FAIR原則（「THE FAIR DATA PRINCIPLES」和訳） - NBDC
前文 データ集約型科学の大いなる挑戦の1つは、課題解決に適した科学データや関連するアルゴリズム、ワークフローを発見し、それらに接続して、統合、解析し、人間や機械の円滑な知識発見を助けることである。ここでFAIRについて説明する。FAIRとはデータを「Findable（見つけられる）」、「Accessible（アクセスできる）」、「Interoperable（相互運用できる）」、「Reusable（再利用できる）」にするための一連の原則のことを指す。この「FAIR」という言葉は、2014年にオランダのローレンツセンターで開かれたワークショップで生み出され、2016年に「FAIR原則」として公開された。 これら15の原則に基づき、FAIRの達成レベルを測るために14項目の基準が定義された。FAIRの最新の進展の様子は、GO-FAIRのサイトから確認することができる。 FAIRの15個の原則 T
P値に関する問題－Ｐ値ハッキング - エナゴ学術英語アカデミー
研究の世界では統計的な有意性が求められます。有意性の判定基準として通常は「P値（有意確率）」が使われており、調査・研究対象によって違いはありますが、一般的には0.05（= 5%）を有意水準として、P値が0.05以下の時に仮説が有意であるとされます。これはつまり、この事象が起こりえる確率は95%以上であるということを示しているわけで、P値が低ければ低いほど起こりえる確率が上昇することになり、その結果、有意性の度合いが高いと評価されます。 ここで、統計的有意性「P値」について簡単に説明しておきましょう。得られたデータ標本から計算した統計値を「統計量の実現値」と言います。「P値」は、帰無仮説（設定した仮説は成立しないという仮定）が正しいとした場合、そこで得られる統計量の実現値よりも極端な統計値が観測される確率のことです。統計量の実現値においてP値が0.05（5％）以下ということは、「帰無仮説が正
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
STI Hz Vol.6, No.1, Part.1:（特別インタビュー）国立研究開発法人物質・材料研究機構 理事長／総合科学技術・イノベーション会議 議員 橋本 和仁 氏インタビュー | 科学技術・学術政策研究所 (NISTEP)
一般社団法人 国立大学協会 ＜新着情報＞お知らせ2019年度 国立大学法人 基礎資料集を更新しました
ocmo.jp - このウェブサイトは販売用です！ - ocmo リソースおよび情報
