論文の概要: Assessing the value of advanced computing infrastructure for supporting research: new tools to inform research policy

• arxiv url: http://arxiv.org/abs/2502.07833v1
• Date: Tue, 11 Feb 2025 00:31:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:48:25.322610
• Title: Assessing the value of advanced computing infrastructure for supporting research: new tools to inform research policy
• Title（参考訳）: 研究支援のための先進的コンピューティングインフラの価値評価--研究方針を通知するための新しいツール
• Authors: Winona G. Snapp-Childs, David Y. Hancock, Preston M. Smith, John Towns, Craig A. Stewart,
• Abstract要約: 研究施設への投資は、長年、高等教育における研究方針や実践において疑問視されてきた。 金融危機は、高等教育機関が研究インフラに関して難しい判断を下すことが不可欠である可能性がある。 近年,先進的なコンピューティング施設やサービスへの投資の経済的・科学的価値を評価する手法が開発されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Purpose: How much to invest in research facilities has long been a question in research policy and practice in higher education. This matter is time-sensitive due to critical financial challenges at institutions in the USA, with signs of significant problems in Europe. The purpose of this report is to present new techniques for assessment of one particular type of research infrastructure - computing facilities and staff that support research. These new approaches are timely because of the ongoing financial crises which may make it essential for institutions of higher education to make difficult decisions regarding research infrastructure. Principal results: We present recently developed methods for assessment of the economic and scientific value of investment in advanced computing facilities and services. Existing examples of these tools in use show that investment in advanced computing facilities and services contributes importantly to positive financial and academic outcomes for institutions of higher education. We present a format based on the Balanced Scorecard concept for summarizing such information. Conclusion: The methods presented here enable quantitative assessment of the relationship between investment in computing facilities and research and education outcomes. These methods should be of interest to research policy investigators and practitioners. The analysis methods described may be applied retroactively, making this report of potentially immediate value in setting research policies.
• Abstract（参考訳）: 目的: 研究施設への投資は長年, 高等教育における研究方針や実践において疑問視されてきた。 この問題は、欧州で大きな問題の兆候がある米国内の機関で重大な財政難のため、時間に敏感である。 本報告の目的は,研究を支援するコンピューティング施設やスタッフなど,特定の研究基盤の1つのタイプを評価するための新しい手法を提案することである。 これらの新たなアプローチは、高等教育機関が研究インフラに関して難しい判断を下すことが不可欠となる金融危機が続いているため、タイムリーである。 主な成果:我々は最近,先進的なコンピューティング施設やサービスへの投資の経済的・科学的価値を評価する手法を開発した。 これらのツールの既存の例は、先進的なコンピューティング施設やサービスへの投資が、高等教育機関の経済的、学術的成果に重要な貢献をしていることを示している。 本稿では,これらの情報を要約するためのBalanced Scorecardの概念に基づくフォーマットを提案する。 結論: 提案手法は, 計算施設への投資と研究, 教育成果との関係を定量的に評価する。 これらの手法は、調査政策調査官や実践者にとって興味を持つべきものである。 分析方法は遡及的に適用されうるので,本報告は研究方針の立案における即時的価値を示唆するものである。

関連論文リスト

• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• A Systematic Review on Process Mining for Curricular Analysis [0.9208007322096533]
  教育プロセスマイニング(英: Educational Process Mining、EPM)は、教育プロセスを改善するために用いられるデータ分析技術である。 EPMの特定の応用の1つはカリキュラムマイニングであり、これは学生が学習目標を達成するための学習プログラムを理解することに焦点を当てている。 本総説では, キュラープロセスマイニングにおける現状を概観し, より堅牢で実用的なキュラー解析を支援するための具体的な研究機会について概説する。
  論文  参考訳（メタデータ） (2024-09-13T21:35:11Z)
• Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
  アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。 世界中から約1200チームが参加した。 トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
  論文  参考訳（メタデータ） (2024-06-13T12:58:00Z)
• The Compute Divide in Machine Learning: A Threat to Academic Contribution and Scrutiny? [1.0985060632689174]
  計算の偏差は、計算集約的な研究トピックにおける学術のみの研究チームの表現の減少と一致していることを示す。 この傾向から生じる課題に対処するため、留意的に学術的な洞察を広めるためのアプローチを推奨する。
  論文  参考訳（メタデータ） (2024-01-04T01:26:11Z)
• Systematic Review on Reinforcement Learning in the Field of Fintech [0.36832029288386137]
  本研究の目的は,強化学習と複雑性の相関関係に関する探索的研究を行うことである。 フィールドにおけるRLベースの戦略の使用は、他の最先端アルゴリズムよりもかなり優れた性能を示す。 金融を扱う組織は、スマートオーダーのチャネルリング、マーケットメイキング、ヘッジとオプション、価格設定、ポートフォリオ最適化、最適な実行から大きな恩恵を受けることができます。
  論文  参考訳（メタデータ） (2023-04-29T07:48:42Z)
• A Review of Off-Policy Evaluation in Reinforcement Learning [72.82459524257446]
  主に、強化学習における最も基本的なトピックの1つである、オフ・ポリシー評価(OPE)に焦点を当てています。 我々は,OPEの効率バウンダリ,既存のOPE手法のいくつか,その統計的性質,その他の研究方向について論じる。
  論文  参考訳（メタデータ） (2022-12-13T03:38:57Z)
• Compute-Efficient Deep Learning: Algorithmic Trends and Opportunities [18.508401650991434]
  ニューラルネットワークのトレーニングの経済的および環境的コストは、持続不可能になりつつある。 *アルゴリズム的に効率のよいディープラーニングの研究*は、トレーニングプログラムの意味論の変化を通じて、トレーニングコストを削減しようとしている。 アルゴリズム的に効率的な学習の基本的な構成要素を用いて分類学を開発する。
  論文  参考訳（メタデータ） (2022-10-13T00:40:04Z)
• 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)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)

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。