論文の概要: CCQ: A Multi-State Child Care Quality Dataset to Support AI for Children's Health Research

• arxiv url: http://arxiv.org/abs/2610.05863v1
• Date: Mon, 05 Oct 2026 06:30:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 03:41:55.288824
• Title: CCQ: A Multi-State Child Care Quality Dataset to Support AI for Children's Health Research
• Title（参考訳）: CCQ: 子どもの健康研究のためのAIを支援する多州児ケア品質データセット
• Abstract要約: 幼児期の良質な育児は、子どもの成長と発達の重要な決定要因である。 児童ケアの質に関する研究は、断片化され、非検索フレンドリで、プライバシーに配慮したデータセットによって制限されている。 我々は、AIと幼少期の健康の交差点における応用データサイエンス研究のための大規模で非特定データセットであるCCQを提案する。
• 参考スコア（独自算出の注目度）: 13.583533120703985
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: High-quality child care in early life is a critical determinant of children's growth and development. Research on child care quality has been constrained by fragmented, non-research-friendly, and privacy-bound datasets. We present CCQ (Child Care Quality), a large-scale, de-identified dataset for applied data science research at the intersection of AI and early childhood health. CCQ integrates 59,372 child care provider records across 12 U.S. states, covering diverse provider types as well as data schemas. To ensure research utility while protecting privacy, we implement an automated, LLM-based curation pipeline that anonymizes, cleans, and standardizes raw state records into two complementary releases: a cleaned textual release and a fully preprocessed tabular release. We also benchmark traditional machine learning models, tabular foundation models, and language models on quality rating prediction and important features analytics. Within a state, tabular classifiers on the preprocessed tables perform best. Across states, zero-shot transfer is near chance, but modest target-state supervision recovers most of the within-state performance, and pretraining on other states benefits finetuned language models. We release both datasets with all code to accelerate AI-driven research on child care quality and ultimately improve children's health and development.
• Abstract（参考訳）: 幼児期の良質な育児は、子どもの成長と発達の重要な決定要因である。 児童ケアの質に関する研究は、断片化され、非検索フレンドリで、プライバシーに配慮したデータセットによって制限されている。 我々は、AIと幼児期の健康の交差点における応用データサイエンス研究のための大規模で非特定データセットであるCCQ(Child Care Quality)を提示する。 CCQは、米国12州で59,372の育児提供者記録を統合し、多様な提供者タイプとデータスキーマをカバーしている。 プライバシを保護しながら研究ユーティリティを確保するために,生のステートレコードを匿名化し,クリーン化し,標準化する,LLMベースの自動キュレーションパイプラインを実装した。 また、従来の機械学習モデル、表形式の基礎モデル、言語モデルについても、品質評価予測と重要な機能分析についてベンチマークしています。 状態内では、前処理されたテーブル上の表型分類器が最もよく機能する。 あらゆる州でゼロショット転送が近いが、目標状態の監督は州内のパフォーマンスの大半を回復し、他の州での事前訓練は微調整された言語モデルに恩恵を与える。 両方のデータセットを全コードでリリースし、AIによる児童ケアの品質調査を加速し、最終的には子供の健康と開発を改善します。

関連論文リスト

• Synthetic Data Alone is Enough? Rethinking Data Scarcity in Pediatric Rare Disease Recognition [6.1384103854326675]
  小児まれな疾患認識のための合成専用体制について検討した。 合成のみのトレーニングは、実データのみのベースラインに匹敵するパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-05-21T17:28:11Z)
• Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech [69.86604856129883]
  外科的音声品質評価(DSQA)は臨床診断と包括的音声技術において重要である。 本研究では,未ラベルの変形音声と大規模典型的な音声データセットを併用した3段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T23:00:07Z)
• Benchmarking Training Paradigms, Dataset Composition, and Model Scaling for Child ASR in ESPnet [72.53502346791814]
  データセット、SSL表現(WavLM、XEUS)、デコーダアーキテクチャ間のフラットスタートトレーニングを比較した。 SSL表現は成人のスピーチに偏りがあり、子どものスピーチに対するフラットスタートトレーニングはこれらのバイアスを緩和する。 年齢関連ASRと話者検証分析は、プロプライエタリモデルの限界を強調している。
  論文  参考訳（メタデータ） (2025-08-22T17:59:35Z)
• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• An End-to-End Approach for Child Reading Assessment in the Xhosa Language [0.3579433677269426]
  本研究は, 南アフリカで話されている言語であるXhosaに着目し, 子どもの音声認識能力を向上させることを目的とした。 本稿では,Xhosaにおける児童音声サンプルからなる新しいデータセットを提案する。 その結果、これらのモデルの性能は、利用可能なトレーニングデータの量とバランスに大きく影響されることが示唆された。
  論文  参考訳（メタデータ） (2025-05-23T00:59:58Z)
• KidLM: Advancing Language Models for Children -- Early Insights and Future Directions [7.839083566878183]
  本研究では,子供用,時には子供用のコーパスを収集し,検証する,ユーザ中心のデータ収集パイプラインを提案する。 本研究では,ドメイン固有の児童言語データに基づいてマスキング確率を動的に調整する新たな学習目標であるStratified Maskingを提案する。 実験により,本モデルは下級テキストの理解に優れ,ステレオタイプを避けて安全性を維持し,子どもの独特な嗜好を捉えていることが示された。
  論文  参考訳（メタデータ） (2024-10-04T19:35:44Z)
• ToddlerAct: A Toddler Action Recognition Dataset for Gross Motor Development Assessment [26.16139407666899]
  ToddlerActは幼児の運動行動認識データセットである。 本稿では,データ収集プロセス,アノテーション方法論,データセットの特徴について述べる。 本研究は,幼児期における運動機能発達の正確性を評価するための領域特異的データセットの重要性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-08-31T04:31:46Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• The OxMat dataset: a multimodal resource for the development of AI-driven technologies in maternal and newborn child health [0.0]
  本稿では,世界最大の心血管造影(CTG)データセットであるOxMat(OxMat)データセットを紹介する。 OxMatデータセットは、51,036妊娠中の177,211件のCTG記録を提供することで、女性の健康データにおける重要なギャップに対処している。 このデータセットは、200以上の産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、
  論文  参考訳（メタデータ） (2024-04-11T09:52:39Z)
• A Survey of Learning on Small Data: Generalization, Optimization, and Challenge [101.27154181792567]
  ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。 この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。 効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
  論文  参考訳（メタデータ） (2022-07-29T02:34:19Z)

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。