論文の概要: Linking Actor Behavior to Process Performance Over Time

• arxiv url: http://arxiv.org/abs/2507.23037v1
• Date: Wed, 30 Jul 2025 19:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:08.61558
• Title: Linking Actor Behavior to Process Performance Over Time
• Title（参考訳）: 時間とともにプロセスパフォーマンスにアクターの振る舞いをリンクする
• Authors: Aurélie Leribaux, Rafael Oyamada, Johannes De Smedt, Zahra Dasht Bozorgi, Artem Polyvyanyy, Jochen De Weerdt,
• Abstract要約: 我々は,時系列データ中の関連リンクを特定するために,俳優の行動分析をグランガー因果関係と統合する。 ラッソ群をラッソ群選択に用いて, 因果関係のほとんどを捉えた小さいが一貫した影響のラッソ群を同定した。
• 参考スコア（独自算出の注目度）: 5.415198284133619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how actor behavior influences process outcomes is a critical aspect of process mining. Traditional approaches often use aggregate and static process data, overlooking the temporal and causal dynamics that arise from individual actor behavior. This limits the ability to accurately capture the complexity of real-world processes, where individual actor behavior and interactions between actors significantly shape performance. In this work, we address this gap by integrating actor behavior analysis with Granger causality to identify correlating links in time series data. We apply this approach to realworld event logs, constructing time series for actor interactions, i.e. continuation, interruption, and handovers, and process outcomes. Using Group Lasso for lag selection, we identify a small but consistently influential set of lags that capture the majority of causal influence, revealing that actor behavior has direct and measurable impacts on process performance, particularly throughput time. These findings demonstrate the potential of actor-centric, time series-based methods for uncovering the temporal dependencies that drive process outcomes, offering a more nuanced understanding of how individual behaviors impact overall process efficiency.
• Abstract（参考訳）: アクターの振る舞いがプロセスの成果にどのように影響するかを理解することは、プロセスマイニングの重要な側面である。 従来のアプローチでは、個々のアクターの振る舞いから生じる時間的および因果的ダイナミクスを見渡して、集約的および静的なプロセスデータを使用することが多い。 これにより、個々のアクターの振る舞いとアクター間の相互作用がパフォーマンスを著しく形成する、現実世界のプロセスの複雑さを正確にキャプチャする能力が制限される。 本研究では,時系列データ中の関連リンクを特定するために,俳優行動分析とグランガー因果関係を統合することで,このギャップに対処する。 この手法を実世界のイベントログに適用し、アクターインタラクションの時系列、すなわち継続、中断、ハンドオーバ、プロセス結果を構築する。 遅延選択にGroup Lassoを用いることで、因果関係のほとんどを捉えた、小さくて一貫して影響力のあるラグを識別し、アクターの振る舞いがプロセスのパフォーマンス、特にスループット時間に直接的かつ測定可能な影響を持つことを示した。 これらの結果は、プロセスの成果を駆動する時間的依存関係を明らかにするためのアクター中心の時系列ベースの手法の可能性を示し、個々の振る舞いがプロセス全体の効率にどのように影響するかをより微妙に理解する。

関連論文リスト

• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Process Variant Analysis Across Continuous Features: A Novel Framework [0.0]
  本研究は, 業務プロセスにおけるケースの効果的セグメンテーションの課題に対処する。 本研究では,スライディングウインドウ手法と地球移動器の距離を併用して制御流の挙動変化を検出する手法を提案する。 オランダの保険会社UWVと共同で実生活事例研究を行い,その方法論を検証した。
  論文  参考訳（メタデータ） (2024-05-06T16:10:13Z)
• TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
  TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。 提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。 我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
  論文  参考訳（メタデータ） (2024-01-06T06:26:49Z)
• DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
  本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。 具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。 効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
  論文  参考訳（メタデータ） (2023-03-12T03:40:21Z)
• Interaction Transformer for Human Reaction Generation [61.22481606720487]
  本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。 我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
  論文  参考訳（メタデータ） (2022-07-04T19:30:41Z)
• Characterizing Human Actions in the Digital Platform by Temporal Context [9.657531563610767]
  それぞれのアクションとその時間間隔を共同で埋め込む2スケールのアクション・タイミング・コンテキスト・フレームワークを紹介します。 ATCは行動の低次元表現を取得し、時間間情報を特徴付ける。 その結果,デジタルプラットフォーム上での人間活動の包括的,解釈可能な理解には,時間的文脈を明示的にモデル化することが不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-20T02:04:04Z)
• Object-centric Process Predictive Analytics [0.5161531917413706]
  オブジェクト指向プロセスは、あるプロセスのインスタンスが独立して実行されるのではなく、同じまたは他のプロセスの他のインスタンスと相互作用するパラダイムの実装である。 本稿では,オブジェクトの相互作用に関する情報を予測分析に組み込むアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-05T18:46:10Z)
• Efficient Modelling Across Time of Human Actions and Interactions [92.39082696657874]
  3つの畳み込みニューラルネットワーク(CNND)における現在の固定サイズの時間的カーネルは、入力の時間的変動に対処するために改善できると主張している。 我々は、アーキテクチャの異なるレイヤにまたがる機能の違いを強化することで、アクションのクラス間でどのようにうまく対処できるかを研究する。 提案手法は、いくつかのベンチマークアクション認識データセットで評価され、競合する結果を示す。
  論文  参考訳（メタデータ） (2021-10-05T15:39:11Z)
• Information Interaction Profile of Choice Adoption [2.9972063833424216]
  相互作用するエンティティを分離する時間的距離に応じて、エンティティの相互作用ネットワークとその進化を推定する効率的な方法を紹介します。 相互作用プロファイルは、相互作用プロセスのメカニズムを特徴付けることができます。 ユーザに対する露出の組み合わせの効果は、各露出の独立した効果の総和以上のものであることを示す。
  論文  参考訳（メタデータ） (2021-04-28T10:42:25Z)

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。