論文の概要: A Scalable and Automated Framework for Tracking the likely Adoption of
Emerging Technologies
- arxiv url: http://arxiv.org/abs/2402.01670v1
- Date: Tue, 16 Jan 2024 16:42:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:05:21.308580
- Title: A Scalable and Automated Framework for Tracking the likely Adoption of
Emerging Technologies
- Title（参考訳）: 新興技術採用の可能性を追跡するスケーラブルで自動化されたフレームワーク
- Authors: Lowri Williams, Eirini Anthi, Pete Burnap
- Abstract要約: 本稿では,新しい技術の採用や拒絶の可能性を追及するための,スケーラブルで自動化されたフレームワークを提案する。
新興技術への言及を含むソーシャルメディアテキストの大規模なコーパスが編纂された。
肯定的な感情表現は、テクノロジーユーザの採用、統合、利用に対する受容に影響を与える可能性の増加を推し進め、ネガティブな感情は、導入者による新興技術の拒絶に影響を及ぼす可能性の増大を推し進める。
- 参考スコア（独自算出の注目度）: 3.4530027457862
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While new technologies are expected to revolutionise and become game-changers
in improving the efficiencies and practises of our daily lives, it is also
critical to investigate and understand the barriers and opportunities faced by
their adopters. Such findings can serve as an additional feature in the
decision-making process when analysing the risks, costs, and benefits of
adopting an emerging technology in a particular setting. Although several
studies have attempted to perform such investigations, these approaches adopt a
qualitative data collection methodology which is limited in terms of the size
of the targeted participant group and is associated with a significant manual
overhead when transcribing and inferring results. This paper presents a
scalable and automated framework for tracking likely adoption and/or rejection
of new technologies from a large landscape of adopters. In particular, a large
corpus of social media texts containing references to emerging technologies was
compiled. Text mining techniques were applied to extract sentiments expressed
towards technology aspects. In the context of the problem definition herein, we
hypothesise that the expression of positive sentiment infers an increase in the
likelihood of impacting a technology user's acceptance to adopt, integrate,
and/or use the technology, and negative sentiment infers an increase in the
likelihood of impacting the rejection of emerging technologies by adopters. To
quantitatively test our hypothesis, a ground truth analysis was performed to
validate that the sentiment captured by the text mining approach is comparable
to the results given by human annotators when asked to label whether such texts
positively or negatively impact their outlook towards adopting an emerging
technology.
- Abstract（参考訳）: 新しい技術は、私たちの日常生活の効率性と実践を改善する上で革新的かつゲームチェンジャーになることが期待されているが、導入者が直面する障壁や機会を調査し理解することが重要である。
このような発見は、特定の場所で新興技術を採用するリスク、コスト、利益を分析する際に、意思決定プロセスに付加的な機能として役立ちます。
このような調査を試みている研究はいくつかあるが、これらのアプローチでは質的データ収集手法を採用しており、対象グループのサイズに制限があり、結果の書き起こしや推測において大きなオーバーヘッドを伴っている。
本稿では,新しい技術の採用や拒絶の可能性を追及するための,スケーラブルで自動化されたフレームワークを提案する。
特に新興技術への言及を含むソーシャルメディアテキストの大規模なコーパスが編纂された。
テキストマイニング技術は、技術面で表現された感情を抽出するために応用された。
ここでは、問題定義の文脈において、肯定的な感情表現は、テクノロジー利用者の採用、統合、および/または使用に対する受容に影響を与える可能性の増加を推測し、ネガティブな感情は、導入者による新興技術の拒絶に影響を及ぼす可能性の増大を推測する。
この仮説を定量的に検証するために,テキストマイニングアプローチによって得られた感情が,これらのテキストが新興技術の採用に肯定的あるいは否定的に影響を与えるか否かをラベル付けした際に,人間の注釈者によって与えられた結果に匹敵するものであることを検証するために,根拠真理分析を行った。
関連論文リスト
- Cutting Through the Confusion and Hype: Understanding the True Potential of Generative AI [0.0]
本稿では,生成型AI(genAI)の微妙な景観について考察する。
それは、Large Language Models (LLMs)のようなニューラルネットワークベースのモデルに焦点を当てている。
論文 参考訳（メタデータ） (2024-10-22T02:18:44Z) - Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。
この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。
本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文 参考訳（メタデータ） (2024-03-26T17:12:34Z) - Safeguarding Marketing Research: The Generation, Identification, and Mitigation of AI-Fabricated Disinformation [0.26107298043931204]
生成AIは、人間のコントリビューションを忠実に模倣するコンテンツを生成する能力を確立している。
これらのモデルは、世論の操作や認識の歪曲に利用することができ、結果としてデジタルプラットフォームに対する信頼が低下する。
本研究は,マーケティング文献と実践に3つの方法で貢献する。
論文 参考訳（メタデータ） (2024-03-17T13:08:28Z) - Towards Possibilities & Impossibilities of AI-generated Text Detection:
A Survey [97.33926242130732]
大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。
これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。
これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
論文 参考訳（メタデータ） (2023-10-23T18:11:32Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Eliciting the Double-edged Impact of Digitalisation: a Case Study in
Rural Areas [1.8707139489039097]
本稿では, 遠隔地におけるデジタル化の影響を, 通常の土地管理システムと水文地質リスク管理システムの観点から考察する。
我々は,接続の過剰,意思決定能力の部分的削減,利害関係者の限界化リスクなどにより,より高いストレスが強調される。
本研究は, 事例に特有の影響の集合を類似の文脈に適用し得ること, 影響誘発に対する効果的なアプローチ, 経験から学んだ教訓の一覧に寄与する。
論文 参考訳（メタデータ） (2023-06-08T10:01:35Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Axes for Sociotechnical Inquiry in AI Research [3.0215443986383734]
技術開発の新たな発展領域を探求する4つの方向を提案する。
本論文は、社会技術調査のためのレキシコンを提供し、消費者向けドローン技術の例を通してそれを解説する。
論文 参考訳（メタデータ） (2021-04-26T16:49:04Z) - LioNets: A Neural-Specific Local Interpretation Technique Exploiting
Penultimate Layer Information [6.570220157893279]
解釈可能な機械学習(IML)は研究の緊急のトピックである。
本稿では,テキストデータと時系列データに適用される局所的,神経特異的な解釈プロセスに焦点を当てる。
論文 参考訳（メタデータ） (2021-04-13T09:39:33Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。