論文の概要: Methods for Generating Typologies of Non/use

• arxiv url: http://arxiv.org/abs/2004.04827v1
• Date: Thu, 9 Apr 2020 21:43:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 08:20:58.588495
• Title: Methods for Generating Typologies of Non/use
• Title（参考訳）: 非/使用の類型を生成する方法
• Authors: Devansh Saxena, Patrick Skeba, Shion Guha, and Eric P. S. Baumer
• Abstract要約: 本稿では、研究者が研究している特定の社会工学的設定に関連する非利用の種類を識別する2つの方法を提案する。 以上の結果から, 提案した異なる手法が, ほぼ同等の非使用型を同定できることが示唆された。 また,これらの手法から得られた異なる型が予測モデルにどのように利用され,両者が相互に相互に相関あるいは不確認を行うことができるかを示す。
• 参考スコア（独自算出の注目度）: 9.185659838334244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior studies of technology non-use demonstrate the need for approaches that go beyond a simple binary distinction between users and non-users. This paper proposes a set of two different methods by which researchers can identify types of non/use$^{1}$ relevant to the particular sociotechnical settings they are studying. These methods are demonstrated by applying them to survey data about Facebook non/use. The results demonstrate that the different methods proposed here identify fairly comparable types of non/use. They also illustrate how the two methods make different trade offs between the granularity of the resulting typology and the total sample size. The paper also demonstrates how the different typologies resulting from these methods can be used in predictive modeling, allowing for the two methods to corroborate or disconfirm results from one another. The discussion considers implications and applications of these methods, both for research on technology non/use and for studying social computing more broadly.
• Abstract（参考訳）: テクノロジの先行研究は、ユーザと非ユーザとの単純なバイナリ区別以上のアプローチの必要性を実証している。 本稿では、研究者が研究している特定の社会工学的設定に関連する非利用$^{1}$のタイプを特定できる2種類の方法を提案する。 これらの方法は、facebookの非利用に関する調査データに適用することで示される。 以上の結果から, 提案手法は, ほぼ同等の非使用型を同定した。 また、この2つの手法が、結果の型学の粒度と全サンプルサイズの間にどのように異なるトレードオフを行うかを説明している。 また,これらの手法から得られた異なる型が予測モデルにどのように利用され,両者が相互に相互に相関あるいは不確認を行うことができるかを示す。 この議論は、技術非使用とソーシャルコンピューティングをより広く研究するための、これらの方法の意義と応用を考察している。

関連論文リスト

• On the role of benchmarking data sets and simulations in method comparison studies [0.0]
  本稿では,シミュレーション研究とベンチマーク研究の相違点と類似点について検討する。 混合手法研究や臨床シナリオ評価など,さまざまな文脈からアイデアを借りる。
  論文  参考訳（メタデータ） (2022-08-02T13:47:53Z)
• Saliency Cards: A Framework to Characterize and Compare Saliency Methods [34.38335172204263]
  Saliencyメソッドは、各入力機能がモデルの出力に対してどれだけ重要かを計算する。 既存のアプローチでは、多様なユーザニーズを考慮しない唾液度メソッドに対して、普遍的なデシラタを仮定している。 サリエンシカード(Saliency Card)は、サリエンシメソッドの動作とパフォーマンスに関する構造化されたドキュメントである。
  論文  参考訳（メタデータ） (2022-06-07T01:21:49Z)
• The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set Methods [86.39044549664189]
  特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。 本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。 本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
  論文  参考訳（メタデータ） (2022-03-04T18:32:58Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Automated Deepfake Detection [19.17617301462919]
  本稿では,Deepfake検出のためのアーキテクチャを自動検索する機械学習を提案する。 提案手法が従来の非深度学習法より優れているだけでなく,予測精度が向上することが実験的に証明された。
  論文  参考訳（メタデータ） (2021-06-20T14:48:50Z)
• Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
  機械学習の手法は、敏感な社会的文脈でますます適用されつつある。 本研究の主な目的は2つある。 まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。 次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
  論文  参考訳（メタデータ） (2021-04-09T01:54:58Z)
• Towards Connecting Use Cases and Methods in Interpretable Machine Learning [18.2192628076105]
  本研究は、IML法の基礎研究と評価を実践可能な分類学に合成する。 この分類は研究者と消費者のギャップを概念化する道具として機能する。
  論文  参考訳（メタデータ） (2021-03-10T18:38:33Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。