論文の概要: AI, Humans, and Data Science: Optimizing Roles Across Workflows and the Workforce
- arxiv url: http://arxiv.org/abs/2507.11597v1
- Date: Tue, 15 Jul 2025 17:59:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-17 19:00:11.089395
- Title: AI, Humans, and Data Science: Optimizing Roles Across Workflows and the Workforce
- Title（参考訳）: AI、人間、データサイエンス - ワークフローとワークフォース間の役割を最適化する
- Authors: Richard Timpone, Yongwei Yang,
- Abstract要約: 我々は、分析、生成、エージェントAIの可能性と限界を考慮し、データサイエンティストを増強したり、伝統的に人間のアナリストや研究者によってなされたタスクを引き受ける。
従来の調査分析が問題になったのは、統計ソフトウェアの使用が簡単になったことで、研究者が完全に理解できなかった分析を行えなくなった時だった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI is transforming research. It is being leveraged to construct surveys, synthesize data, conduct analysis, and write summaries of the results. While the promise is to create efficiencies and increase quality, the reality is not always as clear cut. Leveraging our framework of Truth, Beauty, and Justice (TBJ) which we use to evaluate AI, machine learning and computational models for effective and ethical use (Taber and Timpone 1997; Timpone and Yang 2024), we consider the potential and limitation of analytic, generative, and agentic AI to augment data scientists or take on tasks traditionally done by human analysts and researchers. While AI can be leveraged to assist analysts in their tasks, we raise some warnings about push-button automation. Just as earlier eras of survey analysis created some issues when the increased ease of using statistical software allowed researchers to conduct analyses they did not fully understand, the new AI tools may create similar but larger risks. We emphasize a human-machine collaboration perspective (Daugherty and Wilson 2018) throughout the data science workflow and particularly call out the vital role that data scientists play under VUCA decision areas. We conclude by encouraging the advance of AI tools to complement data scientists but advocate for continued training and understanding of methods to ensure the substantive value of research is fully achieved by applying, interpreting, and acting upon results most effectively and ethically.
- Abstract（参考訳）: AIは研究を変えつつある。
調査を構築し、データを合成し、分析を行い、結果の要約を書くために利用されています。
約束は効率性を作り、品質を高めることだが、現実は必ずしも明確ではない。
我々は、AI、機械学習、計算モデルを効果的な倫理的使用のために評価するために使用する、真実、美、正義(TBJ)の枠組みを活用する(Taber and Timpone 1997; Timpone and Yang 2024)。
AIはアナリストのタスクを支援するために利用できますが、プッシュボタンの自動化についていくつかの警告を出します。
従来の調査分析の時代に、統計ソフトウェアの使用が簡単になったことで、研究者が完全に理解できなかった分析を行うことで、いくつかの問題が発生した。
我々は、データサイエンスのワークフロー全体を通して、人間と機械のコラボレーションの観点(DaughertyとWilson 2018)を強調し、特に、データサイエンティストがVUCA決定領域の下で果たす重要な役割を指摘した。
我々は、データサイエンティストを補完するAIツールの進歩を奨励すると共に、研究の実質的な価値を最大限に効果的かつ倫理的に適用し、解釈し、行動することによって、研究の実質的な価値を確実に達成するための方法の継続的な訓練と理解を提唱する。
関連論文リスト
- Social Scientists on the Role of AI in Research [2.2665233748698355]
本研究では,284件のアンケート結果と15件の社会科学者への半構造化インタビューについて,地域中心の調査結果を提示する。
我々は、ジェネレーティブAI(genAI)の普及に伴い、研究環境におけるAIの利用が社会科学者の間で著しく増加していることを発見した。
特に、自動化バイアス、デマシリング、研究の不正行為、複雑な解釈可能性、表現的害に関する倫理的懸念は、genAIに関連して提起される。
論文 参考訳（メタデータ） (2025-06-12T19:55:36Z) - Measuring Data Science Automation: A Survey of Evaluation Tools for AI Assistants and Agents [11.783547185760007]
大規模言語モデル(LLM)は、データサイエンスのアシスタントとしてますます使われている。
データサイエンス活動の適正な自動化は、LLMエージェントの台頭によって約束されている。
論文 参考訳（メタデータ） (2025-06-10T13:47:22Z) - Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。
私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
論文 参考訳（メタデータ） (2025-01-05T23:25:21Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Artificial intelligence to automate the systematic review of scientific
literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。
現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文 参考訳（メタデータ） (2024-01-13T19:12:49Z) - Can AI Serve as a Substitute for Human Subjects in Software Engineering
Research? [24.39463126056733]
本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。
定性的データの代替源としてAI生成合成テキストの可能性を探る。
観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
論文 参考訳（メタデータ） (2023-11-18T14:05:52Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling [73.14508303965683]
業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。
驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
論文 参考訳（メタデータ） (2023-04-17T15:30:05Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Data-centric Artificial Intelligence: A Survey [47.24049907785989]
近年、AIにおけるデータの役割は大幅に拡大し、データ中心AIという新たな概念が生まれた。
本稿では,データ中心型AIの必要性について論じ,続いて3つの一般的なデータ中心型目標の全体像を考察する。
これは、データライフサイクルのさまざまな段階にわたるタスクのグローバルなビューを提供する、初めての総合的な調査である、と私たちは信じています。
論文 参考訳（メタデータ） (2023-03-17T17:44:56Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z)
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。