論文の概要: Ten simple rules for PIs to integrate Research Software Engineering into their research group
- arxiv url: http://arxiv.org/abs/2506.20217v1
- Date: Wed, 25 Jun 2025 07:59:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 21:00:42.654763
- Title: Ten simple rules for PIs to integrate Research Software Engineering into their research group
- Title（参考訳）: 研究ソフトウェア工学を研究グループに統合するためのPIの簡単な10のルール
- Authors: Stuart M. Allen, Neil Chue Hong, Stephan Druskat, Toby Hodges, Daniel S. Katz, Jan Linxweiler, Frank Löffler, Lars Grunske, Heidi Seibold, Jan Philipp Thiele, Samantha Wittke,
- Abstract要約: 研究ソフトウェア工学(Research Software Engineering, RSEng)は、高品質な研究ソフトウェアを開発する上で重要な成功要因である。
RSEngは技術的な複雑さも伴うため、一部の研究者にとってはアクセシビリティが低下する。
本稿では,RSEngのアクセシビリティ向上を目的とした10の簡単なルールについて述べる。
- 参考スコア（独自算出の注目度）: 1.9456909628552024
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research Software Engineering (RSEng) is a key success factor in producing high-quality research software, which in turn enables and improves research outcomes. However, as a principal investigator or leader of a research group you may not know what RSEng is, where to get started with it, or how to use it to maximize its benefit for your research. RSEng also often comes with technical complexity, and therefore reduced accessibility to some researchers. The ten simple rules presented in this paper aim to improve the accessibility of RSEng, and provide practical and actionable advice to PIs and leaders for integrating RSEng into their research group. By following these rules, readers can improve the quality, reproducibility, and trustworthiness of their research software, ultimately leading to better, more reproducible and more trustworthy research outcomes.
- Abstract（参考訳）: 研究ソフトウェア工学(Research Software Engineering, RSEng)は、高品質な研究ソフトウェアを製造する上で重要な成功要因である。
しかし、研究グループの主任研究員やリーダーは、RSEngが何であるか、どこから始めるべきか、研究の利益を最大化するためにどのように使うのかを知らないかもしれません。
RSEngは技術的な複雑さも伴うため、一部の研究者にとってはアクセシビリティが低下する。
本稿では,RSEngのアクセシビリティ向上を目標とし,PIやリーダに対して,RSEngを研究グループに統合するための実践的で実用的なアドバイスを提供する。
これらのルールに従うことで、読者は研究ソフトウェアの品質、再現性、信頼性を改善し、最終的により良く、再現可能で、より信頼できる研究成果をもたらすことができる。
関連論文リスト
- AI-Researcher: Autonomous Scientific Innovation [13.58669328864436]
我々は,AIによる科学的発見の実施と評価の方法を変える,完全自律型研究システムであるAI-Researcherを紹介する。
本フレームワークは,文献レビューや仮説生成からアルゴリズムの実装,出版可能な原稿作成に至るまで,完全な研究パイプラインをシームレスに編成する。
論文 参考訳（メタデータ） (2025-05-24T13:54:38Z) - 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) - AAAR-1.0: Assessing AI's Potential to Assist Research [34.88341605349765]
AAAR-1.0は,大規模言語モデル(LLM)の性能を評価するためのベンチマークデータセットである。
AAAR-1.0は、以前のベンチマークと大きく異なる2つの主要な方法である: 第一に、明らかに研究指向で、深いドメインの専門知識を必要とするタスク、第二に、研究者が日々従事する主要なアクティビティを反映する研究者指向である。
論文 参考訳（メタデータ） (2024-10-29T17:58:29Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳（メタデータ） (2024-04-09T15:01:51Z) - A pragmatic workflow for research software engineering in computational
science [0.0]
コンピュータサイエンス・エンジニアリング(CSE)の大学研究グループには、通常、研究ソフトウェア工学(RSE)のための専用の資金と人員が不足している。
RSEは、持続可能な研究ソフトウェア開発と再現可能な結果から焦点をシフトします。
本稿では,これらの課題に対処し,CSEにおける研究成果の質を向上させるためのRSEワークフローを提案する。
論文 参考訳（メタデータ） (2023-10-02T08:04:12Z) - 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) - 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) - A Comprehensive Attempt to Research Statement Generation [39.8491923428562]
本稿では,研究成果を要約した研究声明生成タスクを提案する。
我々は、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築した。
提案手法は,コンテンツカバレッジとコヒーレンスを向上して,すべてのベースラインを上回ります。
論文 参考訳（メタデータ） (2021-04-25T03:57:00Z)
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。