論文の概要: Quantitative analysis of the value of investment in research facilities, with examples from cyberinfrastructure

• arxiv url: http://arxiv.org/abs/2502.07833v2
• Date: Wed, 21 May 2025 19:56:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 14:49:21.618014
• Title: Quantitative analysis of the value of investment in research facilities, with examples from cyberinfrastructure
• Title（参考訳）: 研究施設における投資価値の定量的分析 : サイバーインフラの事例から
• Authors: Winona G. Snapp-Childs, David Y. Hancock, Preston M. Smith, John Towns, Craig A. Stewart,
• Abstract要約: 研究施設への投資額は、長年、高等教育や研究政策において疑問視されてきた。 本研究では,研究施設への投資によって生み出された量的価値を評価する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: How much to invest in research facilities has long been a question in higher education and research policy. We present established and recently developed techniques for assessing the quantitative value created or received as a result of investments in research facilities. This discussion is timely. Financial challenges in higher education may soon force difficult decisions regarding investment in research facilities at some institutions. Clear quantitative analysis will be necessary for such strategic decision-making. Further, institutions of higher education in the USA are currently being called on to justify their value to society. The analyses presented here are extendable to research enterprises as a whole. Results: We present methods developed primarily for analyses of cyberinfrastructure. Most analyses comparing investment in university-based cyberinfrastructure facilities with purchasing services from commercial sources demonstrate positive results for economic and scientific research. A recent assessment, based on a comprehensive accounting approach, has shown that for one large publicly funded cyberinfrastructure project the value delivered to the USA economy and society exceeded the cost to USA taxpayers. Conclusions: Quantitative analyses of the benefits of investment in research and research facilities create a fact-based foundation for discussing the value of research and higher education. These methods enable a quantitative assessment of the relationship between investment in specific research facilities or research projects and economic, societal, and educational outcomes. These methods are of value in quantifying the economic benefit of higher education and in managing investments within such institutions.
• Abstract（参考訳）: 目的: 研究施設への投資額は, 長年, 高等教育・研究政策において疑問視されてきた。 本研究では, 研究施設への投資の結果, 得られた量的価値を評価する手法を確立・開発している。 この議論はタイムリーです。 高等教育における財政上の課題は、すぐに一部の機関における研究施設への投資に関する難しい決定を迫られる可能性がある。 このような戦略的意思決定には、明確な定量的分析が必要である。 さらに、米国の高等教育機関は、現在、社会に対する彼らの価値を正当化するよう求められている。 ここで紹介される分析は、全体として研究企業に拡張可能である。 結果: 主にサイバーインフラ構造解析のために開発された手法について述べる。 大学ベースのサイバーインフラ施設への投資と商業的資源からの購買サービスを比較した分析は、経済・科学研究に肯定的な結果を示している。 包括的会計アプローチに基づく最近の評価では、1つの大規模公的資金によるサイバーインフラプロジェクトにおいて、米国経済と社会に提供された価値が、米国納税者に対するコストを上回ることが示されている。 結論: 研究・研究施設における投資の利益の定量的分析は、研究の価値と高等教育の価値を議論するための事実に基づく基盤を創出する。 これらの方法は、特定の研究施設や研究プロジェクトへの投資と、経済的、社会的、教育的な成果との関係を定量的に評価することができる。 これらの手法は、高等教育の経済的利益の定量化と、これらの機関における投資管理に有用である。

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。