論文の概要: AI-Powered Multi-Stakeholder Ecosystems for Global Development: A Design Research Study on the GSI D-Hub Proof-of-Concept Platform
- arxiv url: http://arxiv.org/abs/2603.06584v1
- Date: Sun, 25 Jan 2026 22:27:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-22 12:09:54.087582
- Title: AI-Powered Multi-Stakeholder Ecosystems for Global Development: A Design Research Study on the GSI D-Hub Proof-of-Concept Platform
- Title（参考訳）: グローバル開発のためのAI駆動マルチステークホルダエコシステム:GSI D-Hub Proof-Concept Platformの設計研究
- Authors: Muzakkiruddin Ahmed Mohammed, Adeeba Tarannum, Eileen Devereux Dailey, Marla Johnson, Mert Can Cakmak, John Talburt,
- Abstract要約: 本稿では,データ駆動協調プラットフォームであるGlobal Solutions Initiative (GSI) D-Hubについて述べる。
このシステムは構造化データモデル、解釈可能なアルゴリズム、合成データパイプラインを統合し、情報非対称性を低減する。
結果は、説明可能なレコメンデーションとコンテキストダッシュボードが信頼、ユーザビリティ、意思決定の信頼性を高めることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital platforms increasingly support collaboration across organizations, yet many remain constrained by fragmented data and limited transparency. This paper presents the Global Solutions Initiative (GSI) D-Hub, a data-driven coordination platform that applies explainable artificial intelligence (AI) for transparent matchmaking among deployers, solution providers, and financiers. The system integrates structured data models, interpretable algorithms, and synthetic data pipelines to reduce information asymmetries and improve data quality. Using a design-science approach, the platform was developed and validated with stakeholders from development, technology, and finance sectors. Results show that explainable recommendations and contextual dashboards enhance trust, usability, and decision confidence. The study contributes to data mining and data governance research by demonstrating how explainable, verifiable algorithms can enable scalable, trustworthy digital ecosystems for public collaboration.
- Abstract（参考訳）: デジタルプラットフォームは、組織間のコラボレーションをますますサポートしていますが、多くは断片化されたデータと限られた透明性によって制約されています。
本稿では,GSI(Global Solutions Initiative, グローバルソリューションイニシアティブ)D-Hubについて述べる。
このシステムは構造化データモデル、解釈可能なアルゴリズム、合成データパイプラインを統合し、情報非対称性を低減し、データ品質を改善する。
デザインサイエンスのアプローチを用いて、プラットフォームは開発、技術、金融セクターの利害関係者によって開発、検証された。
結果は、説明可能なレコメンデーションとコンテキストダッシュボードが信頼、ユーザビリティ、意思決定の信頼性を高めることを示している。
この研究は、データマイニングとデータガバナンスの研究に貢献し、説明可能な検証可能なアルゴリズムが、いかにして、スケーラブルで信頼性の高いデジタルエコシステムを公共のコラボレーションのために実現できるかを実証する。
関連論文リスト
- Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - DataScribe: An AI-Native, Policy-Aligned Web Platform for Multi-Objective Materials Design and Discovery [1.0713846107735632]
DataScribeは、AIネイティブでクラウドベースの材料発見プラットフォームである。
実験データと計算データを機械処理可能な知識グラフで統一する。
データインフラストラクチャに直接最適化エンジン、機械学習、パブリックおよびプライベートな科学データへの統一されたアクセスを組み込むことで、DataScribeはあらゆる規模の研究所のための汎用アプリケーション層バックボーンとして機能する。
論文 参考訳（メタデータ） (2026-01-12T19:59:39Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - Toward Data Systems That Are Business Semantic Centric and AI Agents Assisted [0.0]
ビジネスSemantics Centric, AI Agents Assisted Data System (BSDS)
BSDSは、データシステムをビジネス成功の動的な実現手段として再定義する。
システムには、ビジネスエンティティにリンクされたキュレートされたデータ、コンテキスト認識AIエージェントの知識ベース、効率的なデータパイプラインが含まれる。
論文 参考訳（メタデータ） (2025-06-05T19:06:06Z) - Data-Driven Breakthroughs and Future Directions in AI Infrastructure: A Comprehensive Review [0.0]
本稿では,過去15年間の人工知能(AI)の大きなブレークスルーを包括的に合成する。
計算リソース、データアクセス、アルゴリズム革新の収束をトレースすることで、AIの進化における重要なインフレクションポイントを特定する。
論文 参考訳（メタデータ） (2025-05-22T15:12:48Z) - Blockchain-Enabled Accountability in Data Supply Chain: A Data Bill of Materials Approach [16.31469678670097]
データ請求書(Data Bill of Materials, DataBOM)は、特定のメタデータを格納することで、異なるデータセットと利害関係者間の依存関係関係をキャプチャする。
ブロックチェーンベースのDataBOMサービスを提供するためのプラットフォームアーキテクチャを実証し、利害関係者のためのインタラクションプロトコルを提示し、DataBOMメタデータの最小要件について議論する。
論文 参考訳（メタデータ） (2024-08-16T05:34:50Z) - Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。
合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
論文 参考訳（メタデータ） (2024-04-11T06:34:17Z)
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。