論文の概要: Scenarios in Computing Research: A Systematic Review of the Use of Scenario Methods for Exploring the Future of Computing Technologies in Society

• arxiv url: http://arxiv.org/abs/2506.05605v1
• Date: Thu, 05 Jun 2025 21:35:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 21:34:56.75615
• Title: Scenarios in Computing Research: A Systematic Review of the Use of Scenario Methods for Exploring the Future of Computing Technologies in Society
• Title（参考訳）: コンピューティング研究におけるシナリオ:社会におけるコンピューティング技術の将来を探るシナリオ手法の体系的レビュー
• Authors: Julia Barnett, Kimon Kieslich, Jasmine Sinchai, Nicholas Diakopoulos,
• Abstract要約: 本稿では,計算機科学におけるシナリオ構築手法の活用について,系統的な文献レビューを行う。 我々は、シナリオがなぜ使用されるのかという根拠に焦点をあてて、計算文学においてシナリオがどのように使用されるかを明らかにすることを目的としている。
• 参考スコア（独自算出の注目度）: 2.981139602986498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scenario building is an established method to anticipate the future of emerging technologies. Its primary goal is to use narratives to map future trajectories of technology development and sociotechnical adoption. Following this process, risks and benefits can be identified early on, and strategies can be developed that strive for desirable futures. In recent years, computer science has adopted this method and applied it to various technologies, including Artificial Intelligence (AI). Because computing technologies play such an important role in shaping modern societies, it is worth exploring how scenarios are being used as an anticipatory tool in the field -- and what possible traditional uses of scenarios are not yet covered but have the potential to enrich the field. We address this gap by conducting a systematic literature review on the use of scenario building methods in computer science over the last decade (n = 59). We guide the review along two main questions. First, we aim to uncover how scenarios are used in computing literature, focusing especially on the rationale for why scenarios are used. Second, in following the potential of scenario building to enhance inclusivity in research, we dive deeper into the participatory element of the existing scenario building literature in computer science.
• Abstract（参考訳）: シナリオビルは、新興技術の将来を予測するための確立された方法である。 第一の目的は、物語を使って将来の技術開発と社会技術導入の軌跡をマッピングすることである。 このプロセスの後、リスクとメリットを早期に特定し、望ましい未来に向けて努力する戦略を開発することができます。 近年、コンピュータ科学はこの手法を採用し、人工知能(AI)など様々な技術に適用している。 コンピューティング技術は現代の社会を形成する上で重要な役割を担っているため、現場における予測ツールとしてシナリオがどのように使われているのか、また、シナリオの伝統的な使用がまだカバーされていないが、フィールドを豊かにする可能性があるのかを探求する価値がある。 このギャップに対処するために,過去10年間にコンピュータ科学におけるシナリオ構築手法の使用について,体系的な文献レビューを実施している(n = 59)。 私たちは2つの主要な質問に沿ってレビューをガイドします。 まず、なぜシナリオが使用されるのかという理論的根拠に焦点をあて、計算文学においてシナリオがどのように使用されるかを明らかにすることを目的とする。 第二に、研究における傾きを高めるシナリオ構築の可能性に追従して、コンピュータ科学における既存のシナリオ構築文献の参加要素を深く掘り下げる。

関連論文リスト

• Mapping Technological Futures: Anticipatory Discourse Through Text Mining [1.998140290950519]
  本研究は、Xプラットフォーム(2021年-2023年)で公表された400人の主要な世論指導者(KOL)の150万の投稿を分析し、技術の将来に関する予測的談話について検討する。 BERTopicのモデリング、感情、感情、態度分析などの高度なテキストマイニング技術を用いて、この研究は、予想される技術主導の未来を反映する100の異なるトピックを特定している。
  論文  参考訳（メタデータ） (2025-03-25T15:20:15Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• A Disruptive Research Playbook for Studying Disruptive Innovations [11.619658523864686]
  本稿では、説得力があり社会的に関係のある研究課題を定式化するためのガイドを提供するための研究プレイブックを提案する。 私たちは、AIとAR/VRの2つの破壊的なテクノロジの影響を疑問視するために使用することができることを示しています。
  論文  参考訳（メタデータ） (2024-02-20T19:13:36Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Generative AI [20.57872238271025]
  生成AI(generative AI)とは、一見新しい意味のあるコンテンツを生成できる計算技術である。 Dall-E 2, GPT-4, Copilotといった例でこの技術が広く普及していることは,現在私たちの作業方法やコミュニケーション方法に革命をもたらしています。
  論文  参考訳（メタデータ） (2023-09-13T08:21:59Z)
• Documenting use cases in the affective computing domain using Unified Modeling Language [0.0]
  AIシステムの使用状況、スコープ、機能要件、リスクをカバーするユースケースドキュメントの標準的な方法論はありません。 我々のアプローチは、研究文献と最近提案された欧州のAI規制フレームワークに記録されたユースケース情報の評価に基づいています。 この評価から、私たちは過去20年間、主にソフトウェアエンジニアが使用してきたUML(Unified Modeling Language)を採用し、適応します。
  論文  参考訳（メタデータ） (2022-09-19T10:04:18Z)
• Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
  機械学習の手法は、敏感な社会的文脈でますます適用されつつある。 本研究の主な目的は2つある。 まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。 次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
  論文  参考訳（メタデータ） (2021-04-09T01:54:58Z)
• On the Convergence of Artificial Intelligence and Distributed Ledger Technology: A Scoping Review and Future Research Agenda [0.0]
  人工知能(AI)とDLT(Distributed Ledger Technology)の発展は、アカデミックと実践において活発な議論を引き起こしている。 DLTは、不確実な環境で参加者のグループ間でデータに関するコンセンサスを生み出す可能性がある。
  論文  参考訳（メタデータ） (2020-01-29T18:57:27Z)

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。