論文の概要: Investigating Role of Personal Factors in Shaping Responses to Active Shooter Incident using Machine Learning

• arxiv url: http://arxiv.org/abs/2503.05719v1
• Date: Mon, 17 Feb 2025 08:10:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-16 09:47:38.446468
• Title: Investigating Role of Personal Factors in Shaping Responses to Active Shooter Incident using Machine Learning
• Title（参考訳）: 機械学習を用いたアクティブシュータインシデント対応における個人的要因の検討
• Authors: Ruying Liu, Burçin Becerik-Gerber, Gale M. Lucas,
• Abstract要約: 本研究は、アクティブシューティングの状況において、個人的要因が被曝者の反応に及ぼす影響についての知識ギャップを橋渡しするものである。 個人的要因は、訓練方法、事前訓練経験、方向感覚、性別である。
• 参考スコア（独自算出の注目度）: 1.4610685586329806
• License:
• Abstract: This study bridges the knowledge gap on how personal factors affect building occupants' responses in active shooter situations by applying interpretable machine learning methods to data from 107 participants. The personal factors studied are training methods, prior training experience, sense of direction, and gender. The response performance measurements consist of decisions (run, hide, multiple), vulnerability (corresponding to the time a participant is visible to a shooter), and pre-evacuation time. The results indicate that the propensity to run significantly determines overall response strategies, overshadowing vulnerability, and pre-evacuation time. The training method is a critical factor where VR-based training leads to better responses than video-based training. A better sense of direction and previous training experience are correlated with a greater propensity to run and less vulnerability. Gender slightly influences decisions and vulnerability but significantly impacts pre-evacuation time, with females evacuating slower, potentially due to higher risk perception. This study underscores the importance of personal factors in shaping responses to active shooter incidents.
• Abstract（参考訳）: 本研究は,107人の参加者のデータに解釈可能な機械学習手法を適用することにより,個人的要因がアクティブシューティングの状況における利用者の反応に及ぼす影響について,知識ギャップを埋めるものである。 個人的要因は、訓練方法、事前訓練経験、方向感覚、性別である。 応答パフォーマンスの測定は、決定(実行、隠蔽、多重化)、脆弱性(参加者が撮影者に見える時間に対応する)、事前避難時間で構成される。 その結果、動作する確率は、全体の応答戦略、オーバーシャドーイングの脆弱性、避難前時間を著しく決定することがわかった。 このトレーニング方法は、VRベースのトレーニングがビデオベースのトレーニングよりも優れたレスポンスをもたらす重要な要因である。 より優れた方向感覚と以前のトレーニング経験は、実行の容易さと脆弱性の低減と相関する。 ジェンダーは決定や脆弱性にわずかに影響を及ぼすが、女性はリスク認知の高まりにより退避する。 本研究は, 銃乱射事件の対応における個人的要因の重要性を浮き彫りにするものである。

関連論文リスト

• On the Effectiveness of Adversarial Training on Malware Classifiers [14.069462668836328]
  対人訓練(AT)は、対人攻撃に対する学習に基づく分類器の強化に広く応用されている。 従来の研究から、頑健性はATのタスク依存性であることが示唆されていた。 我々は、ATとデータ内の特定の要因によって引き起こされる相互に絡み合った役割を探索する必要がある、より複雑な問題であると主張している。
  論文  参考訳（メタデータ） (2024-12-24T06:55:53Z)
• Analyzing Operator States and the Impact of AI-Enhanced Decision Support in Control Rooms: A Human-in-the-Loop Specialized Reinforcement Learning Framework for Intervention Strategies [0.9378955659006951]
  複雑な産業・化学プロセス制御室では、安全性と効率性に効果的な意思決定が不可欠である。 本稿では,AIに基づく意思決定支援システムが人間と機械のインタフェース改善に取り入れた影響と応用について検討する。
  論文  参考訳（メタデータ） (2024-02-20T18:31:27Z)
• Protecting Split Learning by Potential Energy Loss [70.81375125791979]
  我々は、分割学習の前方埋め込みからのプライバシー漏洩に焦点を当てる。 我々は、前方埋め込みをより「複雑化」させるためのエネルギー損失の可能性を提案する。
  論文  参考訳（メタデータ） (2022-10-18T06:21:11Z)
• Assessing Human Interaction in Virtual Reality With Continually Learning Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study [6.076137037890219]
  本研究では,人間と学習の継続する予測エージェントの相互作用が,エージェントの能力の発達とともにどのように発達するかを検討する。 我々は、強化学習(RL)アルゴリズムから学習した予測が人間の予測を増大させる仮想現実環境と時間ベースの予測タスクを開発する。 以上の結果から,人的信頼はエージェントとの早期の相互作用に影響され,信頼が戦略的行動に影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2021-12-14T22:46:44Z)
• Where Did You Learn That From? Surprising Effectiveness of Membership Inference Attacks Against Temporally Correlated Data in Deep Reinforcement Learning [114.9857000195174]
  深い強化学習を産業的に広く採用する上での大きな課題は、プライバシー侵害の潜在的な脆弱性である。 本稿では, 深層強化学習アルゴリズムの脆弱性を検証し, メンバーシップ推論攻撃に適応する対戦型攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-08T23:44:57Z)
• The Impact of Algorithmic Risk Assessments on Human Predictions and its Analysis via Crowdsourcing Studies [79.66833203975729]
  我々は,在職者が将来の再起を予測することを任務とするヴィグネット研究を行う。 参加者は、再逮捕の確率が50%よりかなり低いと判断しても、犯罪者が再逮捕されることをしばしば予測します。 裁判官の判断は、参加者の予測とは異なり、部分的には再逮捕の可能性がある要因に依存する。
  論文  参考訳（メタデータ） (2021-09-03T11:09:10Z)
• Curse or Redemption? How Data Heterogeneity Affects the Robustness of Federated Learning [51.15273664903583]
  データの不均一性は、フェデレートラーニングにおける重要な特徴の1つとして認識されているが、しばしば敵対的攻撃に対する堅牢性のレンズで見過ごされる。 本稿では, 複合学習におけるバックドア攻撃の影響を, 総合的な実験を通じて評価し, 理解することを目的とした。
  論文  参考訳（メタデータ） (2021-02-01T06:06:21Z)
• Sampling Attacks: Amplification of Membership Inference Attacks by Repeated Queries [74.59376038272661]
  本手法は,他の標準メンバーシップ相手と異なり,被害者モデルのスコアにアクセスできないような厳格な制限の下で動作可能な,新しいメンバーシップ推論手法であるサンプリングアタックを導入する。 ラベルのみを公開している被害者モデルでは,攻撃のサンプリングが引き続き可能であり,攻撃者はその性能の最大100%を回復できることを示す。 防衛においては,被害者モデルのトレーニング中の勾配摂動と予測時の出力摂動の形式で差分プライバシーを選択する。
  論文  参考訳（メタデータ） (2020-09-01T12:54:54Z)
• Towards Understanding Fast Adversarial Training [91.8060431517248]
  高速対人訓練の振る舞いを理解するために実験を行う。 その成功の鍵は、過度な適合から弱い攻撃への回復能力である。
  論文  参考訳（メタデータ） (2020-06-04T18:19:43Z)

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。