論文の概要: Learning From Lessons Learned: Preliminary Findings From a Study of Learning From Failure

• arxiv url: http://arxiv.org/abs/2402.09538v1
• Date: Wed, 14 Feb 2024 19:29:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 18:04:19.761877
• Title: Learning From Lessons Learned: Preliminary Findings From a Study of Learning From Failure
• Title（参考訳）: 学んだ教訓から学ぶ--失敗から学ぶことに関する予備的研究
• Authors: Jonathan Sillito, Matt Pope
• Abstract要約: 組織はシステム障害を分析し、学習する。 学んだことに基づいて、システムの技術的部分と人的部分の両方を共同開発する。 確立されたプロセスとツールのサポートにもかかわらず、失敗から学んだことを取り入れ、社会技術システムの信頼性を向上することは容易ではない。
• 参考スコア（独自算出の注目度）: 3.045851438458641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to various sources of uncertainty, emergent behavior, and ongoing changes, the reliability of many socio-technical systems depends on an iterative and collaborative process in which organizations (1) analyze and learn from system failures, and then (2) co-evolve both the technical and human parts of their systems based on what they learn. Many organizations have defined processes for learning from failure, often involving postmortem analyses conducted after any system failures that are judged to be sufficiently severe. Despite established processes and tool support, our preliminary research, and professional experience, suggest that it is not straightforward to take what was learned from a failure and successfully improve the reliability of the socio-technical system. To better understand this collaborative process and the associated challenges, we are conducting a study of how teams learn from failure. We are gathering incident reports from multiple organizations and conducting interviews with engineers and managers with relevant experience. Our analytic interest is in what is learned by teams as they reflect on failures, the learning processes involved, and how they use what is learned. Our data collection and analysis are not yet complete, but we have so far analyzed 13 incident reports and seven interviews. In this short paper we (1) present our preliminary findings, and (2) outline our broader research plans.
• Abstract（参考訳）: 様々な不確実性、創発的行動、継続的な変化のために、多くの社会技術システムの信頼性は、(1)組織がシステム障害を分析して学習し、(2)システムの技術的部分と人的部分の両方を学習に基づいて共同開発する反復的かつ協調的なプロセスに依存している。 多くの組織は、失敗から学ぶためのプロセスを定義しており、多くの場合、十分に厳しいと判断されたシステム障害後に行われた事後分析を含む。 確立されたプロセスとツールサポートにもかかわらず、予備研究と専門的な経験から、失敗から学んだことを取り入れ、社会技術システムの信頼性を向上することは容易ではないことが示唆されている。 このコラボレーションプロセスと関連する課題をより深く理解するために、私たちは、チームが失敗から学ぶ方法の研究を行っています。 複数の組織からインシデントレポートを集め、関連する経験を持つエンジニアやマネージャとのインタビューを行っています。 私たちの分析的関心は、失敗や関連する学習プロセス、学習するものの使い方を反映して、チームから学んだことにあります。 当社のデータ収集と分析はまだ完了していないが、これまでに13件のインシデントレポートと7件のインタビューを分析した。 本稿では,(1)予備的な知見を提示し,(2)より広範な研究計画について概説する。

関連論文リスト

• What Could Possibly Go Wrong: Undesirable Patterns in Collective Development [4.2330023661329355]
  様々な研究がソフトウェア工学における社会的ダイナミクスを捉えようと試みている。 チームワークの問題はまだ検討されていない。 本稿では,集団開発における望ましくないパターンの概念を紹介する。
  論文  参考訳（メタデータ） (2024-09-02T15:13:18Z)
• Leveraging Skill-to-Skill Supervision for Knowledge Tracing [13.753990664747265]
  知識追跡は知的学習システムにおいて重要な役割を担っている。 知識追跡モデルの最近の進歩は、問題解決の歴史をよりうまく活用することを可能にしている。 知識を直接組み込む知識トレースアルゴリズムは、限られたデータやコールドスタートの設定において重要である。
  論文  参考訳（メタデータ） (2023-06-12T03:23:22Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• When Do Curricula Work in Federated Learning? [56.88941905240137]
  カリキュラム学習は非IID性を大幅に軽減する。 クライアント間でデータ配布を多様化すればするほど、学習の恩恵を受けるようになる。 本稿では,クライアントの現実的格差を生かした新しいクライアント選択手法を提案する。
  論文  参考訳（メタデータ） (2022-12-24T11:02:35Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
  我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。 知識の抽出と知識の記憶という2つの側面から問題に取り組む。 提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
  論文  参考訳（メタデータ） (2022-08-27T09:27:36Z)
• Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
  本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。 また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
  論文  参考訳（メタデータ） (2021-11-28T14:24:52Z)
• Findings from Experiments of On-line Joint Reinforcement Learning of Semantic Parser and Dialogue Manager with real Users [3.9686445409447617]
  本論文では,これらの困難を緩和する便利な方法として,オンライン学習を追求する。 新しい課題は、ユーザが生み出すオンライン学習のコストを制御することである。
  論文  参考訳（メタデータ） (2021-10-25T18:51:41Z)
• Discovering and Validating AI Errors With Crowdsourced Failure Reports [10.4818618376202]
  クラウドソースの障害レポートや、モデルが失敗した理由や理由に関するエンドユーザの説明を導入し、開発者がAIエラーの検出にどのように使用できるかを示します。 また、障害レポートを合成する視覚分析システムであるDeblinderを設計、実装する。 半構造化されたインタビューと10人のAI実践者とのシンク・アラウド・スタディでは、現実の環境でのDeblinderシステムと障害報告の適用可能性について検討する。
  論文  参考訳（メタデータ） (2021-09-23T23:26:59Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。