302012記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. オープンソース生態系におけるソーシャルネットワーク分析の教訓（Lessons learned from applying social network analysis on an industrial Free/Libre/Open Source Software ecosystem）
2 分で読了
0 views

オープンソース生態系におけるソーシャルネットワーク分析の教訓

（Lessons learned from applying social network analysis on an industrial Free/Libre/Open Source Software ecosystem）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下から「オープンソースを分析して競合と協業の傾向が分かる」って話を聞きまして。現場導入の前に、そもそも何がそんなに価値なんですか？教えてください。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。結論を先に言うと、ソーシャルネットワーク分析（Social Network Analysis、SNA）は、誰と誰がコードや議論でつながっているかを見える化し、競合と協業の実態を定量的に示せるんですよ。要点は三つです：コミュニケーションの中心者、企業間の協力関係、そして時間変化です。これだけ分かれば投資対効果の判断材料になりますよ。

田中専務

んー、中心者っていうのはリーダーのことですか？それが分かって何が変わるんでしょうか。これって要するに、誰に情報を渡せばプロジェクトが動くかが分かるということですか？

AIメンター拓海

まさにその通りです！ただし「リーダー＝肩書き」ではないことがポイントですよ。SNAでいう中心者は、実際にコミットやレビュー、議論を多く行っている人物で、現場の

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
カーネルベイズ則に関する考察
（Remarks on kernel Bayes’ rule）
次の記事
凸ファクタライゼーションマシンによる回帰
（Convex Factorization Machine for Regression）
関連記事
局所からグローバルへの最適表現：解剖学的構造の一般化医用画像セグメンテーションのためのL2GNet
（L2GNet: Optimal Local-to-Global Representation of Anatomical Structures for Generalized Medical Image Segmentation）
オープンセット人物再識別
（Open-set Person Re-identification）
Fat-Tree QRAM
（Fat-Tree QRAM: A High-Bandwidth Shared Quantum Random Access Memory for Parallel Queries）
生体分子領域にLLMの理解力を与える大規模指示データセット Mol-Instructions
（MOL-INSTRUCTIONS: A LARGE-SCALE BIOMOLECULAR INSTRUCTION DATASET FOR LLMS）
線形部分空間の分類におけるミスマッチ：信頼できる分類のための十分条件
（Mismatch in the Classification of Linear Subspaces: Sufficient Conditions for Reliable Classification）
ハードウェア劣化下でのマルチターゲット統合センシングと通信のモデルベースエンドツーエンド学習
（Model-Based End-to-End Learning for Multi-Target Integrated Sensing and Communication under Hardware Impairments）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
ユーザーレビューに基づく変更ファイルのローカライゼーション
(User Review-Based Change File Localization for Mobile Applications)
  • 論文研究
文脈認識型深層学習によるソースコードモデリング
（CodeGRU: Context-aware Deep Learning with Gated Recurrent Unit for Source Code Modeling）
  • 論文研究
超音波舌画像からの頑健な特徴抽出—Denoising Convolutional Autoencoderの応用
（Denoising Convolutional Autoencoder Based B-Mode Ultrasound Tongue Image Feature Extraction）
  • 論文研究
条件付きカーネル平均埋め込みを用いたベイズ学習による自動化された尤度フリー推論
（Bayesian Learning of Conditional Kernel Mean Embeddings for Automatic Likelihood-Free Inference）
  • 論文研究
ブラックボックス問題の可視化枠組み
（Solving the Black Box Problem: A Normative Framework for Explainable Artificial Intelligence）
  • 論文研究
動画長さで学ぶハイライト検出
（Less is More: Learning Highlight Detection from Video Duration）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む