論文の概要: Design principles for a hybrid intelligence decision support system for
business model validation
- arxiv url: http://arxiv.org/abs/2105.03356v1
- Date: Fri, 7 May 2021 16:13:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 14:56:02.876786
- Title: Design principles for a hybrid intelligence decision support system for
business model validation
- Title（参考訳）: ビジネスモデル検証のためのハイブリッドインテリジェンス意思決定支援システムの設計原理
- Authors: Dominik Dellermann, Nikolaus Lipusch, Philipp Ebel, and Jan Marco
Leimeister
- Abstract要約: 本稿では,ハイブリッドインテリジェンス意思決定支援システム(HI-DSS)の設計原理について述べる。
我々はプロトタイプのアーティファクトと一連の設計原則を設計するための設計科学研究アプローチに従う。
本研究は,hi-dssの規範的知識を提供し,ビジネスモデルに対する意思決定支援,意思決定のための人間と機械の補完的強みの応用,極めて不確定な意思決定問題に対する支援システムの先行研究に寄与する。
- 参考スコア（独自算出の注目度）: 4.127347156839169
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the most critical tasks for startups is to validate their business
model. Therefore, entrepreneurs try to collect information such as feedback
from other actors to assess the validity of their assumptions and make
decisions. However, previous work on decisional guidance for business model
validation provides no solution for the highly uncertain and complex context of
earlystage startups. The purpose of this paper is, thus, to develop design
principles for a Hybrid Intelligence decision support system (HI-DSS) that
combines the complementary capabilities of human and machine intelligence. We
follow a design science research approach to design a prototype artifact and a
set of design principles. Our study provides prescriptive knowledge for HI-DSS
and contributes to previous work on decision support for business models, the
applications of complementary strengths of humans and machines for making
decisions, and support systems for extremely uncertain decision-making
problems.
- Abstract（参考訳）: スタートアップにとって最も重要なタスクの1つは、ビジネスモデルを検証することだ。
そのため、起業家は他の俳優からのフィードバックなどの情報を収集し、仮定の妥当性を評価し、判断しようとする。
しかし、ビジネスモデル検証のための意思決定ガイダンスに関する以前の作業は、初期段階のスタートアップの高度に不確実で複雑なコンテキストに対する解決策を提供していない。
そこで本論文は,人間と機械の補完機能を組み合わせたハイブリッドインテリジェンス意思決定支援システム(HI-DSS)の設計原理を開発することを目的とする。
我々はプロトタイプのアーティファクトと一連の設計原則を設計するための設計科学研究アプローチに従う。
本研究は,hi-dssの規範的知識を提供し,ビジネスモデルに対する意思決定支援,意思決定のための人間と機械の補完的強みの応用,極めて不確定な意思決定問題に対する支援システムの先行研究に寄与する。
関連論文リスト
- On the Modeling Capabilities of Large Language Models for Sequential Decision Making [52.128546842746246]
大規模な事前訓練されたモデルでは、推論や計画タスクのパフォーマンスがますます向上している。
我々は、直接的または間接的に、意思決定ポリシーを作成する能力を評価する。
未知の力学を持つ環境において、合成データを用いた微調整LDMが報酬モデリング能力を大幅に向上させる方法について検討する。
論文 参考訳（メタデータ） (2024-10-08T03:12:57Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Generative Active Learning for Image Synthesis Personalization [57.01364199734464]
本稿では,伝統的に識別モデルを用いて研究されてきた能動的学習の生成モデルへの応用について検討する。
生成モデル上でアクティブな学習を行う上での最大の課題は、クエリのオープンな性質にある。
問合せ処理を半開問題に変換するために,アンカー方向の概念を導入する。
論文 参考訳（メタデータ） (2024-03-22T06:45:45Z) - On Predictive planning and counterfactual learning in active inference [0.20482269513546453]
本稿では,「計画」と「経験から学ぶ」に基づくアクティブ推論における2つの意思決定手法について検討する。
これらの戦略間のデータ-複雑さのトレードオフをナビゲートする混合モデルを導入する。
提案手法を,エージェントの適応性を必要とするグリッドワールドシナリオで評価する。
論文 参考訳（メタデータ） (2024-03-19T04:02:31Z) - PresAIse, A Prescriptive AI Solution for Enterprises [6.523929486550928]
本稿は、IBM Researchのイニシアチブの概要であり、一連の規範的AIソリューションを提供することによって、これらの課題のいくつかに対処することを目的としている。
ソリューションスイートには、スケーラブルな因果推論方法、解釈可能な意思決定アプローチ、大規模言語モデルの統合が含まれている。
概念実証であるPresAIseは、非MLの専門家が自然言語インターフェースを介して規範的なAIモデルと対話できるようにすることで、ソリューションの可能性を示している。
論文 参考訳（メタデータ） (2024-02-03T03:23:08Z) - A Survey of Reasoning with Foundation Models [235.7288855108172]
推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。
本稿では,推論に適応する基礎モデルを提案する。
次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
論文 参考訳（メタデータ） (2023-12-17T15:16:13Z) - On Realization of Intelligent Decision-Making in the Real World: A
Foundation Decision Model Perspective [54.38373782121503]
FDM(Foundation Decision Model)は、様々な意思決定タスクをシーケンスデコーディングタスクとして定式化することで開発することができる。
本稿では、FDMの実装であるDigitalBrain(DB1)を13億のパラメータで実証し、870のタスクで人間レベルのパフォーマンスを達成するケーススタディを提案する。
論文 参考訳（メタデータ） (2022-12-24T06:16:45Z) - Model-based Analysis and Specification of Functional Requirements and
Tests for Complex Automotive Systems [0.19837121116620585]
本稿では,利害関係者の観点からの検証対象の早期識別から始まる手法を提案する。
完全かつ一貫した要件とテスト仕様を保証するために,モデルベースシステム工学(MBSE)手法を開発した。
本研究は,我々の方法論が適用可能であること,既存の要件とテスト仕様プロセスを改善することを裏付けるものである。
論文 参考訳（メタデータ） (2022-09-03T18:24:32Z) - Learning Classifier Systems for Self-Explaining Socio-Technical-Systems [0.0]
社会技術的設定では、オペレーターは意思決定支援システムによってますます助けられている。
オペレーターに受け入れられ、効率的に関与するには、特定の意思決定の背後にある理由について、意思決定支援システムが説明できる必要がある。
本稿では,アプリケーション固有の説明可能性の必要性を評価するための7つの質問のテンプレートを提案する。
論文 参考訳（メタデータ） (2022-07-01T08:13:34Z) - Moral Decision-Making in Medical Hybrid Intelligent Systems: A Team
Design Patterns Approach to the Bias Mitigation and Data Sharing Design
Problems [0.0]
チームデザインパターン(TDP)は、決定が道徳的な要素を持つ設計問題の成功と再利用可能な構成を記述する。
本稿では,医療用hiシステムにおける2つの設計問題の解のセットについて述べる。
パターンの理解性、有効性、一般化性に関するユーザビリティを評価するために、調査が作成されました。
論文 参考訳（メタデータ） (2021-02-16T17:09:43Z) - Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。
本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。
本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文 参考訳（メタデータ） (2021-01-24T05:40:29Z)
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。