論文の概要: Learning to Adopt Generative AI
- arxiv url: http://arxiv.org/abs/2410.19806v2
- Date: Wed, 30 Oct 2024 17:18:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-31 14:23:07.293587
- Title: Learning to Adopt Generative AI
- Title（参考訳）: ジェネレーティブAIの採用を学ぶ
- Authors: Lijia Ma, Xingchen Xu, Yumei He, Yong Tan,
- Abstract要約: 生成型AI導入プロセスにおいて,2種類のディジタル分割を提案する。
低学年および非白人は、ChatGPTから高いユーティリティゲインを得るが、そのユーティリティについてより遅い速度で学ぶ。
男性、若年者、ITのバックグラウンドを持つ人は、ChatGPTから高い利用率を得るだけでなく、その実用性についてより早く学ぶことができる。
- 参考スコア（独自算出の注目度）: 2.919534741469257
- License:
- Abstract: Recent advancements in generative AI, exemplified by ChatGPT, have dramatically transformed how people access information. Despite its powerful capabilities, the benefits it provides may not be equally distributed among individuals - a phenomenon referred to as the digital divide. Building upon prior literature, we propose two forms of digital divide in the generative AI adoption process: (i) the learning divide, capturing individuals' heterogeneous abilities to update their perceived utility of ChatGPT; and (ii) the utility divide, representing differences in individuals' actual utility derived from per use of ChatGPT. To evaluate these two divides, we develop a Bayesian learning model that incorporates demographic heterogeneities in both the utility and signal functions. Leveraging a six-month clickstream dataset, we estimate the model and find significant learning and utility divides across various demographic attributes. Interestingly, lower-educated and non-white individuals derive higher utility gains from ChatGPT but learn about its utility at a slower rate. Furthermore, males, younger individuals, and those with an IT background not only derive higher utility per use from ChatGPT but also learn about its utility more rapidly. Besides, we document a phenomenon termed the belief trap, wherein users underestimate ChatGPT's utility, opt not to use the tool, and consequently lack new experiences to update their perceptions, leading to continued underutilization. Our simulation further demonstrates that the learning divide can significantly affect the probability of falling into the belief trap, another form of the digital divide in adoption outcomes (i.e., outcome divide); however, offering training programs can alleviate the belief trap and mitigate the divide.
- Abstract（参考訳）: ChatGPTによるジェネレーティブAIの最近の進歩は、人々が情報にアクセスする方法を大きく変えた。
その強力な能力にもかかわらず、そのメリットは個人間で均等に分散されない可能性がある。
先行する文献に基づいて、生成的AI導入プロセスにおける2種類のデジタル分割を提案する。
(i)ChatGPTの有用性を更新するための学習分割、個人の異種能力の把握、及び
(二)ChatGPTの使用毎の個人実効性の違いを表す実用性分割。
これら2つの分割を評価するために,実用性と信号機能の両方に階層的不均一性を組み込んだベイズ学習モデルを開発した。
6ヶ月のクリックストリームデータセットを活用することで、モデルを推定し、様々な属性にまたがる重要な学習と実用性を見出す。
興味深いことに、低学歴で非白人の個人は、ChatGPTから高いユーティリティゲインを得るが、そのユーティリティについてより遅い速度で学ぶ。
さらに、男性、若年者、ITバックグラウンドを持つ者は、ChatGPTから高い利用率を得るだけでなく、その実用性についてより早く学ぶことができる。
さらに,ChatGPTのユーティリティを過小評価し,ツールを使わないことを選択し,その結果,認識を更新するための新たな経験が欠如し,不活用が継続する,信念トラップと呼ばれる現象を文書化する。
シミュレーションにより,学習の分断は,採用結果のデジタル分断(すなわち,結果分断)の別の形態である信念分断に陥る確率に大きく影響することが示されたが,学習プログラムの提供は,信念分断を緩和し,軽減することができる。
関連論文リスト
- Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - The Emerging AI Divide in the United States [2.0359927301080116]
本研究では,米国住民の新たな生成型AIツールChatGPTに関する知識の空間的差異を特徴づける。
西海岸州ではChatGPTを検索するユーザが最も多く、アパラチア州や湾岸州では検索率が継続的に低い。
生成的AI技術は斬新なものだが、初期の取り込みの違いは、デジタルの限界化の慣れ親しんだ道を辿っているように見える。
論文 参考訳（メタデータ） (2024-04-18T08:33:35Z) - Economic and Financial Learning with Artificial Intelligence: A
Mixed-Methods Study on ChatGPT [0.05152756192881158]
本研究では,ChatGPTの教育ツールとしての可能性を探り,ユーザ認知,経験,学習成果に着目した。
この研究は、ChatGPTの有効性を裏付ける露光後の認知の顕著な変化を明らかにした。
しかし、効果の促進や情報の正確性といった課題が重要課題として浮上した。
論文 参考訳（メタデータ） (2024-02-23T11:55:43Z) - Analysis of the User Perception of Chatbots in Education Using A Partial
Least Squares Structural Equation Modeling Approach [0.0]
オプティミズム、イノベーティブネス、不快感、不安、透明性、倫理、相互作用、エンゲージメント、正確さといった主要な行動関連側面について研究した。
その結果、最適性と革新性は、知覚的使用覚(PEOU)と知覚的有用性(PU)に正の相関があることが判明した。
論文 参考訳（メタデータ） (2023-11-07T00:44:56Z) - Exploring User Perspectives on ChatGPT: Applications, Perceptions, and
Implications for AI-Integrated Education [40.38809129759498]
ChatGPTは、高等教育、K-12教育、実践的スキルトレーニングの領域でよく使われている。
一方で、学生の自己効力感と学習意欲を増幅できる変革的ツールであると考えるユーザもいる。
一方,利用者の理解度は高い。
論文 参考訳（メタデータ） (2023-05-22T15:13:14Z) - Learning gain differences between ChatGPT and human tutor generated
algebra hints [4.438259529250529]
本研究は,ChatGPTの学習成績評価を行い,そのヒントの有効性と教師によるヒントとを比較した。
その結果,ChatGPTが生成したヒントの70%が手作業による品質チェックに合格し,人間とChatGPTの条件が正の学習効果をもたらすことがわかった。
論文 参考訳（メタデータ） (2023-02-14T07:20:48Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - A Survey of Learning on Small Data: Generalization, Optimization, and
Challenge [101.27154181792567]
ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。
この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。
効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
論文 参考訳（メタデータ） (2022-07-29T02:34:19Z) - On Generalizing Beyond Domains in Cross-Domain Continual Learning [91.56748415975683]
ディープニューラルネットワークは、新しいタスクを学んだ後、これまで学んだ知識の破滅的な忘れ込みに悩まされることが多い。
提案手法は、ドメインシフト中の新しいタスクを精度良く学習することで、DomainNetやOfficeHomeといった挑戦的なデータセットで最大10%向上する。
論文 参考訳（メタデータ） (2022-03-08T09:57:48Z) - PsiPhi-Learning: Reinforcement Learning with Demonstrations using
Successor Features and Inverse Temporal Difference Learning [102.36450942613091]
時間差学習(ITD)と呼ばれる逆強化学習アルゴリズムを提案する。
Psi Phi$-learningと呼ばれるデモで強化学習のための新しいアルゴリズムに到達し、オンライン環境の相互作用から学習とITDをシームレスに統合する方法を示します。
論文 参考訳（メタデータ） (2021-02-24T21:12:09Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z)
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。