論文の概要: AI-Assisted Causal Pathway Diagram for Human-Centered Design
- arxiv url: http://arxiv.org/abs/2403.08111v1
- Date: Tue, 12 Mar 2024 22:36:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 16:22:39.397352
- Title: AI-Assisted Causal Pathway Diagram for Human-Centered Design
- Title(参考訳): 人間中心設計のためのAI支援因果経路図
- Authors: Ruican Zhong, Donghoon Shin, Rosemary Meza, Predrag Klasnja, Lucas
Colusso, Gary Hsieh
- Abstract要約: 本稿では人中心設計(HCD)への因果経路図(CPD)の統合について検討する。
オンラインホワイトボードプラットフォームのMiro用の専用のCDDプラグインが開発され、ダイアグラムの作成を合理化し、リアルタイムAI駆動のガイダンスを提供する。
その結果, CPDの分岐と因果関係の強調は, 設計過程での分岐過程と収束過程の両方を支持した。
- 参考スコア(独自算出の注目度): 11.95977545253811
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper explores the integration of causal pathway diagrams (CPD) into
human-centered design (HCD), investigating how these diagrams can enhance the
early stages of the design process. A dedicated CPD plugin for the online
collaborative whiteboard platform Miro was developed to streamline diagram
creation and offer real-time AI-driven guidance. Through a user study with
designers (N=20), we found that CPD's branching and its emphasis on causal
connections supported both divergent and convergent processes during design.
CPD can also facilitate communication among stakeholders. Additionally, we
found our plugin significantly reduces designers' cognitive workload and
increases their creativity during brainstorming, highlighting the implications
of AI-assisted tools in supporting creative work and evidence-based designs.
- Abstract(参考訳): 本稿では, 因果経路図 (CPD) を人間中心設計 (HCD) に統合し, これらの図が設計プロセスの初期段階をいかに促進するかを考察する。
オンラインコラボレーティブなホワイトボードプラットフォームであるMiro用の専用のCDDプラグインが開発され、ダイアグラムの作成を合理化し、リアルタイムAI駆動のガイダンスを提供する。
設計者によるユーザスタディ (N=20) により, CPDの分岐と因果関係の強調が, 設計過程での分岐過程と収束過程の両方をサポートすることがわかった。
CPDは利害関係者間のコミュニケーションを促進することができる。
さらに、私たちのプラグインはデザイナの認知作業量を大幅に削減し、ブレインストーミング時の創造性を高め、創造的な作業やエビデンスベースのデザインをサポートする上でAI支援ツールがもたらす意味を強調しました。
関連論文リスト
- Content-Centric Prototyping of Generative AI Applications: Emerging
Approaches and Challenges in Collaborative Software Teams [2.369736515233951]
私たちの研究は、共同ソフトウェアチームがいかにして設計ガイドラインと価値を適用して適用し、反復的にプロトタイププロンプトを作成し、望ましい結果を達成するためのプロンプトを評価するかを理解することを目的としています。
その結果,コンテンツ中心のプロトタイピングアプローチとして,生成したいコンテンツから始めて,特定の属性,制約,値を識別し,ユーザがそれらの属性に影響を与えて対話する手段を探索する,という方法が明らかになった。
論文 参考訳(メタデータ) (2024-02-27T17:56:10Z) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳(メタデータ) (2024-02-27T17:11:35Z) - DesignGPT: Multi-Agent Collaboration in Design [4.6272626111555955]
DesignGPTは人工知能エージェントを使用して、デザイン会社におけるさまざまなポジションの役割をシミュレートし、人間のデザイナーが自然言語で協力できるようにする。
実験の結果、DesignGPTはAIツールを別々に比較すると、デザイナのパフォーマンスが向上することがわかった。
論文 参考訳(メタデータ) (2023-11-20T08:05:52Z) - PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。
複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
論文 参考訳(メタデータ) (2023-06-20T09:55:10Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳(メタデータ) (2022-11-29T17:28:31Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - iPLAN: Interactive and Procedural Layout Planning [13.172253981084403]
そこで本研究では,新しいループ生成モデルiPLANを提案する。
レイアウトを自動的に生成するだけでなく、プロセス全体を通してデザイナと対話することも可能だ。
以上の結果から,iPLANは人間設計者と同様のレイアウトを作成できる可能性が示唆された。
論文 参考訳(メタデータ) (2022-03-27T23:21:15Z) - Architecting and Visualizing Deep Reinforcement Learning Models [77.34726150561087]
深層強化学習(Deep Reinforcement Learning, DRL)は、コンピュータが相互にコミュニケーションする方法を教えることを目的とした理論である。
本稿では,新しいAtari Pongゲーム環境,ポリシーグラデーションに基づくDRLモデル,リアルタイムネットワーク可視化,そしてDRL推論の直観と認識を構築するためのインタラクティブディスプレイを提案する。
論文 参考訳(メタデータ) (2021-12-02T17:48:26Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳(メタデータ) (2021-11-01T17:57:04Z) - Design-Driven Requirements for Computationally Co-Creative Game AI
Design Tools [6.719205507619887]
ゲームAIデザイナの目標やそのようなツールに対する期待を分類し分析する参加型デザイン研究を提案する。
我々は,ゲームAI設計と共同創造ツールの設計との深いつながりと,今後の共同創造ツールの研究・開発への示唆を明らかにする。
論文 参考訳(メタデータ) (2021-07-29T04:14:53Z) - Evaluating Mixed-Initiative Procedural Level Design Tools using a
Triple-Blind Mixed-Method User Study [0.0]
インタラクティブな進化的最適化を用いてレベルを生成するツールを,本研究のために設計した。
このツールは、手書き地図のレベルデザインパターンを特定し、その情報を使ってインタラクティブな最適化アルゴリズムを駆動する。
複雑なイニシアティブツールを使用したデザイナの経験を、完全にランダムなレベルの提案を提供するツールを与えられたデザイナと比較した厳密なユーザスタディが設計された。
論文 参考訳(メタデータ) (2020-05-15T11:40:53Z)
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。