Fugu-MT 論文翻訳(概要): FAIR+S: A validation study of a framework for sustainable research data and software

論文の概要: FAIR+S: A validation study of a framework for sustainable research data and software

arxiv url: http://arxiv.org/abs/2606.30663v1
Date: Wed, 17 Jun 2026 09:30:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-05 17:01:29.613373
Title: FAIR+S: A validation study of a framework for sustainable research data and software
Title（参考訳）: FAIR+S:持続可能な研究データとソフトウェアのためのフレームワークの検証研究
Abstract要約: FAIRの原則は、デジタル研究成果物の説明、共有、再利用の仕方をすでに構成している。 FAIR+Sは、カーボンフットプリントとエネルギー利用の考慮を直接FAIRのメタデータに織り込む。これは、オープンサイエンスの目標と脱炭目標を同時に進める再現可能な研究の基盤となる。
参考スコア（独自算出の注目度）: 0.9449650062296823
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The FAIR principles (Findable, Accessible, Interoperable, Reusable) have transformed research data management, but they do not address the environmental impact of creating and using research software and data, such as energy consumption, carbon emissions, and life-cycle impacts that become central to computer science and engineering-related domains. To bridge this gap FAIR+Sustainability or FAIR+S, an extension of the FAIR framework that embeds environmental accountability as a core element, was introduced. Because FAIR principles already structure how digital research artefacts are described, shared, and reused, they offer an effective entry point for embedding sustainability considerations at scale. FAIR+S weaves carbon-footprint and energy-use considerations directly into FAIR-aligned metadata schemas, workflows and development specifications. In doing so, it enables research infrastructures to report, compare, and audit the environmental implications of data and software in a measurable, interoperable, and transparent manner. This creates a foundation for reproducible research that simultaneously advances open science goals and decarbonisation objectives. However, integrating environmental accountability into established research workflows raises questions of feasibility, relevance, and acceptance across stakeholders and disciplines. In this work we validated the framework through a cross-disciplinary expert survey. The evaluation confirms its importance and practical relevance, but also reveals current gaps in researchers' awareness of green software practices.
Abstract（参考訳）: FAIRの原則(Findable、Accessible、Interoperable、Reusable)は研究データ管理を変容させたが、エネルギー消費、二酸化炭素排出量、ライフサイクルへの影響といった研究ソフトウェアやデータの作成と利用による環境への影響には対処していない。このギャップを埋めるために、FAIR+Sustainability(FAIR+S)という、環境説明責任をコア要素として組み込んだFAIRフレームワークの拡張が導入された。 FAIRの原則は、デジタル研究成果物の記述、共有、再利用の仕方をすでに構成しているため、持続可能性の考慮事項を大規模に埋め込むための効果的なエントリポイントを提供する。 FAIR+Sは、カーボンフットプリントとエネルギー使用に関する考慮を直接FAIRに準拠したメタデータスキーマ、ワークフロー、開発仕様に織り込む。これにより、研究インフラは、測定可能で相互運用可能で透明な方法で、データとソフトウェアの環境影響を報告し、比較し、監査することができる。これは、オープンサイエンスの目標と脱炭目標を同時に進める再現可能な研究の基盤となる。しかし、環境説明責任を確立された研究ワークフローに組み込むことで、ステークホルダーや規律間の実現可能性、妥当性、受容性に関する疑問が提起される。本研究では,学際的専門家による調査を通じて,フレームワークの検証を行った。この評価は、その重要性と実践的妥当性を確認するとともに、グリーンソフトウェアプラクティスに対する研究者の認識のギャップも明らかにしている。

関連論文リスト

AquiLLM: Evaluating Faithfulness in Open-Weight RAG-LLM Systems for Scientific Research [2.527316655254016]
本稿では,オープンウェイトでオフラインなRAG-LLMプラットフォームであるAquiLLMに対して,ドメインエキスパートによる忠実度の評価を行う。我々は,AquiLLMを検索および科学分析タスクで評価した天文学ケーススタディの結果を報告する。
論文参考訳（メタデータ） (2026-09-15T02:09:45Z)
AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
論文参考訳（メタデータ） (2026-05-22T03:40:30Z)
The Reproducible Research Platform establishes a unified open science environment bridging data and software lifecycles across disciplines, from proposal to publication [0.0]
我々は、オープンソースのReproducible Research Platform(RRP)を開発し、バージョン管理されたコンテナ化された計算環境と研究データ管理を統合する。 RRPは、誰でも手作業による検索やプラットフォーム固有のセットアップなしで、フルドキュメントのFAIRリサーチを実行、再利用、公開することができる。 10年以上にわたる研究を含む様々な研究の結果を再現し、持続的なユーザビリティを示すことにより、RPの影響を実証する。
論文参考訳（メタデータ） (2025-12-04T22:02:19Z)
Toward Sustainable Generative AI: A Scoping Review of Carbon Footprint and Environmental Impacts Across Training and Inference Stages [2.2758077237273846]
生成AIは急速に普及し、社会的、経済的に重要な価値を生み出している。大規模サービス運用において発生した累積的環境フットプリントは,比較的少なくなった。本研究は,AIカーボンフットプリント評価における方法論と研究動向のスコーピングレビューを行う。
論文参考訳（メタデータ） (2025-11-21T11:59:34Z)
Research Knowledge Graphs in NFDI4DataScience: Key Activities, Achievements, and Future Directions [4.258678191793365]
NFDI4DataScienceがResearch Knowledge Graphs(RKG)を開発し提供 RKGは複雑なデータセット、モデル、ソフトウェア、科学出版物をキャプチャして接続することを目的としている。
論文参考訳（メタデータ） (2025-08-04T11:11:51Z)
Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文参考訳（メタデータ） (2025-04-01T13:53:11Z)
On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
論文参考訳（メタデータ） (2024-08-09T05:49:21Z)
FAIR Enough: How Can We Develop and Assess a FAIR-Compliant Dataset for Large Language Models' Training? [3.0406004578714008]
大規模言語モデルの急速な進化は、AI開発における倫理的考慮とデータの整合性の必要性を強調している。 FAIRの原則は倫理データのスチュワードシップに不可欠であるが、LLMトレーニングデータの文脈におけるそれらの特定の応用は未調査領域のままである。本稿では,FAIR の原則を LLM 開発ライフサイクルに統合する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-01-19T21:21:02Z)
On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文参考訳（メタデータ） (2023-11-01T11:16:41Z)
Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
論文参考訳（メタデータ） (2023-03-18T19:17:47Z)
A survey on applications of augmented, mixed and virtual reality for nature and environment [114.4879749449579]
拡張現実(AR)、仮想現実(VR)、複合現実(MR)は、彼らが提供できるエンゲージメントとエンリッチな体験のために、大きな潜在能力を持つ技術である。しかし、環境応用の分野でAR、VR、MRがもたらす可能性はまだ広く研究されていない。本研究は,環境に有利な既存のAR/VR/MRアプリケーションを発見・分類したり,環境問題に対する意識を高めることを目的とした調査の結果を示す。
論文参考訳（メタデータ） (2020-08-27T09:59:27Z)

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。