論文の概要: Blockchain-Driven Research in Personality-Based Distributed Pair Programming

• arxiv url: http://arxiv.org/abs/2412.18066v1
• Date: Tue, 24 Dec 2024 00:39:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:51:22.845406
• Title: Blockchain-Driven Research in Personality-Based Distributed Pair Programming
• Title（参考訳）: パーソナリティに基づく分散ペアプログラミングにおけるブロックチェーン駆動リサーチ
• Authors: Marcel Valovy, Alena Buchalcevova,
• Abstract要約: 本研究では、ブロックチェーン技術をパーソナリティに基づくペアプログラミング研究に統合し、その一般化性と適応性を高めることを目的とする。 ROMA(Role-Optimization Motivation Alignment)フレームワークの開発において、人間とAIのプログラミングの役割は、個々のBig Fiveパーソナリティの特徴と一致している。 その結果、ブロックチェーンは研究の一般化可能性、提案、透明性を高め、ROMAは個人のモチベーションとチームのパフォーマンスを高めることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study aims to integrate blockchain technology into personality-based pair programming research to enhance its generalizability and adaptability by offering built-in continuous, reproducible, and transparent research. In the developing Role-Optimization Motivation Alignment (ROMA) framework, human/AI programming roles align with individual Big Five personality traits, optimizing individual motivation and team productivity in Very Small Entities and undergraduate courses. Twelve quasi-experimental sessions were conducted to verify the personality-based pair programming in distributed settings. A mixed-methods approach was employed, combining intrinsic motivation inventories and qualitative insights. Data were stored transparently on the Solana blockchain, and a web-based application was developed in Rust and TypeScript languages to facilitate partner matching based on ROMA suggestions, expertise, and availability. The results suggest that blockchain can enhance research generalizability, reproducibility, and transparency, while ROMA can increase individual motivation and team performance. Future work can focus on integrating smart contracts for transparent and versioned data analysis.
• Abstract（参考訳）: この研究は、ブロックチェーン技術をパーソナリティベースのペアプログラミング研究に統合し、継続的で再現性があり透明な研究を提供することで、その一般化性と適応性を高めることを目的としている。 ROMA(Role-Optimization Motivation Alignment)フレームワークの開発において、人間とAIのプログラミングの役割は、個々のBig Fiveパーソナリティ特性と一致し、非常に小さな組織や学部のコースにおける個人のモチベーションとチームの生産性を最適化する。 分散環境でのパーソナリティに基づくペアプログラミングを検証するため,12回の準実験を行った。 混合メソッドのアプローチが採用され、本質的なモチベーションの発明と質的な洞察が組み合わされた。 データはSolanaブロックチェーン上に透過的に格納され、ROMAの提案や専門知識、可用性に基づいたパートナマッチングを容易にするために、RustとTypeScript言語でWebベースのアプリケーションが開発された。 その結果、ブロックチェーンは研究の一般化性、再現性、透明性を高め、ROMAは個人のモチベーションとチームのパフォーマンスを高めることが示唆された。 将来的には、透過的およびバージョン付きデータ分析のためのスマートコントラクトの統合に注力できる。

関連論文リスト

• WPFed: Web-based Personalized Federation for Decentralized Systems [11.458835427697442]
  我々はWPFedを紹介した。WPFedは、グローバルに最適な隣人選択を可能にするように設計された、完全に分散されたWebベースの学習フレームワークである。 セキュリティを強化し、悪意のある振る舞いを抑えるため、WPFedはLSHコードとパフォーマンスランキングの両方の検証メカニズムを統合している。 我々の発見は、WPFedが多種多様な相互接続されたWeb環境にまたがって効果的でセキュアな分散協調学習を促進する可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-10-15T08:17:42Z)
• Seeing Eye to AI: Human Alignment via Gaze-Based Response Rewards for Large Language Models [46.09562860220433]
  暗黙のフィードバック(特に眼球追跡(ET)データ)をReward Model(RM)に統合する新しいフレームワークであるGazeRewardを紹介します。 提案手法は、確立された人間の嗜好データセット上でのRMの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T13:24:56Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Generative AI like ChatGPT in Blockchain Federated Learning: use cases, opportunities and future [4.497001527881303]
  本研究は、フェデレーション学習における生成AIの潜在的な統合について検討する。 GAN(generative adversarial Network)とVAE(variantal autoencoder) 合成データの生成は、限られたデータ可用性に関連する課題に、フェデレートされた学習を支援する。
  論文  参考訳（メタデータ） (2024-07-25T19:43:49Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• A Large-Scale Evaluation of Speech Foundation Models [110.95827399522204]
  音声処理ユニバーサルパフォーマンスベンチマーク(SUPERB)を構築し,基礎モデルパラダイムの有効性について検討する。 凍結基盤モデルを用いてSUPERBにおける音声処理タスクに対処する統合マルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-15T00:03:16Z)
• Holonic Learning: A Flexible Agent-based Distributed Machine Learning Framework [0.0]
  Holonic Learning(HoL)は、ディープラーニングモデルのトレーニング用に設計された、協調的でプライバシを重視した学習フレームワークである。 ホロニックの概念を活用することで、HoLフレームワークは学習プロセスにおいて構造化された自己相似階層を確立する。 本稿では, すべてのホロンのモデルアグリゲーションに重み付け平均化を用いるHoloAvgを実装した。
  論文  参考訳（メタデータ） (2023-12-29T12:03:42Z)
• Machine Mindset: An MBTI Exploration of Large Language Models [28.2342069623478]
  我々は,Mers-Briggs Type Indicator (MBTI)パーソナリティ特性を大規模言語モデル (LLM) に統合するための新しいアプローチを提案する。 提案手法は,MBTI特性をLLMに埋め込むための2相微調整と直接選好最適化(DPO)を含む。
  論文  参考訳（メタデータ） (2023-12-20T12:59:31Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset, Framework, and Benchmark [81.42376626294812]
  本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。 我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。 本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-06-11T14:01:17Z)
• FedNLP: A Research Platform for Federated Learning in Natural Language Processing [55.01246123092445]
  NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。 FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。 FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
  論文  参考訳（メタデータ） (2021-04-18T11:04:49Z)

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。