論文の概要: Initial Evaluation of the Usability of Front-End Ontology Tooling
- arxiv url: http://arxiv.org/abs/2608.07491v1
- Date: Mon, 15 Jun 2026 18:39:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 00:27:08.048202
- Title: Initial Evaluation of the Usability of Front-End Ontology Tooling
- Title（参考訳）: フロントエンドオントロジーツールの使用性に関する初期評価
- Abstract要約: システムユーザビリティ尺度(SUS)を用いた15のフロントエンドオントロジーツールのユーザビリティを評価する。
Protege と WebProtege が最も多く使用されたが、中程度のユーザビリティしか示さなかった(SUS 60)。
親和性はユーザビリティスコアを有意に予測する(p16)
- 参考スコア（独自算出の注目度）: 4.512726337183587
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Ontologies are widely used biomedical science and clinical practice. However, no recent works have analyzed the usability of ontology development software. We survey ontology researchers to assess the usability of 15 front-end ontology tools using the System Usability Scale (SUS). Among 38 respondents, Protege and WebProtege were most used but showed only moderate usability (SUS ~60). Familiarity significantly predicted usability scores (p=0.016). Results highlight a usability gap in ontology tooling critical for advancing biomedical data integration.
- Abstract（参考訳）: オントロジーは医学や臨床で広く用いられている。
しかし、オントロジー開発ソフトウェアのユーザビリティを最近の研究では分析していない。
我々は,システムユーザビリティ尺度(SUS)を用いて,15のフロントエンドオントロジーツールのユーザビリティを評価するために,オントロジー研究者を調査した。
回答者38人のうち、ProtegeとWebProtegeが最も多く使用されていたが、適度なユーザビリティしか示さなかった(SUS ～60)。
親和性はユーザビリティスコア(p=0.016)を有意に予測した。
結果として、オントロジーツールのユーザビリティのギャップが、バイオメディカルデータ統合の進展に欠かせないことが浮き彫りになった。
関連論文リスト
- Do Existing Preconditioners Improve Biomedical Tabular Foundation Learning? An Empirical Study on TabPFN Optimization [9.610280855755999]
我々は,AdamWをベースとしたTabPFN v2.5の精密調整のための5つのプレコンディショニング戦略を総合的に検討した。
この評価は、予測性能、計算効率、統計的意義分析を考察する。
論文 参考訳（メタデータ） (2026-08-01T16:50:19Z) - A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention [6.233625142245272]
本研究では,評価の精度を維持しつつ,評価の短縮を図る,一般化可能な機械学習フレームワークを提案する。
進捗監視では,全スコア変化と全サブドメインカバレッジとの強い相関を保った16項目を特定した。
ポイント・イン・タイムの重大度評価では,13項目のみを用いて80%以上の分類精度を達成した。
論文 参考訳（メタデータ） (2025-10-22T20:26:53Z) - TabPFN-Wide: Continued Pre-Training for Extreme Feature Counts [2.3448377994589644]
既存のモデルを拡張する戦略として,事前にカスタマイズしたデータから抽出した合成データの事前学習を継続する手法を提案する。
結果のモデルであるTabPFN-Wideは、ノイズに対する堅牢性を改善しながら、ベースモデルのパフォーマンスを一致または超過する。
論文 参考訳（メタデータ） (2025-10-07T17:28:49Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - AUTOCT: Automating Interpretable Clinical Trial Prediction with LLM Agents [47.640779069547534]
AutoCTは、大規模言語モデルの推論能力と古典的な機械学習の説明可能性を組み合わせた、新しいフレームワークである。
臨床治験予測タスクにおいて, AutoCT は SOTA 法と同等以上の性能を示した。
論文 参考訳（メタデータ） (2025-06-04T11:50:55Z) - Exploring visual language models as a powerful tool in the diagnosis of Ewing Sarcoma [1.3214062642132869]
ユーイング肉腫(Ewing's sarcoma, ES)は、特に青年期において重要な健康上の問題である。
本研究では,他の軟部組織や骨肉腫とESを区別するための各種事前訓練戦略の特徴抽出能力について検討した。
論文 参考訳（メタデータ） (2025-01-14T11:47:35Z) - Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。
主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。
実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。
本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文 参考訳（メタデータ） (2023-05-26T17:14:43Z) - What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文 参考訳（メタデータ） (2021-05-24T13:50:45Z)
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。