論文の概要: An attention economy model of co-evolution between content quality and audience selectivity

• arxiv url: http://arxiv.org/abs/2602.06437v1
• Date: Fri, 06 Feb 2026 07:07:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.270881
• Title: An attention economy model of co-evolution between content quality and audience selectivity
• Title（参考訳）: コンテンツ品質とオーディエンス選択性の共進化の注意経済モデル
• Authors: Masaki Chujyo, Isamu Okada, Hitoshi Yamamoto, Dongwoo Lim, Fujio Toriumi,
• Abstract要約: 人間の注意はデジタル環境では希少かつ戦略的に競合する資源となっている。 我々は、コンテンツ品質とオーディエンスアテンションが、限られた注意力の下でどのように共進化するかを説明するために、最小限の数学的枠組みを開発する。
• 参考スコア（独自算出の注目度）: 0.050745801979964804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human attention has become a scarce and strategically contested resource in digital environments. Content providers increasingly engage in excessive competition for visibility, often prioritizing attention-grabbing tactics over substantive quality. Despite extensive empirical evidence, however, there is a lack of theoretical models that explain the fundamental dynamics of the attention economy. Here, we develop a minimal mathematical framework to explain how content quality and audience attention coevolve under limited attention capacity. Using an evolutionary game approach, we model strategic feedback between providers, who decide how much effort to invest in production, and consumers, who choose whether to search selectively for high-quality content or to engage passively. Analytical and numerical results reveal three characteristic regimes of content dynamics: collapse, boundary, and coexistence. The transitions between these regimes depend on how effectively audiences can distinguish content quality. When audience discriminability is weak, both selective attention and high-quality production vanish, leading to informational collapse. When discriminability is sufficient and incentives are well aligned, high- and low-quality content dynamically coexist through feedback between audience selectivity and providers' effort. These findings identify two key conditions for sustaining a healthy information ecosystem: adequate discriminability among audiences and sufficient incentives for high-effort creation. The model provides a theoretical foundation for understanding how institutional and platform designs can prevent the degradation of content quality in the attention economy.
• Abstract（参考訳）: 人間の注意はデジタル環境では希少かつ戦略的に競合する資源となっている。 コンテンツプロバイダは、視認性に関する過剰な競争にますます関与し、しばしば実質的な品質よりも注意を喚起する戦術を優先している。 しかし、広範な実証的な証拠にもかかわらず、注意経済の基本的なダイナミクスを説明する理論モデルが欠如している。 本稿では,コンテンツ品質とオーディエンス・アテンションが,限定的なアテンション・キャパシティの下でどのように共進化するかを説明するために,最小限の数学的枠組みを開発する。 進化的ゲームアプローチを用いることで、プロダクションに投資する労力を決定するプロバイダと、高品質なコンテンツを選択的に検索するか、受動的にエンゲージするかを選択するコンシューマの戦略的フィードバックをモデル化する。 解析的および数値的な結果は、崩壊、境界、共存という3つの特徴的な内容力学の状況を示す。 これらの体制間の遷移は、観客がコンテンツ品質をいかに効果的に区別できるかに依存する。 観客の差別性が弱い場合には、選択的な注意と高品質な生産の両方が消滅し、情報の崩壊につながる。 差別性が十分であり、インセンティブが適切に整合している場合、オーディエンスの選択性と提供者の努力の間のフィードバックを通じて、ハイクオリティとロークオリティのコンテンツが動的に共存する。 これらの結果から,健常な情報エコシステムを維持するための2つの重要な条件が明らかとなった。 このモデルは、施設設計とプラットフォーム設計が、注意経済におけるコンテンツ品質の劣化をいかに防ぐかを理解するための理論的基盤を提供する。

