論文の概要: The Future of Skill: What Is It to Be Skilled at Work?

• arxiv url: http://arxiv.org/abs/2411.10488v1
• Date: Thu, 14 Nov 2024 14:39:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:35:59.219925
• Title: The Future of Skill: What Is It to Be Skilled at Work?
• Title（参考訳）: スキルの未来:仕事でスキルを身につけるものは何か?
• Authors: Axel Niklasson, Sean Rintel, Stephann Makri, Alex Taylor,
• Abstract要約: Tim Ingold氏のような学者による仕事に基づいて、私たちは“仕事の熟練とは何か?”と尋ねます。 私たちが見ているように、スキルはSlackのようなシステムで簡単にブラックボックスされるインテリジェンスのバージョンに対するカウンターポイントを提供する。 それと少し違う言い方をすれば、スキルは、より絡み合った取り組みとして仕事を考える方法を与えてくれるのです。
• 参考スコア（独自算出の注目度）: 10.101709248694291
• License:
• Abstract: In this short paper, we introduce work that is aiming to purposefully venture into this mesh of questions from a different starting point. Interjecting into the conversation, we want to ask: 'What is it to be skilled at work?' Building on work from scholars like Tim Ingold, and strands of longstanding research in workplace studies and CSCW, our interest is in turning the attention to the active work of 'being good', or 'being skilled', at what we as workers do. As we see it, skill provides a counterpoint to the version of intelligence that appears to be easily blackboxed in systems like Slack, and that ultimately reduces much of what people do to work well together. To put it slightly differently, skill - as we will argue below - gives us a way into thinking about work as a much more entangled endeavour, unfolding through multiple and interweaving sets of practices, places, tools and collaborations. In this vein, designing for the future of work seems to be about much more than where work is done or how we might bolt on discrete containers of intelligence. More fruitful would be attending to how we succeed in threading so many entities together to do our jobs well - in 'coming to be skilled'.
• Abstract（参考訳）: 本稿では,このメッシュを目的とする作業について,異なる出発点から紹介する。 会話のインタプリタとして,“仕事の熟練とは何か?”という質問をしたいと思います。 Tim Ingold氏のような学者や、職場研究やCSCWにおける長年の研究の足跡を生かした私たちの関心は、労働者として行うことの「良いこと」や「熟練すること」の活発な仕事に注意を向けることにあります。 私たちが見ているように、スキルはSlackのようなシステムで簡単にブラックボックスされるインテリジェンスのバージョンに対するカウンターポイントを提供する。 もう少し違う言い方をすれば、スキルは、下記のように、作業がより絡み合った取り組みであり、複数のプラクティス、場所、ツール、コラボレーションの集合を通じて展開されると考える方法を与えてくれます。 この例では、未来の仕事のためのデザインは、仕事がどこで行われているか、あるいは、個別のインテリジェンスコンテナにどのように依存するかよりも、はるかに大きいようだ。 非常に多くのエンティティを一緒にスレッド化して、仕事をうまくこなすのに、より実りあるものが、どのようにして成功するか、という点で、より実りあるものになります。

