論文の概要: Facilitating Longitudinal Interaction Studies of AI Systems
- arxiv url: http://arxiv.org/abs/2508.10252v1
- Date: Thu, 14 Aug 2025 00:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-15 22:24:48.142864
- Title: Facilitating Longitudinal Interaction Studies of AI Systems
- Title（参考訳）: AIシステムの縦断的相互作用研究
- Authors: Tao Long, Sitong Wang, Émilie Fabre, Tony Wang, Anup Sathya, Jason Wu, Savvas Petridis, Dingzeyu Li, Tuhin Chakrabarty, Yue Jiang, Jingyi Li, Tiffany Tseng, Ken Nakagaki, Qian Yang, Nikolas Martelaro, Jeffrey V. Nickerson, Lydia B. Chilton,
- Abstract要約: UISTの研究者たちは、ユーザの課題に対処するツールを開発した。
AIとのユーザインタラクションは、学習、適応、再利用を通じて時間の経過とともに進化し、一度の評価が不十分になる。
本ワークショップは,これらの課題に対処し,長期研究のための実践的戦略を研究者に提供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）: 45.430296301751895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: UIST researchers develop tools to address user challenges. However, user interactions with AI evolve over time through learning, adaptation, and repurposing, making one time evaluations insufficient. Capturing these dynamics requires longer-term studies, but challenges in deployment, evaluation design, and data collection have made such longitudinal research difficult to implement. Our workshop aims to tackle these challenges and prepare researchers with practical strategies for longitudinal studies. The workshop includes a keynote, panel discussions, and interactive breakout groups for discussion and hands-on protocol design and tool prototyping sessions. We seek to foster a community around longitudinal system research and promote it as a more embraced method for designing, building, and evaluating UIST tools.
- Abstract（参考訳）: UISTの研究者たちは、ユーザの課題に対処するツールを開発した。
しかし、AIとのユーザインタラクションは、学習、適応、再利用を通じて時間とともに進化し、一度の評価が不十分になる。
これらのダイナミクスの獲得には長期にわたる研究が必要であるが、展開、評価設計、データ収集の課題は、このような縦断的な研究を実装するのを困難にしている。
本ワークショップは,これらの課題に対処し,長期研究のための実践的戦略を研究者に提供することを目的としている。
ワークショップには基調講演、パネルディスカッション、ディスカッションのためのインタラクティブなブレークアウトグループ、プロトコル設計とツールプロトタイプセッションが含まれている。
我々は,長手システム研究を中心としたコミュニティを育成し,UISTツールの設計,構築,評価を行うための,より受け入れられた手法として普及させようとしている。
関連論文リスト
- StoryEnsemble: Enabling Dynamic Exploration & Iteration in the Design Process with AI and Forward-Backward Propagation [13.425907817210184]
設計プロセスには、ペルソナの生成、問題フレーミング、ソリューションの構想、プロトタイピングなど、相互に結びついた段階にわたる探索、反復、移動が含まれる。
これらの課題をより深く理解するために、UX実践者、学生、インストラクターからなる15人の参加者を対象に、フォーマティブな研究を行った。
この結果に基づいて、私たちは、ノードリンクインターフェースにAIを統合するツールであるStoryEnsembleを開発し、前方および後方の伝搬を活用して、設計プロセス全体の動的探索とイテレーションをサポートする。
論文 参考訳（メタデータ） (2025-08-05T07:47:23Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z) - Vital Insight: Assisting Experts' Context-Driven Sensemaking of Multi-modal Personal Tracking Data Using Visualization and Human-In-The-Loop LLM [29.73055078727462]
Vital Insightは、スマートフォンやウェアラブルからのマルチモーダル受動的センシングデータの人間のループ推論(センスメイキング)と可視化を可能にする、新しいLLM支援のプロトタイプシステムである。
我々は、専門家のそれとのインタラクションを観察し、専門家が直接データ表現とAIをサポートする推論の間をどう移動するかを説明する専門家のセンスメイキングモデルを開発する。
論文 参考訳（メタデータ） (2024-10-18T21:56:35Z) - Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.74265453289855]
大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。
本稿では,ChatGPTインタフェースにおける対話型フィードバック機能の可能性について検討し,ユーザ入力の形状やイテレーションへの参加について分析する。
論文 参考訳（メタデータ） (2024-08-27T13:50:37Z) - Acceleron: A Tool to Accelerate Research Ideation [15.578814192003437]
Acceleronは、研究ライフサイクルの異なるフェーズのための研究アクセラレータである。
これは、新しい研究課題を含む包括的な研究提案の定式化を通じて、研究者を導くものである。
我々はLarge Language Models(LLM)の推論とドメイン固有のスキルを活用してエージェントベースのアーキテクチャを作成します。
論文 参考訳（メタデータ） (2024-03-07T10:20:06Z) - Investigating Collaborative Data Practices: a Case Study on Artificial
Intelligence for Healthcare Research [1.3178083420209858]
英国における複数の長期的条件を理解し管理するためにAIツールを適用する研究コンソーシアムのコラボレーティブデータプラクティスについて検討する。
本研究は,知識共有のためのツールの適応と,オーディエンスに基づく情報の調整について明らかにした。
私たちはミーティングを、規律間の交流を促進し、知識のブレンディングと創出を可能にするキーセッティングとして特定します。
論文 参考訳（メタデータ） (2023-11-30T10:19:33Z) - Can Foundation Models Watch, Talk and Guide You Step by Step to Make a
Cake? [62.59699229202307]
AIの進歩にもかかわらず、インタラクティブなタスクガイダンスシステムの開発は依然として大きな課題である。
我々は、人間のユーザと人間のインストラクターとの自然なインタラクションに基づいて、新しいマルチモーダルベンチマークデータセット、ウォッチ、トーク、ガイド(WTaG)を作成しました。
いくつかの基礎モデルを活用して、これらのモデルが認識可能なタスクガイダンスに迅速に適応できるかを調査した。
論文 参考訳（メタデータ） (2023-11-01T15:13:49Z) - Towards Formalizing HRI Data Collection Processes [4.090390588417062]
機械学習モデリングのための3つのステップでデータを収集するために、明確に定義されたプロセスにコントリビュートする。
具体的には、データ収集の目標と、十分にカバーされ、豊富な応答を促すためにどのように取り組んできたかについて論じる。
論文 参考訳（メタデータ） (2022-03-16T04:59:18Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-11-01T17:57:04Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z)
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。