論文の概要: Generative AI in Knowledge Work: Perception, Usefulness, and Acceptance of Microsoft 365 Copilot

• arxiv url: http://arxiv.org/abs/2602.18576v1
• Date: Fri, 20 Feb 2026 19:32:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.170792
• Title: Generative AI in Knowledge Work: Perception, Usefulness, and Acceptance of Microsoft 365 Copilot
• Title（参考訳）: 知識労働におけるジェネレーティブAI - Microsoft 365コパイロットの認識、有用性、受け入れ
• Authors: Carsten F. Schmidt, Sophie Petzolt, Wolfgang Beinhauer, Ingo Weber, Stefan Langer,
• Abstract要約: 典型的なナレッジワーク活動における有用性,使いやすさ,出力品質,信頼性,有用性を評価した。 Copilotはユーザフレンドリで技術的に信頼性が高く、構造化されたテキストベースのタスクに最大の付加価値がある。
• 参考スコア（独自算出の注目度）: 1.3362350462539474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The study analyzes the introduction of Microsoft 365 Copilot in a non-university research organization using a repeated cross-sectional employee survey. We assess usefulness, ease of use, output quality and reliability, and usefulness for typical knowledge-work activities. Administrative staff report higher usefulness and reliability, whereas scientific staff develop more positive assessments over time, especially regarding productivity and workload reduction. Copilot is widely viewed as user-friendly and technically reliable, with greatest added value for clearly structured, text-based tasks. The findings highlight learning and routinization effects when embedding generative AI into work processes and stress the need for context-sensitive implementation, role-specific training and governance to foster sustainable acceptance of generative AI in knowledge-intensive organizations.
• Abstract（参考訳）: この研究は、Microsoft 365 Copilotの大学以外の研究組織への導入を、横断的な従業員の繰り返し調査を用いて分析する。 典型的なナレッジワーク活動における有用性,使いやすさ,出力品質,信頼性,有用性を評価した。 管理スタッフは、より有用性と信頼性を報告し、科学スタッフは、特に生産性とワークロードの削減に関して、時間とともにより肯定的な評価を発達させる。 Copilotはユーザフレンドリで技術的に信頼性が高く、構造化されたテキストベースのタスクに最大の付加価値がある。 この発見は、生成AIを作業プロセスに組み込む際の学習とルチニゼーションの効果を強調し、知識集約型組織における生成AIの持続可能な受容を促進するために、コンテキスト依存的な実装、役割固有のトレーニング、ガバナンスの必要性を強調している。

関連論文リスト

• Boosting Deep Reinforcement Learning with Semantic Knowledge for Robotic Manipulators [2.6913398550088483]
  Deep Reinforcement Learning (DRL)は、複雑なシーケンシャルな意思決定問題を解決するための強力なフレームワークである。 我々は、知識グラフ埋め込み(KGE)という形で意味知識とDRLの新たな統合を提案する。 我々のアーキテクチャは、KGEと視覚的観察を組み合わせることで、エージェントがトレーニング中に環境知識を活用できるようにする。
  論文  参考訳（メタデータ） (2026-01-23T16:14:28Z)
• A Comprehensive Empirical Evaluation of Agent Frameworks on Code-centric Software Engineering Tasks [14.762911285395047]
  代表的な3つのコード中心タスクにまたがる7つの汎用エージェントフレームワークを評価する。 この結果から,評価フレームワーク間の機能パターンとトレードオフが明らかとなった。 オーバヘッドに関しては、ソフトウェア開発が最も金銭コストが高いのに対して、GPTswarmは依然として最もコスト効率が高い。
  論文  参考訳（メタデータ） (2025-11-02T09:46:59Z)
• Enabling Self-Improving Agents to Learn at Test Time With Human-In-The-Loop Guidance [58.21767225794469]
  大規模言語モデル(LLM)エージェントは、しばしばルールや必要なドメイン知識が頻繁に変化する環境で苦労する。 テスト時に更新されたドメイン知識を継続的に学習するための適応反射型対話エージェント(ARIA)を提案する。 ARIAはTikTok Pay内にデプロイされ、月間アクティブユーザ数は1億5000万を超えている。
  論文  参考訳（メタデータ） (2025-07-23T02:12:32Z)
• Active Learning Methods for Efficient Data Utilization and Model Performance Enhancement [5.4044723481768235]
  本稿では,より少ないラベル付き例を用いてモデルの性能向上を支援する機械学習の戦略である,アクティブラーニング(AL)の概要を紹介する。 ALの基本概念を導入し、コンピュータビジョン、自然言語処理、トランスファーラーニング、実世界のアプリケーションなど、様々な分野でどのように使われているかについて議論する。
  論文  参考訳（メタデータ） (2025-04-21T20:42:13Z)
• Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
  本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。 私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
  論文  参考訳（メタデータ） (2025-01-05T23:25:21Z)
• KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [73.34893326181046]
  本稿では,効率的なモデル適応によりRAGシステムを強化する自己教師型フレームワークKBAlignを提案する。 私たちのキーとなる洞察は、2つの革新的なメカニズムを通じて、モデルの本質的な能力を知識の整合性に活用することです。 KBAlign は GPT-4 による適応によって得られる性能向上の90%を達成できることを示した。
  論文  参考訳（メタデータ） (2024-11-22T08:21:03Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• Learning and Retrieval from Prior Data for Skill-based Imitation Learning [47.59794569496233]
  従来のデータから時間的に拡張された感触者スキルを抽出する,スキルベースの模倣学習フレームワークを開発した。 新規タスクの性能を著しく向上させる重要な設計選択をいくつか挙げる。
  論文  参考訳（メタデータ） (2022-10-20T17:34:59Z)

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。