論文の概要: Value Identification in Multistakeholder Recommender Systems for Humanities and Historical Research: The Case of the Digital Archive Monasterium.net

• arxiv url: http://arxiv.org/abs/2409.17769v1
• Date: Thu, 26 Sep 2024 12:07:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 14:58:08.087840
• Title: Value Identification in Multistakeholder Recommender Systems for Humanities and Historical Research: The Case of the Digital Archive Monasterium.net
• Title（参考訳）: 人文科学・歴史研究のための多人数推薦システムにおける価値同定:デジタルアーカイブモナステリウム.netを事例として
• Authors: Florian Atzenhofer-Baumgartner, Bernhard C. Geiger, Georg Vogeler, Dominik Kowald,
• Abstract要約: 本稿では、Monasterium.netのレコメンデーションによって影響を受ける可能性のある、複数の利害関係者の初歩的な価値識別を提供する。 筆者らは,編集者,アグリゲータ,プラットフォーム所有者,研究者,出版社,資金調達機関など,利害関係者のさまざまな価値と目的について論じる。
• 参考スコア（独自算出の注目度）: 9.24340769982606
• License:
• Abstract: Recommender systems remain underutilized in humanities and historical research, despite their potential to enhance the discovery of cultural records. This paper offers an initial value identification of the multiple stakeholders that might be impacted by recommendations in Monasterium.net, a digital archive for historical legal documents. Specifically, we discuss the diverse values and objectives of its stakeholders, such as editors, aggregators, platform owners, researchers, publishers, and funding agencies. These in-depth insights into the potentially conflicting values of stakeholder groups allow designing and adapting recommender systems to enhance their usefulness for humanities and historical research. Additionally, our findings will support deeper engagement with additional stakeholders to refine value models and evaluation metrics for recommender systems in the given domains. Our conclusions are embedded in and applicable to other digital archives and a broader cultural heritage context.
• Abstract（参考訳）: レコメンダーシステムは、文化記録の発見を促進する可能性にもかかわらず、人文科学や歴史研究では未利用のままである。 本稿では,歴史的法律文書のデジタルアーカイブであるMonasterium.netのレコメンデーションによって影響される可能性のある,複数の利害関係者の初期価値を同定する。 具体的には,編集者,アグリゲータ,プラットフォーム所有者,研究者,出版社,資金調達機関など,利害関係者のさまざまな価値と目的について論じる。 利害関係者グループの潜在的に矛盾する価値に対する深い洞察は、人文科学や歴史研究に役立つようにレコメンデーターシステムの設計と適応を可能にする。 さらに、我々の発見は、与えられたドメイン内のレコメンデータシステムに対する価値モデルと評価指標を洗練するために、追加の利害関係者とのより深い関わりを支援する。 我々の結論は、他のデジタルアーカイブやより広い文化遺産の文脈に埋め込まれ、適用されます。

関連論文リスト

• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Informed Machine Learning, Centrality, CNN, Relevant Document Detection, Repatriation of Indigenous Human Remains [1.3299507495084417]
  本稿では,データ科学者と社会科学研究者によるRRR(Research, Reconcile, Renew Network)による共同研究について報告する。 関連テキストの検索と意味分析のプロセスを自動化する機械学習ベースのソリューションの開発について、現在までの作業について説明する。 検出モデルの精度を向上させるため、専門家による文脈知識を用いたドキュメンタリーコンテンツを記述するインフォームドニューラルネットワーク(INN)モデルについて検討する。
  論文  参考訳（メタデータ） (2023-03-25T14:08:21Z)
• Improving Conversational Recommender System via Contextual and Time-Aware Modeling with Less Domain-Specific Knowledge [25.503407835218773]
  文脈から内部知識を完全に発見・抽出することを提案する。 エンティティレベルとコンテキストレベルの両方の表現をキャプチャして、リコメンデーションのためのユーザの好みを共同でモデル化する。 我々のモデルは、外部知識の少ないほとんどの評価指標においてより良い性能を達成し、他の領域によく一般化する。
  論文  参考訳（メタデータ） (2022-09-23T03:30:22Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• Practitioners Versus Users: A Value-Sensitive Evaluation of Current Industrial Recommender System Design [27.448761282289585]
  推奨品質、プライバシ、透明性、公平性、信頼性の5つの価値に重点を置いています。 この結果から,実践者とユーザ間の緊張関係の存在と源泉を,価値解釈,評価,実践の観点から明らかにした。
  論文  参考訳（メタデータ） (2022-08-08T13:31:41Z)
• Measuring Commonality in Recommendation of Cultural Content: Recommender Systems to Enhance Cultural Citizenship [67.5613995938273]
  そこで本稿では,文化内容の特定のカテゴリにおいて,特定のユーザ集団に親しみのあるレコメンデーションの度合いを反映した新しい尺度として,共通性を導入する。 以上の結果から,共通性は既存の指標と相補的なシステム行動の特性を捉え,利用者の文化的市民性を高めることを目的としたリコメンデータシステムにおける代替的非個人化介入の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-08-02T19:14:49Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• 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。