論文の概要: Recommending With, Not For: Co-Designing Recommender Systems for Social Good

• arxiv url: http://arxiv.org/abs/2508.03792v1
• Date: Tue, 05 Aug 2025 17:50:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.401398
• Title: Recommending With, Not For: Co-Designing Recommender Systems for Social Good
• Title（参考訳）: リコメンデーション:ソーシャルグッズのためのレコメンデーションシステムの共同設計
• Authors: Michael D. Ekstrand, Afsaneh Razi, Aleksandra Sarcevic, Maria Soledad Pera, Robin Burke, Katherine Landau Wright,
• Abstract要約: 社会的善の改善を目的としたレコメンデーターシステムは、利益と害を経験する人々だけでなく、** と *with* によって設計されるべきである、と我々は主張する。 推奨システムは、ユーザ、クリエーター、その他のステークホルダーと完全な共同設計者として協調して設計されるべきです。
• 参考スコア（独自算出の注目度）: 46.03400472698948
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recommender systems are usually designed by engineers, researchers, designers, and other members of development teams. These systems are then evaluated based on goals set by the aforementioned teams and other business units of the platforms operating the recommender systems. This design approach emphasizes the designers' vision for how the system can best serve the interests of users, providers, businesses, and other stakeholders. Although designers may be well-informed about user needs through user experience and market research, they are still the arbiters of the system's design and evaluation, with other stakeholders' interests less emphasized in user-centered design and evaluation. When extended to recommender systems for social good, this approach results in systems that reflect the social objectives as envisioned by the designers and evaluated as the designers understand them. Instead, social goals and operationalizations should be developed through participatory and democratic processes that are accountable to their stakeholders. We argue that recommender systems aimed at improving social good should be designed *by* and *with*, not just *for*, the people who will experience their benefits and harms. That is, they should be designed in collaboration with their users, creators, and other stakeholders as full co-designers, not only as user study participants.
• Abstract（参考訳）: Recommenderシステムは通常、エンジニア、研究者、デザイナー、その他の開発チームによって設計されている。 これらのシステムは、前述のチームやその他の推奨システムを操作するプラットフォームのビジネスユニットによって設定された目標に基づいて評価される。 このデザインアプローチは、システムがどのようにユーザ、プロバイダ、ビジネス、その他の利害関係者の利益に最も貢献できるかというデザイナーのビジョンを強調します。 デザイナーはユーザー体験や市場調査を通じてユーザーニーズについてよく理解されているかもしれないが、システムの設計と評価の先駆者であり、他の利害関係者の関心はユーザー中心の設計と評価にあまり重点を置いていない。 社会的善のための推薦システムに拡張されると、このアプローチは、設計者が想定した社会的目的を反映し、設計者が理解しているように評価するシステムとなる。 代わりに、社会的目標と運用は、利害関係者に説明責任のある参加的かつ民主的なプロセスを通じて開発されるべきである。 社会的善の改善を目的としたレコメンデーターシステムは、**と*with*、単に*for*だけでなく、彼らの利益と害を経験する人々によって設計されるべきである、と私たちは主張する。 つまり、ユーザ調査参加者だけでなく、ユーザ、クリエーター、その他のステークホルダーと完全な共同設計者として協調して設計するべきです。

関連論文リスト

• RecGPT Technical Report [57.84251629878726]
  本稿では,レコメンデーションパイプラインの中心にユーザの意図を配置する次世代フレームワークRecGPTを提案する。 RecGPTは、大きな言語モデルをユーザ関心のマイニング、アイテム検索、説明生成のキーステージに統合する。 オンライン実験では、RecGPTが利害関係者間で一貫したパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-07-30T17:55:06Z)
• De-centering the (Traditional) User: Multistakeholder Evaluation of Recommender Systems [10.731079374109596]
  我々は,レコメンデータシステムのマルチステークホルダー評価の課題に焦点をあてる。 理論的原理から実践的実装への移行について論じる。 我々は,これらの複雑で領域依存的な評価問題の導入について,研究者や実践者にガイダンスを提供することを目的としている。
  論文  参考訳（メタデータ） (2025-01-09T11:44:49Z)
• The 1st Workshop on Human-Centered Recommender Systems [27.23807230278776]
  このワークショップは、研究者が人間中心のレコメンダシステムを開発するためのプラットフォームを提供することを目的としている。 HCRSは、設計と運用の中心にある人間の要求、価値観、能力を優先するレコメンデーターシステムを作成することを指す。 このワークショップには、堅牢性、プライバシー、透明性、公正性、多様性、説明責任、倫理的考慮事項、ユーザフレンドリーなデザインなど、トピックスを含めるが制限されない。
  論文  参考訳（メタデータ） (2024-11-22T06:46:41Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• A Comprehensive Survey of Evaluation Techniques for Recommendation Systems [0.0]
  本稿では,システム性能の異なる側面を捉えた,総合的なメトリクススイートを紹介する。 私たちは、現在の評価プラクティスの長所と短所を特定し、さまざまなメトリクスにまたがってレコメンデーションシステムを最適化するときに現れる、微妙なトレードオフを強調します。
  論文  参考訳（メタデータ） (2023-12-26T11:57:01Z)
• A Survey on Fairness-aware Recommender Systems [59.23208133653637]
  本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。 次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-01T07:08:22Z)
• Fairness and Transparency in Recommendation: The Users' Perspective [14.830700792215849]
  公平性認識型レコメンダーシステムのユーザ視点について考察する。 フェアネス対応レコメンダーシステムのユーザ理解と信頼を向上させる3つの機能を提案します。
  論文  参考訳（メタデータ） (2021-03-16T00:42:09Z)
• Designing Disaggregated Evaluations of AI Systems: Choices, Considerations, and Tradeoffs [42.401239658653914]
  分散評価の設計に関わる選択肢、考慮事項、トレードオフについてより深く理解することで、研究者、実践者、一般の人々が、特定のグループに対してAIシステムがいかにパフォーマンスを低下させるかを理解することができます。
  論文  参考訳（メタデータ） (2021-03-10T14:26:14Z)
• MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces [51.123916699062384]
  MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。 本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。 学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
  論文  参考訳（メタデータ） (2020-09-30T16:39:31Z)

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。