Fugu-MT 論文翻訳(概要): Measuring Behavior Change with Observational Studies: a Review

論文の概要: Measuring Behavior Change with Observational Studies: a Review

arxiv url: http://arxiv.org/abs/2310.19951v1
Date: Mon, 30 Oct 2023 19:02:09 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 17:48:02.765133
Title: Measuring Behavior Change with Observational Studies: a Review
Title（参考訳）: 観察研究による行動変化の計測 : 概観
Authors: Arianna Pera, Gianmarco de Francisci Morales, Luca Maria Aiello
Abstract要約: 我々は148の論文(2000-2023)を分析し,行動分類と変化検出手法を作成した。私たちの発見は、感情の変化、API制限されたプラットフォームへの重点、理論の統合に焦点を合わせました。
参考スコア（独自算出の注目度）: 3.683202928838613
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Exploring behavioral change in the digital age is imperative for societal progress in the context of 21st-century challenges. We analyzed 148 articles (2000-2023) and built a map that categorizes behaviors and change detection methodologies, platforms of reference, and theoretical frameworks that characterize online behavior change. Our findings uncover a focus on sentiment shifts, an emphasis on API-restricted platforms, and limited theory integration. We call for methodologies able to capture a wider range of behavioral types, diverse data sources, and stronger theory-practice alignment in the study of online behavioral change.
Abstract（参考訳）: デジタル時代の行動変化を探求することは、21世紀の課題の文脈における社会的進歩に不可欠である。 128の論文(2000-2023)を分析し,オンライン行動変化を特徴付ける行動と変化検出方法論,参照プラットフォーム,理論的枠組みを分類するマップを構築した。私たちの発見は、感情の変化、API制限されたプラットフォームへの重点、理論の統合に焦点を合わせました。オンライン行動変化の研究において、より幅広い行動タイプ、多様なデータソース、より強力な理論・実践的アライメントを捉えることができる方法論を提唱する。

関連論文リスト

Behavior Matters: An Alternative Perspective on Promoting Responsible Data Science [9.696812613037448]
データサイエンスパイプラインは、社会的不平等と害を容易に伝播することができる。伝統的な解法は本質的に技術的であり、例えばバイアスアルゴリズムを緩和する。本稿では,行動変化の理論を用いて,責任あるデータ科学を促進する新しいレンズを提案する。
論文参考訳（メタデータ） (2024-10-07T16:59:18Z)
Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models [88.47454470043552]
我々は、動的評価(動的評価)としても知られる、テスト時の言語モデルのパラメータをオンラインで微調整する問題を考察する。オンライン適応はパラメータを時間的に変化する状態に変換し、メモリを重み付けしたコンテキスト長拡張の形式を提供する。
論文参考訳（メタデータ） (2024-03-03T14:03:48Z)
Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。既存の感受性研究は、自己報告された信念に大きく依存している。本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文参考訳（メタデータ） (2023-11-16T07:22:56Z)
Inverse Decision Modeling: Learning Interpretable Representations of Behavior [72.80902932543474]
我々は,逆決定モデルに関する表現的,統一的な視点を開拓する。これを逆問題(記述モデルとして)の形式化に用います。この構造が(有界な)有理性の学習(解釈可能な)表現を可能にする方法について説明する。
論文参考訳（メタデータ） (2023-10-28T05:05:01Z)
Incorporating Heterogeneous User Behaviors and Social Influences for Predictive Analysis [32.31161268928372]
我々は,行動予測に異質なユーザ行動と社会的影響を取り入れることを目指している。本稿では,行動シーケンスのコンテキストを考慮したLong-Short Term Memory (LSTM)を提案する。残差学習に基づくデコーダは、社会的行動表現に基づいて、複数の高次クロス機能を自動的に構築するように設計されている。
論文参考訳（メタデータ） (2022-07-24T17:05:37Z)
Personalized Interventions for Online Moderation [0.9346127431927982]
現在のオンラインのモデレーションは、一大のアプローチに従っている。我々は、パーソナライズされたユーザー中心のアプローチに移行することで、オンラインモデレーションのパラダイムシフトを提案する。
論文参考訳（メタデータ） (2022-05-19T10:44:57Z)
From Concept Drift to Model Degradation: An Overview on Performance-Aware Drift Detectors [1.757501664210825]
予測機械学習モデルがトレーニングされたシステムの変化は、システムのライフサイクルにおけるパフォーマンス低下につながる可能性がある。文献では、同じ種類のコンセプトドリフトと、様々な種類の同じ用語を指すために、異なる用語が用いられてきた。この統一項の欠如は、異なる概念のドリフト変種を区別する上で混乱を引き起こす。
論文参考訳（メタデータ） (2022-03-21T15:48:13Z)
Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文参考訳（メタデータ） (2021-12-03T12:10:26Z)
Models we Can Trust: Toward a Systematic Discipline of (Agent-Based) Model Interpretation and Validation [0.0]
我々は、モデルから情報を取り出すための相互作用の分野の開発を提唱する。このような分野の発展に向けたいくつかの方向性を概説する。
論文参考訳（メタデータ） (2021-02-23T10:52:22Z)
Disentangling Adaptive Gradient Methods from Learning Rates [65.0397050979662]
適応的勾配法が学習率のスケジュールとどのように相互作用するかを、より深く検討する。我々は、更新の規模をその方向から切り離す"グラフティング"実験を導入する。適応勾配法の一般化に関する経験的および理論的考察を示す。
論文参考訳（メタデータ） (2020-02-26T21:42:49Z)
FLAT: Few-Shot Learning via Autoencoding Transformation Regularizers [67.46036826589467]
本稿では,データ例のラベルを使わずに,変換の分布によって引き起こされる特徴表現の変化を学習することで,新たな正規化機構を提案する。エンコードされた特徴レベルで変換強化されたバリエーションを検査することで、ベースカテゴリへのオーバーフィットのリスクを最小限に抑えることができる。実験結果から,文学における現在の最先端手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2019-12-29T15:26:28Z)

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。