論文の概要: Integrative Analysis of Risk Management Methodologies in Data Science Projects

• arxiv url: http://arxiv.org/abs/2512.02728v1
• Date: Tue, 02 Dec 2025 13:06:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.881838
• Title: Integrative Analysis of Risk Management Methodologies in Data Science Projects
• Title（参考訳）: データサイエンスプロジェクトにおけるリスク管理手法の統合分析
• Authors: Sabrina Delmondes da Costa Feitosa,
• Abstract要約: 本研究の目的は,データサイエンスプロジェクトに適用される主要なリスク管理手法の比較分析を行うことである。 本研究は、データサイエンスに特化したフレームワークと同様に、広く採用されているリスク管理標準ISO 31000、PMBOK Risk Management、NIST RMFについて検討する。 従来のアプローチは新興リスクのカバー範囲が限られているのに対して、現代のモデルでは多次元構造が提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data science initiatives frequently exhibit high failure rates, driven by technical constraints, organizational limitations and insufficient risk management practices. Challenges such as low data maturity, lack of governance, misalignment between technical and business teams, and the absence of structured mechanisms to address ethical and sociotechnical risks have been widely identified in the literature. In this context, the purpose of this study is to conduct a comparative analysis of the main risk management methodologies applied to data science projects, aiming to identify, classify, and synthesize their similarities, differences and existing gaps. An integrative literature review was performed using indexed databases and a structured protocol for selection and content analysis. The study examines widely adopted risk management standards ISO 31000, PMBOK Risk Management and NIST RMF, as well as frameworks specific to data science workflows, such as CRISP DM and the recently proposed DS EthiCo RMF, which incorporates ethical and sociotechnical dimensions into the project life cycle. The findings reveal that traditional approaches provide limited coverage of emerging risks, whereas contemporary models propose multidimensional structures capable of integrating ethical oversight, governance and continuous monitoring. As a contribution, this work offers theoretical support for the development of hybrid frameworks that balance technical efficiency, organizational alignment and responsible data practices, while highlighting research gaps that can guide future investigations.
• Abstract（参考訳）: データサイエンスイニシアチブは、技術的制約、組織的制限、リスク管理の不十分なプラクティスによって、しばしば高い失敗率を示す。 データ成熟度の低下、ガバナンスの欠如、技術チームとビジネスチームの不一致、倫理的・社会技術的リスクに対処するための構造的メカニズムの欠如といった課題が文献で広く認識されている。 本研究の目的は、データサイエンスプロジェクトに適用される主要なリスク管理手法の比較分析を行い、それらの類似点、相違点、既存のギャップを特定し、分類し、合成することである。 インデクシングデータベースと構造化プロトコルを用いて、コンテント分析と選択のための総合文献レビューを行った。 本研究は、リスク管理標準であるISO 31000、PMBOKリスクマネジメント、NIST RMF、およびCRISP DMや最近提案されたDS EthiCo RMFなどのデータサイエンスワークフローに特化したフレームワークについて検討する。 従来のアプローチは、新興リスクのカバー範囲が限られているのに対して、現代のモデルは、倫理的監視、ガバナンス、継続的な監視を統合可能な多次元構造を提案する。 この研究は、技術的効率、組織的アライメント、責任あるデータプラクティスのバランスをとるハイブリッドフレームワークの開発を理論的に支援すると同時に、将来の調査を導く研究ギャップを強調します。

関連論文リスト

• SHERLOCK: Towards Dynamic Knowledge Adaptation in LLM-enhanced E-commerce Risk Management [10.255396179168974]
  電子商取引会社は、不審な事件のリスク調査を行い、発覚した詐欺パターンを特定している。 ケース分析の膨大な量は、リスク管理アナリストにかなりの負荷を課します。 本稿では,大規模言語モデル(LLM)の推論機能を活用し,リスク調査におけるアナリストの支援を行うSHERLOCKフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-10T02:57:58Z)
• RADAR: A Risk-Aware Dynamic Multi-Agent Framework for LLM Safety Evaluation via Role-Specialized Collaboration [81.38705556267917]
  大規模言語モデル(LLM)の既存の安全性評価手法は、固有の制約に悩まされている。 リスク概念空間を再構築する理論的枠組みを導入する。 マルチエージェント協調評価フレームワークRADARを提案する。
  論文  参考訳（メタデータ） (2025-09-28T09:35:32Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Adapting Probabilistic Risk Assessment for AI [0.0]
  汎用人工知能(AI)システムは、緊急リスク管理の課題を示す。 現在の手法は、しばしば選択的なテストとリスク優先順位に関する未文書の仮定に依存します。 本稿では,AIフレームワークの確率的リスクアセスメント(PRA)を紹介する。
  論文  参考訳（メタデータ） (2025-04-25T17:59:14Z)
• SoK: The Security-Safety Continuum of Multimodal Foundation Models through Information Flow and Game-Theoretic Defenses [58.93030774141753]
  MFM(Multimodal foundation model)は、多種多様なデータモダリティを統合し、複雑で広範囲なタスクをサポートする。 本稿では,モデル行動とシステムレベルの相互作用の両方から生じる致命的な脅威を特定することで,MFMの文脈における安全性とセキュリティの概念を統一する。
  論文  参考訳（メタデータ） (2024-11-17T23:06:20Z)
• Application of the NIST AI Risk Management Framework to Surveillance Technology [1.5442389863546546]
  本研究は、NIST AI RMF(National Institute of Standards and Technology's AI Risk Management Framework)の応用と意義を詳細に分析する。 本研究は, 顔認識システムのリスクが高く, 連続性が高いことから, 本分野におけるリスク管理への構造的アプローチの必要性を強調している。
  論文  参考訳（メタデータ） (2024-03-22T23:07:11Z)

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。