論文の概要: Can Information Behaviour Inform Machine Learning?
- arxiv url: http://arxiv.org/abs/2205.00538v1
- Date: Sun, 1 May 2022 19:00:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 16:38:39.857496
- Title: Can Information Behaviour Inform Machine Learning?
- Title（参考訳）: 情報ビヘイビアは機械学習をインフォームできるか?
- Authors: Michael Ridley
- Abstract要約: この論文は、人間の情報行動研究が、よりニュアンスな情報とインフォームのビューを機械学習にもたらす方法を説明する。
その明確な違いにもかかわらず、情報行動と機械学習の分野は多くの共通の目的、パラダイム、そして重要な研究課題を共有している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The objective of this paper is to explore the opportunities for human
information behaviour research to inform and influence the field of machine
learning and the resulting machine information behaviour. Using the development
of foundation models in machine learning as an example, the paper illustrates
how human information behaviour research can bring to machine learning a more
nuanced view of information and informing, a better understanding of
information need and how that affects the communication among people and
systems, guidance on the nature of context and how to operationalize that in
models and systems, and insights into bias, misinformation, and
marginalization. Despite their clear differences, the fields of information
behaviour and machine learning share many common objectives, paradigms, and key
research questions. The example of foundation models illustrates that human
information behaviour research has much to offer in addressing some of the
challenges emerging in the nascent area of machine information behaviour.
- Abstract（参考訳）: 本研究の目的は,人間情報行動研究の機会を探究し,機械学習の分野とその結果得られる機械情報行動に与え,影響を与えることにある。
機械学習における基礎モデルの開発を例として、人間の情報行動研究が、より曖昧な情報と情報提供の視点、情報の必要性のより良い理解、人やシステム間のコミュニケーションにどう影響するか、コンテキストの性質とモデルやシステムにおけるそれをどのように運用するか、バイアス、誤情報、限界化に関する洞察を機械学習にもたらすかを説明する。
明確な違いはあるものの、情報行動と機械学習の分野は多くの共通の目的、パラダイム、重要な研究課題を共有している。
基礎モデルの例は、人間の情報行動研究が、マシン情報行動の初期段階で発生する課題に対処する上で、大いに役立つことを示している。
関連論文リスト
- Revisiting Self-supervised Learning of Speech Representation from a
Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。
我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。
我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文 参考訳（メタデータ） (2024-01-16T21:13:22Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Explainability in Machine Learning: a Pedagogical Perspective [9.393988089692947]
我々は、学習過程を構造化して、学生や研究者に機械学習の知識をより多く与える方法について、教育学的視点を提供する。
各種不透明かつ透明な機械学習モデルの利点と欠点について論じる。
我々はまた、学生がどんな機械学習アプリケーションと並行して説明可能性を使うことを学ぶのを助けるために、潜在的な課題を構築する方法についても論じる。
論文 参考訳（メタデータ） (2022-02-21T16:15:57Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Explainable Machine Learning with Prior Knowledge: An Overview [1.1045760002858451]
機械学習モデルの複雑さは、より説明しやすいように研究を誘致している。
機械学習モデルの説明能力を改善するために,事前知識を活用することを提案する。
論文 参考訳（メタデータ） (2021-05-21T07:33:22Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳（メタデータ） (2021-04-09T01:46:34Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z) - Counterfactual Explanations for Machine Learning: A Review [5.908471365011942]
機械学習における対実的説明に関する研究をレビューし、分類する。
機械学習における対実的説明可能性に対する現代のアプローチは、多くの国で確立された法的教義と結びついている。
論文 参考訳（メタデータ） (2020-10-20T20:08:42Z) - Ethical behavior in humans and machines -- Evaluating training data
quality for beneficial machine learning [0.0]
本研究では、教師付き機械学習アプリケーションのためのデータ品質の新しい次元について述べる。
本研究の目的は、その行動の倫理的評価に基づいて、トレーニングデータをどのように選択できるかを説明することである。
論文 参考訳（メタデータ） (2020-08-26T09:48:38Z) - A Review on Intelligent Object Perception Methods Combining
Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。
最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文 参考訳（メタデータ） (2019-12-26T13:26:49Z)
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。