関連論文リスト

• When or What? Understanding Consumer Engagement on Digital Platforms [1.593326304030926]
  本研究はTEDトークの大規模コーパスに潜在ディリクレ割当モデルを適用した。 クリエーターのテーマ的供給とオーディエンスで表される需要を比較することで、生産者と消費者の嗜好の永続的なミスマッチを識別する。
  論文  参考訳（メタデータ） (2025-10-12T06:53:57Z)
• Algorithmic Fairness amid Social Determinants: Reflection, Characterization, and Approach [19.881116751039613]
  社会的決定要因(Social Determinant)は、特定の個人に直接関係しないが、コンテキストや環境の重要な側面を捉える変数である。 それまでのアルゴリズムフェアネス文学は、主にセンシティブな属性に焦点を当てており、しばしば社会的決定要因の役割を見落としている。
  論文  参考訳（メタデータ） (2025-08-10T23:55:16Z)
• Modeling Beyond MOS: Quality Assessment Models Must Integrate Context, Reasoning, and Multimodality [45.34252727738116]
  平均オピニオンスコア(MOS)は、もはやマルチメディア品質評価モデルのための唯一の監督信号として不十分である。 品質評価を文脈的、説明可能、マルチモーダルなモデリングタスクとして再定義することで、より堅牢で、人間らしく、信頼性の高い評価システムへのシフトを触媒することを目指している。
  論文  参考訳（メタデータ） (2025-05-26T08:52:02Z)
• Building Trustworthy Multimodal AI: A Review of Fairness, Transparency, and Ethics in Vision-Language Tasks [4.441767341563709]
  本稿では,マルチモーダル人工知能(AI)システムの信頼性について概説する。 これらのシステムにおける公平性、透明性、倫理的影響に関連する課題に対処する。
  論文  参考訳（メタデータ） (2025-04-14T21:10:25Z)
• On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [68.62012304574012]
  マルチモーダル生成モデルは 信頼性 公正性 誤用の可能性について 批判的な議論を巻き起こしました 埋め込み空間におけるグローバルおよびローカルな摂動に対する応答を解析し、モデルの信頼性を評価するための評価フレームワークを提案する。 提案手法は, 信頼できない, バイアス注入されたモデルを検出し, 組込みバイアスの証明をトレースするための基礎となる。
  論文  参考訳（メタデータ） (2024-11-21T09:46:55Z)
• Evaluating Fairness in Large Vision-Language Models Across Diverse Demographic Attributes and Prompts [23.97104853350071]
  いくつかの主流視覚言語モデル(LVLM)における両眼的公正性について実験的に検討する。 我々の公正度評価フレームワークは、視覚的質問応答/分類タスクにおいて、直接的および単選択的な質問プロンプトを用いている。 我々は,オープンソースとクローズドソースの両方のLVLMに適用可能な,不公平性軽減のためのマルチモーダル・チェーン・オブ・思想(CoT)に基づく戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-25T23:11:39Z)
• Incentivizing High-Quality Content in Online Recommender Systems [80.19930280144123]
  プロデューサー間のゲームについて検討し、均衡で作成されたコンテンツを分析する。 HedgeやEXP3のような標準的なオンライン学習アルゴリズムは、残念なことにプロデューサに低品質コンテンツを作る動機を与えています。
  論文  参考訳（メタデータ） (2023-06-13T00:55:10Z)
• Towards Robust Text-Prompted Semantic Criterion for In-the-Wild Video Quality Assessment [54.31355080688127]
  コントラスト言語画像事前学習(CLIP)を用いたテキストプロンプト付きセマンティック親和性品質指標(SAQI)とそのローカライズ版(SAQI-Local)を導入する。 BVQI-Localは前例のないパフォーマンスを示し、すべてのデータセットで既存のゼロショットインデックスを少なくとも24%上回る。 我々は、異なる指標の異なる品質問題を調べるために包括的な分析を行い、設計の有効性と合理性を示す。
  論文  参考訳（メタデータ） (2023-04-28T08:06:05Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Measuring Fairness Under Unawareness of Sensitive Attributes: A Quantification-Based Approach [131.20444904674494]
  センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。 定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
  論文  参考訳（メタデータ） (2021-09-17T13:45:46Z)

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。