論文の概要: Making Absence Visible: The Roles of Reference and Prompting in Recognizing Missing Information

• arxiv url: http://arxiv.org/abs/2601.07234v1
• Date: Mon, 12 Jan 2026 06:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.239093
• Title: Making Absence Visible: The Roles of Reference and Prompting in Recognizing Missing Information
• Title（参考訳）: 欠落情報認識における参照とプロンプトの役割
• Authors: Hagit Ben Shoshan, Joel Lanir, Pavel Goldstein, Osnat Mokryn,
• Abstract要約: 本研究は,参照フレーミングが,データセットにおいて期待されるが欠落するカテゴリを認識する能力にどのように影響するかを実験的に検討する。 その結果, 部分参照の方がGlobal参照よりも不在検出率が高いことがわかった。 本稿では,対話型ユーザインタフェースと期待に基づく可視化設計の意義について論じる。
• 参考スコア（独自算出の注目度）: 6.286433868603813
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Interactive systems that explain data, or support decision making often emphasize what is present while overlooking what is expected but missing. This presence bias limits users' ability to form complete mental models of a dataset or situation. Detecting absence depends on expectations about what should be there, yet interfaces rarely help users form such expectations. We present an experimental study examining how reference framing and prompting influence people's ability to recognize expected but missing categories in datasets. Participants compared distributions across three domains (energy, wealth, and regime) under two reference conditions: Global, presenting a unified population baseline, and Partial, showing several concrete exemplars. Results indicate that absence detection was higher with Partial reference than with Global reference, suggesting that partial, samples-based framing can support expectation formation and absence detection. When participants were prompted to look for what was missing, absence detection rose sharply. We discuss implications for interactive user interfaces and expectation-based visualization design, while considering cognitive trade-offs of reference structures and guided attention.
• Abstract（参考訳）: データの説明や意思決定を支援するインタラクティブなシステムは、期待されているが欠落しているものを見下ろしながら、現在あるものを強調することが多い。 このバイアスは、データセットや状況の完全なメンタルモデルを形成するユーザの能力を制限します。 欠席の検出は、そこにあるべきものに対する期待に依存するが、インターフェイスはユーザーがそのような期待を形成するのに役立つことは滅多にない。 本研究は,参照フレーミングが,データセットにおいて期待されるが欠落するカテゴリを認識する能力にどのように影響するかを実験的に検討する。 参加者は3つの領域(エネルギー、富、体制)にまたがる分布を、2つの基準条件で比較した。 その結果, 部分的基準はGlobal基準よりも高い値を示し, 部分的, サンプルベースのフレーミングは期待形成と不在検出を支援できることが示唆された。 被験者が行方不明の物を探すように促されると、発見の欠如が急激に高まった。 本稿では,対話型ユーザインタフェースと期待に基づく可視化設計の意義を考察するとともに,参照構造の認知的トレードオフと注意喚起について考察する。

関連論文リスト

• Training Feature Attribution for Vision Models [0.13685626568919942]
  トレーニング機能属性は、特定のトレーニングイメージの特定の領域にテスト予測をリンクする。 ビジョンデータセットの実験では、トレーニングの特徴の帰属が、きめ細かいテスト固有の説明をもたらすことが示されている。
  論文  参考訳（メタデータ） (2025-10-10T08:37:13Z)
• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• Perception-Driven Bias Detection in Machine Learning via Crowdsourced Visual Judgment [0.0]
  本稿では,クラウドソースによる人的判断を活用するバイアス検出のための,新しい認知駆動型フレームワークを提案する。 本稿では,reCAPTCHAなどのクラウド・パワーシステムに触発されて,数値データの取り除かれた可視化を表示する軽量なWebプラットフォームを提案する。 ユーザの視覚的知覚は、レイアウト、間隔、質問のフレーズによって、潜在的な相違を示唆することができる。
  論文  参考訳（メタデータ） (2025-05-21T17:09:18Z)
• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• ViG-Bias: Visually Grounded Bias Discovery and Mitigation [3.626293818132902]
  視覚的基底バイアス発見・緩和(ViG-Bias)を導入し,発見・緩和性能の向上を図る。 視覚的説明を取り入れることで、DOMINO、FACTS、Bias-to-Textといった既存の手法が強化されることを示す。
  論文  参考訳（メタデータ） (2024-07-02T07:10:10Z)
• Is Attention Interpretation? A Quantitative Assessment On Sets [0.0]
  集合機械学習の文脈における注意の解釈可能性について検討する。 注意分布は、個々のインスタンスの相対的な重要性を反映していることが多い。 我々は、注意に基づく説明を誤解させるリスクを最小限に抑えるためにアンサンブルを使うことを提案する。
  論文  参考訳（メタデータ） (2022-07-26T16:25:38Z)
• Causal Reasoning Meets Visual Representation Learning: A Prospective Study [117.08431221482638]
  解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。 人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。 本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
  論文  参考訳（メタデータ） (2022-04-26T02:22:28Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• Desiderata for Representation Learning: A Causal Perspective [104.3711759578494]
  我々は表現学習の因果的視点を採り、非純粋性と効率性(教師なし表現学習)と非教師なし表現学習(教師なし表現学習)を定式化する。 これは、関心のデシダータを満たす程度を計算可能なメトリクスで評価し、単一の観測データセットから不純物や不整合表現を学習する。
  論文  参考訳（メタデータ） (2021-09-08T17:33:54Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)

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。