論文の概要: Debiasing Architectural Decision-Making: An Experiment With Students and Practitioners

• arxiv url: http://arxiv.org/abs/2502.04011v1
• Date: Thu, 06 Feb 2025 12:12:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:33:40.380631
• Title: Debiasing Architectural Decision-Making: An Experiment With Students and Practitioners
• Title（参考訳）: 建築決定のデバイアス:学生と実践者による実験
• Authors: Klara Borowa, Rodrigo Rebouças de Almeida, Marion Wiese,
• Abstract要約: 本研究は, 専門職の様々な段階において, 個人による嫌悪ワークショップを設計し, 評価することを目的とした。 ワークショップは実践者に対して,より重大な影響があることが分かりました。 我々は,実践者のシステムへの愛着が,バイアスに対する感受性の原因であると仮定する。
• 参考スコア（独自算出の注目度）: 2.9767565026354195
• License:
• Abstract: Cognitive biases are predictable, systematic errors in human reasoning. They influence decision-making in various areas, including architectural decision-making, where architects face many choices. For example, anchoring can cause architects to unconsciously prefer the first architectural solution that they came up with, without considering any solution alternatives. Prior research suggests that training individuals in debiasing techniques during a practical workshop can help reduce the impact of biases. The goal of this study was to design and evaluate a debiasing workshop with individuals at various stages of their professional careers. To test the workshop's effectiveness, we performed an experiment with 16 students and 20 practitioners, split into control and workshop group pairs. We recorded and analyzed their think-aloud discussions about improving the architectures of systems they collaborated on. The workshop improved the participants' argumentation when discussing architectural decisions and increased the use of debiasing techniques taught during the workshop. This led to the successful reduction of the researched biases' occurrences. In particular, anchoring and optimism bias occurrences decreased significantly. We also found that practitioners were more susceptible to cognitive biases than students, so the workshop had a more substantial impact on practitioners. We assume that the practitioners' attachment to their systems may be the cause of their susceptibility to biases. Finally, we identified factors that may reduce the effectiveness of the debiasing workshop. On that basis, we prepared a set of teaching suggestions for educators. Overall, we recommend using this workshop to educate both students and experienced practitioners about the typical harmful influences of cognitive bias on architectural decisions and how to avoid them.
• Abstract（参考訳）: 認知バイアスは人間の推論において予測可能で体系的な誤りである。 これらは、建築家が多くの選択肢に直面している、アーキテクチャ上の意思決定を含む、さまざまな領域の意思決定に影響を与える。 例えば、アンカーによってアーキテクトは、ソリューションの選択肢を考慮せずに、自分たちが思いついた最初のアーキテクチャソリューションを無意識に好まざるを得なくなる。 以前の研究では、実践的なワークショップでデバイアス技術で個人を訓練することは、バイアスの影響を減らすのに役立つと示唆されていた。 本研究の目的は,専門職の様々な段階における個人による嫌悪ワークショップを設計し,評価することであった。 ワークショップの有効性を検証するため,16人の学生と20人の実践者を対象に実験を行った。 私たちは、彼らが共同で行ったシステムのアーキテクチャの改善について、彼らの考えに合った議論を記録し、分析した。 ワークショップは、アーキテクチャ上の決定について議論する際の参加者の議論を改善し、ワークショップ中に教えられたデバイアスングテクニックの使用を拡大した。 これにより、研究対象の偏見の発生が減少することに成功した。 特に, アンカーおよび楽観主義バイアスの発生は有意に減少した。 また,実践者は学生よりも認知バイアスの影響を受けやすいことから,ワークショップは実践者に対して大きな影響を与えた。 我々は,実践者のシステムへの愛着が,バイアスに対する感受性の原因であると仮定する。 最後に, 脱バイアスワークショップの効果を低下させる要因を同定した。 そこで我々は,教育者のための指導提案のセットを用意した。 全体として、このワークショップを使用して、学生と経験者の双方に、認知バイアスの典型的な有害な影響がアーキテクチャ決定に与える影響と、それを避ける方法について教育することを推奨する。

