論文の概要: Incentive-Tuning: Understanding and Designing Incentives for Empirical Human-AI Decision-Making Studies

• arxiv url: http://arxiv.org/abs/2601.15064v1
• Date: Wed, 21 Jan 2026 15:10:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.410932
• Title: Incentive-Tuning: Understanding and Designing Incentives for Empirical Human-AI Decision-Making Studies
• Title（参考訳）: インセンティブチューニング:実証的AI意思決定研究のためのインセンティブの理解と設計
• Authors: Simran Kaur, Sara Salimzadeh, Ujwal Gadiraju,
• Abstract要約: 我々は,実証的な人間-AI意思決定研究を行う上で,インセンティブデザインの重要性に対処することを目的とする。 我々は、研究者が研究に効果的なインセンティブ・スキームを設計するのを助けるための一連のガイドラインをキュレートした。
• 参考スコア（独自算出の注目度）: 13.62306779087662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI has revolutionised decision-making across various fields. Yet human judgement remains paramount for high-stakes decision-making. This has fueled explorations of collaborative decision-making between humans and AI systems, aiming to leverage the strengths of both. To explore this dynamic, researchers conduct empirical studies, investigating how humans use AI assistance for decision-making and how this collaboration impacts results. A critical aspect of conducting these studies is the role of participants, often recruited through crowdsourcing platforms. The validity of these studies hinges on the behaviours of the participants, hence effective incentives that can potentially affect these behaviours are a key part of designing and executing these studies. In this work, we aim to address the critical role of incentive design for conducting empirical human-AI decision-making studies, focusing on understanding, designing, and documenting incentive schemes. Through a thematic review of existing research, we explored the current practices, challenges, and opportunities associated with incentive design for human-AI decision-making empirical studies. We identified recurring patterns, or themes, such as what comprises the components of an incentive scheme, how incentive schemes are manipulated by researchers, and the impact they can have on research outcomes. Leveraging the acquired understanding, we curated a set of guidelines to aid researchers in designing effective incentive schemes for their studies, called the Incentive-Tuning Framework, outlining how researchers can undertake, reflect on, and document the incentive design process. By advocating for a standardised yet flexible approach to incentive design and contributing valuable insights along with practical tools, we hope to pave the way for more reliable and generalizable knowledge in the field of human-AI decision-making.
• Abstract（参考訳）: AIはさまざまな分野で意思決定に革命をもたらした。 しかし、人間の判断は高い意思決定において最重要である。 これにより、人間とAIシステム間の協調的な意思決定の探求が加速し、両方の強みを活用することを目指している。 このダイナミクスを探求するために、研究者は実験的な研究を行い、人間が意思決定にAIアシストをどのように使っているか、そしてこのコラボレーションが結果にどのように影響するかを調査した。 これらの研究を行う上で重要な側面は、クラウドソーシングプラットフォームを通じてしばしば採用される参加者の役割である。 これらの研究の妥当性は参加者の行動に左右されるため、これらの行動に影響を与える可能性のある効果的なインセンティブは、これらの研究を設計し実行するための鍵となる部分である。 本研究では,実証的な人間-AI意思決定研究を行う上で,インセンティブ設計が重要な役割を担うことを目指して,インセンティブ計画の理解,設計,文書化に焦点をあてる。 既存の研究のテーマレビューを通じて、人間-AI意思決定実証研究のインセンティブデザインに関連する現在の実践、課題、機会について考察した。 我々は、インセンティブスキームの構成要素、インセンティブスキームが研究者によってどのように操作されるか、そしてそれらが研究成果に与える影響など、繰り返し発生するパターンやテーマを特定した。 Incentive-Tuning Framework(インセンティブ・チューニング・フレームワーク)と呼ばれる研究のための効果的なインセンティブ・スキームを設計する上で、研究者がどのようにインセンティブ・デザイン・プロセスを実行し、反映し、文書化できるかを概説する上で、研究者を支援するための一連のガイドラインを収集した。 インセンティブ設計の標準化されたフレキシブルなアプローチを提唱し、実用的なツールとともに価値ある洞察を提供することによって、人間とAIの意思決定分野におけるより信頼性が高く一般化可能な知識の道を開いたいと考えています。

関連論文リスト

• Report on the Scoping Workshop on AI in Science Education Research 2025 [2.0613397238713778]
  報告では、科学教育研究における人工知能(AI)の役割に関する2日間の国際スコピングワークショップの結果を要約している。 AIは科学の実践、教室の学習、そして研究の方法に素早く反応するので、この分野は新たな機会と重要な課題に直面している。 報告書は、トレーニング、インフラ、標準のための実行可能なレコメンデーションと、資金提供者、政策立案者、専門機関、学術部門のガイダンスで締めくくっている。
  論文  参考訳（メタデータ） (2025-11-18T10:23:22Z)
• RelAItionship Building: Analyzing Recruitment Strategies for Participatory AI [7.603490843138366]
  参加型AIプロジェクトの採用手法を設計・実行する際に研究者が直面する課題について検討する。 我々は、37のプロジェクトからなるコーパスを用いて、AIプロジェクトで採用手法を記述し、現場におけるプラクティスの多様性を捉え、採用プラクティスの文書化に関する初期分析を行う。 これらの結果は、彼らの仕事の構造的条件、研究者自身の目標と期待、そして採用方法論とその後のコラボレーションから構築された関係によって形成されている。
  論文  参考訳（メタデータ） (2025-08-27T18:00:46Z)
• Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
  我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。 我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
  論文  参考訳（メタデータ） (2025-04-01T13:53:11Z)
• How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
  我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。 我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
  論文  参考訳（メタデータ） (2024-10-21T22:39:52Z)
• Evaluating Human-AI Collaboration: A Review and Methodological Framework [4.41358655687435]
  人間-AIコラボレーション(Human-AI Collaboration、HAIC)として知られる個人との作業環境における人工知能(AI)の利用が不可欠である。 HAICの有効性を評価することは、関連するコンポーネントの複雑な相互作用のため、依然として困難である。 本稿では,既存のHAIC評価手法を詳細に分析し,これらのシステムをより効果的に評価するための新しいパラダイムを開発する。
  論文  参考訳（メタデータ） (2024-07-09T12:52:22Z)
• Beyond Recommender: An Exploratory Study of the Effects of Different AI Roles in AI-Assisted Decision Making [48.179458030691286]
  Recommender、Analyzer、Devil's Advocateの3つのAIの役割について検討する。 以上の結果から,各役割のタスクパフォーマンス,信頼性の適切性,ユーザエクスペリエンスにおける長所と短所が明らかとなった。 これらの洞察は、異なる状況に応じて適応的な機能的役割を持つAIアシスタントを設計する上で、貴重な意味を提供する。
  論文  参考訳（メタデータ） (2024-03-04T07:32:28Z)
• The Participatory Turn in AI Design: Theoretical Foundations and the Current State of Practice [64.29355073494125]
  本稿は、既存の理論文献を合成して、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。 我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
  論文  参考訳（メタデータ） (2023-10-02T05:30:42Z)
• Towards a Science of Human-AI Decision Making: A Survey of Empirical Studies [22.214709837295906]
  AI支援による人間の意思決定を強化する研究コミュニティへの関心が高まっている。 人間-AI意思決定の新たな分野は、人間がAIとどのように相互作用し、どのように働くかに関する基礎的な理解を形成するための経験的アプローチを取り入れなければならない。
  論文  参考訳（メタデータ） (2021-12-21T19:00:02Z)
• 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)

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。