論文の概要: Ethical and Social Considerations in Automatic Expert Identification and
People Recommendation in Organizational Knowledge Management Systems
- arxiv url: http://arxiv.org/abs/2209.03819v1
- Date: Thu, 8 Sep 2022 13:49:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-09 13:31:12.327398
- Title: Ethical and Social Considerations in Automatic Expert Identification and
People Recommendation in Organizational Knowledge Management Systems
- Title（参考訳）: 組織知識管理システムにおける専門家の自動特定と人材推薦の倫理的・社会的考察
- Authors: Ida Larsen-Ledet, Bhaskar Mitra and Si\^an Lindley
- Abstract要約: 組織の知識基盤は、人々の作業の流れの中で、受動的アーカイブからアクティブなエンティティへと移行しています。
業界や学界に注目とエンゲージメントを保証してくれるオープンな質問がいくつもあります。
社会価値を尊重するレコメンデーターシステムを開発するという課題に取り組むためには、私たちが信じている学際的な議論に参入したい。
- 参考スコア（独自算出の注目度）: 10.252604597192153
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Organizational knowledge bases are moving from passive archives to active
entities in the flow of people's work. We are seeing machine learning used to
enable systems that both collect and surface information as people are working,
making it possible to bring out connections between people and content that
were previously much less visible in order to automatically identify and
highlight experts on a given topic. When these knowledge bases begin to
actively bring attention to people and the content they work on, especially as
that work is still ongoing, we run into important challenges at the
intersection of work and the social. While such systems have the potential to
make certain parts of people's work more productive or enjoyable, they may also
introduce new workloads, for instance by putting people in the role of experts
for others to reach out to. And these knowledge bases can also have profound
social consequences by changing what parts of work are visible and, therefore,
acknowledged. We pose a number of open questions that warrant attention and
engagement across industry and academia. Addressing these questions is an
essential step in ensuring that the future of work becomes a good future for
those doing the work. With this position paper, we wish to enter into the
cross-disciplinary discussion we believe is required to tackle the challenge of
developing recommender systems that respect social values.
- Abstract（参考訳）: 組織の知識基盤は、パッシブアーカイブから、人々の仕事の流れの中でアクティブなエンティティへと移行しています。
機械学習は、人々が働いているときに情報を収集し、表面表示するシステムを可能にするために使われており、特定のトピックについて専門家を自動的に識別し、ハイライトするために、これまで目立たなかった人とコンテンツの間につながりをもたらすことができる。
こうした知識基盤が人々や彼らが取り組んでいるコンテンツに積極的に注意を向け始めたとき、特にその作業が進行中であるため、私たちは仕事と社会の交点において重要な課題に遭遇します。
そのようなシステムは、人々の仕事の特定の部分がより生産的あるいは楽しめる可能性があるが、例えば、他の人が手を差し伸べる専門家の役割として、新たなワークロードを導入することもできる。
そして、これらの知識基盤は、仕事のどの部分が見えるかを変え、それ故に認識することで、大きな社会的影響をもたらす可能性がある。
業界や学界に注目とエンゲージメントを保証してくれるオープンな質問がいくつもあります。
これらの疑問に取り組むことは、仕事の未来が仕事を行う人々にとって良い未来になるための重要なステップです。
本稿では,社会価値を尊重するレコメンデーションシステムを開発するという課題に取り組むためには,学際横断的な議論が必要であると考えている。
関連論文リスト
- Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Social Skill Training with Large Language Models [65.40795606463101]
人々は紛争解決のような社会的スキルに頼り、効果的にコミュニケーションし、仕事と個人の生活の両方で繁栄する。
本稿では,専門分野に進出する上での社会的スキルの障壁を明らかにする。
本稿では,大規模言語モデルを用いた総合的なフレームワークによるソーシャルスキルトレーニングのソリューションを提案する。
論文 参考訳（メタデータ） (2024-04-05T16:29:58Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - Through the Looking-Glass: Transparency Implications and Challenges in
Enterprise AI Knowledge Systems [3.7640559288894524]
視線ガラスのメタファーを提示し、それをAI知識システムを反射・歪曲するシステムとして概念化する。
我々は,AI知識システムの価値,すなわちシステム透過性,手続き的透明性,成果の透明性を実現するために必要な3つの透明性次元を同定する。
論文 参考訳（メタデータ） (2024-01-17T18:47:30Z) - A Framework for Exploring the Consequences of AI-Mediated Enterprise Knowledge Access and Identifying Risks to Workers [3.4568218861862556]
本稿では、AIを利用した企業知識アクセスシステムから労働者のリスクを特定するためのConsequence-Mechanism-Riskフレームワークを提案する。
我々は、労働者に対するリスクを詳述した幅広い文献を執筆し、労働者の価値、力、幸福に対するリスクを分類した。
今後の作業は、この枠組みを他の技術システムに適用し、労働者や他のグループの保護を促進する可能性がある。
論文 参考訳（メタデータ） (2023-12-08T17:05:40Z) - ML-Based Teaching Systems: A Conceptual Framework [0.0]
組織的文脈における知識伝達を促進する機械学習(ML)モデルの可能性について検討する。
MLに基づく教育システムをよりよく理解し、設計するために、重要な概念、テーマ、次元について検討する。
論文 参考訳（メタデータ） (2023-05-12T09:55:34Z) - Pitfalls in Effective Knowledge Management: Insights from an
International Information Technology Organization [8.847473225998908]
本研究の目的は、個人が効果的に知識を共有し管理することを妨げる障害要因を特定することである。
いくつかの障害要因が特定され、個人的社会的トピック、組織的社会的トピック、技術的なトピック、環境的トピック、および関連する社会的および技術的トピックに分類された。
これらの障害を緩和するための推奨事項は、トレーニングやガイドラインなど、従業員の行動を改善することに焦点を当てている。
論文 参考訳（メタデータ） (2023-04-16T09:45:08Z) - Fairness in Recommender Systems: Research Landscape and Future
Directions [119.67643184567623]
本稿は,近年の地域におけるフェアネスの概念と概念について概観する。
この分野での研究が現在どのように行われているのかを概観する。
全体として、最近の研究成果の分析は、ある研究のギャップを示している。
論文 参考訳（メタデータ） (2022-05-23T08:34:25Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z) - 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) - A Survey of Knowledge Representation in Service Robotics [10.220366465518262]
我々は、知識表現と、どのようにして知識が収集され、表現され、どのように再生され、問題を解決するかに焦点を当てる。
知識表現の定義に従って、そのような表現と有用な学習モデルの主な区別について議論する。
効果的な知識表現を設計する際に考慮すべき重要な原則について議論する。
論文 参考訳（メタデータ） (2018-07-05T22:18:08Z)
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。