論文の概要: Confronting Conflicts to Yes: Untangling Wicked Problems with Open Design Systems

• arxiv url: http://arxiv.org/abs/2409.10549v3
• Date: Thu, 21 Nov 2024 17:14:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 11:58:53.141059
• Title: Confronting Conflicts to Yes: Untangling Wicked Problems with Open Design Systems
• Title（参考訳）: 衝突をYesに解決する - オープンデザインシステムで厄介な問題を解き放つ
• Authors: L. G. Teuber, A. R. M. Wolfert,
• Abstract要約: 本稿では、選択型共役分析(CBCA)を用いた構成的利害関係者評価手法を提案する。 共同作業の "yes" へのシフトを実証する ズームアウトされた解空間は、エネルギー遷移を所定のものよりも複数のオプションで取り組むことができると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Current project development practices often fail to engage stakeholders early and effectively. Decision support is often non-inclusive, single-sided, and lacking in transparency, while complexity goes beyond human's comprehension. Additionally, many approaches focus primarily on technical system aspects, neglecting the integration of stakeholders' individual preferences. This often results in project impasses, leaving stakeholders unable to collaboratively achieve a "yes." There is a need for a purely associative, a-priori design approach that integrates system realities and stakeholder ideals within a joint socio-technical solution space. The state-of-the-art Preferendus, embedded in the proven Open Design Systems (Odesys) methodology, is a neutral tool for transforming complexity into success. Aiming for synthesis, Odesys' robust IMAP optimization method generates a single best-fit design solution. Here, Odesys is applied for a Dutch wind farm stalemate development, balancing multiple stakeholder preferences, wind farm performances, and project constraints. The success of this approach hinges on stakeholder trust and input. This article introduces a structured stakeholder assessment method using choice-based conjunctive analysis (CBCA), facilitating transparent determination of global and local stakeholder weights and preference functions. Modelling 'disputable' exogenous factors as endogenous design parameters, the application demonstrates how one can shift toward a collaborative "yes." For this, it is concluded that a zoomed-out solution space would enable the energy transition to be tackled with multiple options rather than a prescribed one. The Odesys approach fosters decision-making that aligns with the social threefold principles of freedom, equality, and fraternity, guiding projects toward genuine democratic outcomes rather than selecting from curated options.
• Abstract（参考訳）: 現在のプロジェクト開発プラクティスは、しばしば利害関係者の早期かつ効果的な関与に失敗します。 決定支援は非包括的で単面的であり、透明性に欠けることが多いが、複雑さは人間の理解を超えたものである。 さらに、多くのアプローチは、利害関係者の個人の好みの統合を無視して、主に技術的システムの側面に焦点を当てています。 利害関係者が共同で"はい"を達成できないままである。 システム現実と利害関係者理想を統合した純粋に連想的でアプリオリな設計アプローチが、共同社会技術ソリューション空間に必要である。 最先端のPreferendusは、証明されたオープンデザインシステム(Odesys)方法論に組み込まれており、複雑さを成功に転換するための中立的なツールである。 合成を目指して、Odesysの堅牢なIMAP最適化手法は、単一の最適設計ソリューションを生成する。 ここでは、Odesysはオランダの風力発電の安定開発に適用され、複数のステークホルダーの好み、風力発電のパフォーマンス、プロジェクトの制約のバランスをとる。 このアプローチの成功は、ステークホルダーの信頼とインプットに依存します。 本稿では、選択型共役分析(CBCA)を用いた構成的利害関係者評価手法を紹介し、グローバルおよびローカル利害関係者の重みと嗜好機能の透明な決定を容易にする。 内在的設計パラメータとして「議論可能な」外在的要因をモデル化すると、アプリケーションはどのように協調的な「yes」へと移行できるかを示す。 このために、ズームアウトされた解空間は、エネルギー遷移を所定のものよりも複数のオプションで取り組むことができると結論付けている。 オデシーズ・アプローチは、自由、平等、友愛の社会的な3倍の原則と整合した意思決定を促進し、キュレートされた選択肢から選択するのではなく、真の民主的な成果に向けてプロジェクトを導く。

関連論文リスト

• Agentic LLM Framework for Adaptive Decision Discourse [2.4919169815423743]
  本研究では,実世界のエージェント型大規模言語モデル(LLM)フレームワークを紹介する。 従来の意思決定支援ツールとは異なり、このフレームワークは対話、トレードオフ探索、エージェント間の相互作用によって生成される創発的なシナジーを強調している。 その結果、第1次探索がいかに堅牢で公平なレコメンデーションパスを育むかが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-16T03:46:37Z)
• Exploring near-optimal energy systems with stakeholders: a novel approach for participatory modelling [41.94295877935867]
  エネルギーモデリングにおける参加研究は、利害関係者を包括的に関与する機会を提供する。 我々は、ステークホルダーを全体的な方法で組み込むことができる、最適に近いモデリング結果に基づく方法論とフレームワークを提案する。 本稿では,Longyearbyenの北極圏開拓のための方法論を紹介し,参加者がコスト最適から一貫した距離を逸脱する方法について説明する。
  論文  参考訳（メタデータ） (2025-01-09T14:43:29Z)
• Learning Reward and Policy Jointly from Demonstration and Preference Improves Alignment [58.049113055986375]
  我々は、報酬モデルとポリシーをトレーニングするために、AIHF(Alignment with Integrated Human Feedback)と呼ばれる単一ステージアプローチを開発する。 提案した手法は、一般的なアライメントアルゴリズムに容易に還元し、活用できる、効率的なアルゴリズムの集合を認めている。 本研究では,LLMにおけるアライメント問題と,MuJoCoにおけるロボット制御問題を含む広範な実験により,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-06-11T01:20:53Z)
• IRatePL2C: Importance Rating-based Approach for Product Lines Collaborative Configuration [0.6091702876917281]
  IRatePL2Cは、ステークホルダが割り当てた重要度を初期設定の選択に依存する解決戦略である。 このアプローチを評価するための例を示す。
  論文  参考訳（メタデータ） (2024-04-27T11:17:01Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Interactive Evolutionary Multi-Objective Optimization via Learning-to-Rank [8.421614560290609]
  本稿では,関心の解(SOI)を対話的に見つけるために,嗜好に基づくEMOアルゴリズムを設計するためのフレームワークを開発する。 EMOの中核となる考え方は、人間をEMOのループに巻き込むことだ。何回か繰り返すと、DMは数人の現職候補者に対してフィードバックを求めるよう招待される。 このような情報を集めることで、彼女の好みは学習からランクまでニューラルネットワークによって徐々に学習され、次にベースラインEMOアルゴリズムを導出するために応用される。
  論文  参考訳（メタデータ） (2022-04-06T06:34:05Z)
• Reinforcement Learning for Flexibility Design Problems [77.37213643948108]
  フレキシビリティ設計問題に対する強化学習フレームワークを開発した。 実験の結果、RL法は古典的手法よりも優れた解を常に見出すことがわかった。
  論文  参考訳（メタデータ） (2021-01-02T02:44:39Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)
• What If I Don't Like Any Of The Choices? The Limits of Preference Elicitation for Participatory Algorithm Design [12.386462516398469]
  限られた資源の分配における個人の嗜好満足度を最適化することは、実際には社会的かつ分配的な正義への進歩を阻害する可能性があると論じる。 個人の嗜好は有用な信号であるが、より表現力があり、包括的な形での民主的参加をサポートするよう拡張されるべきである。
  論文  参考訳（メタデータ） (2020-07-13T21:58:30Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。