論文の概要: Designing forecasting software for forecast users: Empowering non-experts to create and understand their own forecasts

• arxiv url: http://arxiv.org/abs/2404.14575v1
• Date: Mon, 22 Apr 2024 20:53:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 17:48:00.533337
• Title: Designing forecasting software for forecast users: Empowering non-experts to create and understand their own forecasts
• Title（参考訳）: 予測ユーザのための予測ソフトウェアの設計:非専門家による予測の作成と理解
• Authors: Richard Stromer, Oskar Triebe, Chad Zanocco, Ram Rajagopal,
• Abstract要約: 本研究は,非エキスパートユーザを支援する予測ソフトウェアの設計方法に焦点をあてる。 本研究では,ユーザが最先端の予測手法をどのように活用するか,ドメイン知識を組み込む方法,生成した予測に対する理解と信頼を構築する方法について検討する。
• 参考スコア（独自算出の注目度）: 1.6738510577337369
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Forecasts inform decision-making in nearly every domain. Forecasts are often produced by experts with rare or hard to acquire skills. In practice, forecasts are often used by domain experts and managers with little forecasting expertise. Our study focuses on how to design forecasting software that empowers non-expert users. We study how users can make use of state-of-the-art forecasting methods, embed their domain knowledge, and how they build understanding and trust towards generated forecasts. To do so, we co-designed a forecasting software prototype using feedback from users and then analyzed their interactions with our prototype. Our results identified three main considerations for non-expert users: (1) a safe stepwise approach facilitating causal understanding and trust; (2) a white box model supporting human-reasoning-friendly components; (3) the inclusion of domain knowledge. This paper contributes insights into how non-expert users interact with forecasting software and by recommending ways to design more accessible forecasting software.
• Abstract（参考訳）: 予測は、ほぼすべてのドメインで意思決定を通知する。 予測は、稀にスキルを身につけるのが難しい専門家によって作られることが多い。 実際には、予測の専門知識がほとんどないドメインの専門家やマネージャによってしばしば使用される。 本研究は,非エキスパートユーザを支援する予測ソフトウェアの設計方法に焦点をあてる。 本研究では,ユーザが最先端の予測手法をどのように活用するか,ドメイン知識を組み込む方法,生成した予測に対する理解と信頼を構築する方法について検討する。 そこで我々は,ユーザからのフィードバックを用いて予測ソフトウェアプロトタイプを共同設計し,プロトタイプとのインタラクションを分析した。 その結果,(1)因果的理解と信頼を促進する安全な段階的アプローチ,(2)人間に優しいコンポーネントをサポートするホワイトボックスモデル,(3)ドメイン知識の取り入れ,という3つの重要事項が明らかになった。 本稿では,非専門家が予測ソフトウェアとどのように相互作用するかを考察し,よりアクセスしやすい予測ソフトウェアを設計する方法を推奨する。

関連論文リスト

• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• Designing Decision Support Systems Using Counterfactual Prediction Sets [15.121082690769525]
  分類タスクの意思決定支援システムは主に、基底真理ラベルの価値を予測するために設計されている。 本稿では,オンライン学習の観点から,このようなシステムの設計を再考する。 私たちは専門家のモデルを必要としない方法論を開発しています。
  論文  参考訳（メタデータ） (2023-06-06T18:00:09Z)
• Human-centered trust framework: An HCI perspective [1.6344851071810074]
  この研究の理論的根拠は、現在の人工知能(AI)のユーザ信頼談話に基づいている。 我々は、AI設計におけるユーザ信頼の可能性を最大限に解き放つために、非専門家を導くためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-05T06:15:32Z)
• Learning to Defer with Limited Expert Predictions [0.0]
  本稿では,アルゴリズムを遅延させる学習訓練に必要な専門家予測数を3段階に短縮する手法を提案する。 実験の結果,この手法により,人間専門家の予測が最小限に抑えられたアルゴリズムを,様々な学習の訓練で遅延させることができることがわかった。
  論文  参考訳（メタデータ） (2023-04-14T09:22:34Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
  我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。 提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
  論文  参考訳（メタデータ） (2022-04-29T20:35:07Z)
• Learning Predictions for Algorithms with Predictions [49.341241064279714]
  予測器を学習するアルゴリズムに対して,一般的な設計手法を導入する。 オンライン学習の手法を応用して、敵のインスタンスに対して学習し、堅牢性と一貫性のあるトレードオフを調整し、新しい統計的保証を得る。 両部マッチング,ページマイグレーション,スキーレンタル,ジョブスケジューリングの手法を解析することにより,学習アルゴリズムの導出におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-18T17:25:43Z)
• Explainable Predictive Process Monitoring: A User Evaluation [62.41400549499849]
  説明責任は、ブラックボックス機械学習アプローチの透明性の欠如によって動機付けられている。 予測プロセスモニタリングのための説明手法のユーザ評価を行う。
  論文  参考訳（メタデータ） (2022-02-15T22:24:21Z)
• Improving Expert Predictions with Conformal Prediction [14.850555720410677]
  既存のシステムは通常、専門家に、いつ機関をシステムに割譲するか、いつ独自の機関を行使するかを理解する必要がある。 我々は、専門家がより正確な予測を行うことができ、予測者が依存する精度に頑健な自動意思決定支援システムを開発する。
  論文  参考訳（メタデータ） (2022-01-28T09:35:37Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)

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。