論文の概要: Human-Centric Research for NLP: Towards a Definition and Guiding
Questions
- arxiv url: http://arxiv.org/abs/2207.04447v1
- Date: Sun, 10 Jul 2022 12:02:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 14:32:46.318186
- Title: Human-Centric Research for NLP: Towards a Definition and Guiding
Questions
- Title(参考訳): NLPのための人間中心研究 : 定義と指導に向けて
- Authors: Bhushan Kotnis, Kiril Gashteovski, Julia Gastinger, Giuseppe Serra,
Francesco Alesiani, Timo Sztyler, Ammar Shaker, Na Gong, Carolin Lawrence,
Zhao Xu
- Abstract要約: 作業定義を提供し、研究パイプラインを異なるステージに分割する方法を定義します。
我々は既存のNLPをHCRコンポーネントで議論し、一連の指導的質問を定義する。
- 参考スコア(独自算出の注目度): 16.548834416700032
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With Human-Centric Research (HCR) we can steer research activities so that
the research outcome is beneficial for human stakeholders, such as end users.
But what exactly makes research human-centric? We address this question by
providing a working definition and define how a research pipeline can be split
into different stages in which human-centric components can be added.
Additionally, we discuss existing NLP with HCR components and define a series
of guiding questions, which can serve as starting points for researchers
interested in exploring human-centric research approaches. We hope that this
work would inspire researchers to refine the proposed definition and to pose
other questions that might be meaningful for achieving HCR.
- Abstract(参考訳): HCR(Human-Centric Research)では,研究成果がエンドユーザなどの利害関係者に利益をもたらすように,研究活動を運営することができる。
しかし、研究が人間中心になる理由は何だろうか?
作業定義を提供することでこの問題に対処し、研究パイプラインを人間中心のコンポーネントを追加可能な異なるステージに分割する方法を定義します。
さらに,既存のNLPをHCRコンポーネントで議論し,人間中心の研究手法を探究する研究者の出発点となる一連の指導的質問を定義する。
この研究が、提案された定義を洗練させ、HCRを達成する上で有意義な他の疑問を提起するよう、研究者に促すことを願っている。
関連論文リスト
- Improving the State of the Art for Training Human-AI Teams: Technical
Report #2 -- Results of Researcher Knowledge Elicitation Survey [0.0]
ソナリストは、人間-AIチームのトレーニングを探求する社内イニシアチブを開始した。
この取り組みの最初のステップは、人間-AIチームの研究を促進することができるSTE(Synthetic Task Environment)を開発することです。
論文 参考訳(メタデータ) (2023-08-29T13:54:32Z) - Next Steps for Human-Centered Generative AI: A Technical Perspective [107.74614586614224]
我々はHuman-centered Generative AI(HGAI)の次のステップを提案する。
これらの次のステップを特定することで、HGAIにおける創発的なアイデアの一貫性を追求するため、学際的な研究チームを引き出すつもりです。
論文 参考訳(メタデータ) (2023-06-27T19:54:30Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳(メタデータ) (2023-05-22T11:08:00Z) - Thorny Roses: Investigating the Dual Use Dilemma in Natural Language
Processing [45.72382504913193]
我々は,NLP研究者と実践者を対象に,問題の深さと展望を理解するために調査を行った。
調査の結果に基づき,NLPコミュニティのニーズに合わせた二重利用の定義を提供する。
我々は、NLPにおける二重利用を緩和する現在の状況と潜在的手段について議論し、既存の会議倫理枠組みに統合可能なチェックリストを提案する。
論文 参考訳(メタデータ) (2023-04-17T14:37:43Z) - UniHCP: A Unified Model for Human-Centric Perceptions [75.38263862084641]
我々は、人間中心知覚のための統一モデル(UniHCP)を提案する。
UniHCPは、単純なエンドツーエンドで広範囲の人間中心のタスクをプレーンビジョントランスフォーマーアーキテクチャと統合する。
33の人間中心のデータセットで大規模な共同トレーニングを行うことで、UniHCPは直接評価によって強いベースラインを上回ります。
論文 参考訳(メタデータ) (2023-03-06T07:10:07Z) - Human-Centered Responsible Artificial Intelligence: Current & Future
Trends [76.94037394832931]
近年、CHIコミュニティは人間中心のレスポンシブル人工知能の研究において著しい成長を遂げている。
この研究はすべて、人権と倫理に根ざしたまま、人類に利益をもたらすAIを開発し、AIの潜在的な害を減らすことを目的としている。
本研究グループでは,これらのトピックに関心のある学術・産業の研究者を集結させ,現在の研究動向と今後の研究動向を地図化することを目的とする。
論文 参考訳(メタデータ) (2023-02-16T08:59:42Z) - Recent Advances in Leveraging Human Guidance for Sequential
Decision-Making Tasks [60.380501589764144]
人工知能の長年の目標は、シーケンシャルな意思決定を必要とするタスクを実行することを学ぶことができる人工知能を作ることである。
学習し行動する人工エージェントであるが、実行すべき特定のタスクを特定するのは人間次第である。
この調査は、主に人間のガイダンスに依存する5つの最近の機械学習フレームワークのハイレベルな概要を提供する。
論文 参考訳(メタデータ) (2021-07-13T03:11:04Z) - A Comprehensive Attempt to Research Statement Generation [39.8491923428562]
本稿では,研究成果を要約した研究声明生成タスクを提案する。
我々は、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築した。
提案手法は,コンテンツカバレッジとコヒーレンスを向上して,すべてのベースラインを上回ります。
論文 参考訳(メタデータ) (2021-04-25T03:57:00Z) - Putting Humans in the Natural Language Processing Loop: A Survey [13.53277201606357]
人間のフィードバックから学ぶ自然言語処理(NLP)システムをどのように設計できますか?
Human-in-the-loop (HITL) NLPフレームワークは、モデル自体を改善するために、人間のフィードバックを継続的に統合する研究団体が増えている。
機械学習(ML)とHCI(Human-Computer Interaction)の両コミュニティのHITL NLPに関する調査を実施した。
論文 参考訳(メタデータ) (2021-03-06T06:26:00Z)
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。