論文の概要: Human-centered Geospatial Data Science
- arxiv url: http://arxiv.org/abs/2501.05595v1
- Date: Thu, 09 Jan 2025 21:56:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-13 15:27:48.324583
- Title: Human-centered Geospatial Data Science
- Title（参考訳）: 人間中心の地理空間データサイエンス
- Authors: Yuhao Kang,
- Abstract要約: このエントリは、人間中心の地理空間データサイエンスの概要を提供する。
それは、橋渡し、その重要性、そして重要なトピックと研究のギャップを強調している。
- 参考スコア（独自算出の注目度）: 3.8979646385036166
- License:
- Abstract: This entry provides an overview of Human-centered Geospatial Data Science, highlighting the gaps it aims to bridge, its significance, and its key topics and research. Geospatial Data Science, which derives geographic knowledge and insights from large volumes of geospatial big data using advanced Geospatial Artificial Intelligence (GeoAI), has been widely used to tackle a wide range of geographic problems. However, it often overlooks the subjective human experiences that fundamentally influence human-environment interactions, and few strategies have been developed to ensure that these technologies follow ethical guidelines and prioritize human values. Human-centered Geospatial Data Science advocates for two primary focuses. First, it advances our understanding of human-environment interactions by leveraging Geospatial Data Science to measure and analyze human subjective experiences at place including emotion, perception, cognition, and creativity. Second, it advocates for the development of responsible and ethical Geospatial Data Science methods that protect geoprivacy, enhance fairness and reduce bias, and improve the explainability and transparency of geospatial technologies. With these two missions, Human-centered Geospatial Data Sciences brings a fresh perspective to develop and utilize geospatial technologies that positively impact society and benefit human well-being and the humanities.
- Abstract（参考訳）: このエントリは、人間中心の地理空間データサイエンスの概要を提供し、橋渡し、その重要性、そして主要なトピックと研究のギャップを強調している。
Geospatial Data Scienceは、高度なGeoAI(GeoAI)を用いて大量の地理空間ビッグデータから地理知識と洞察を導き出すもので、幅広い地理的問題に対処するために広く利用されている。
しかし、人間と環境の相互作用に根本的に影響を及ぼす主観的な人間体験をしばしば見落とし、これらの技術が倫理的ガイドラインに従って人間の価値を優先することを保証するための戦略がほとんど開発されていない。
人間中心の地理空間データサイエンスは2つの主要な焦点を提唱している。
まず、地理空間データサイエンスを活用して、感情、知覚、認知、創造性を含む人間の主観的体験を測定し分析することで、人間と環境の相互作用を理解する。
第2に、地理的プライバシーを保護し、公平性を高め、バイアスを低減し、地理空間技術の説明可能性と透明性を向上させる責任と倫理的な地理空間データサイエンス手法の開発を提唱する。
これら2つのミッションにより、人間中心の地理空間データ科学は、社会に肯定的な影響を与え、人間の幸福と人間性に利益をもたらす地理空間技術を開発し、活用するための新たな視点を提供する。
関連論文リスト
- Self-supervised Learning for Geospatial AI: A Survey [21.504978593542354]
自己教師付き学習(SSL)は地理空間データに採用されていることで注目を集めている。
本稿では,地理空間ベクトルデータで広く用いられている3種類の一次データ(幾何学)に対して,SSL技術の適用および開発に関する包括的かつ最新の調査を行う。
論文 参考訳（メタデータ） (2024-08-22T05:28:22Z) - GeoGalactica: A Scientific Large Language Model in Geoscience [95.15911521220052]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々はGeoGalacticaを65億のトークンを含む地球科学関連のテキストコーパスで訓練し、最大の地球科学固有のテキストコーパスとして保存する。
次に、100万対の命令チューニングでモデルを微調整する。
論文 参考訳（メタデータ） (2023-12-31T09:22:54Z) - GeoAI in Social Science [0.9527350779226282]
GeoAI(Geospatial AI、地理空間的人工知能)は、人工知能(AI)、地理空間的ビッグデータ、そして膨大なコンピューティングパワーを活用して、高度な自動化と知能の問題を解決するエキサイティングな新しい分野である。
本稿では、社会科学研究におけるAIの進歩を概観し、GeoAIを用いて重要なデータと知識ギャップを埋める重要な進歩について述べる。
論文 参考訳（メタデータ） (2023-12-19T20:23:18Z) - Artificial Intelligence and Human Geography [1.6135760596596367]
本稿では,人間地理学におけるAIの最近の進歩と応用について考察する。
これには、場所表現とモデリング、空間分析と予測マッピング、都市計画と設計を含む、マシン(ディープ)学習の使用が含まれる。
論文 参考訳（メタデータ） (2023-12-14T11:20:22Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳（メタデータ） (2023-06-08T09:29:05Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳（メタデータ） (2023-05-11T03:21:56Z) - Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science [1.0152838128195467]
本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
それは、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、そして、統一倫理的な視点からGeoAIシステムの中立性(潜在的に欠如している)といったテーマを強調している。
論文 参考訳（メタデータ） (2023-03-27T14:01:22Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Data-driven geophysics: from dictionary learning to deep learning [3.6713387874278247]
物理の「モデル駆動」アプローチは次元の呪いに悩まされ、地下を不正確にモデル化する可能性がある。
データ駆動型」技術は、地球物理データの増加によってこれらの問題を克服する可能性がある。
論文 参考訳（メタデータ） (2020-07-13T04:39:49Z)
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。