関連論文リスト

• Learning to Assist Humans without Inferring Rewards [65.28156318196397]
  我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。 補助剤は、人間の行動の影響を最大化することを目的としている。 これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
  論文  参考訳（メタデータ） (2024-11-04T21:31:04Z)
• Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
  従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。 本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。 本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
  論文  参考訳（メタデータ） (2024-04-30T15:20:41Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Cognitive Bias in Decision-Making with LLMs [19.87475562475802]
  大規模言語モデル(LLM)は、幅広い意思決定タスクをサポートするツールとして大きな可能性を秘めている。 LLMは保護されたグループに対する社会的バイアスを継承し、認知バイアスと機能的に類似している。 私たちの研究は、LLMの認知バイアスを発見し、評価し、緩和するために設計されたフレームワークであるBiasBusterを紹介します。
  論文  参考訳（メタデータ） (2024-02-25T02:35:56Z)
• On (Mis)perceptions of testing effectiveness: an empirical study [1.8026347864255505]
  本研究の目的は, 異なる手法の欠陥検出の有効性の認識が, 先行経験の欠如において, 実際の有効性とどの程度一致しているかを明らかにすることである。 本研究は,2つのテスト手法とコードレビュー手法を適用した学生を対象に,制御実験を行った。 実験の最後には、どのテクニックが最も効果的かを調べる調査が行われた。 再現された研究の結果は、元の研究の結果を確認し、参加者の認識は、テクニックの複雑さや嗜好についての意見ではなく、そのテクニックを適用したと考えることについての意見に基づいているかもしれないことを示唆している。
  論文  参考訳（メタデータ） (2024-02-11T14:50:01Z)
• The Influence of Cognitive Biases on Architectural Technical Debt [0.9208007322096533]
  その結果,どの技術的負債のクラスが認知バイアスから生じるかが示唆された。 認知バイアスの負の影響を抑えるために使用できる脱バイアス手法のセットを同定する。
  論文  参考訳（メタデータ） (2023-09-25T14:37:38Z)
• What rationales drive architectural decisions? An empirical inquiry [0.7499722271664147]
  アーキテクトが選択肢の集合から1つのアーキテクチャソリューションを選択する動機となる、あらゆるアーキテクチャ上の決定の背後には、合理的な理由があります。 本研究の目的は,どのカテゴリの合理化がアーキテクチャ決定に最も影響を及ぼすかを特定し,これらが実践者にとって重要であるかを検討することである。
  論文  参考訳（メタデータ） (2023-09-25T14:18:51Z)
• Rehearsal: Simulating Conflict to Teach Conflict Resolution [54.32934135393982]
  リハーサル(Rehearsal)は、ユーザーがシミュレート可能なインターロケータで競合をリハーサルできるシステムである。 ユーザはRehearsalを使って、事前に定義されたさまざまなコンフリクトシナリオの処理を実践できる。 リハーサルはIRPを使って紛争解決理論に基づく発話を生成する。
  論文  参考訳（メタデータ） (2023-09-21T17:59:20Z)
• Overcoming the Mental Set Effect in Programming Problem Solving [5.625796693054094]
  アインシュタイン効果(英語: Einstellung effect)とは、先入観によって問題解決にアプローチする傾向である。 この効果は、思考のパターンの発達が、新規で創造的なアイデアの出現を妨げるため、創造的思考に大きな影響を及ぼす。 この研究は、ソフトウェア開発における問題解決における創造性のサポートに関する洞察を提供することによって、既存の文献に貢献する。
  論文  参考訳（メタデータ） (2023-07-13T10:49:02Z)
• Optimising Equal Opportunity Fairness in Model Training [60.0947291284978]
  既存のデバイアス法、例えば、敵の訓練や、表現から保護された情報を取り除くことは、バイアスを減らすことが示されている。 2つの新たな学習目標を提案し,2つの分類課題における高い性能を維持しつつ,バイアスの低減に有効であることを示す。
  論文  参考訳（メタデータ） (2022-05-05T01:57:58Z)
• Learning "What-if" Explanations for Sequential Decision-Making [92.8311073739295]
  実世界の意思決定の解釈可能なパラメータ化を実証行動に基づいて構築することが不可欠である。 そこで我々は,「何」の結果に対する嗜好の観点から,報酬関数をモデル化し,専門家による意思決定の学習的説明を提案する。 本研究は,行動の正確かつ解釈可能な記述を回復する上で,実効的逆強化学習手法であるバッチの有効性を強調した。
  論文  参考訳（メタデータ） (2020-07-02T14:24:17Z)

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。