論文の概要: Time2Stop: Adaptive and Explainable Human-AI Loop for Smartphone Overuse Intervention
- arxiv url: http://arxiv.org/abs/2403.05584v1
- Date: Sun, 3 Mar 2024 06:57:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:10:13.836531
- Title: Time2Stop: Adaptive and Explainable Human-AI Loop for Smartphone Overuse Intervention
- Title（参考訳）: Time2Stop: スマートフォンの過剰使用防止のための適応的で説明可能なヒューマンAIループ
- Authors: Adiba Orzikulova, Han Xiao, Zhipeng Li, Yukang Yan, Yuntao Wang, Yuanchun Shi, Marzyeh Ghassemi, Sung-Ju Lee, Anind K Dey, Xuhai "Orson" Xu,
- Abstract要約: 我々は、最適な介入タイミングを特定し、透明なAI説明を伴う介入を導入する、インテリジェントで適応的で説明可能なJITAIシステムを開発する。
Time2Stopは、アプリ訪問頻度を7.0$sim$8.9%削減する。
我々は,ユーザとともに進化する人間-AIループを用いたJITAIシステムに関する今後の研究をインスピレーションできることを期待している。
- 参考スコア（独自算出の注目度）: 35.10406472117461
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite a rich history of investigating smartphone overuse intervention techniques, AI-based just-in-time adaptive intervention (JITAI) methods for overuse reduction are lacking. We develop Time2Stop, an intelligent, adaptive, and explainable JITAI system that leverages machine learning to identify optimal intervention timings, introduces interventions with transparent AI explanations, and collects user feedback to establish a human-AI loop and adapt the intervention model over time. We conducted an 8-week field experiment (N=71) to evaluate the effectiveness of both the adaptation and explanation aspects of Time2Stop. Our results indicate that our adaptive models significantly outperform the baseline methods on intervention accuracy (>32.8\% relatively) and receptivity (>8.0\%). In addition, incorporating explanations further enhances the effectiveness by 53.8\% and 11.4\% on accuracy and receptivity, respectively. Moreover, Time2Stop significantly reduces overuse, decreasing app visit frequency by 7.0$\sim$8.9\%. Our subjective data also echoed these quantitative measures. Participants preferred the adaptive interventions and rated the system highly on intervention time accuracy, effectiveness, and level of trust. We envision our work can inspire future research on JITAI systems with a human-AI loop to evolve with users.
- Abstract（参考訳）: スマートフォンの過剰使用介入技術の調査の豊富な歴史にもかかわらず、過剰使用削減のためのAIベースのJust-in-time Adaptive intervention(JITAI)メソッドは欠落している。
我々は、機械学習を利用して最適な介入タイミングを識別し、透明なAI説明による介入を導入し、ユーザーフィードバックを収集し、人間のAIループを確立し、介入モデルに時間をかけて適応する、インテリジェントで適応的で説明可能なJITAIシステムであるTime2Stopを開発した。
我々は8週間のフィールド実験(N=71)を行い、Time2Stopの適応と説明の両面の有効性を評価した。
その結果,我々の適応モデルは介入精度 (>32.8\%) と受容率 (>8.0\%) において, ベースライン法よりも有意に優れていた。
さらに、説明を取り入れることで、それぞれ精度と受容率において53.8\%と11.4\%の効率が向上する。
さらに、Time2Stopは過剰使用を著しく減らし、アプリ訪問頻度を7.0$\sim$8.9\%削減する。
我々の主観的データもこれらの量的尺度を反映した。
参加者は適応的な介入を好み、介入時間の正確さ、有効性、信頼度を高く評価した。
我々は,ユーザとともに進化する人間-AIループを用いたJITAIシステムに関する今後の研究をインスピレーションできることを期待している。
関連論文リスト
- WatchGuardian: Enabling User-Defined Personalized Just-in-Time Intervention on Smartwatch [41.70921498615945]
スマートウォッチベースのJITIシステムであるWatchGuardianについて述べる。
我々は、公的な手振りデータセット上で、事前訓練された慣性測定ユニット(IMU)モデルを微調整した数ショットの学習パイプラインを開発した。
その結果,我々のシステムは望ましくない行動で64.0+-22.6%の大幅な減少を招いた。
論文 参考訳（メタデータ） (2025-02-09T05:58:31Z) - Dynamic Noise Preference Optimization for LLM Self-Improvement via Synthetic Data [51.62162460809116]
我々は、イテレーション間で一貫した改善を保証するために、動的ノイズ優先最適化(DNPO)を導入します。
Zephyr-7Bでの実験では、DNPOは既存の手法を一貫して上回り、平均性能は2.6%向上した。
DNPOは、GPT-4評価のベースラインに比べて29.4%のウィンロス率差で、モデル生成データの品質が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2025-02-08T01:20:09Z) - Machine Learning-Based Automated Assessment of Intracorporeal Suturing in Laparoscopic Fundoplication [0.0]
我々は,Segment Anything Model(SAM)を用いたAIベースのツールトラッキングを開発し,アノテータの必要性を解消した。
ブタ腸におけるNissen骨形成の録画ビデオに自動ツールトラッキングモデルを適用した。
評価は教師なしモデルと教師なしモデルを用いて行った。
論文 参考訳（メタデータ） (2024-12-16T17:44:44Z) - Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。
以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。
本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
論文 参考訳（メタデータ） (2024-11-17T00:13:00Z) - To Err Is AI! Debugging as an Intervention to Facilitate Appropriate Reliance on AI Systems [11.690126756498223]
最適な人間とAIのコラボレーションのためのビジョンは、人間のAIシステムへの「適切な依存」を必要とする。
実際には、アウト・オブ・ディストリビューションデータにおける機械学習モデルの性能格差は、データセット固有のパフォーマンスフィードバックを信頼できないものにしている。
論文 参考訳（メタデータ） (2024-09-22T09:43:27Z) - Combating Spatial Disorientation in a Dynamic Self-Stabilization Task Using AI Assistants [5.42300240053097]
空間的不整合は、致命的な航空機事故の主要な原因である。
本稿では、パイロットがバランスを維持し、回収不能な制御損失を防止できるAIエージェントの可能性について検討する。
論文 参考訳（メタデータ） (2024-09-09T21:06:22Z) - Augmenting Unsupervised Reinforcement Learning with Self-Reference [63.68018737038331]
人間は、新しいタスクを学ぶ際に、過去の経験を明確に表現する能力を持っている。
本稿では,歴史情報を活用するためのアドオンモジュールとして,自己参照(SR)アプローチを提案する。
提案手法は,非教師付き強化学習ベンチマークにおけるIQM(Interquartile Mean)性能と最適ギャップ削減の両面から,最先端の成果を実現する。
論文 参考訳（メタデータ） (2023-11-16T09:07:34Z) - TeD-SPAD: Temporal Distinctiveness for Self-supervised
Privacy-preservation for video Anomaly Detection [59.04634695294402]
人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。
VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。
本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
論文 参考訳（メタデータ） (2023-08-21T22:42:55Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。
提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。
その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。