論文の概要: From Zero to The Hero: A Collaborative Market Aware Recommendation
System for Crowd Workers
- arxiv url: http://arxiv.org/abs/2107.02890v1
- Date: Tue, 6 Jul 2021 21:02:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-08 13:51:11.659147
- Title: From Zero to The Hero: A Collaborative Market Aware Recommendation
System for Crowd Workers
- Title（参考訳）: ゼロからヒーローへ:群衆労働者のための協調的市場認識推薦システム
- Authors: Hamid Shamszare, Razieh Saremi, Sanam Jena
- Abstract要約: 本稿では,クラウドワーカーのための協調推薦システムを提案する。
プール内での労働者のコラボレーション履歴に基づく5つの入力指標、金銭的賞与と期間、労働者の専門性、労働者の熟練度の観点からの労働者の選好である。
260人の積極的集団労働者に対する実験結果から, 課題推薦の上位3つの成功確率に従えば, 最大86%の成果が得られることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The success of software crowdsourcing depends on active and trustworthy pool
of worker supply. The uncertainty of crowd workers' behaviors makes it
challenging to predict workers' success and plan accordingly. In a competitive
crowdsourcing marketplace, competition for success over shared tasks adds
another layer of uncertainty in crowd workers' decision-making process.
Preliminary analysis on software worker behaviors reveals an alarming task
dropping rate of 82.9%. These factors lead to the need for an automated
recommendation system for CSD workers to improve the visibility and
predictability of their success in the competition. To that end, this paper
proposes a collaborative recommendation system for crowd workers. The proposed
recommendation system method uses five input metrics based on workers'
collaboration history in the pool, workers' preferences in taking tasks in
terms of monetary prize and duration, workers' specialty, and workers'
proficiency. The proposed method then recommends the most suitable tasks for a
worker to compete on based on workers' probability of success in the task.
Experimental results on 260 active crowd workers demonstrate that just
following the top three success probabilities of task recommendations, workers
can achieve success up to 86%
- Abstract（参考訳）: ソフトウェアクラウドソーシングの成功は、アクティブで信頼できる労働者供給プールに依存する。
群衆労働者の行動の不確実性は、労働者の成功と計画の予測を困難にしている。
競争力のあるクラウドソーシング市場において、共有タスクに対する成功のための競争は、クラウドワーカーの意思決定プロセスに別の不確実性をもたらす。
ソフトウェア労働者の行動に関する予備分析によると、タスクの低下率は82.9%である。
これらの要因は、競争における成功の可視性と予測可能性を改善するために、CDDワーカーのための自動レコメンデーションシステムの必要性につながる。
そこで本研究では,クラウドワーカーのための協調推薦システムを提案する。
提案手法では, プール内の作業者のコラボレーション履歴に基づく5つの入力指標, 入賞・継続時間, 作業者の専門性, 作業者の習熟度, 作業者の習熟度などを用いた。
提案手法は,作業者の作業成功確率に基づいて,作業者が最も適したタスクを競うことを推奨する。
260人のアクティブ・クラウド・ワーカーの実験結果は、タスク・レコメンデーションの上位3つの成功確率に従って、最大86%の成功を達成できることを示している。
関連論文リスト
- Learning In Reverse Causal Strategic Environments With Ramifications on Two Sided Markets [19.183108418687226]
我々は、雇用者報酬、労働力スキルレベル、場合によっては労働力エクイティを改善するために、適度に最適な雇用政策を持つ雇用者を示す。
一方,作業従事者は労働力の効用を害し,他の事例では差別を防げないことを示す。
論文 参考訳（メタデータ） (2024-04-20T02:42:46Z) - Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported
