論文の概要: Crowdsourced Adaptive Surveys

• arxiv url: http://arxiv.org/abs/2401.12986v1
• Date: Tue, 16 Jan 2024 04:05:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 15:28:36.504954
• Title: Crowdsourced Adaptive Surveys
• Title（参考訳）: クラウドソーシングによるAdaptive Surveys
• Authors: Yamil Velez
• Abstract要約: 本稿では,クラウドソーシング型適応調査手法(CSAS)を紹介する。 この方法は参加者が提供するオープンエンドテキストをLikertスタイルのアイテムに変換する。 マルチアームのバンディットアルゴリズムを適用して、調査で優先すべきユーザが提供する質問を判断する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public opinion surveys are vital for informing democratic decision-making, but responding to rapidly changing information environments and measuring beliefs within niche communities can be challenging for traditional survey methods. This paper introduces a crowdsourced adaptive survey methodology (CSAS) that unites advances in natural language processing and adaptive algorithms to generate question banks that evolve with user input. The CSAS method converts open-ended text provided by participants into Likert-style items and applies a multi-armed bandit algorithm to determine user-provided questions that should be prioritized in the survey. The method's adaptive nature allows for the exploration of new survey questions, while imposing minimal costs in survey length. Applications in the domains of Latino information environments and issue importance showcase CSAS's ability to identify claims or issues that might otherwise be difficult to track using standard approaches. I conclude by discussing the method's potential for studying topics where participant-generated content might improve our understanding of public opinion.
• Abstract（参考訳）: 世論調査は民主的な意思決定に欠かせないが、急速に変化する情報環境への対応やニッチなコミュニティにおける信念の測定は、従来の調査手法では困難である。 本稿では,自然言語処理と適応アルゴリズムの進歩を統合し,ユーザ入力で進化する質問バンクを生成するクラウドソーシング適応調査手法(csas)を提案する。 CSAS法では,参加者が提供したオープンエンドテキストをLikertスタイルの項目に変換し,マルチアームバンディットアルゴリズムを適用して,調査で優先すべきユーザの質問を決定する。 この手法の適応性は、調査期間の最小コストを課しながら、新たな調査質問の探索を可能にする。 ラテン系情報環境の領域での応用と問題の重要性は、CSASが標準的アプローチで追跡するのが困難である主張や問題を特定する能力を示している。 参加者生成コンテンツが世論の理解を深める可能性のあるトピックを研究するための手法の可能性について論じる。

関連論文リスト

• Specializing Large Language Models to Simulate Survey Response Distributions for Global Populations [49.908708778200115]
  我々は,調査応答分布をシミュレートする大規模言語モデル (LLM) を最初に開発した。 テストベッドとして、我々は2つの世界文化調査の国レベルの結果を使用します。 予測された応答分布と実際の応答分布のばらつきを最小限に抑えるために, ファースト・ツーケン確率に基づく微調整法を提案する。
  論文  参考訳（メタデータ） (2025-02-10T21:59:27Z)
• Transforming Social Science Research with Transfer Learning: Social Science Survey Data Integration with AI [0.4944564023471818]
  全国的に代表される大規模な調査は、アメリカ政治学界を深く形作っているが、関連性はあるものの異なる領域を代表している。 本研究は,これらのギャップに対処するためのトランスファーラーニング(TL)の新たな応用について紹介する。 協同選挙研究データセットで事前訓練されたモデルは、米国選挙研究データセットでの使用のために微調整されている。
  論文  参考訳（メタデータ） (2025-01-11T16:01:44Z)
• Exploring LLMs for Automated Pre-Testing of Cross-Cultural Surveys [41.34785468969536]
  本稿では,大規模言語モデル(LLM)を用いて,異文化間におけるアンケート前テストプロセスを自動化することを提案する。 我々の研究は、LLMを使って、南アフリカの聴衆に米国に焦点を当てた気候変動に関する世論調査を適応させた。
  論文  参考訳（メタデータ） (2025-01-10T14:17:48Z)
• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
  質問紙作成作業に特化して構築された最初のデータセットについて述べる。 我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。 チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
  論文  参考訳（メタデータ） (2024-02-22T04:14:10Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• Predicting Survey Response with Quotation-based Modeling: A Case Study on Favorability towards the United States [0.0]
  そこで我々は,機械学習を用いて探索応答を推定する先駆的手法を提案する。 我々は、さまざまな国籍の個人から引用された膨大なコーパスを活用して、彼らの好意のレベルを抽出する。 自然言語処理技術と機械学習アルゴリズムを組み合わせて,質問応答の予測モデルを構築した。
  論文  参考訳（メタデータ） (2023-05-23T14:11:01Z)
• Releasing survey microdata with exact cluster locations and additional privacy safeguards [77.34726150561087]
  本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。 当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
  論文  参考訳（メタデータ） (2022-05-24T19:37:11Z)
• Questionnaire analysis to define the most suitable survey for port-noise investigation [0.0]
  本論文は, 主観的調査のために国際的に提案されたアンケートデータベースの一部として選択された, 特定の研究に適した質問のサンプルを分析した。 TRIPLOプロジェクト(TRansports and Innovative sustainable connection between Ports and LOGistic platform)に展開する。
  論文  参考訳（メタデータ） (2020-07-14T08:52:55Z)

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。