論文の概要: Thriving Innovation Ecosystems: Synergy Among Stakeholders, Tools, and People

• arxiv url: http://arxiv.org/abs/2307.04263v1
• Date: Sun, 9 Jul 2023 20:47:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 14:41:31.280385
• Title: Thriving Innovation Ecosystems: Synergy Among Stakeholders, Tools, and People
• Title（参考訳）: イノベーションのエコシステムを育む - ステークホルダ,ツール,人々の相乗効果
• Authors: Shruti Misra, Denise Wilson
• Abstract要約: 我々は、ステークホルダーがデジタルツール、人的資源、それらの組み合わせを使って情報を集め、イノベーションのエコシステムで意思決定する方法について検討した。 利害関係者は主に、彼らの貢献の潜在的な社会的影響によって、イノベーションエコシステムに参加する動機があることに気付きました。 デジタルツールではなく人々が、これらのエコシステムにおける重要な情報源であるようだ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An innovation ecosystem is a multi-stakeholder environment, where different stakeholders interact to solve complex socio-technical challenges. We explored how stakeholders use digital tools, human resources, and their combination to gather information and make decisions in innovation ecosystems. To comprehensively understand stakeholders' motivations, information needs and practices, we conducted a three-part interview study across five stakeholder groups (N=13) using an interactive digital dashboard. We found that stakeholders were primarily motivated to participate in innovation ecosystems by the potential social impact of their contributions. We also found that stakeholders used digital tools to seek "high-level" information to scaffold initial decision-making efforts but ultimately relied on contextual information provided by human networks to enact final decisions. Therefore, people, not digital tools, appear to be the key source of information in these ecosystems. Guided by our findings, we explored how technology might nevertheless enhance stakeholders' decision-making efforts and enable robust and equitable innovation ecosystems.
• Abstract（参考訳）: イノベーションエコシステムは、様々な利害関係者が交流して複雑な社会技術的課題を解決する、マルチステークホルダー環境である。 我々は、ステークホルダーがデジタルツール、人的資源、それらの組み合わせを使って情報を集め、イノベーションエコシステムで意思決定する方法について検討した。 利害関係者のモチベーション,情報ニーズ,実践を包括的に理解するため,インタラクティブなデジタルダッシュボードを用いて5つの利害関係者グループ(N=13)を対象に,三部インタビュー調査を行った。 利害関係者は主に、彼らの貢献の潜在的な社会的影響によって、イノベーションエコシステムに参加する動機があることに気付きました。 また、ステークホルダーはデジタルツールを使って「ハイレベル」な情報を探し出し、初期意思決定の努力を足場としたが、最終的な決定は人間のネットワークが提供するコンテキスト情報に依存していた。 したがって、デジタルツールではなく、人々はこれらのエコシステムにおける重要な情報源であるように見える。 我々は,技術がステークホルダーの意思決定努力をいかに強化し,堅牢で公平なイノベーションエコシステムを実現するかを検討した。

関連論文リスト

• Sociotechnical Implications of Generative Artificial Intelligence for Information Access [4.3867169221012645]
  生成AI技術は、情報にアクセスし、既存の情報検索システムの有効性を改善する新しい方法を可能にする。 本稿では、情報アクセスの文脈において、生成AIを採用する際のシステム的結果とリスクについて概説する。
  論文  参考訳（メタデータ） (2024-05-19T17:04:39Z)
• 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)
• Information That Matters: Exploring Information Needs of People Affected by Algorithmic Decisions [11.421963387588864]
  XAInovice Question Bankは、AI初心者に必要な情報カタログを含むXAI Question Bankの拡張である。 「XAInovice Question Bank」には、雇用予測と健康モニタリングの2つのユースケースにおいて、AI初心者に必要な情報のカタログが含まれている。 我々の研究は、情報ニーズ、目標、課題を強調することで、説明可能性へのAI初心者の関与を支援することを目的としています。
  論文  参考訳（メタデータ） (2024-01-24T09:39:39Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Anticipating Impacts: Using Large-Scale Scenario Writing to Explore Diverse Implications of Generative AI in the News Environment [3.660182910533372]
  我々は、ジェネレーティブAIの潜在的なネガティブな影響について、3つの利害関係者グループの展望を広げ、期待を捉えることを目的としている。 シナリオ記述と参加観を用いて、認知的に多様な未来の想像力を掘り下げる。 生成的AI影響評価のためのツールボックスとして,シナリオ記述と参加予測の有用性について論じる。
  論文  参考訳（メタデータ） (2023-10-10T06:59:27Z)
• Evaluating and improving social awareness of energy communities through semantic network analysis of online news [0.0]
  本研究は、エネルギーコミュニティに関するオンラインニュースデータを分析し、人々の意識とこのトピックのメディア的重要性を理解する。 その結果、エネルギーコミュニティや他のエネルギー・社会関連トピックの異なる重要傾向が示され、また、関係の特定が可能となった。
  論文  参考訳（メタデータ） (2022-08-03T07:43:31Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
  人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。 市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。 本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-10-05T12:51:11Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)
• Modeling Stakeholder-centric Value Chain of Data to Understand Data Exchange Ecosystem [0.12891210250935145]
  本稿では,データビジネスにおける利害関係者間の関係に着目し,利害関係者中心の価値連鎖(SVC)を記述するモデルを提案する。 SVCモデルは、データ交換エコシステムの構造的特性の分析と理解を可能にする。
  論文  参考訳（メタデータ） (2020-05-22T05:04:08Z)

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。