論文の概要: Using agent-based models and EXplainable Artificial Intelligence (XAI) to simulate social behaviors and policy intervention scenarios: A case study of private well users in Ireland

• arxiv url: http://arxiv.org/abs/2502.05718v1
• Date: Sat, 08 Feb 2025 23:21:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:35:47.031026
• Title: Using agent-based models and EXplainable Artificial Intelligence (XAI) to simulate social behaviors and policy intervention scenarios: A case study of private well users in Ireland
• Title（参考訳）: エージェントベースモデルと説明可能な人工知能(XAI)を用いて社会行動と政策介入シナリオをシミュレートする:アイルランドの民間井戸利用者のケーススタディ
• Authors: Rabia Asghar, Simon Mooney, Eoin O Neill, Paul Hynds,
• Abstract要約: アイルランドの田園部の人口の約50%は、農業流出や未処理排水に弱い非規制の私的井戸に依存している。 志賀毒素産生性大腸菌(STEC)およびその他の水性疾患の高国率と水被曝との関連が指摘されている。 本研究では,エージェント・ベース・モデリング(ABM)を用いて,全国調査データに基づく政策介入をシミュレートする。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Around 50 percent of Irelands rural population relies on unregulated private wells vulnerable to agricultural runoff and untreated wastewater. High national rates of Shiga toxin-producing Escherichia coli (STEC) and other waterborne illnesses have been linked to well water exposure. Periodic well testing is essential for public health, yet the lack of government incentives places the financial burden on households. Understanding environmental, cognitive, and material factors influencing well-testing behavior is critical. This study employs Agent-Based Modeling (ABM) to simulate policy interventions based on national survey data. The ABM framework, designed for private well-testing behavior, integrates a Deep Q-network reinforcement learning model and Explainable AI (XAI) for decision-making insights. Key features were selected using Recursive Feature Elimination (RFE) with 10-fold cross-validation, while SHAP (Shapley Additive Explanations) provided further interpretability for policy recommendations. Fourteen policy scenarios were tested. The most effective, Free Well Testing plus Communication Campaign, increased participation to 435 out of 561 agents, from a baseline of approximately 5 percent, with rapid behavioral adaptation. Free Well Testing plus Regulation also performed well, with 433 out of 561 agents initiating well testing. Free testing alone raised participation to over 75 percent, with some agents testing multiple times annually. Scenarios with free well testing achieved faster learning efficiency, converging in 1000 episodes, while others took 2000 episodes, indicating slower adaptation. This research demonstrates the value of ABM and XAI in public health policy, providing a framework for evaluating behavioral interventions in environmental health.
• Abstract（参考訳）: アイルランドの田園部の人口の約50%は、農業流出や未処理排水に弱い非規制の私的井戸に依存している。 志賀毒素産生性大腸菌(STEC)およびその他の水性疾患の高国率と水被曝との関連が指摘されている。 定期的な健康検査は公衆衛生に不可欠であるが、政府のインセンティブの欠如により家庭の財政負担が増大している。 環境、認知、物質的要因を理解することは、よくテストされる行動に影響を与える。 本研究では,エージェント・ベース・モデリング(ABM)を用いて,全国調査データに基づく政策介入をシミュレートする。 ABMフレームワークは、プライベートなテスト行動のために設計されており、Deep Q-network強化学習モデルと説明可能なAI(XAI)を統合して意思決定の洞察を提供する。 Recursive Feature Elimination (RFE) を10倍のクロスバリデーションで選択し, SHAP (Shapley Additive Explanations) がポリシーレコメンデーションのさらなる解釈性を提供した。 14の政策シナリオがテストされた。 もっとも効果的なフリーウェルテストとコミュニケーションキャンペーンでは、561人のエージェントのうち435人が参加し、そのベースラインは約5%だった。 フリーウェルテストとレギュレーションも良好に動作し、561人のエージェントのうち433人が正常にテストを開始した。 無料テストだけで75%以上の参加者が集まり、一部のエージェントは年に何回もテストしている。 無料の健康テストのあるシナリオは学習効率を向上し、1000話に収束し、他のシナリオは2000話で順応が遅くなった。 本研究は、公衆衛生政策におけるABMとXAIの価値を実証し、環境衛生における行動介入を評価する枠組みを提供する。

関連論文リスト

• Nteasee: A mixed methods study of expert and general population perspectives on deploying AI for health in African countries [5.554587779732823]
  我々は、アフリカでAIを健康にデプロイする際に、ベストプラクティス、公正度指標、潜在的なバイアスを緩和するための質的研究を行う。 詳細な面接(IDI)と調査を組み合わせた混合手法を用いる。 アフリカ5カ国672人の一般住民を対象に, 盲目30分間のアンケート調査を行った。
  論文  参考訳（メタデータ） (2024-09-04T13:56:49Z)
• Learnable Behavior Control: Breaking Atari Human World Records via Sample-Efficient Behavior Selection [56.87650511573298]
  本稿では,LBC(Learable Behavioral Control)と呼ばれるフレームワークを提案する。 我々のエージェントは10077.52%の平均正規化スコアを達成し、1Bのトレーニングフレーム内で24人の世界記録を突破した。
  論文  参考訳（メタデータ） (2023-05-09T08:00:23Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top exploration [53.122045119395594]
  マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。 $m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。 ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
  論文  参考訳（メタデータ） (2023-01-30T12:22:30Z)
• Multi-Objective Allocation of COVID-19 Testing Centers: Improving Coverage and Equity in Access [2.7910505923792646]
  新型コロナウイルスは4200万人以上に感染し、全米で67万3000人以上が死亡している。 公衆衛生当局は、感染のホットスポットを特定するための診断検査の結果を監視した。 テストサイトアロケーションの現在のスキームのほとんどは、経験や利便性に基づいています。
  論文  参考訳（メタデータ） (2021-09-21T03:53:14Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Impact of Interventional Policies Including Vaccine on Covid-19 Propagation and Socio-Economic Factors [0.7874708385247353]
  本研究の目的は、新型コロナウイルスの伝播と社会経済的影響をモデル化、予測、シミュレーションするための予測分析フレームワークを提供することである。 私たちは最近ローンチしたオープンソースのCOVID-19ビッグデータプラットフォームを活用し、公開研究を使用して潜在的に関連する変数を見つけました。 先進的な機械学習パイプラインは、現代的な機械学習アーキテクチャにデプロイされた自己進化モデルを用いて開発された。
  論文  参考訳（メタデータ） (2021-01-11T15:08:07Z)
• A framework for optimizing COVID-19 testing policy using a Multi Armed Bandit approach [15.44492804626514]
  新型コロナウイルスの患者発見に対する様々な優先順位付け方針の影響について論じる。 本研究は, 人口監視の必要性と, 正の個体の最大発見のバランスをとるための枠組みを提案する。
  論文  参考訳（メタデータ） (2020-07-28T10:28:38Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。