論文の概要: From User Surveys to Telemetry-Driven Agents: Exploring the Potential of
Personalized Productivity Solutions
- arxiv url: http://arxiv.org/abs/2401.08960v1
- Date: Wed, 17 Jan 2024 04:20:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 16:58:44.639838
- Title: From User Surveys to Telemetry-Driven Agents: Exploring the Potential of
Personalized Productivity Solutions
- Title(参考訳): ユーザ調査からテレメトリ駆動エージェントへ:パーソナライズされた生産性ソリューションの可能性を探る
- Authors: Subigya Nepal, Javier Hernandez, Talie Massachi, Kael Rowan, Judith
Amores, Jina Suh, Gonzalo Ramos, Brian Houck, Shamsi T. Iqbal, Mary
Czerwinski
- Abstract要約: まず,363人の参加者を対象に,生産性,コミュニケーションスタイル,エージェントアプローチ,性格特性,パーソナライゼーション,プライバシのさまざまな側面を調査した。
我々は、情報労働者のテレメトリデータを利用して、カスタマイズされた支援を提供する、GPT-4を利用したパーソナライズされた生産性エージェントを開発した。
我々の研究は、AI支援生産性ツールにおけるユーザ中心の設計、適応性、パーソナライゼーションとプライバシのバランスの重要性を強調した。
- 参考スコア(独自算出の注目度): 22.443000599725313
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a comprehensive, user-centric approach to understand preferences
in AI-based productivity agents and develop personalized solutions tailored to
users' needs. Utilizing a two-phase method, we first conducted a survey with
363 participants, exploring various aspects of productivity, communication
style, agent approach, personality traits, personalization, and privacy.
Drawing on the survey insights, we developed a GPT-4 powered personalized
productivity agent that utilizes telemetry data gathered via Viva Insights from
information workers to provide tailored assistance. We compared its performance
with alternative productivity-assistive tools, such as dashboard and narrative,
in a study involving 40 participants. Our findings highlight the importance of
user-centric design, adaptability, and the balance between personalization and
privacy in AI-assisted productivity tools. By building on the insights
distilled from our study, we believe that our work can enable and guide future
research to further enhance productivity solutions, ultimately leading to
optimized efficiency and user experiences for information workers.
- Abstract(参考訳): aiベースの生産性エージェントの好みを理解し,ユーザのニーズに合わせてパーソナライズしたソリューションを開発するための,包括的でユーザ中心のアプローチを提案する。
まず,2段階の手法を用いて,生産性,コミュニケーションスタイル,エージェントアプローチ,パーソナライゼーション特性,パーソナライゼーション,プライバシのさまざまな側面を調査し,363名の参加者を対象に調査を行った。
調査結果に基づいて,情報労働者から収集したテレメトリデータを利用して,GPT-4を活用した個人化された生産性エージェントを開発した。
40名の参加者を対象に,そのパフォーマンスをダッシュボードやナラティブといった生産性向上ツールと比較した。
本研究は,ai支援生産性ツールにおけるユーザ中心のデザイン,適応性,パーソナライゼーションとプライバシのバランスの重要性を浮き彫りにする。
私たちの研究から得られた洞察に基づいて、我々の研究が将来の研究を可能にし、生産性ソリューションをさらに強化し、最終的には情報労働者の効率とユーザーエクスペリエンスを最適化できると信じています。
関連論文リスト
- Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。
我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。
我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
論文 参考訳(メタデータ) (2024-03-15T20:21:31Z) - Persona-DB: Efficient Large Language Model Personalization for Response
Prediction with Collaborative Data Refinement [82.56964750522161]
本稿では,タスクコンテキスト間の一般化を改善するため,階層的な構築プロセスからなるシンプルなフレームワークであるPersona-DBを紹介する。
応答予測のタスクでは,Persona-DBは,検索サイズを大幅に削減した精度を維持する上で,優れた効率性を示す。
我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで15%以上の顕著な改善が示されていることも示している。
論文 参考訳(メタデータ) (2024-02-16T20:20:43Z) - An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳(メタデータ) (2024-02-03T20:50:48Z) - Uncertainty-Aware Explainable Recommendation with Large Language Models [15.229417987212631]
GPT-2のプロンプトとしてユーザおよびアイテム入力のIDベクトルを利用するモデルを開発する。
マルチタスク学習フレームワークには,推薦タスクと説明タスクの両方を最適化するために,共同トレーニング機構が採用されている。
提案手法はYelp, TripAdvisor, Amazon のデータセット上でそれぞれ 1.59 DIV, 0.57 USR, 0.41 FCR を達成する。
論文 参考訳(メタデータ) (2024-01-31T14:06:26Z) - Improved prompting and process for writing user personas with LLMs,
using qualitative interviews: Capturing behaviour and personality traits of
users [0.0]
本稿では,大規模言語モデルを用いたユーザペルソナ作成のワークフローを提案する。
提案したワークフローでは、同じタスクに対して著者が実施した以前の作業と比較して、プロンプトの改善とテーマのプールの拡大が使用されている。
論文 参考訳(メタデータ) (2023-10-10T07:54:24Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-18T15:35:43Z) - Assisting Human Decisions in Document Matching [52.79491990823573]
我々は,意思決定者のパフォーマンスを向上する支援情報の種類を評価するためのプロキシマッチングタスクを考案した。
ブラックボックスモデルによる説明を提供することで,マッチング作業におけるユーザの精度が低下することが判明した。
一方,タスク固有のデシラタに密接に対応するように設計されたカスタムメソッドは,ユーザのパフォーマンス向上に有効であることが判明した。
論文 参考訳(メタデータ) (2023-02-16T17:45:20Z) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳(メタデータ) (2022-05-24T02:28:58Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳(メタデータ) (2022-03-02T19:57:32Z)
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。