論文の概要: Genuine Information Needs of Social Scientists Looking for Data
- arxiv url: http://arxiv.org/abs/2609.02303v1
- Date: Wed, 02 Sep 2026 08:47:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.206273
- Title: Genuine Information Needs of Social Scientists Looking for Data
- Title（参考訳）: データを探している社会科学者の遺伝子情報
- Abstract要約: 社会科学では、調査、インタビュー、世論調査、統計のデータが研究の主要な情報源である。
データアーカイブやオンラインリポジトリで研究データを収集、提供するための長い伝統がある。
研究者たちはこれらのシステムを使って、研究に関連するデータを識別する。
しかし、特にデータ検索において、ユーザの複雑な情報は、データ検索システムの能力と衝突しているように見える。
- 参考スコア（独自算出の注目度）: 3.45796393492046
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Publishing research data is widely expected to increase its reuse and to inspire new research. In the social sciences, data from surveys, interviews, polls, and statistics are primary resources for research. There is a long tradition to collect and offer research data in data archives and online repositories. Researchers use these systems to identify data relevant to their research. However, especially in data search, users' complex information needs seem to collide with the capabilities of data search systems. The search capabilities, in turn, depend to a high degree upon the metadata schemes used to describe the data. In this research, we conducted an online survey with 72 social science researchers who expressed their individual information needs for research data like they would do when asking a colleague for help. We analyzed these information needs and attributed their different components to the categories: topic, metadata, and intention. We compared these categories and their content to existing metadata models of research data and the search and filter opportunities offered in existing data search systems. We found a mismatch between what users have as a requirement for their data and what is offered on metadata level and search system possibilities.
- Abstract（参考訳）: 研究データの公開は、再利用を高め、新たな研究を促すことが広く期待されている。
社会科学では、調査、インタビュー、世論調査、統計のデータが研究の主要な情報源である。
データアーカイブやオンラインリポジトリで研究データを収集、提供するための長い伝統がある。
研究者たちはこれらのシステムを使って、研究に関連するデータを識別する。
しかし、特にデータ検索において、ユーザの複雑な情報は、データ検索システムの能力と衝突しているように見える。
検索機能は、データを記述するのに使用されるメタデータスキームに大きく依存する。
本研究では、72人の社会科学研究者を対象に、同僚に助けを求めるときのように、研究データに対する個々の情報ニーズを表現したオンライン調査を行った。
我々はこれらの情報のニーズを分析し、それらの異なるコンポーネントをカテゴリ(トピック、メタデータ、意図)に分類した。
我々は,これらのカテゴリとその内容と既存の研究データのメタデータモデルと,既存のデータ検索システムで提供される検索とフィルタの機会を比較した。
データの要件としてユーザが持っているものと,メタデータレベルと検索システムの可能性で提供されるものとの間には,不一致があることが分かりました。
関連論文リスト
- Exploring the Social Life of Data: Finding Data You Can Trust [7.469556526595981]
本稿では,研究にデータを用いた場合に蓄積される社会的・実証的な証拠を,目的と信頼の適合性を決定するために活用する方法を考察する。
データ利用グラフは、データセットを出版物、人、機関、トピック、ソフトウェア、モデル、およびそれらが作成および使用される他のデータセットに接続する。
ソース、どの質問、どの組み合わせ、どの方法、そして観測可能な影響に頼っているか。
論文 参考訳（メタデータ） (2026-08-11T20:01:19Z) - 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) - Enhancing Information Retrieval in Digital Libraries through Unit Harmonisation in Scholarly Knowledge Graphs [3.2034139843532894]
本稿では,学術知識グラフにおける計測データの比較とフィルタリングのための,新しい顔付き検索エンファン構造化コンテンツを提案する。
我々の顔付き検索システムを利用することで、ユーザは科学論文の内容を検索するだけでなく、異種データの比較やフィルタリングを行うことができる。
論文 参考訳（メタデータ） (2025-12-06T10:58:17Z) - DS4RS: Community-Driven and Explainable Dataset Search Engine for Recommender System Research [0.5294604210205507]
本稿では,推薦システム研究に適した,コミュニティ主導で説明可能なデータセット検索エンジンを提案する。
本システムは,データセット名や記述,レコメンデーションドメインなど,複数のデータセット属性のセマンティック検索をサポートする。
このシステムは、ユーザーがパブリックリポジトリで標準化されたデータセットメタデータをコントリビュートできるようにすることで、コミュニティの参加を促進する。
論文 参考訳（メタデータ） (2025-08-13T23:37:55Z) - The Data Dilemma: Authors' Intentions and Recognition of Research Data in Educational Technology Research [0.0]
著者の視点をEasyChairで分析し,共有すべき研究データがあるかどうかを著者が指定した。
その結果,すべての研究データが著者,特にソフトウェアや定性的データによって認識されたわけではないことがわかった。
この研究は、将来のEdTec研究者の訓練に影響を及ぼす。
論文 参考訳（メタデータ） (2025-06-05T12:29:47Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - DataFinder: Scientific Dataset Recommendation from Natural Language
Descriptions [100.52917027038369]
我々は、短い自然言語記述を与えられたデータセットを推奨するタスクを運用する。
この作業を容易にするために、我々は、より大規模な自動構築トレーニングセットと、より少ない専門家によるアノテート評価セットからなるDataFinderデータセットを構築した。
このシステムは、DataFinderデータセットに基づいてトレーニングされ、既存のサードパーティのデータセット検索エンジンよりも関連性の高い検索結果を見つける。
論文 参考訳（メタデータ） (2023-05-26T05:22:36Z) - A Survey of Data Pricing for Data Marketplaces [77.3189288320768]
本稿では,既存のデータ価格研究の現状を概観する。
我々の重要な貢献は、データ価格を決定する異なる属性を統一するデータ価格研究の新しい分類である。
論文 参考訳（メタデータ） (2023-03-07T04:35:56Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - DeepShovel: An Online Collaborative Platform for Data Extraction in
Geoscience Literature with AI Assistance [48.55345030503826]
地質学者は、関連する結果やデータを発見、抽出、集約するために膨大な量の文献を読む必要がある。
DeepShovelは、彼らのニーズをサポートするAI支援データ抽出システムである。
14人の研究者によるユーザ評価の結果、DeepShovelは科学データベース構築のためのデータ抽出の効率を改善した。
論文 参考訳（メタデータ） (2022-02-21T12:18:08Z)
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。