関連論文リスト

• SkiLD: Unsupervised Skill Discovery Guided by Factor Interactions [48.003320766433966]
  この研究は、ローカル依存(スキルド)からのスキル発見を紹介します。 Skildは、環境内の異なる相互作用を誘発するスキルの習得を明示的に促進する、新しいスキル学習の目標を開発する。 本研究では,現実的なシミュレートされた家庭用ロボットドメインを含む,長期にわたる不利な報酬課題を伴う複数の領域におけるスキルドの評価を行った。
  論文  参考訳（メタデータ） (2024-10-24T04:01:59Z)
• A Backpack Full of Skills: Egocentric Video Understanding with Diverse Task Perspectives [5.515192437680944]
  人間の行動の共有時間モデリングを最小限のオーバーヘッドで組み合わせたビデオ理解への統一的アプローチを模索する。 EgoPackは、下流のタスクにまたがって実行され、追加の洞察源となる可能性のあるタスクパースペクティブのコレクションを作成するソリューションである。 提案手法の有効性と効率を4つのEgo4Dベンチマークで示す。
  論文  参考訳（メタデータ） (2024-03-05T15:18:02Z)
• Behavior Contrastive Learning for Unsupervised Skill Discovery [75.6190748711826]
  本研究では,行動間のコントラスト学習による非教師なしスキル発見手法を提案する。 軽度の仮定では、同じスキルに基づいて異なる行動間のMIを最大化する。 提案手法は、状態のエントロピーを暗黙的に増加させ、より良い状態カバレッジを得る。
  論文  参考訳（メタデータ） (2023-05-08T06:02:11Z)
• Skill Reinforcement Learning and Planning for Open-World Long-Horizon Tasks [31.084848672383185]
  オープンワールド環境におけるマルチタスクエージェントの構築について検討する。 我々は,マルチタスク学習問題を基礎的スキルの学習や,そのスキルの計画に転換する。 提案手法は40種類のMinecraftタスクをこなし,10以上のスキルを順次実行するタスクが多数存在する。
  論文  参考訳（メタデータ） (2023-03-29T09:45:50Z)
• SKILL-IL: Disentangling Skill and Knowledge in Multitask Imitation Learning [21.222568055417717]
  人間はスキルと知識を伝達することができる。仕事のサイクルと店へのドライブができれば、店へのサイクルと仕事へのドライブも可能だ。 このことから着想を得て、ポリシーネットワークの潜在記憶を2つのパーティションに切り離すことができると仮定する。 これらは、タスクの環境コンテキストに関する知識や、タスクの解決に必要な一般化可能なスキルを含んでいる。
  論文  参考訳（メタデータ） (2022-05-06T10:38:01Z)
• Lipschitz-constrained Unsupervised Skill Discovery [91.51219447057817]
  LSD(Lipschitz-Constrained Skill Discovery)は、エージェントがより多様性があり、ダイナミックで、より遠縁なスキルを発見することを奨励する。 LSDは7つの下流タスクにおいて、スキルの多様性、状態空間のカバレッジ、パフォーマンスという点で、従来のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-02-02T08:29:04Z)
• Hierarchical Skills for Efficient Exploration [70.62309286348057]
  強化学習において、事前訓練された低レベルスキルは、探索を大幅に促進する可能性がある。 下流タスクの以前の知識は、スキルデザインにおける一般性(きめ細かい制御)と特異性(より高速な学習)の適切なバランスをとるために必要である。 教師なしの方法で様々な複雑さのスキルを習得する階層的スキル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-20T22:29:32Z)
• Discovering Generalizable Skills via Automated Generation of Diverse Tasks [82.16392072211337]
  本稿では,多種多様なタスクの自動生成による一般化可能なスキルの発見手法を提案する。 教師なしスキル発見の先行研究とは対照的に,本手法では各スキルをトレーニング可能なタスクジェネレータが生成するユニークなタスクとペアリングする。 生成したタスクにおけるロボットの動作に定義されたタスク判別器を共同で訓練し、多様性目標の低いエビデンスを推定する。 学習スキルは階層的な強化学習アルゴリズムで構成され、目に見えない目標タスクを解決する。
  論文  参考訳（メタデータ） (2021-06-26T03:41:51Z)
• Finding teams that balance expert load and task coverage [7.831410227443101]
  本稿では,各タスクが必須スキルとオプションスキルから構成される問題を考える。 BalancedTA問題(およびその変種)はNPハードであり、実際にそれを解決するために設計効率が良いことを示す。
  論文  参考訳（メタデータ） (2020-11-03T18:04:15Z)
• Open-Domain Conversational Agents: Current Progress, Open Problems, and Future Directions [58.82105670280168]
  特に、継続学習の特性、エンゲージメントコンテンツの提供、そして順調な行動について詳しく論じる。 最終的には、経験と学び、コミュニティへの推奨について議論します。
  論文  参考訳（メタデータ） (2020-06-22T17:23:47Z)
• Can You Put it All Together: Evaluating Conversational Agents' Ability to Blend Skills [31.42833993937429]
  孤立した能力に向けて訓練されたモデルを組み合わせる方法について検討する。 我々は、これらの機能が自然な会話の中でどのように連携するかを分析するために、新しいデータセットであるBlendedSkillTalkを提案する。 実験の結果,特定の機能に焦点をあてたタスクを複数タスクでマルチタスクすることで,会話性能が向上することがわかった。
  論文  参考訳（メタデータ） (2020-04-17T20:51:40Z)

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。