論文の概要: Twelve Quick Tips for Managing IT Disasters in Small Research Software Teams

• arxiv url: http://arxiv.org/abs/2608.27196v1
• Date: Thu, 27 Aug 2026 14:40:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.450049
• Title: Twelve Quick Tips for Managing IT Disasters in Small Research Software Teams
• Title（参考訳）: 小規模研究ソフトウェアチームにおけるIT災害管理のための12のクイックチップ
• Abstract要約: 本論文は,小規模研究ソフトウェアチームを対象とした災害計画と復旧のための簡単なガイドである。 ティップスは、あなたが通常の仕事の上で全てをやっていると仮定し、経験豊富なシステム管理者ではないと仮定します。 この論文では、"Done"がどのようなものかを説明します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In 2025, the US government launched an unprecedented series of attacks on its own scientific research groups. A year later GitHub dropped below 90% availability for the first time, while wildfires in Canada, France, Spain, and elsewhere forced researchers from the homes and labs. These events and others have reminded us just how fragile research computing systems can be, and that planning for disasters is one of the most effective ways to prevent them. This paper is a short guide to disaster planning and recovery for a small research software team. The tips assume you are doing everything yourself on top of your regular job, and that you aren't an experienced system administrator. Some of the tips do require that kind of expertise, but most research institutions have research computing groups, data librarians, and environmental health-and-safety offices whose entire job is to help with exactly these problems. This paper tells you what "done" looks like; they can often provide it.
• Abstract（参考訳）: 2025年、米国政府は科学研究グループに対する前例のない一連の攻撃を開始した。 その1年後、GitHubは初めて90%以下になった。一方、カナダ、フランス、スペインなどの山火事は、家庭や研究室の研究者を強制した。 これらの出来事やその他の出来事は、いかに脆弱なリサーチコンピューティングシステムが可能か、そして災害の計画がそれらを防ぐ最も効果的な方法の1つであることを思い出させた。 本論文は,小規模研究ソフトウェアチームを対象とした災害計画と復旧のための簡単なガイドである。 ヒントは、あなたが通常の仕事の上にすべてを行っていると仮定し、経験豊富なシステム管理者ではないと仮定します。 ヒントのいくつかにはそのような専門知識が必要だが、ほとんどの研究機関には、研究コンピューティンググループ、データライブラリー、環境の健康と安全に関するオフィスがある。 この論文では、"Done"がどのようなものかを説明します。

関連論文リスト

• SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science? [60.11366724565423]
  SWE-bench Scienceは、20の科学ドメインにわたる98のGitHubリポジトリから119のタスクからなる、科学ソフトウェアエンジニアリングのためのリポジトリレベルのベンチマークである。 科学的知識や抽象化の欠如、誤った調査や表面レベルの修復、不完全な修復のカバレッジやシステム統合、そして我々の分析で観察されたケースを超えて科学的知識を一般化する失敗の4つの失敗メカニズムを特定します。
  論文  参考訳（メタデータ） (2026-08-20T08:53:15Z)
• Department-Specific Security Awareness Campaigns: A Cross-Organizational Study of HR and Accounting [2.188416707136253]
  HRは、不正行為、クレデンシャル盗難、ランサムウェアに晒されている間、マルウェアや幹部の不正行為を含む求職アプリケーションを通じてターゲットとされている。 本研究は,これらの知見に基づいて,部門のニーズに合わせて意識プログラムを設計するための推奨事項を提案する。
  論文  参考訳（メタデータ） (2025-11-27T07:55:15Z)
• 10 quick tips for making your software outlive your job [12.967187015830982]
  政治的・財政的な変化は、多くの研究者を同時に職から外している。 この記事では、研究者が現在の仕事を辞めた後も、彼らが構築したソフトウェアが引き続き利用可能であることを保証するための10のヒントを提示します。
  論文  参考訳（メタデータ） (2025-05-10T01:21:29Z)
• Teaching Action Research [2.465689259704613]
  アクションリサーチは、最後の千年紀の終わりにソフトウェアエンジニアリング研究の危機に対する反応の1つとして、ソフトウェアエンジニアリングに参入した。 この章では、アクションリサーチの柱を方法論として記述し、それらを教える方法について説明する。
  論文  参考訳（メタデータ） (2024-08-05T11:44:49Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)
• Sarcasm Detection in a Disaster Context [103.93691731605163]
  HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。 私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
  論文  参考訳（メタデータ） (2023-08-16T05:58:12Z)
• Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
  サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。 本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T02:33:34Z)
• Impact of Critical and Auto Ticket: Analysis for Management and Workers Productivity in using a Ticketing System [0.0]
  この研究は、私たちがどのようにして予防し、トラブルシュートし、ビジネスへの影響の可能性についての洞察を与えるか、という解決策を思いつくことを目的としています。 資源のメンタルヘルスと企業への直接的な影響について、重要かつ自動チケットがいかに影響するかについて、さらなる研究を行うことが推奨されている。
  論文  参考訳（メタデータ） (2022-02-13T05:06:47Z)
• Incidents1M: a large-scale dataset of images with natural disasters, damage, and incidents [28.16346818821349]
  洪水、竜巻、山火事などの自然災害は、地球が温暖化するにつれてますます広まりつつある。 事故の発生時期や発生時期を予測することは困難であり、破壊的な出来事によって危険にさらされている人々の命を救うために、時折緊急対応が重要となる。 ソーシャルメディア投稿は、災害の進行と余波を理解するために低レイテンシデータソースとして使用できるが、このデータを解析するのは、自動化された方法なしでは面倒である。 本研究では,43のインシデントと49のカテゴリを含む977,088の画像を含む大規模マルチラベルデータセットであるインシデント1Mデータセットを提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:03:57Z)
• Evaluating Graph Vulnerability and Robustness using TIGER [77.50446320230624]
  TIGERは、ネットワークの堅牢性を研究するためのオープンソースのPythonツールボックスである。 TIGERには22のロバストネスグラフ測度があり、原版と高速な近似版がある。 TIGERは、世界中の教育者が利用できるNvidia Data Science Teaching Kitと、1000人以上の学生を持つジョージア工科大学のData and Visual Analyticsクラスに統合されている。
  論文  参考訳（メタデータ） (2020-06-10T04:21:43Z)

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。