論文の概要: Generative AI in Heritage Practice: Improving the Accessibility of Heritage Guidance

• arxiv url: http://arxiv.org/abs/2510.13811v1
• Date: Wed, 03 Sep 2025 11:28:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.059927
• Title: Generative AI in Heritage Practice: Improving the Accessibility of Heritage Guidance
• Title（参考訳）: 遺産実践におけるジェネレーティブAI - 遺産ガイダンスのアクセス性の向上
• Authors: Jessica Witte, Edmund Lee, Lisa Brausem, Verity Shillabeer, Chiara Bonacchi,
• Abstract要約: 本稿では,ジェネレーティブ・人工知能(GenAI)を職業遺産に組み込む可能性について論じる。 我々は,遺産の保存と解釈に関する指導書の改訂を支援するために,GenAIチャットボットであるHAZELを開発した。 定量的評価を用いて,指導書作成プロセスに関連する一連のタスクにおいて,HAZELのパフォーマンスとChatGPT(GPT-4)のパフォーマンスを比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper discusses the potential for integrating Generative Artificial Intelligence (GenAI) into professional heritage practice with the aim of enhancing the accessibility of public-facing guidance documents. We developed HAZEL, a GenAI chatbot fine-tuned to assist with revising written guidance relating to heritage conservation and interpretation. Using quantitative assessments, we compare HAZEL's performance to that of ChatGPT (GPT-4) in a series of tasks related to the guidance writing process. The results of this comparison indicate a slightly better performance of HAZEL over ChatGPT, suggesting that the GenAI chatbot is more effective once the underlying large language model (LLM) has been fine-tuned. However, we also note significant limitations, particularly in areas requiring cultural sensitivity and more advanced technical expertise. These findings suggest that, while GenAI cannot replace human heritage professionals in technical authoring tasks, its potential to automate and expedite certain aspects of guidance writing could offer valuable benefits to heritage organisations, especially in resource-constrained contexts.
• Abstract（参考訳）: 本稿では,ジェネレーティブ・人工知能(GenAI)を職業遺産に組み込む可能性について論じる。 我々は,遺産保存と解釈に関する指導書の改訂を支援するために,GenAI チャットボット HAZEL を開発した。 定量的評価を用いて,指導書作成プロセスに関連する一連のタスクにおいて,HAZELのパフォーマンスとChatGPT(GPT-4)のパフォーマンスを比較した。 この比較の結果,ChatGPTよりもHAZELの方が若干優れた性能を示し,基礎となる大規模言語モデル(LLM)が微調整された場合,GenAIチャットボットの方が有効であることが示唆された。 しかし、文化的な感受性と高度な技術知識を必要とする地域では、特に顕著な制限が指摘されている。 これらの結果は、GenAIが技術的オーサリングタスクにおいて、人間の遺産専門家を置き換えることはできないが、ガイダンス作成の特定の側面を自動化し、迅速化する可能性は、特に資源制約のある文脈において、遺産組織に有益な利益をもたらすことを示唆している。

関連論文リスト

• Human Experts' Evaluation of Generative AI for Contextualizing STEAM Education in the Global South [0.639147752530381]
  グローバル・サウスの多くの地域でのSTEAM教育は抽象的であり、学習者の社会文化的現実と弱い関係を保っている。 本研究では,これらの環境下でのSTEAM命令の文脈化のための生成AI(GenAI)の能力を評価する方法について検討する。
  論文  参考訳（メタデータ） (2025-11-23T01:14:17Z)
• Generative AI and the future of scientometrics: current topics and future questions [0.1638581561083717]
  本研究の目的は, サイエントメトリックスにおけるGenAIの利用を概観し, この分野への広範な影響について議論することである。 我々は、分布言語学に根ざしたGenAIの生成的・確率的性質について紹介する。 我々は、GenAIがいかに人間の「放火」を模倣できるかという議論と、これを関連づける。
  論文  参考訳（メタデータ） (2025-07-01T14:22:16Z)
• Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
  生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。 しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。 本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
  論文  参考訳（メタデータ） (2025-05-09T07:41:33Z)
• Reflection on Data Storytelling Tools in the Generative AI Era from the Human-AI Collaboration Perspective [54.152639172274]
  大規模生成AI技術は、ビジュアルおよびナレーション生成におけるそのパワーでデータストーリーテリングを強化する可能性がある。 我々は、最新のツールのコラボレーションパターンを、データストーリーテリングにおける人間とAIのコラボレーションを理解するための専用のフレームワークを使用して、以前のツールのパターンと比較する。 これらのAIテクニックのメリットと、人間とAIのコラボレーションへの影響も明らかにされている。
  論文  参考訳（メタデータ） (2025-03-04T13:56:18Z)
• Exploring the Impact of Generative Artificial Intelligence in Education: A Thematic Analysis [0.7701938856931689]
  ChatGPTやBardのような大規模言語モデル(LLM)は、ボイラープレートタスクを自動化するために利用することができる。 これらのツールの責任ある統合を保証するため,教育分野におけるガイドライン,方針,評価手法の開発が重要である。
  論文  参考訳（メタデータ） (2025-01-17T11:49:49Z)
• Cutting Through the Confusion and Hype: Understanding the True Potential of Generative AI [0.0]
  本稿では,生成型AI(genAI)の微妙な景観について考察する。 それは、Large Language Models (LLMs)のようなニューラルネットワークベースのモデルに焦点を当てている。
  論文  参考訳（メタデータ） (2024-10-22T02:18:44Z)
• Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
  我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。 我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
  論文  参考訳（メタデータ） (2024-07-09T23:13:26Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)

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。