Coordination of Mobile Crowdsourcing [0.7865191493201839]
モバイルのクラウドソーシングでは、これらのタスクを成功させるのに苦労するクラウドワーカーにタスクが割り当てられることが多い。
モバイルクラウドソーシングにおける成果予測とタスクコーディネートを実現するための様々なメカニズムを提案する。
論文 参考訳（メタデータ） (2024-01-23T16:00:45Z) - Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。
Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
論文 参考訳（メタデータ） (2023-11-13T16:00:16Z) - ChatEval: Towards Better LLM-based Evaluators through Multi-Agent Debate [57.71597869337909]
われわれはChatEvalと呼ばれるマルチエージェントの審判チームを構築し、異なるモデルから生成された応答の品質を自律的に議論し評価する。
分析の結果,ChatEvalは単なるテキストスコアリングを超越し,信頼性評価のための人間模倣評価プロセスを提供することがわかった。
論文 参考訳（メタデータ） (2023-08-14T15:13:04Z) - Provable Benefits of Policy Learning from Human Preferences in
Contextual Bandit Problems [82.92678837778358]
嗜好に基づく手法は、InstructGPTのような経験的応用でかなりの成功を収めている。
フィードバックモデリングにおける人間のバイアスと不確実性がこれらのアプローチの理論的保証にどのように影響するかを示す。
論文 参考訳（メタデータ） (2023-07-24T17:50:24Z) - Retrospective on the 2021 BASALT Competition on Learning from Human
Feedback [92.37243979045817]
競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。
LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。
チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-04-14T17:24:54Z) - Crowdsourcing with Meta-Workers: A New Way to Save the Budget [50.04836252733443]
我々は,AIに適したタスクの種類をメタラーニングで学習したマシンアノテータであるEmphmeta-workerの概念を紹介した。
一般の群衆労働者とは異なり、メタワーカーは信頼性があり、安定しており、さらに重要なことはタイヤレスで自由である。
論文 参考訳（メタデータ） (2021-11-07T12:40:29Z) - On the Design of Strategic Task Recommendations for Sustainable
Crowdsourcing-Based Content Moderation [1.8275108630751837]
クラウドソーシングベースのコンテンツモデレーションは、クラウドワーカーのためのコンテンツモデレーションタスクをホストするプラットフォームである。
現在の最先端のレコメンデーションシステムは、労働者のメンタルヘルスへの影響を無視している。
本稿では,作業者のメンタルステータスに基づいた求職を推薦するクラウドソーシングプラットフォームのための,新たな戦略的レコメンデーションシステムを提案する。
論文 参考訳（メタデータ） (2021-06-04T20:35:14Z) - An Extensive Analytical Approach on Human Resources using Random Forest
Algorithm [0.0]
調査では、ワークライフの不均衡、低賃金、不均一なシフトなど、従業員がワークライフを変えることを考えることが示されました。
本稿では,異なる従業員パラメータを考慮したランダムフォレストアルゴリズムを用いたモデルを提案する。
hr部門がギャップを特定し、良好な従業員保持率で組織をスムーズに運営することを支援することで、従業員の維持を支援する。
論文 参考訳（メタデータ） (2021-05-07T07:35:23Z) - Study on Patterns and Effect of Task Diversity in Software Crowdsourcing [1.758684872705242]
本研究の目的は,ソフトウェアクラウドソーシングプラットフォームにおけるタスク多様性のパターンと効果を実証的に調査することである。
この実証的研究は、ソフトウェアクラウドソーシングプラットフォームのトップコーダーから1年以上の実際のデータに基づいて実施されている。
論文 参考訳（メタデータ） (2020-05-29T02:07:33Z) - Measuring Social Biases of Crowd Workers using Counterfactual Queries [84.10721065676913]
性別、人種などに基づく社会的バイアスは、主にバイアス付きトレーニングデータセットを介して、汚染された機械学習(ML)パイプラインに示されている。
クラウドソーシング(Crowdsourcing)は、ラベル付きトレーニングデータセットを収集するための一般的な費用効果尺度であり、群衆労働者の社会的偏見に免疫がない。
本研究では, 集団労働者ごとの社会的バイアスの程度を定量化するための, 対実的公正度に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-04-04T21:41:55Z)
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。