論文の概要: Applying Value Sensitive Design to Location-Based Services: Designing for Shared Spaces and Local Conditions

• arxiv url: http://arxiv.org/abs/2603.12521v1
• Date: Thu, 12 Mar 2026 23:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.80984
• Title: Applying Value Sensitive Design to Location-Based Services: Designing for Shared Spaces and Local Conditions
• Title（参考訳）: 価値感設計を位置情報サービスに適用する:共有空間とローカル条件の設計
• Authors: Hiruni Kegalle, Flora D. Salim, Mark Sanderson, Jeffrey Chan, Danula Hettiachchi,
• Abstract要約: ライドシェアリング、宿泊、フードデリバリー、位置駆動型ソーシャルメディアプラットフォームといった位置情報ベースのサービス(LBS)は、物理的な空間とデジタルシステムを結び付けている。 既存の設計アプローチは、共有物理空間で発生する価値の緊張という2つの課題に対処するのに苦労する。 LBSの特徴に合わせたドメイン固有のVSDであるLocation-Aware Value Sensitive Design (LA-VSD)を紹介する。
• 参考スコア（独自算出の注目度）: 28.682299774614908
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Location-Based Services (LBS) such as ride-sharing, accommodation, food delivery, and location-driven social media platforms entangle digital systems with physical spaces, thereby generating impacts that extend beyond users to others who share the same environments. Existing design approaches struggle to address the dual challenge of value tensions that arise in shared physical spaces and the locality-specific contexts in which LBS operate. To respond, we introduce Location-Aware Value Sensitive Design (LA-VSD), a domain-specific adaptation of VSD tailored to the distinctive characteristics of LBS. LA-VSD guides designers through three heuristics to help (1) identify and prioritise stakeholders through local space-sharing scenarios, (2) adapt empirical methods to capture values and tensions in context, and (3) support value-aligned interactions across both digital and physical layers of the service. Through a case study of e-scooter sharing in Melbourne, Australia, we demonstrate how LA-VSD enables more grounded, context-aware, and actionable design of LBS.
• Abstract（参考訳）: ライドシェアリング、宿泊、フードデリバリー、位置駆動型ソーシャルメディアプラットフォームといった位置情報ベースのサービス(LBS)は、デジタルシステムを物理的空間に絡み合わせることで、ユーザを越えて同じ環境を共有する他者へのインパクトを生み出す。 既存の設計アプローチは、共有物理空間やLBSが作用する局所性固有の文脈で生じる価値の緊張という2つの課題に対処するのに苦労する。 そこで本研究では,LBSの特有な特徴に合わせた,VSDのドメイン固有適応である位置認識値感性設計(LA-VSD)を提案する。 LA-VSDは,(1)地域空間共有シナリオを通じて利害関係者を特定し,優先順位づけすること,(2)コンテキストにおける価値と緊張を捉えるための経験的手法を適用すること,(3)サービスのデジタル層と物理層をまたいだ価値整合インタラクションを支援すること,の3つのヒューリスティックを通じて設計者を支援する。 オーストラリアのメルボルンにおけるe-scooter共有のケーススタディを通じて、LA-VSDがLBSのより根底的で、コンテキスト対応で、実用的な設計を可能にしていることを示す。

関連論文リスト

• Spatially-Adaptive Conformal Graph Transformer for Indoor Localization in Wi-Fi Driven Networks [2.3284243982999615]
  空間適応型コンフォーマルグラフ変換器 (SAC-GT) は, 高精度で信頼性の高い屋内ローカライゼーションのためのフレームワークである。 SAC-GTは、ネットワークの空間トポロジと信号強度のダイナミクスを捉えるグラフトランスフォーマー(GT)モデルと、新しい空間適応型コンフォーマル予測(SACP)手法を統合する。 これにより、SAC-GTは正確な2次元位置予測だけでなく、様々な環境条件に合わせて統計的に有効な信頼領域を生成することができる。
  論文  参考訳（メタデータ） (2026-01-29T21:06:45Z)
• RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
  リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。 これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。 空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:35:57Z)
• Origin-Conditional Trajectory Encoding: Measuring Urban Configurational Asymmetries through Neural Decomposition [3.4560970433900366]
  本研究では,原点に依存した非対称性を保ちながら空間的および運動的表現を学習する条件付き軌道エンコーダを提案する。 この枠組みは、都市ナビゲーションを共通の認知パターンと原点固有の空間的物語に分解する。 6つの総合都市の結果と北京の西京地区における実世界検証の結果は、都市形態が体系的な認知的不平等を生み出すことを示している。
  論文  参考訳（メタデータ） (2025-12-03T12:54:16Z)
• V2VLoc: Robust GNSS-Free Collaborative Perception via LiDAR Localization [31.461386714511963]
  マルチエージェントは、観察を共有し、調整するための正確なポーズに依存し、環境の協調的な認識を可能にします。 従来のLiDARベースのローカライゼーションは、しばしばインデント環境で失敗し、協調作業において一貫した機能アライメントが困難になる。 本稿では,LiDARのローカライゼーションに基づくロバストフリー協調認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-18T08:34:41Z)
• A Plug-and-Play Spatially-Constrained Representation Enhancement Framework for Local-Life Recommendation [12.108184904799339]
  本稿では,長期的地域生活推薦のためのPlug-and-Play空間制約付き表現拡張フレームワークを提案する。 まず,基本属性レベルのセマンティック情報を注入することで,基本ID表現を初期化するメタIDワームアップネットワークを提案する。 次に、コントラスト学習に基づく空間制約付きID表現拡張ネットワーク(SIDENet)を提案する。
  論文  参考訳（メタデータ） (2025-11-17T03:58:04Z)
• Generalized Decoupled Learning for Enhancing Open-Vocabulary Dense Perception [71.26728044621458]
  DeCLIPは、CLIPを強化する新しいフレームワークで、自己認識モジュールを分離して、それぞれコンテンツ’と“コンテキスト’の機能を取得する。 2D検出とセグメンテーション、3Dインスタンスのセグメンテーション、ビデオインスタンスのセグメンテーション、6Dオブジェクトのポーズ推定など、幅広いタスクにわたる最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2025-08-15T06:43:51Z)
• SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models [68.13636352687257]
  VLMの空間知覚と推論能力を高めるために空間領域GPT(SpatialRGPT)を導入する。 推測中、ユーザが指定した領域の提案が提供されると、SpatialRGPTは相対的な方向と距離を正確に知覚できる。 本研究では,空間的推論タスクにおける局所的プロンプトと非局所的プロンプトの双方において,空間的RGPTにより性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-06-03T17:59:06Z)
• Domain Adaptive Semantic Segmentation with Regional Contrastive Consistency Regularization [19.279884432843822]
  本稿では,領域適応型セマンティックセマンティックセグメンテーションのための局所コントラスト整合正規化(RCCR)と呼ばれる,新しいエンドツーエンドのトレーニング可能なアプローチを提案する。 私たちの中核となる考え方は、異なる画像の同じ位置から抽出された類似の地域的特徴を取り除き、その一方、2つの画像の異なる位置から特徴を分離することです。
  論文  参考訳（メタデータ） (2021-10-11T11:45:00Z)
• PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image Segmentation [87.50205728818601]
  本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。 我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
  論文  参考訳（メタデータ） (2020-11-25T11:03:11Z)

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。