論文の概要: Institutionalizing Best Practices in Research Computing: A Framework and Case Study for Improving User Onboarding
- arxiv url: http://arxiv.org/abs/2604.21898v1
- Date: Thu, 23 Apr 2026 17:47:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.800805
- Title: Institutionalizing Best Practices in Research Computing: A Framework and Case Study for Improving User Onboarding
- Title（参考訳）: リサーチコンピューティングにおけるベストプラクティスの制度化: ユーザオンボーディング改善のためのフレームワークとケーススタディ
- Authors: Ayush Chaturvedi, Rob Pokorney, Elyn Fritz-Waters, Charlotte Rouse, Gary Bax, Daryl Spencer, Craig Pohl,
- Abstract要約: 新規利用者の搭乗体験を改善するためのフレームワークを提案する。
また,セントルイスのワシントン大学の研究基盤サービス(Research Infrastructure Services)の応用を通じて,実証的な検証を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research computing centers around the world struggle with onboarding new users. Subject matter experts, researchers, and principal investigators are often overwhelmed by the complex infrastructure and software offerings designed to support diverse research domains at large academic and national institutions. As a result, users frequently fall into confusion and complexity to access these resources, despite the availability of documentation, tutorials, interactive trainings and other similar resources. Through this work, we present a framework designed to improve new-user onboarding experience. We also present an empirical validation through its application within the Research Infrastructure Services at Washington University in St. Louis.
- Abstract（参考訳）: 世界中のリサーチコンピューティングセンターは、新規ユーザー獲得に苦戦している。
主題分野の専門家、研究者、主任研究員は、大規模な学術機関や国家機関で様々な研究領域をサポートするために設計された複雑なインフラとソフトウェア製品に圧倒されることが多い。
その結果、ドキュメント、チュートリアル、インタラクティブなトレーニングなどのリソースが利用可能であるにもかかわらず、ユーザはこれらのリソースにアクセスするのに混乱と複雑さに陥ることが多い。
本研究を通じて,新規利用者の搭乗体験を改善するためのフレームワークを提案する。
また,セントルイスのワシントン大学の研究基盤サービス(Research Infrastructure Services)の応用を通じて,実証的な検証を行った。
関連論文リスト
- Understanding Usage and Engagement in AI-Powered Scientific Research Tools: The Asta Interaction Dataset [47.98539809308384]
我々は,20万以上のユーザクエリとインタラクションログからなる大規模リソースであるAsta Interactionデータセットを分析した。
クエリパターン、エンゲージメントの振る舞い、使用方法のエクスペリエンスによる進化を特徴付けます。
我々は、匿名化されたデータセットと分析を新しいクエリ分類でリリースし、現実世界のAI研究アシスタントの将来の設計を知らせる。
論文 参考訳（メタデータ） (2026-02-26T18:40:28Z) - From SERPs to Agents: A Platform for Comparative Studies of Information Interaction [2.50369129460887]
本稿では、Webベースのユーザ学習のためのオープンソースのシステムUXLabを紹介する。
そのコアはWebベースのダッシュボードで、複雑な実験的な設計の完全なコード構成を可能にする。
ユーザ行動とRAGと自律エージェントを比較したマイクロケーススタディを通じてUXLabの価値を実証する。
論文 参考訳（メタデータ） (2026-01-14T23:47:57Z) - The DataSquad Experiment: Lessons for Preparing Data and Computer Scientists for Work [0.746464933382582]
カールトン大学のDataSquadは、構造化されたピアメンターシップと実際のクライアントプロジェクトを通じて、学部生を訓練する。
本稿では、カールトン大学におけるプログラムの実装について述べ、構造化されたピアメンターシップが制度データサービスをどのように同時に改善できるかを考察する。
論文 参考訳（メタデータ） (2025-11-24T20:49:28Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - Enhancing Collaboration Through Google Workspace: Assessing and Strengthening Current Practices [55.2480439325792]
目的は、マカティ大学でのブレンド学習実践の強化において、Google Workspaceが果たす役割を評価することである。
調査の結果、Google Workspaceはチームワークを促進する上で「非常に効果的」(平均スコア4.61)と評価された。
ターゲットトレーニングを通じてユーザの採用を高め、オフライン機能を改善することが推奨されている。
論文 参考訳（メタデータ） (2025-05-15T11:18:25Z) - Transdisciplinary Multi Modal Approach to Knowledge [0.0]
本稿では,ユーザ中心設計の枠組みで開発された包括的ツールの研究の一環として,自然のミューティ・モーダル・マルチ感覚的知覚について紹介する。
我々は、当初からユーザを念頭に置いて設計された新しいアクセス可能なソフトウェアSonoUnoの基盤を提示する。
本稿では,ユーザの能力を高め,さまざまな自然信号の検出を拡大し,ヒューマン・コンピュータ・インタフェースの理解を向上させるためのトレーニング活動を提案する。
論文 参考訳（メタデータ） (2024-01-31T19:27:28Z) - Literature Survey on how to cluster and define Living Labs, Real World
Laboratories and similar research infrastructures [0.0]
Living LabsやReal World Laboratoriesもそう証明している。
共同創造のような適用方法を通じて、彼らはユーザーを研究に統合し、よりユーザー中心にする。
論文 参考訳（メタデータ） (2023-07-27T10:42:31Z) - Distributed Deep Learning in Open Collaborations [49.240611132653456]
協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。
現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T16:23:13Z)
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。