論文の概要: Explainability Needs in Agriculture: Exploring Dairy Farmers' User Personas

• arxiv url: http://arxiv.org/abs/2509.16249v1
• Date: Wed, 17 Sep 2025 18:02:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 15:22:44.98654
• Title: Explainability Needs in Agriculture: Exploring Dairy Farmers' User Personas
• Title（参考訳）: 農業における説明可能性 : 乳農家のユーザペルソナを探る
• Authors: Mengisti Berihu Girmay, Jakob Droste, Hannah Deters, Joerg Doerr,
• Abstract要約: 本稿では,乳製品農家の技術的勧告とデータプライバシに関する説明可能性要件について検討する。 ドイツの乳製品農家40名を対象に,k-meansクラスタリングにより5人のユーザペルソナを同定した。 年齢,技術経験,デジタルシステムの信頼性は,これらの説明可能性要件と相関することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial Intelligence (AI) promises new opportunities across many domains, including agriculture. However, the adoption of AI systems in this sector faces several challenges. System complexity can impede trust, as farmers' livelihoods depend on their decision-making and they may reject opaque or hard-to-understand recommendations. Data privacy concerns also pose a barrier, especially when farmers lack transparency regarding who can access their data and for what purposes. This paper examines dairy farmers' explainability requirements for technical recommendations and data privacy, along with the influence of socio-demographic factors. Based on a mixed-methods study involving 40 German dairy farmers, we identify five user personas through k-means clustering. Our findings reveal varying requirements, with some farmers preferring little detail while others seek full transparency across different aspects. Age, technology experience, and confidence in using digital systems were found to correlate with these explainability requirements. The resulting user personas offer practical guidance for requirements engineers aiming to tailor digital systems more effectively to the diverse requirements of farmers.
• Abstract（参考訳）: 人工知能(AI)は農業を含む多くの領域で新たな機会を約束する。 しかし、この分野におけるAIシステムの採用はいくつかの課題に直面している。 システムの複雑さは、農家の生活が意思決定に依存しているため、信頼を阻害し、不透明または理解しにくいレコメンデーションを拒否する可能性がある。 データプライバシに関する懸念は、特に農家がデータへのアクセス方法や目的に関する透明性を欠いている場合にも、障壁となる。 本稿では, 乳製品農家の技術的レコメンデーションとデータプライバシに関する説明責任要件と, 社会デコグラフィー要因の影響について検討する。 ドイツの乳製品農家40名を対象に,k-meansクラスタリングにより5人のユーザペルソナを同定した。 いくつかの農家は詳細をあまり好まないが、別の農家はさまざまな側面で完全な透明性を求めている。 年齢,技術経験,デジタルシステムの信頼性は,これらの説明可能性要件と相関することがわかった。 結果として得られたユーザペルソナは、農家の多様な要求に対して、デジタルシステムをより効果的に調整することを目的とした、要件エンジニアに対して実践的なガイダンスを提供する。

関連論文リスト

• AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
  作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。 これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。 本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
  論文  参考訳（メタデータ） (2025-07-29T17:59:48Z)
• OpenAg: Democratizing Agricultural Intelligence [0.0]
  OpenAgは、農業用汎用人工知能(AGI)を進化させるために設計された包括的なフレームワークである ドメイン固有の基礎モデル、神経知識グラフ、マルチエージェント推論、因果説明可能性、適応的伝達学習を組み合わせる。 科学的知識と経験豊富な農家の暗黙の専門知識のギャップを埋めて、スケーラブルで局所的な農業意思決定を支援することを目的としている。
  論文  参考訳（メタデータ） (2025-06-05T02:44:38Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
  本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。 インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
  論文  参考訳（メタデータ） (2024-06-21T07:37:41Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Understanding the Usability Challenges of Machine Learning In High-Stakes Decision Making [67.72855777115772]
  機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。 多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。 児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
  論文  参考訳（メタデータ） (2021-03-02T22:50:45Z)
• Artificial Intelligence for Digital Agriculture at Scale: Techniques, Policies, and Challenges [1.1245087602142634]
  デジタル農業は農業のスループットを変えるという約束を持っている。 データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。 この論文は、次世代のデジタル農業ソリューションの進化に向けて、エンドツーエンドパイプラインを導く重要な疑問をまとめる最初のものである。
  論文  参考訳（メタデータ） (2020-01-21T06:02:38Z)

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。