論文の概要: Human-Robo-advisor collaboration in decision-making: Evidence from a multiphase mixed methods experimental study

• arxiv url: http://arxiv.org/abs/2510.02153v1
• Date: Thu, 02 Oct 2025 16:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.198229
• Title: Human-Robo-advisor collaboration in decision-making: Evidence from a multiphase mixed methods experimental study
• Title（参考訳）: 意思決定における人間-ロボ・アドバイザの連携:多相混合法による実験的研究から
• Authors: Hasan Mahmuda, Najmul Islam, Satish Krishnan,
• Abstract要約: ロボアドバイザ(英: Robo Advisors、RA)は、人間の金融アドバイザに対する費用効果があり、バイアスに強い代替手段である。 RAのパフォーマンスに関する情報によって形づくられた、RAに依存する傾向が示唆されている。 テーマ分析では、意思決定において3つのRAの役割と4つのユーザタイプを明らかにし、それぞれがアドバイス統合の異なるパターンを反映している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robo-advisors (RAs) are cost-effective, bias-resistant alternatives to human financial advisors, yet adoption remains limited. While prior research has examined user interactions with RAs, less is known about how individuals interpret RA roles and integrate their advice into decision-making. To address this gap, this study employs a multiphase mixed methods design integrating a behavioral experiment (N = 334), thematic analysis, and follow-up quantitative testing. Findings suggest that people tend to rely on RAs, with reliance shaped by information about RA performance and the framing of advice as gains or losses. Thematic analysis reveals three RA roles in decision-making and four user types, each reflecting distinct patterns of advice integration. In addition, a 2 x 2 typology categorizes antecedents of acceptance into enablers and inhibitors at both the individual and algorithmic levels. By combining behavioral, interpretive, and confirmatory evidence, this study advances understanding of human-RA collaboration and provides actionable insights for designing more trustworthy and adaptive RA systems.
• Abstract（参考訳）: ロボ・アドバイザ(RA)は費用効率が高くバイアス耐性のある代替手段であるが、採用は限られている。 これまでの研究では、RAとのユーザインタラクションについて研究されているが、RAの役割の解釈やアドバイスの意思決定への統合についてはあまり知られていない。 このギャップに対処するために, 行動実験(N = 334), テーマ解析, 追従定量的テストを統合した多相混合手法を考案した。 RAのパフォーマンスに関する情報やアドバイスのフレーミングによって形づくられた信頼は、利益や損失として、人々がRAに依存する傾向が示唆されている。 テーマ分析では、意思決定において3つのRAの役割と4つのユーザタイプを明らかにし、それぞれがアドバイス統合の異なるパターンを反映している。 さらに、2×2の型は、アクセプターとインヒビターに、個人レベルとアルゴリズムレベルの両方で分類する。 行動的・解釈的・確証的証拠を組み合わせることにより,人間とRAのコラボレーションの理解を深め,より信頼性が高く適応的なRAシステムを設計するための実用的な洞察を提供する。

関連論文リスト

• Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion [1.3586572110652486]
  コンセンサス結果を得るために,多属性グループ意思決定(MAGDM)が広く導入されている。 本研究では,観測間の変動を評価し,不確実性に対処するEvidential MAGDM法を提案する。
  論文  参考訳（メタデータ） (2024-09-13T00:53:00Z)
• Iterative Utility Judgment Framework via LLMs Inspired by Relevance in Philosophy [66.95501113584541]
  ITEM(Iterative utiliTy judgm fraEntMework)を提案する。 RAGの3つの中核的構成要素は、検索モデル、ユーティリティ判断、回答生成から導かれる関連性ランキングであり、シューツの哲学的関連性体系と一致している。 実効性判定, ランキング, 回答生成におけるITEMの顕著な改善が, 代表ベースラインに基づいて示された。
  論文  参考訳（メタデータ） (2024-06-17T07:52:42Z)
• Counterfactual Prediction Under Selective Confounding [3.6860485638625673]
  この研究は、全ての共同創設者が知られていない場合、バイナリ処理とその結果の間の因果推論を行うという課題に対処する。 我々は、希望する処置の下ですべての共同創設者を知るという要求を緩和し、選択的共起(Selective Confounding)と呼ぶ。 提案手法の有効性に関する理論的誤差境界と実証的証拠の両方を,実世界と実世界の子配置データを用いて提示する。
  論文  参考訳（メタデータ） (2023-10-21T16:54:59Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• VISPUR: Visual Aids for Identifying and Interpreting Spurious Associations in Data-Driven Decisions [8.594140167290098]
  シンプソンのパラドックス(シンプソンのパラドックス、英: paradox)は、集合とサブグループレベルの関連が互いに矛盾する現象である。 既存のツールは、人間が実際に急激な協会の落とし穴を見つけ、推論し、防ぐための洞察をほとんど提供しない。 本稿では、因果解析フレームワークと人間中心のワークフローを提供する視覚分析システムであるVISPURを提案する。
  論文  参考訳（メタデータ） (2023-07-26T18:40:07Z)
• A Generalized Doubly Robust Learning Framework for Debiasing Post-Click Conversion Rate Prediction [23.340584290411208]
  クリック後変換率(CVR)予測は、ユーザの興味を見つけ、プラットフォーム収益を増やすための重要なタスクである。 現在、Doublely robust(DR)学習アプローチは、CVR予測を損なうための最先端のパフォーマンスを実現している。 本稿では,DR損失のバイアスを制御し,バイアスと分散を柔軟にバランスするDR-BIASとDR-MSEの2つの新しいDR手法を提案する。
  論文  参考訳（メタデータ） (2022-11-12T15:09:23Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• A framework for causal segmentation analysis with machine learning in large-scale digital experiments [0.0]
  本稿では,因果セグメント発見のためのエンドツーエンドの方法論的枠組みを提案する。 提案手法は,(1)サブグループ特異的な治療効果に基づく候補治療の恩恵を受けるためのユーザセグメントの発見,(2)予測されたセグメント特異的な効果や害に基づいて,動的に単位を学習者の治療アームに割り当てることによる因果的影響の評価,の2つの目的を統一する。
  論文  参考訳（メタデータ） (2021-11-01T19:22:27Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。