論文の概要: Milgram's experiment in the knowledge space: Individual navigation strategies
- arxiv url: http://arxiv.org/abs/2404.06591v2
- Date: Wed, 11 Jun 2025 15:02:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 06:35:01.362675
- Title: Milgram's experiment in the knowledge space: Individual navigation strategies
- Title（参考訳）: 知識空間におけるミルグラムの実験 : 個人ナビゲーション戦略
- Authors: Manran Zhu, János Kertész,
- Abstract要約: 年長、白、女の参加者は近接型戦略を採用する傾向があり、若い参加者はハブ型戦略を好む。
本研究は,ソーシャルナビゲーションとナレッジナビゲーションを関連づけるものであり,対象者の地理的および職業的情報を用いて社会空間をナビゲートする個人の傾向を理解することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data deluge characteristic for our times has led to information overload, posing a significant challenge to effectively finding our way through the digital landscape. Addressing this issue requires an in-depth understanding of how we navigate through the abundance of information. Previous research has discovered multiple patterns in how individuals navigate in the geographic, social, and information spaces, yet individual differences in strategies for navigation in the knowledge space has remained largely unexplored. To bridge the gap, we conducted an online experiment where participants played a navigation game on Wikipedia and completed questionnaires about their personal information. Utilizing the hierarchical structure of the English Wikipedia and a graph embedding trained on it, we identified two navigation strategies and found that there are significant individual differences in the choices of them. Older, white and female participants tend to adopt a proximity-driven strategy, while younger participants prefer a hub-driven strategy. Our study connects social navigation to knowledge navigation: individuals' differing tendencies to use geographical and occupational information about the target person to navigate in the social space can be understood as different choices between the hub-driven and proximity-driven strategies in the knowledge space.
- Abstract（参考訳）: 我々の時代におけるデータの希薄化は、情報の過負荷を引き起こし、デジタルランドスケープを効果的に発見する上で重要な課題となっている。
この問題に対処するには、情報の豊富さをいかにナビゲートするか、深く理解する必要がある。
これまでの研究では、個人が地理的、社会的、情報空間でどのようにナビゲートするかに複数のパターンが発見されているが、知識空間でのナビゲーション戦略の個人差は、ほとんど探索されていない。
このギャップを埋めるために、参加者がウィキペディアでナビゲーションゲームを行い、個人情報に関するアンケートを完了したオンライン実験を行った。
英語ウィキペディアの階層構造とそれを訓練したグラフ埋め込みを利用して、2つのナビゲーション戦略を特定し,その選択に大きな違いがあることを発見した。
年長、白、女の参加者は近接型戦略を採用する傾向があり、若い参加者はハブ型戦略を好む。
本研究は, ソーシャルナビゲーションとナレッジナビゲーションを関連づけるものであり, 対象人物の地理的および職業的情報を用いて社会空間をナビゲートする個人の傾向は, ナレッジ空間におけるハブ駆動戦略と近接駆動戦略の異なる選択として理解することができる。
関連論文リスト
- The Sample Complexity of Online Strategic Decision Making with Information Asymmetry and Knowledge Transportability [93.11220429350278]
情報非対称性はマルチエージェントシステムの普及した特徴である。
本論文は,オンライン学習における基本的課題について考察する。知識伝達を必要とする場合でも,共同設立者について学ぶために,非I.d.アクションを適用できるのか?
本稿では,情報非対称性下でのシステム力学を正確に同定し,強化学習における知識伝達の課題を効果的にナビゲートするために,サンプル効率のよいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-06-11T17:06:57Z) - Visuospatial navigation without distance, prediction, integration, or maps [1.3812010983144802]
ナビゲーションは、少なくとも2つの部分的に解離可能な、同時に開発された脳のシステムによって制御される。
ここでは、古典的オープンフィールドナビゲーションタスクにおいて、認知地図を必要とすると仮定される視覚応答に基づく意思決定が十分であることを示す。
3つの異なる戦略が浮かび上がっており、それぞれがコンテキストのトレードオフを提示し、またげっ歯類、昆虫、魚、精子で観察された行動と一致している。
論文 参考訳（メタデータ） (2024-07-18T14:07:44Z) - A Role of Environmental Complexity on Representation Learning in Deep Reinforcement Learning Agents [3.7314353481448337]
我々は,ショートカット利用ナビゲーションタスクにおいて,深層強化学習エージェントを訓練するためのシミュレーション環境を開発する。
初期学習を開始すると,全てのエージェントが閉じたショートカット試験において最適な性能を達成できることがわかった。
その結果、キューの頻繁な提示は、キューに遭遇するエージェントに比べて、個々のノードの活動においてキューの符号化がより良くなったことが判明した。
論文 参考訳（メタデータ） (2024-07-03T18:27:26Z) - Two-Stage Depth Enhanced Learning with Obstacle Map For Object Navigation [11.667940255053582]
本稿では,RGBとトレーニングシーンの深度情報を用いて特徴抽出器の事前訓練を行い,ナビゲーション効率を向上する。
提案手法をAI2-ThorとRobothorで評価し,成功率と航法効率において最先端(SOTA)法を著しく上回っていることを示した。
論文 参考訳（メタデータ） (2024-06-20T08:35:10Z) - How To Not Train Your Dragon: Training-free Embodied Object Goal
Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。
本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。
本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文 参考訳（メタデータ） (2023-05-26T13:38:33Z) - Individual differences in knowledge network navigation [0.0]
年齢が知識空間のナビゲーション性能に悪影響を及ぼすのに対し、多言語主義はそれを強化することを示す。
時間圧下では、参加者のパフォーマンスは改善し、男性は女性よりも優れ、時間圧なしではゲームでは観察できない効果である。
本結果は,知識空間ナビゲーションにおける年齢,多言語性,時間制約の重要性を裏付けるものである。
論文 参考訳（メタデータ） (2023-03-17T15:06:06Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z) - Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。
本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
論文 参考訳（メタデータ） (2021-07-07T12:09:04Z) - Exploring Navigation Styles in a FutureLearn MOOC [61.58283466715385]
本稿では,多数のアクティブ学習者が支援するMOOCにおける詳細なナビゲーションスタイル識別の詳細な解析を行う。
オンライン学習者の時間的エンゲージメントに関する洞察や、脆弱な学習者を特定するツールを提供する。
論文 参考訳（メタデータ） (2020-08-10T19:12:21Z) - Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。
VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。
この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
論文 参考訳（メタデータ） (2020-07-15T23:54:20Z)
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。