論文の概要: A Human-in/on-the-Loop Framework for Accessible Text Generation

• arxiv url: http://arxiv.org/abs/2603.18879v1
• Date: Thu, 19 Mar 2026 13:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.162594
• Title: A Human-in/on-the-Loop Framework for Accessible Text Generation
• Title（参考訳）: アクセシブルテキスト生成のためのHuman-in/on-the-Loopフレームワーク
• Authors: Lourdes Moreno, Paloma Martínez,
• Abstract要約: 本稿では,人間の参加をテキスト生成に明示的に統合するハイブリッドフレームワークを提案する。 ヒューマン・オン・ザ・ループ(Human-on-the-Loop、Human-on-Loop、Human-on-the-Loop、Human-on-Loop、Human-on-the-Loop、HHTL)は、世代別レビューを体系的に行う。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plain Language and Easy-to-Read formats in text simplification are essential for cognitive accessibility. Yet current automatic simplification and evaluation pipelines remain largely automated, metric-driven, and fail to reflect user comprehension or normative standards. This paper introduces a hybrid framework that explicitly integrates human participation into LLM-based accessible text generation. Human-in-the-Loop (HiTL) contributions guide adjustments during generation, while Human-on-the-Loop (HoTL) supervision ensures systematic post-generation review. Empirical evidence from user studies and annotated resources is operationalized into (i) checklists aligned with standards, (ii) Event-Condition-Action trigger rules for activating expert oversight, and (iii) accessibility Key Performance Indicators (KPIs). The framework shows how human-centered mechanisms can be encoded for evaluation and reused to provide structured feedback that improves model adaptation. By embedding the human role in both generation and supervision, it establishes a traceable, reproducible, and auditable process for creating and evaluating accessible texts. In doing so, it integrates explainability and ethical accountability as core design principles, contributing to more transparent and inclusive NLP systems.
• Abstract（参考訳）: テキストの簡易化における平易な言語と読みやすい形式は、認知的アクセシビリティに不可欠である。 しかし、現在の自動単純化と評価パイプラインは、大部分が自動化されており、メトリック駆動であり、ユーザの理解や規範的基準を反映していない。 本稿では、LLMベースのテキスト生成に人的参加を明示的に統合するハイブリッドフレームワークを提案する。 ヒューマン・オン・ザ・ループ(Human-on-the-Loop、Human-on-Loop、Human-on-the-Loop、Human-on-Loop、Human-on-the-Loop、HHTL)は、世代別レビューを体系的に行う。 ユーザスタディとアノテートリソースの実証的証拠を運用する (i)標準に準拠したチェックリスト。 二 専門家の監視を活性化するためのイベント・コンディション・アクション・トリガー規則 (iii)アクセシビリティキーパフォーマンス指標(KPI) このフレームワークは、モデル適応を改善する構造化されたフィードバックを提供するために、評価のために人間中心のメカニズムをエンコードし、再利用する方法を示している。 世代と監督の両方に人間の役割を組み込むことで、アクセス可能なテキストを作成して評価するための、追跡可能で再現可能で監査可能なプロセスを確立する。 そうすることで、説明可能性と倫理的説明責任をコア設計原則として統合し、より透明で包括的なNLPシステムに寄与する。

関連論文リスト

• Steering LLMs via Scalable Interactive Oversight [74.12746881843044]
  大規模な言語モデルは、エンフェーブコーディングのような複雑で長期にわたるタスクをますます自動化し、監督のギャップが生まれています。 スケーラブルな監視において重要な課題は、人間が責任を持ってAIシステムを、特定または検証する能力を超えたタスクで操ることができることだ。
  論文  参考訳（メタデータ） (2026-02-04T04:52:00Z)
• Toward Human-Centered Readability Evaluation [0.0]
  HCRS(Human-Centered Readability Score)は、Human-Computer Interaction (HCI)とHealth Communications研究に基づく5次元評価フレームワークである。 HCRSは、可読性と可読性の文脈的側面を捉えるために、構造化された人間のフィードバックと自動測度を統合している。 本研究は, 多様なユーザニーズ, 期待, 生きた経験とより密に整合したNLPシステムを実現することにより, 表面的指標を超えて, 健康テキストの簡易化を評価することを目的としている。
  論文  参考訳（メタデータ） (2025-10-12T20:38:32Z)
• Taxonomy of User Needs and Actions [51.86289485979439]
  会話AIの普及は、ユーザの計測目標と、それらを達成するための位置、適応、および社会的プラクティスをキャプチャするフレームワークの必要性を強調している。 このギャップに対処するために,1193人の人間とAIの会話の反復的質的分析によって構築された経験的基盤の枠組みであるTUNA(Taxonomy of User Needs and Actions)を紹介した。 TUNAは、ユーザアクションを情報検索、合成、手続き的ガイダンス、コンテンツ作成、ソーシャルインタラクション、メタ会話に関連する行動を含む3段階の階層に編成する。
  論文  参考訳（メタデータ） (2025-10-07T17:04:42Z)
• Inclusive Easy-to-Read Generation for Individuals with Cognitive Impairments [2.1481398044731574]
  ETR-fr は欧州の ETR ガイドラインに準拠した ETR テキスト生成のための最初のデータセットである。 本研究では, PLM と LLM をパラメータ効率よく微調整することで, 生成ベースラインの確立を図る。 その結果、PLMはLLMと互換性があり、ドメイン外のテキストに効果的に適応できることがわかった。
  論文  参考訳（メタデータ） (2025-10-01T09:13:18Z)
• To Err Is Human; To Annotate, SILICON? Reducing Measurement Error in LLM Annotation [11.470318058523466]
  大規模言語モデル(LLM)は、人間のアノテーションに代わる費用対効果の高いスケーラブルな代替を約束する。 LLMアノテーションから測定誤差を体系的に低減するSILICON手法を開発した。 この証拠は,各エラー源の削減が必要であり,SILICONは管理研究において厳密なアノテーションをサポートしていることを示唆している。
  論文  参考訳（メタデータ） (2024-12-19T02:21:41Z)
• CATER: Leveraging LLM to Pioneer a Multidimensional, Reference-Independent Paradigm in Translation Quality Evaluation [0.0]
  Comprehensive AI-assisted Translation Edit Ratio (CATER)は、機械翻訳(MT)の品質を評価するための新しいフレームワークである。 大きな言語モデル(LLM)は、慎重に設計されたプロンプトベースのプロトコルによって使用される。
  論文  参考訳（メタデータ） (2024-12-15T17:45:34Z)
• The Synergy of LLMs & RL Unlocks Offline Learning of Generalizable Language-Conditioned Policies with Low-fidelity Data [50.544186914115045]
  TEDUOは、シンボリック環境におけるオフライン言語条件のポリシー学習のための、新しいトレーニングパイプラインである。 まず、オフラインデータセットをよりリッチなアノテーションで拡張する自動化ツールとして、次に、一般化可能な命令フォローエージェントとして使用します。
  論文  参考訳（メタデータ） (2024-12-09T18:43:56Z)
• Systematic Task Exploration with LLMs: A Study in Citation Text Generation [63.50597360948099]
  大規模言語モデル(LLM)は、複雑な創造的自然言語生成(NLG)タスクの定義と実行において、前例のない柔軟性をもたらす。 本稿では,系統的な入力操作,参照データ,出力測定からなる3成分研究フレームワークを提案する。 我々はこのフレームワークを用いて引用テキスト生成を探索する。これは一般的なNLPタスクであり、タスク定義と評価基準に関するコンセンサスを欠いている。
  論文  参考訳（メタデータ） (2024-07-04T16:41:08Z)

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。