論文の概要: "Look! It's a Computer Program! It's an Algorithm! It's AI!": Does Terminology Affect Human Perceptions and Evaluations of Algorithmic Decision-Making Systems?

• arxiv url: http://arxiv.org/abs/2108.11486v2
• Date: Thu, 26 May 2022 14:20:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 05:04:15.139947
• Title: "Look! It's a Computer Program! It's an Algorithm! It's AI!": Does Terminology Affect Human Perceptions and Evaluations of Algorithmic Decision-Making Systems?
• Title（参考訳）: 「見ろ!コンピュータプログラムだ!アルゴリズムだ!aiだ!」:用語は人間の知覚やアルゴリズム的意思決定システムの評価に影響を与えるか?
• Authors: Markus Langer, Tim Hunsicker, Tina Feldkamp, Cornelius J. K\"onig, Nina Grgi\'c-Hla\v{c}a
• Abstract要約: システム特性に対する一般人の認識には,用語が実際に影響していることが示される。 この結果から, ADM システムを記述する用語の選択には注意が必要であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the media, in policy-making, but also in research articles, algorithmic decision-making (ADM) systems are referred to as algorithms, artificial intelligence, and computer programs, amongst other terms. We hypothesize that such terminological differences can affect people's perceptions of properties of ADM systems, people's evaluations of systems in application contexts, and the replicability of research as findings may be influenced by terminological differences. In two studies (N = 397, N = 622), we show that terminology does indeed affect laypeople's perceptions of system properties (e.g., perceived complexity) and evaluations of systems (e.g., trust). Our findings highlight the need to be mindful when choosing terms to describe ADM systems, because terminology can have unintended consequences, and may impact the robustness and replicability of HCI research. Additionally, our findings indicate that terminology can be used strategically (e.g., in communication about ADM systems) to influence people's perceptions and evaluations of these systems.
• Abstract（参考訳）: メディアでは、ポリシー作成だけでなく、研究論文でも、アルゴリズム決定システム(ADM)はアルゴリズム、人工知能、コンピュータプログラムなどと呼ばれる。 このような用語的差異は, ADMシステムの特性に対する人々の認識, 適用状況におけるシステムの評価, 研究の再現性に影響を及ぼす可能性がある, という仮説を立てる。 2つの研究 (N = 397, N = 622) において、用語学がシステム特性(例えば、知覚複雑性)とシステム評価(例えば、信頼)に実際に影響を及ぼすことを示す。 本研究は, 用語が意図しない結果をもたらす可能性があり, HCI研究の堅牢性や再現性に影響を及ぼす可能性があるため, ADMシステムを記述する用語を選択する際に留意すべき点を強調した。 さらに,これらのシステムに対する人々の認識や評価に影響を与えるために,用語を戦略的に(例えば,admシステムに関するコミュニケーションにおいて)使用できることを示す。

関連論文リスト

• Artificial intelligence is algorithmic mimicry: why artificial "agents" are not (and won't be) proper agents [0.0]
  人工知能(AGI)開発の可能性について検討する 私は「緊急性」の概念に特に焦点をあてて、生活システムとアルゴリズムシステムを比較します。 真のAGIが現在のAI研究のアルゴリズムフレームワークで開発される可能性は極めて低い。
  論文  参考訳（メタデータ） (2023-06-27T19:25:09Z)
• Solving NLP Problems through Human-System Collaboration: A Discussion-based Approach [98.13835740351932]
  本研究の目的は,対話を通じて予測を議論・洗練するシステムのための,データセットと計算フレームワークを構築することである。 提案システムでは,自然言語推論タスクにおいて,最大25ポイントの精度向上が期待できることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:24:50Z)
• Social Influence Dialogue Systems: A Scoping Survey of the Efforts Towards Influence Capabilities of Dialogue Systems [50.57882213439553]
  社会影響対話システムは、説得、交渉、治療を行うことができる。 これらのスキルを備えた対話システムには、正式な定義やカテゴリは存在しない。 この研究は、この新興地域でのより専用の研究と議論を促すために、社会影響対話システムの包括的参照となる。
  論文  参考訳（メタデータ） (2022-10-11T17:57:23Z)
• Evaluating Understanding on Conceptual Abstraction Benchmarks [0.0]
  AIの長期的な目標は、人間のような方法で概念を理解するシステムを構築することである。 概念を理解するには、さまざまなコンテキストでそれを使う能力が必要である、と私たちは主張する。 我々の概念に基づく評価アプローチは、従来のテストセットが隠したはずのAIシステムに関する情報を明らかにする。
  論文  参考訳（メタデータ） (2022-06-28T17:52:46Z)
• A Human-Centric Assessment Framework for AI [11.065260433086024]
  説明可能なAIシステムをどのように評価すべきかに関して合意された基準はない。 チューリングテストに触発されて,人間中心のアセスメントフレームワークを導入する。 このセットアップは、広範囲の人間中心のAIシステムアセスメントのためのフレームワークとして機能する。
  論文  参考訳（メタデータ） (2022-05-25T12:59:13Z)
• Human-Algorithm Collaboration: Achieving Complementarity and Avoiding Unfairness [92.26039686430204]
  慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。 まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。 次に、このモデルを用いて相補性が不可能な条件を証明する。
  論文  参考訳（メタデータ） (2022-02-17T18:44:41Z)
• Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
  本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。 また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
  論文  参考訳（メタデータ） (2021-11-28T14:24:52Z)
• An Objective Metric for Explainable AI: How and Why to Estimate the Degree of Explainability [3.04585143845864]
  本稿では, 客観的手法を用いて, 正しい情報のeX説明可能性の度合いを測定するための, モデルに依存しない新しい指標を提案する。 私たちは、医療とファイナンスのための2つの現実的なAIベースのシステムについて、いくつかの実験とユーザースタディを設計しました。
  論文  参考訳（メタデータ） (2021-09-11T17:44:13Z)
• Fairness Perceptions of Algorithmic Decision-Making: A Systematic Review of the Empirical Literature [0.0]
  アルゴリズムによる意思決定(ADM)は、人々の日常生活をますます形作る。 学者や政策立案者が要求する人間中心のアプローチは、人々の公正な認識を考慮する必要があります。 アルゴリズム公平性の認識に関する既存の経験的洞察の包括的で体系的な文献レビューを提供します。
  論文  参考訳（メタデータ） (2021-03-22T17:12:45Z)
• Overcoming Failures of Imagination in AI Infused System Development and Deployment [71.9309995623067]
  NeurIPS 2020は研究論文に「潜在的な悪用と失敗の結果」に関するインパクトステートメントを含むよう要求した。 我々は、害の枠組みは文脈に適応し、潜在的な利害関係者、システム余裕、および最も広い意味での害を評価するための実行可能なプロキシを考える必要があると論じている。
  論文  参考訳（メタデータ） (2020-11-26T18:09:52Z)
• Interpretability Analysis for Named Entity Recognition to Understand System Predictions and How They Can Improve [49.878051587667244]
  名前付きエンティティ認識のためのLSTM-CRFアーキテクチャの性能について検討する。 文脈表現はシステムの性能に寄与するが、ハイパフォーマンスを駆動する主な要因は、名前トークン自体を学習することにある。 我々は、コンテキストのみからエンティティタイプを推測する可能性を評価するために、人間アノテーションを登録し、コンテキストのみのシステムによるエラーの大部分に対してエンティティタイプを推論することはできないが、改善の余地はいくつかある。
  論文  参考訳（メタデータ） (2020-04-09T14:37:12Z)

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。