論文の概要: Generative AI for Analyzing Participatory Rural Appraisal Data: An Exploratory Case Study in Gender Research

• arxiv url: http://arxiv.org/abs/2502.00763v1
• Date: Sun, 02 Feb 2025 11:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:01:48.788330
• Title: Generative AI for Analyzing Participatory Rural Appraisal Data: An Exploratory Case Study in Gender Research
• Title（参考訳）: 参加型農村評価データ分析のための生成AI:ジェンダー研究における探索的事例研究
• Authors: Srividya Sheshadri, Unnikrishnan Radhakrishnan, Aswathi Padmavilochanan, Christopher Coley, Rao R. Bhavani,
• Abstract要約: 本研究では、参加型農村評価(PRA)による非構造的視覚データの解析におけるジェネレーティブ・人工知能(GenAI)の新たな応用について検討する。 本研究は,「イデアル・ビレッジ」PRAの活動を事例として,インド諸州の多言語的内容を含む手描き人工品を解釈する能力として,最先端の3つの大規模言語モデル(LLM)を評価した。 我々の発見は、このような構造化されていないデータを処理するAIの現在の能力、特に多言語コンテンツを扱うこと、文脈的正確性を維持すること、幻覚を避けることにおける重要な課題を明らかにした。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study explores the novel application of Generative Artificial Intelligence (GenAI) in analyzing unstructured visual data generated through Participatory Rural Appraisal (PRA), specifically focusing on women's empowerment research in rural communities. Using the "Ideal Village" PRA activity as a case study, we evaluate three state-of-the-art Large Language Models (LLMs) - GPT-4o, Claude 3.5 Sonnet, and Gemini 1.5 Pro - in their ability to interpret hand-drawn artifacts containing multilingual content from various Indian states. Through comparative analysis, we assess the models' performance across critical dimensions including visual interpretation, language translation, and data classification. Our findings reveal significant challenges in AI's current capabilities to process such unstructured data, particularly in handling multilingual content, maintaining contextual accuracy, and avoiding hallucinations. While the models showed promise in basic visual interpretation, they struggled with nuanced cultural contexts and consistent classification of empowerment-related elements. This study contributes to both AI and gender research by highlighting the potential and limitations of AI in analyzing participatory research data, while emphasizing the need for human oversight and improved contextual understanding. Our findings suggest future directions for developing more inclusive AI models that can better serve community-based participatory research, particularly in gender studies and rural development contexts.
• Abstract（参考訳）: 本研究では,地域社会における女性のエンパワーメント研究に焦点をあて,参加型農村評価(PRA)を通して生み出した非構造的視覚データの解析におけるジェネレーティブ・人工知能(GenAI)の新たな応用について検討する。 In a case study, using the "Ideal Village" PRA activity as a case study, we evaluate the three-of-the-the-art Large Language Models (LLMs) - GPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro - in its ability toprepret hand- drawing artifacts containing multilingual content from various Indian state。 比較分析により、視覚的解釈、言語翻訳、データ分類を含む重要な次元にわたってモデルの性能を評価する。 我々の発見は、このような構造化されていないデータを処理するAIの現在の能力、特に多言語コンテンツを扱うこと、文脈的正確性を維持すること、幻覚を避けることにおける重要な課題を明らかにした。 モデルは基本的な視覚的解釈において有望である一方で、微妙な文化的文脈とエンパワーメント関連要素の一貫した分類に苦しんだ。 この研究は、参加研究データの分析におけるAIの可能性と限界を強調し、人間の監視の必要性を強調し、文脈的理解を改善したAIとジェンダーの研究に寄与する。 我々の研究結果は、特にジェンダー研究や農村開発状況において、コミュニティベースの参加型研究に役立てることができる、より包括的なAIモデルを開発するための今後の方向性を示唆している。

関連論文リスト

• User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study [5.775094401949666]
  この研究はHuman-Centered Artificial Intelligence (HCAI)にある。 一般的に使用されるeXplainable Artificial Intelligence (XAI)アルゴリズムのユーザ中心評価の結果に焦点を当てている。
  論文  参考訳（メタデータ） (2024-10-21T12:32:39Z)
• XAI-FUNGI: Dataset resulting from the user study on comprehensibility of explainable AI algorithms [5.775094401949666]
  本稿では、説明可能な人工知能(XAI)アルゴリズムの理解度に関するユーザ研究の結果であるデータセットを紹介する。 研究参加者は149人の候補者から募集され, 菌学領域の専門家を代表する3つのグループを結成した。 データセットの主な部分には39のインタビュー書が含まれており、参加者は、食べられるキノコと食べられないキノコを区別するために訓練された機械学習モデルの意思決定の解釈に関する一連のタスクと質問を完了するよう求められた。
  論文  参考訳（メタデータ） (2024-10-21T11:37:58Z)
• Decoding AI and Human Authorship: Nuances Revealed Through NLP and Statistical Analysis [0.0]
  本研究では,AIが生成したテキストと人間が作成したテキストの微妙な相違について検討する。 本研究は,人文・AI生成テキストに固有の言語特性,創造性パターン,潜在的なバイアスについて検討した。
  論文  参考訳（メタデータ） (2024-07-15T18:09:03Z)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• Unveiling Gender Bias in Terms of Profession Across LLMs: Analyzing and Addressing Sociological Implications [0.0]
  この研究は、AI言語モデルにおけるジェンダーバイアスに関する既存の研究を調査し、現在の知識のギャップを特定する。 この結果は,大規模言語モデルのアウトプットに存在する,ジェンダー付き単語関連,言語使用,偏見付き物語に光を当てた。 本稿では,アルゴリズムアプローチやデータ拡張手法など,LSMにおける性別バイアスを低減するための戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-18T11:38:45Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Multi-Dimensional Evaluation of Text Summarization with In-Context Learning [79.02280189976562]
  本稿では,テキスト内学習を用いた多次元評価器として,大規模言語モデルの有効性について検討する。 実験の結果,テキスト要約作業において,文脈内学習に基づく評価手法が学習評価フレームワークと競合していることが判明した。 次に、テキスト内サンプルの選択や数などの要因がパフォーマンスに与える影響を分析する。
  論文  参考訳（メタデータ） (2023-06-01T23:27:49Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Supporting Human-AI Collaboration in Auditing LLMs with LLMs [33.56822240549913]
  大きな言語モデルは偏見があり、無責任に振る舞うことが示されている。 これらの言語モデルを厳格に監査することは重要である。 既存の監査ツールは、人間とAIの両方を活用して失敗を見つける。
  論文  参考訳（メタデータ） (2023-04-19T21:59:04Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)

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。