論文の概要: AI-Enabled Knowledge Sharing for Enhanced Collaboration and Decision-Making in Non-Profit Healthcare Organizations: A Scoping Review Protocol

• arxiv url: http://arxiv.org/abs/2503.07540v1
• Date: Mon, 10 Mar 2025 17:09:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 18:54:16.718287
• Title: AI-Enabled Knowledge Sharing for Enhanced Collaboration and Decision-Making in Non-Profit Healthcare Organizations: A Scoping Review Protocol
• Title（参考訳）: 非利益医療組織におけるコラボレーションと意思決定の強化を目的としたAIによる知識共有:スコープレビュープロトコル
• Authors: Maurice Ongala, Ruth Kiraka, Jyoti Choundrie, Javan Okello,
• Abstract要約: このプロトコルは、非営利医療組織におけるAIによる知識共有に関する既存の証拠を体系的にマッピングするために設計されたスコープレビューの概要である。 本研究の目的は、特にUSAID運用中止後の外部支援の削減という文脈において、このような技術が協調と意思決定をいかに促進するかを検討することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This protocol outlines a scoping review designed to systematically map the existing body of evidence on AI-enabled knowledge sharing in resource-limited non-profit healthcare organizations. The review aims to investigate how such technologies enhance collaboration and decision-making, particularly in the context of reduced external support following the cessation of USAID operations. Guided by three theoretical frameworks namely, the Resource-Based View, Dynamic Capabilities Theory, and Absorptive Capacity Theory, this study will explore the dual role of AI as a strategic resource and an enabler of organizational learning and agility. The protocol details a rigorous methodological approach based on PRISMA-ScR guidelines, encompassing a systematic search strategy across multiple databases, inclusion and exclusion criteria, and a structured data extraction process. By integrating theoretical insights with empirical evidence, this scoping review seeks to identify critical gaps in the literature and inform the design of effective, resource-optimized AI solutions in non-profit healthcare settings.
• Abstract（参考訳）: このプロトコルは、リソース制限の非営利医療組織において、AIによる知識共有に関する既存の証拠を体系的にマッピングするために設計されたスコープレビューの概要である。 本研究の目的は、特にUSAID運用中止後の外部支援の削減という文脈において、このような技術が協調と意思決定をいかに促進するかを検討することである。 本研究は,資源ベース視点,動的能力理論,吸収能力理論という3つの理論的枠組みによって導かれ,戦略的資源としてのAIの二重の役割と,組織的学習とアジリティの実現可能性を探究する。 このプロトコルは、PRISMA-ScRガイドラインに基づく厳密な方法論的アプローチを詳述し、複数のデータベースにわたる体系的な検索戦略、包括的および排他的基準、構造化されたデータ抽出プロセスを含む。 理論的洞察と実証的な証拠を統合することで、このスコーピングレビューは、文献における重要なギャップを特定し、非営利団体の医療環境における効果的なリソース最適化AIソリューションの設計を通知する。

関連論文リスト

• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  本稿では、データコンテキスト化の改善、モデルの精度の向上、知識リソースの利用改善など、生成AIを知識ベースに統合するメリットを強調した。 この調査結果は、現在の研究状況の詳細な概要を提供し、重要なギャップを特定し、実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
  言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。 パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。 得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• Enhancing Medical Learning and Reasoning Systems: A Boxology-Based Comparative Analysis of Design Patterns [0.0]
  本研究では,ハイブリッドAIシステムの設計パターンとその臨床的意思決定における有効性について分析する。 Boxologyの構造化されたモジュール型アポラチは、ハイブリッドAIシステムの開発と分析において、大きなアドバンテージを提供する。
  論文  参考訳（メタデータ） (2024-08-05T12:53:04Z)
• LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
  戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。 大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。 戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• A Unified and General Framework for Continual Learning [58.72671755989431]
  継続学習(CL)は、以前取得した知識を維持しながら、動的かつ変化するデータ分布から学ぶことに焦点を当てている。 正規化ベース、ベイズベース、メモリ再生ベースなど、破滅的な忘れ込みの課題に対処する様々な手法が開発されている。 本研究の目的は,既存の方法論を包含し,整理する包括的かつ包括的な枠組みを導入することで,このギャップを埋めることである。
  論文  参考訳（メタデータ） (2024-03-20T02:21:44Z)
• Key Design Choices in Source-Free Unsupervised Domain Adaptation: An In-depth Empirical Analysis [16.0130560365211]
  本研究では、画像分類におけるSF-UDA(Source-Free Unsupervised Domain Adaptation)のベンチマークフレームワークを提供する。 この研究は、さまざまなSF-UDAテクニックを実証的に検証し、データセット間の一貫性を評価する。 トレーニング済みのデータセットと戦略を徹底的に評価し、特に教師付きおよび自己監督型の手法に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-25T13:37:36Z)
• Exploring Federated Unlearning: Analysis, Comparison, and Insights [101.64910079905566]
  フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。 本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。 フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-30T01:34:33Z)
• Generalization Bounds: Perspectives from Information Theory and PAC-Bayes [31.803107987439784]
  PAC-Bayesianアプローチは、機械学習アルゴリズムの一般化機能に対処するための柔軟なフレームワークとして確立されている。 一般化に関する情報理論的な視点が発達し、一般化と様々な情報手段の関係が確立された。 本稿では,2つの視点が共通する手法と結果を提示し,異なるアプローチと解釈について議論する。
  論文  参考訳（メタデータ） (2023-09-08T15:23:40Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based Healthcare Decision Support using ChatGPT [15.973406739758856]
  本研究は,OpenAIのChatGPTを中心に,大規模言語モデル(LLM)を臨床意思決定に適用するための革新的なアプローチを提案する。 提案手法では,タスク記述,特徴記述,ドメイン知識の統合を前提とした文脈的プロンプトの利用を提案する。
  論文  参考訳（メタデータ） (2023-08-17T20:50:46Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)

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。