low-Code community; and (2) to explore how these aspects differ from those of the "classical" model-driven community. Ultimately, we hope to trigger a discussion on the current state and potential future trajectory of the low-code community, as well as the opportunities for collaboration and synergies between the low-code and modeling communities.
- Abstract（参考訳）: 近年、モデル関連出版物は様々な分野にわたるモデリング技術の応用を探求している。
最初はUMLとモデル駆動アーキテクチャのアプローチに重点を置いていたが、この文献はモデル駆動開発やモデル駆動工学といったより一般的な概念の利用に向けて進化してきた。
しかし、近年では、"low-code"という用語が、いくつかの人気の高い開発プラットフォームとの結びつきから、モデリング分野を嵐にさらしている。
研究コミュニティは、この新興用語と過去のモデリングに関する概念の違いと共通点、およびモデリング分野におけるローコードの影響について議論を続けている。
本稿では,Low-Codeのメタサイエンス研究について述べる。
本研究は,(1)新興のローコードコミュニティの構成と成長(例えば,サイズ,多様性,会場,話題)を分析すること,(2)これらの側面が「古典的」モデル駆動コミュニティとどのように異なるかを検討すること,の2つのアプローチに従う。
最終的には、ローコードコミュニティとモデリングコミュニティのコラボレーションと相乗効果の機会とともに、ローコードコミュニティの現在と将来の軌道について議論を起こそうと考えています。
関連論文リスト
- From Task-Specific Models to Unified Systems: A Review of Model Merging Approaches [13.778158813149833]
本稿では、モデルマージ手法の新たな分類法を確立し、異なるアプローチを体系的に比較し、重要な展開の概要を提供する。
この分野での急速な進歩にもかかわらず、最近の進歩と今後の方向性を予測する包括的な分類学と調査はいまだに欠落している。
論文 参考訳（メタデータ） (2025-03-12T02:17:31Z) - How to Enable Effective Cooperation Between Humans and NLP Models: A Survey of Principles, Formalizations, and Beyond [73.5546464126465]
我々は、その原則、形式化、オープンな課題を探求し、人間-モデル協力の徹底的なレビューを行う。
既存のアプローチを要約する統一的な視点を提供する新しい分類法を導入する。
また、潜在的なフロンティア領域とその対応課題についても論じる。
論文 参考訳（メタデータ） (2025-01-10T05:15:14Z) - Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - A Survey on Model MoErging: Recycling and Routing Among Specialized Experts for Collaborative Learning [136.89318317245855]
MoErgingは、専門家のモデルをリサイクルして、パフォーマンスや一般化を改善した集約システムを構築することを目的としている。
MoErgingメソッドの重要なコンポーネントは、特定の入力やアプリケーションに使用する専門家モデルを決定するルータの作成である。
このサーベイには、キーデザインの選択をカタログ化し、各手法に適した適用方法を明確にするための新しい分類が含まれている。
論文 参考訳（メタデータ） (2024-08-13T17:49:00Z) - Explore In-Context Segmentation via Latent Diffusion Models [132.26274147026854]
潜在拡散モデル(LDM)は、文脈内セグメンテーションに有効な最小限のモデルである。
画像とビデオの両方のデータセットを含む、新しい、公正なコンテキスト内セグメンテーションベンチマークを構築します。
論文 参考訳（メタデータ） (2024-03-14T17:52:31Z) - Advancing Graph Representation Learning with Large Language Models: A
Comprehensive Survey of Techniques [37.60727548905253]
グラフ表現学習(GRL)とLLM(Large Language Models)の統合は、複雑なデータ構造を分析する上で重要な進化である。
このコラボレーションは、LLMの洗練された言語機能を活用して、グラフモデルの文脈的理解と適応性を改善する。
LLMをグラフ領域に統合する研究団体が増えているにもかかわらず、コアコンポーネントとオペレーションを深く分析する包括的なレビューは特に欠落している。
論文 参考訳（メタデータ） (2024-02-04T05:51:14Z) - Advancing State of the Art in Language Modeling [0.0]
一般化は統計言語モデリング研究の最も重要な目標であることは間違いない。
オープンソースコードで公開された公開ベンチマークと論文は、この分野を前進させる上で重要なものだ。
本稿では,一般化の観点から言語モデリングにおける最先端技術を支援するための,シンプルなフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-28T12:30:43Z) - Foundation Models for Decision Making: Problems, Methods, and
Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。
ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。
基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文 参考訳（メタデータ） (2023-03-07T18:44:07Z) - Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。
まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。
手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文 参考訳（メタデータ） (2021-10-19T02:38:46Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - A Theoretical Approach for a Novel Model to Realizing Empathy [0.0]
本稿では共感の実現過程を可視化するモデルとして理論的概念を紹介する。
このモデルの目的は、様々な分野に適用可能な初期青写真を作成することである。
論文 参考訳（メタデータ） (2020-09-03T17:21:49Z) - From Theory to Behaviour: Towards a General Model of Engagement [3.9198548406564604]
我々は、人間行動に直接リンクすることで、エンゲージメントを機械的に操作する。
エンゲージメントの構成は,データ駆動手法の定式化と解釈に利用できることを示す。
論文 参考訳（メタデータ） (2020-04-27T08:44:30Z)
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。