論文の概要: Classifying and Tracking International Aid Contribution Towards SDGs

• arxiv url: http://arxiv.org/abs/2505.15223v1
• Date: Wed, 21 May 2025 07:50:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.209485
• Title: Classifying and Tracking International Aid Contribution Towards SDGs
• Title（参考訳）: SDGへの国際援助の貢献の分類と追跡
• Authors: Sungwon Park, Dongjoon Lee, Kyeongjin Ahn, Yubin Choi, Junho Lee, Meeyoung Cha, Kyung Ryul Park,
• Abstract要約: 国際援助は、発展途上国の経済成長と豊かさを促進するための重要なメカニズムである。 労働集約的なデータ管理と不完全な記録のため、支援の追跡は依然として困難である。 我々は、手動の分類を補完し、主観的解釈において人間の偏見を緩和するAIモデルを開発する。
• 参考スコア（独自算出の注目度）: 20.700665884776825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: International aid is a critical mechanism for promoting economic growth and well-being in developing nations, supporting progress toward the Sustainable Development Goals (SDGs). However, tracking aid contributions remains challenging due to labor-intensive data management, incomplete records, and the heterogeneous nature of aid data. Recognizing the urgency of this challenge, we partnered with government agencies to develop an AI model that complements manual classification and mitigates human bias in subjective interpretation. By integrating SDG-specific semantics and leveraging prior knowledge from language models, our approach enhances classification accuracy and accommodates the diversity of aid projects. When applied to a comprehensive dataset spanning multiple years, our model can reveal hidden trends in the temporal evolution of international development cooperation. Expert interviews further suggest how these insights can empower policymakers with data-driven decision-making tools, ultimately improving aid effectiveness and supporting progress toward SDGs.
• Abstract（参考訳）: 国際援助は、発展途上国の経済成長と健全化を促進するための重要なメカニズムであり、持続可能な開発目標(SDGs)への前進を支援している。 しかし、労働集約的なデータ管理、不完全な記録、および援助データの異種性により、支援の追跡は依然として困難である。 この課題の緊急性を認識し、我々は政府機関と協力し、手動の分類を補完し、主観的解釈における人間の偏見を軽減するAIモデルを開発した。 SDG固有のセマンティクスを統合し,言語モデルからの事前知識を活用することにより,分類精度を高め,支援プロジェクトの多様性に対応する。 複数年にわたる包括的データセットに適用すると、国際開発協力の時間的進化の隠れた傾向が明らかになる。 専門家のインタビューは、これらの洞察が政策立案者にデータ駆動型意思決定ツールを駆使し、最終的に援助の有効性を向上し、SDGへの進歩を支援する方法をさらに示唆している。

関連論文リスト

• Human-AI Experience in Integrated Development Environments: A Systematic Literature Review [2.1749194587826026]
  In-IDE HAXはAI支援コーディング環境におけるヒューマン・コンピュータインタラクションの進化するダイナミクスを探求する。 この結果から,AIによるコーディングによって開発者の生産性が向上するだけでなく,検証オーバーヘッドや自動化バイアス,信頼性の過大化といった課題も生じていることがわかった。 コードの正確性、セキュリティ、保守性に関する懸念は、説明可能性、検証メカニズム、適応的なユーザコントロールに対する緊急の必要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2025-03-08T12:40:18Z)
• Large Language Models Post-training: Surveying Techniques from Alignment to Reasoning [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• World-Consistent Data Generation for Vision-and-Language Navigation [52.08816337783936]
  VLN(Vision-and-Language Navigation)は、自然言語の指示に従って、エージェントがフォトリアリスティックな環境をナビゲートする必要がある課題である。 VLNの主な障害はデータの不足であり、目に見えない環境における一般化性能の低下につながる。 多様性と世界整合性の両方を満たす効率的なデータ拡張フレームワークである世界整合データ生成(WCGEN)を提案する。
  論文  参考訳（メタデータ） (2024-12-09T11:40:54Z)
• Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
  2030年アジェンダ・フォー・サステナブル・ディベロップメント(Agenda for Sustainable Development)は、世界各国が開発におけるグローバルな課題に取り組むための17の目標を概説している。 我々は、教師なし機械学習(ML)技術を用いて、107カ国から20年以上(2000-2022年)にわたって時系列データを分析するために、新しいデータ駆動手法を用いてきた。 SDGsの進展は, 地理的, 文化的, 社会経済的要因に大きく影響されている。
  論文  参考訳（メタデータ） (2024-09-19T03:10:49Z)
• GeoSEE: Regional Socio-Economic Estimation With a Large Language Model [17.31652821477571]
  大規模言語モデル(LLM)を用いた統合パイプラインを用いて,様々な社会経済指標を推定できるGeoSEEを提案する。 システムは、自然言語ベースのテキストフォーマットで選択したモジュールの結果を集約した後、コンテキスト内学習を通じてターゲットインジケータを算出する。 本手法は、教師なしコンテキストとローショットコンテキストの両方において、他の予測モデルよりも優れている。
  論文  参考訳（メタデータ） (2024-06-14T07:50:22Z)
• Data-centric AI: Perspectives and Challenges [51.70828802140165]
  データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。 データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
  論文  参考訳（メタデータ） (2023-01-12T05:28:59Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)

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。