論文の概要: Multi-Scenario Empirical Assessment of Agile Governance Theory: A Technical Report

• arxiv url: http://arxiv.org/abs/2307.13635v1
• Date: Mon, 3 Jul 2023 18:50:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 16:23:15.557747
• Title: Multi-Scenario Empirical Assessment of Agile Governance Theory: A Technical Report
• Title（参考訳）: アジャイルガバナンス理論のマルチシナリオ実証評価:技術報告
• Authors: Alexandre J. H. de O. Luna, Marcelo L. M. Marinho
• Abstract要約: アジャイルガバナンス理論(AGT)は、ビジネスユニットやチーム間での責任の組織的連鎖の潜在的なモデルとして登場した。 本研究は,AGTが実際にどのように反映されているかを評価することを目的とする。
• 参考スコア（独自算出の注目度）: 55.2480439325792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context: Agile Governance Theory (AGT) has emerged as a potential model for organizational chains of responsibility across business units and teams. Objective: This study aims to assess how AGT is reflected in practice. Method: AGT was operationalized down into 16 testable hypotheses. All hypotheses were tested by arranging eight theoretical scenarios with 118 practitioners from 86 organizations and 19 countries who completed an in-depth explanatory scenario-based survey. The feedback results were analyzed using Structural Equation Modeling (SEM) and Confirmatory Factor Analysis (CFA). Results: The analyses supported key theory components and hypotheses, such as mediation between agile capabilities and business operations through governance capabilities. Conclusion: This study supports the theory and suggests that AGT can assist teams in gaining a better understanding of their organization governance in an agile context. A better understanding can help remove delays and misunderstandings that can come about with unclear decision-making channels, which can jeopardize the fulfillment of the overall strategy.
• Abstract（参考訳）: コンテキスト: アジャイルガバナンス理論(AGT)は、ビジネスユニットやチーム間での責任の組織的連鎖の潜在的なモデルとして現れました。 目的:本研究はAGTが実際にどのように反映されているかを評価することを目的としている。 方法:AGTは16の検証可能な仮説で運用された。 全仮説は、86の組織と19の国から118人の実践者を対象に、8つの理論的シナリオをアレンジすることで検証された。 フィードバックは構造方程式モデリング (sem) と確認因子分析 (cfa) を用いて解析された。 結果: 分析は,アジャイル能力とガバナンス機能によるビジネス運用の仲介など,キー理論の構成要素と仮説をサポートしました。 結論: この研究は理論を支持し、agtはチームがアジャイルな文脈で組織のガバナンスをよりよく理解するのに役立つことを示唆する。 より深い理解は、不明確な意思決定チャネルによって生じる可能性のある遅延や誤解を取り除くのに役立つ。

関連論文リスト

• RL-STaR: Theoretical Analysis of Reinforcement Learning Frameworks for Self-Taught Reasoner [2.779063752888881]
  自己学習推論(STaR)フレームワークは、強化学習を使用して推論ステップを自動的に生成する。 STaRとその変種は経験的成功を示しているが、これらの改善を説明する理論的基盤は欠如している。 この研究は、CoT推論とSTaRにおける強化学習の有効性を理解するための理論的枠組みを提供する。
  論文  参考訳（メタデータ） (2024-10-31T13:17:53Z)
• Make LLMs better zero-shot reasoners: Structure-orientated autonomous reasoning [52.83539473110143]
  本稿では,Large Language Models (LLM) の質問をよりよく理解するための構造指向分析手法を提案する。 複雑な質問応答タスクの信頼性をさらに向上するために,多エージェント推論システム,構造指向自律推論エージェント(SARA)を提案する。 大規模な実験により,提案システムの有効性が検証された。
  論文  参考訳（メタデータ） (2024-10-18T05:30:33Z)
• StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization [94.31508613367296]
  Retrieval-augmented Generation(RAG)は、大規模言語モデル(LLM)を効果的に強化する鍵となる手段である。 本稿では,手前のタスクに対して最適な構造型を識別し,元の文書をこの構造化形式に再構成し,その結果に基づいて回答を推測するStructRAGを提案する。 実験の結果、StructRAGは最先端のパフォーマンスを実現し、特に挑戦的なシナリオに優れていた。
  論文  参考訳（メタデータ） (2024-10-11T13:52:44Z)
• RATT: A Thought Structure for Coherent and Correct LLM Reasoning [23.28162642780579]
  本稿では,思考過程の各段階における論理的健全性と事実的正当性の両方を考慮した新しい思考構造であるRetrieval Augmented Thought Tree(RATT)を紹介する。 様々な種類のタスクに関する実験では、RATT構造が既存の手法を事実的正当性と論理的整合性で著しく上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-06-04T20:02:52Z)
• Self-Discover: Large Language Models Self-Compose Reasoning Structures [136.48389510481758]
  タスク固有の推論構造を自己発見するフレームワークであるSELF-DISCOVERを紹介する。 SELF-DISCOVERは、挑戦的推論ベンチマークにおいて、GPT-4とPaLM 2の性能を大幅に改善する。 自己発見推論構造は、モデルファミリー全体にわたって普遍的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-02-06T01:13:53Z)
• Understanding What Affects the Generalization Gap in Visual Reinforcement Learning: Theory and Empirical Evidence [53.51724434972605]
  本稿では,テスト環境に障害がある場合の一般化ギャップに寄与する要因について理論的に考察する。 我々の理論は、人間の直観に沿う訓練環境とテスト環境の表現距離を最小化することが、一般化のギャップを減らすことの利点として最も重要であることを示唆している。
  論文  参考訳（メタデータ） (2024-02-05T03:27:52Z)
• A Principled Framework for Knowledge-enhanced Large Language Model [58.1536118111993]
  大規模言語モデル(LLM)は汎用性があるが、深い信頼性のある推論を必要とするタスクに悩まされることが多い。 本稿では、知識を効果的に固定し、閉ループ推論プロセスを用いるLLMを作成するための厳密な設計のフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-18T18:10:02Z)
• Generalizing Goal-Conditioned Reinforcement Learning with Variational Causal Reasoning [24.09547181095033]
  Causal Graphは、オブジェクトとイベントの関係に基づいて構築された構造である。 2つのステップを交互に行う理論性能保証フレームワークを提案する。 我々の業績改善は因果発見、遷移モデリング、政策トレーニングの活発なサイクルに起因する。
  論文  参考訳（メタデータ） (2022-07-19T05:31:16Z)
• Principles to Practices for Responsible AI: Closing the Gap [0.1749935196721634]
  インパクトアセスメントフレームワークは、原則と実践のギャップを埋めるための有望なアプローチである、と我々は主張する。 我々は、森林生態系の復元におけるAIの使用に関するケーススタディをレビューし、インパクトアセスメントフレームワークが効果的で責任あるAIプラクティスにどのように変換できるかを実証する。
  論文  参考訳（メタデータ） (2020-06-08T16:04:44Z)
• Rhetoric, Logic, and Dialectic: Advancing Theory-based Argument Quality Assessment in Natural Language Processing [6.654552816487819]
  GAQコーパス(GAQCorpus):理論に基づくAQスコアを付加した最初の大規模英語マルチドメイン(コミュニティQ&Aフォーラム、議論フォーラム、レビューフォーラム)を提示する。 本稿では,大規模AQアノテーションの実現可能性を示すとともに,次元間の関係を活用すれば性能が向上することを示すとともに,理論に基づく予測と実用的なAQ評価の相乗効果について検討する。
  論文  参考訳（メタデータ） (2020-06-01T10:39:50Z)

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。