論文の概要: Effective Data Stewardship in Higher Education: Skills, Competences, and the Emerging Role of Open Data Stewards
- arxiv url: http://arxiv.org/abs/2410.20361v1
- Date: Sun, 27 Oct 2024 07:37:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-29 12:16:01.620294
- Title: Effective Data Stewardship in Higher Education: Skills, Competences, and the Emerging Role of Open Data Stewards
- Title（参考訳）: 高等教育における効果的なデータスチュワード:オープンデータスチュワードのスキル、能力、創発的役割
- Authors: Panos Fitsilis, Vyron Damasiotis, Charalampos Dervenis, Vasileios Kyriatzis, Paraskevi Tsoutsa,
- Abstract要約: 高等教育におけるオープンデータの重要性は、オープンサイエンスへの傾向の変化に起因している。
本稿では,データスチュワードシップのための構造化トレーニングフレームワークと総合カリキュラムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The significance of open data in higher education stems from the changing tendencies towards open science, and open research in higher education encourages new ways of making scientific inquiry more transparent, collaborative and accessible. This study focuses on the critical role of open data stewards in this transition, essential for managing and disseminating research data effectively in universities, while it also highlights the increasing demand for structured training and professional policies for data stewards in academic settings. Building upon this context, the paper investigates the essential skills and competences required for effective data stewardship in higher education institutions by elaborating on a critical literature review, coupled with practical engagement in open data stewardship at universities, provided insights into the roles and responsibilities of data stewards. In response to these identified needs, the paper proposes a structured training framework and comprehensive curriculum for data stewardship, a direct response to the gaps identified in the literature. It addresses five key competence categories for open data stewards, aligning them with current trends and essential skills and knowledge in the field. By advocating for a structured approach to data stewardship education, this work sets the foundation for improved data management in universities and serves as a critical step towards professionalizing the role of data stewards in higher education. The emphasis on the role of open data stewards is expected to advance data accessibility and sharing practices, fostering increased transparency, collaboration, and innovation in academic research. This approach contributes to the evolution of universities into open ecosystems, where there is free flow of data for global education and research advancement.
- Abstract（参考訳）: 高等教育におけるオープンデータの重要性は、オープンサイエンスへの傾向の変化に起因し、高等教育におけるオープンリサーチは、科学的調査をより透明で協力的でアクセスしやすいものにする新しい方法を促進する。
本研究は,大学における研究データの効率的な管理・普及に不可欠なオープンデータスチュワートの役割と,学術的環境におけるデータスチュワートに対する構造化トレーニングと専門的政策の増大に焦点を当てた。
本研究は,大学におけるオープン・データ・スチュワードシップの実践的関与と相まって,高等教育機関におけるデータ・スチュワードシップの活用に必要な必須スキルと能力について考察し,データ・スチュワードの役割と責任について考察した。
これらのニーズに応えて,本論文では,データスチュワードシップのための構造化トレーニングフレームワークと総合カリキュラムを提案する。
オープンデータスチュワードのための5つの重要な能力カテゴリに対処し、その分野における現在のトレンドと不可欠なスキルと知識とを整合させる。
データスチュワードシップ教育の構造化的アプローチを提唱することにより、大学におけるデータ管理の改善の基礎を定め、高等教育におけるデータスチュワードの役割を専門化するための重要なステップとなる。
オープンデータスチュワードの役割を強調することは、データアクセシビリティと共有のプラクティスを推進し、学術研究における透明性、コラボレーション、イノベーションの向上を促進することが期待されている。
このアプローチは、大学のオープンエコシステムへの進化に寄与し、グローバルな教育と研究の進歩のための自由なデータフローが存在する。
関連論文リスト
- Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - Open Datasheets: Machine-readable Documentation for Open Datasets and Responsible AI Assessments [9.125552623625806]
本稿では、オープンデータセットのための、ノーコードで機械可読なドキュメントフレームワークを紹介する。
このフレームワークは、オープンデータセットの理解性とユーザビリティを改善することを目的としている。
このフレームワークは、研究や意思決定に使用されるデータの質と信頼性を高めることが期待されている。
論文 参考訳（メタデータ） (2023-12-11T06:41:14Z) - Data Management For Training Large Language Models: A Survey [64.18200694790787]
大規模言語モデル(LLM)のトレーニングにおいて、データは基本的な役割を果たす
本調査は,LLMの事前学習および微調整段階におけるデータ管理の現状を概観するものである。
論文 参考訳（メタデータ） (2023-12-04T07:42:16Z) - 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) - Big Data and Analytics Implementation in Tertiary Institutions to
Predict Students Performance in Nigeria [0.0]
Big Dataという言葉は、従来のデータ処理技術では扱えない大量のデータを指すために作られた。
本稿では,教育機関に関係のあるビッグデータの特徴について考察する。
学習機関におけるビッグデータと分析の導入に影響を与える要因について検討する。
論文 参考訳（メタデータ） (2022-07-29T13:52:24Z) - Data Governance in the Age of Large-Scale Data-Driven Language
Technology [79.92626780294258]
この研究は、利害関係者、価値観、権利間のデータ管理を組織化しようとする、グローバル言語データガバナンスへのアプローチを提案する。
現在提案するフレームワークは、言語データに焦点を当てた多政党の国際ガバナンス構造であり、その作業を支援するために必要な技術および組織ツールを取り入れています。
論文 参考訳（メタデータ） (2022-05-04T00:44:35Z) - We Need to Talk About Data: The Importance of Data Readiness in Natural
Language Processing [3.096615629099618]
我々は、NLPにおける学術研究と学術以外の問題への応用との間にはギャップがあると主張している。
本稿では,データのアクセシビリティ,有効性,有用性に関して,研究者と外部利害関係者のコミュニケーションを改善する方法を提案する。
論文 参考訳（メタデータ） (2021-10-11T17:55:07Z) - A fresh look at introductory data science [0.0]
本稿では、これらのニーズに対処するために設計されたデータサイエンスの入門学部のケーススタディを示す。
このコースには前提条件がなく、人文科学、社会科学、自然科学の学生だけでなく、目指す統計学やデータサイエンス専攻の幅広い聴衆に役立っている。
このようなコースを提供することによって生じる課題のユニークなセットについて議論し、これらの課題を踏まえて、教育設計要素、コンテンツ、構造、計算インフラ、およびコースの評価方法論について詳細な議論を行う。
論文 参考訳（メタデータ） (2020-08-01T18:39:34Z)
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。