論文の概要: Ontologies in Motion: A BFO-Based Approach to Knowledge Graph Construction for Motor Performance Research Data in Sports Science
- arxiv url: http://arxiv.org/abs/2510.15983v1
- Date: Mon, 13 Oct 2025 12:21:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:38.746591
- Title: Ontologies in Motion: A BFO-Based Approach to Knowledge Graph Construction for Motor Performance Research Data in Sports Science
- Title（参考訳）: 運動のオントロジー:スポーツ科学における運動性能研究データのための知識グラフ構築へのBFOに基づくアプローチ
- Authors: Sarah Rebecca Ondraszek, Jörg Waitelonis, Katja Keller, Claudia Niessner, Anna M. Jacyszyn, Harald Sack,
- Abstract要約: 我々はMO|REデータから知識グラフを作成するためのビジョンを提示する。
私たちの目標は、モーターパフォーマンスデータのモデル化と、研究間での共有の方法を変えることです。
- 参考スコア（独自算出の注目度）: 0.358572527956499
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An essential component for evaluating and comparing physical and cognitive capabilities between populations is the testing of various factors related to human performance. As a core part of sports science research, testing motor performance enables the analysis of the physical health of different demographic groups and makes them comparable. The Motor Research (MO|RE) data repository, developed at the Karlsruhe Institute of Technology, is an infrastructure for publishing and archiving research data in sports science, particularly in the field of motor performance research. In this paper, we present our vision for creating a knowledge graph from MO|RE data. With an ontology rooted in the Basic Formal Ontology, our approach centers on formally representing the interrelation of plan specifications, specific processes, and related measurements. Our goal is to transform how motor performance data are modeled and shared across studies, making it standardized and machine-understandable. The idea presented here is developed within the Leibniz Science Campus ``Digital Transformation of Research'' (DiTraRe).
- Abstract（参考訳）: 集団間の身体的・認知的能力の評価と比較に欠かせない要素は、人間のパフォーマンスに関連する様々な要因をテストすることである。
スポーツ科学研究の中核となるものとして、運動性能のテストは、異なる人口集団の身体的健康を分析し、それらを同等にすることができる。
カールスルーエ工科大学で開発されたMO|RE(Motor Research)データレポジトリは、スポーツ科学、特にモーターパフォーマンス研究の分野で研究データを公開・アーカイブするためのインフラである。
本稿では,MO|REデータから知識グラフを作成するためのビジョンを示す。
基本形式オントロジーに根ざしたオントロジーでは,計画仕様の相互関係,特定のプロセス,関連する測定の形式的表現に重点を置いている。
私たちのゴールは、モーターパフォーマンスデータのモデル化と研究間での共有の方法を変え、標準化とマシン理解を可能にすることです。
ここで提示されるアイデアは、ライプニッツ科学キャンパス ‘ `Digital Transformation of Research' (DiTraRe) 内で展開されている。
関連論文リスト
- AI and analytics in sports: Leveraging BERTopic to map the past and chart the future [0.0]
2002年から2024年にかけて発行されたスポーツにおけるAIと分析の利用に関する204の論文を識別する。
BERTopicのトピックモデリング技術を活用して、潜在トピックの抽出を行った。
この研究は、AIの変革的影響とスポーツにおける分析について、学者やスポーツ管理者に洞察を与える。
論文 参考訳（メタデータ） (2025-10-17T09:57:42Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - PINNs for Medical Image Analysis: A Survey [31.299669458601432]
医用画像解析(PIMIA)専用の物理インフォームド手法に関する80以上の論文の体系的な文献レビューを報告する。
本稿では,物理知識とプロセスのモデル化,表現方法,MIAモデルへの統合戦略について検討する。
PIMIAにおける重要なオープンな課題として、適切な物理の事前選択や標準化されたベンチマークプラットフォームの構築を挙げる。
論文 参考訳（メタデータ） (2024-08-02T05:50:49Z) - A Survey of Decomposition-Based Evolutionary Multi-Objective Optimization: Part II -- A Data Science Perspective [4.322038460697958]
5,400以上の論文,10,000人の著者,400の会場,1600のMOEA/D研究機関をカプセル化したナレッジグラフを構築します。
また、MOEA/Dの協調と引用ネットワークを探求し、文学の成長に隠れたパターンを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T14:38:58Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Physics-Informed Machine Learning: A Survey on Problems, Methods and
Applications [31.157298426186653]
最近の研究は、物理的な事前および収集されたデータを組み込むことによって、機械学習モデルに潜在的な利点を提供することを示している。
本稿では、経験的データと利用可能な物理的事前知識を活用するモデルを構築することを目的とした、Physical-Informed Machine Learning(PIML)という学習パラダイムを提案する。
論文 参考訳（メタデータ） (2022-11-15T11:34:30Z) - Method and Dataset Entity Mining in Scientific Literature: A CNN +
Bi-LSTM Model with Self-attention [21.93889297841459]
MDERと呼ばれる新しいエンティティ認識モデルを提案し、科学的論文から効果的にメソッドとデータセットを抽出することができる。
我々は,NLP,CV,データマイニング,AIの4つの研究分野の論文から構築したデータセットのモデルを評価する。
論文 参考訳（メタデータ） (2020-10-26T13:38:43Z) - Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
我々はメカニズムの知識ベース(KB)の構築を追求する。
我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。
実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
論文 参考訳（メタデータ） (2020-10-08T07:54:14Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。