論文の概要: Towards Explainable Stakeholder-Aware Requirements Prioritisation in Aged-Care Digital Health

• arxiv url: http://arxiv.org/abs/2603.29114v1
• Date: Tue, 31 Mar 2026 01:03:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.972402
• Title: Towards Explainable Stakeholder-Aware Requirements Prioritisation in Aged-Care Digital Health
• Title（参考訳）: 高齢者デジタルヘルスにおける説明可能なステークホルダーの優先要件
• Authors: Yuqing Xiao, John Grundy, Anuradha Madugalla, Elizabeth Manias,
• Abstract要約: 人的側面がもっとも重要であり、誰にとって重要であるかを知ることは、包括的で証拠に基づく要求の優先順位付けに不可欠である。 高齢者のデジタルヘルスのテーマ8つにまたがる要件の優先順位に最も強く関連する人間の側面を特定するために、説明可能な機械学習を適用した。 その結果,人間中心の要求分析は,視点を1つの集合的な視点にまとめるのではなく,利害関係者グループに明示的に関与すべきであることが示唆された。
• 参考スコア（独自算出の注目度）: 4.640647592836271
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Requirements engineering for aged-care digital health must account for human aspects, because requirement priorities are shaped not only by technical functionality but also by stakeholders' health conditions, socioeconomics, and lived experience. Knowing which human aspects matter most, and for whom, is critical for inclusive and evidence-based requirements prioritisation. Yet in practice, while some studies have examined human aspects in RE, they have largely relied on expert judgement or model-driven analysis rather than large-scale user studies with meaningful human-in-the-loop validation to determine which aspects matter most and why. To address this gap, we conducted a mixed-methods study with 103 older adults, 105 developers, and 41 caregivers. We first applied an explainable machine learning to identify the human aspects most strongly associated with requirement priorities across 8 aged-care digital health themes, and then conducted 12 semi-structured interviews to validate and interpret the quantitative patterns. The results identify the key human aspects shaping requirement priorities, reveal their directional effects, and expose substantial misalignment across stakeholder groups. Together, these findings show that human-centric requirements analysis should engage stakeholder groups explicitly rather than collapsing their perspectives into a single aggregate view. This paper contributes an identification of the key human aspects driving requirement priorities in aged-care digital health and an explainable, human-centric RE framework that combines ML-derived importance rankings with qualitative validation to surface the stakeholder misalignments that inclusive requirements engineering must address.
• Abstract（参考訳）: 高齢者のデジタルヘルスに必要な技術は、技術的機能だけでなく、利害関係者の健康状態、社会経済学、生活経験によっても要求の優先順位が形成されるため、人間の側面を考慮しなければならない。 人的側面がもっとも重要であり、誰にとって重要であるかを知ることは、包括的でエビデンスに基づく要求の優先順位付けに不可欠である。 しかし実際には、REにおける人間の側面を調査する研究もあるが、どの側面が重要か、なぜ重要かを決定するために、意味のある人間-イン-ザ-ループのバリデーションを持つ大規模ユーザスタディよりも、専門家の判断やモデル駆動分析に大きく依存している。 このギャップに対処するため,高齢者103名,開発者105名,介護者41名を対象に混合法調査を行った。 筆者らはまず,高齢者のデジタルヘルステーマ8つにまたがる要件に最も強く関連する人間の側面を特定するために,説明可能な機械学習を適用し,その後12回の半構造化インタビューを行い,定量的パターンの検証と解釈を行った。 結果は、人間の重要な側面が要求の優先順位を定め、その方向性の影響を明らかにし、ステークホルダーグループ間で実質的な不一致を明らかにします。 これらの結果から,人間中心の要求分析は,視点を1つの集合的な視点に崩壊させるのではなく,利害関係者グループを明示的に関与させることが示唆された。 本稿では、高齢者のデジタルヘルスにおける重要なヒューマン側面の優先事項と、MLに基づく重要度ランキングと定性検証を組み合わせた説明可能な人間中心のREフレームワークの識別に寄与し、包括的要件工学が対応すべき利害関係者のミスアライメントを明らかにする。

関連論文リスト

• Human-MME: A Holistic Evaluation Benchmark for Human-Centric Multimodal Large Language Models [118.44328586173556]
  MLLM(Multimodal Large Language Models)は視覚的理解タスクにおいて大きな進歩を見せている。 Human-MMEは、人間中心のシーン理解におけるMLLMのより総合的な評価を提供するために設計された、キュレートされたベンチマークである。 我々のベンチマークは、単一対象の理解を多対多の相互理解に拡張する。
  論文  参考訳（メタデータ） (2025-09-30T12:20:57Z)
• HumanPCR: Probing MLLM Capabilities in Diverse Human-Centric Scenes [72.26829188852139]
  HumanPCRは、人間の視覚的コンテキストに関するMLLMの能力を調べるための評価スイートである。 Human-P、HumanThought-C、Human-Rは、6,000以上の人間認証された複数の選択質問を特徴としている。 Human-Rは、手動でキュレートされたビデオ推論テストを提供する。
  論文  参考訳（メタデータ） (2025-08-19T09:52:04Z)
• Preference Learning for AI Alignment: a Causal Perspective [55.2480439325792]
  私たちはこの問題を因果パラダイムに枠組み化し、永続的な課題を特定するための因果関係の豊富なツールボックスを提供します。 因果推論の文献を継承し、信頼性の高い一般化に必要な重要な仮定を特定する。 そこで本研究では, 因果関係に基づくアプローチがモデルロバスト性をいかに改善するかを, ナイーブ報酬モデルの障害モードを例示する。
  論文  参考訳（メタデータ） (2025-06-06T10:45:42Z)
• Patients Speak, AI Listens: LLM-based Analysis of Online Reviews Uncovers Key Drivers for Urgent Care Satisfaction [26.391629320279904]
  この研究は、DMVとフロリダのエリアでGoogle Mapsのレビューを収集する。 まず、人口密度、中央値所得、GINI指数、家賃対所得率、貧困率以下の世帯、保険率なし、失業率など、様々な側面の地理空間パターンを分析した。
  論文  参考訳（メタデータ） (2025-03-26T20:45:01Z)
• Human-Centric NLP or AI-Centric Illusion?: A Critical Investigation [0.0]
  本研究は、人間中心性の概念と実際の実践との間に有意なギャップを見出したものである。 この論文は人間中心のNLPの再定義を提唱し、現実の実用性や社会的含意に焦点をあてている。
  論文  参考訳（メタデータ） (2024-12-14T19:16:53Z)
• Requirements Engineering for Older Adult Digital Health Software: A Systematic Literature Review [2.7992435001846827]
  高齢者の人口増加は、テクノロジーに支えられた高齢医療への関心の高まりにつながっている。 デジタルヘルスは、高齢者の健康、感情的要求、社会的ニーズをサポートする上で重要である。 開発者と年老いた人たちの要求に対する理解にはギャップがあります。
  論文  参考訳（メタデータ） (2024-11-06T04:35:39Z)
• ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models [53.00812898384698]
  生成型大規模言語モデル(LLM)の人間による評価は多分野にわたる作業であるべきだと論じる。 認知バイアスが、流動的な情報や真理をいかに説明するか、そして、認識の不確実性が、Likertのような評価スコアの信頼性にどのように影響するかを強調します。 本稿では,ConSiDERS-The-Human評価フレームワークを提案する。一貫性,スコーリング基準,差別化,ユーザエクスペリエンス,責任,スケーラビリティの6つの柱からなる。
  論文  参考訳（メタデータ） (2024-05-28T22:45:28Z)
• Human Body Pose Estimation for Gait Identification: A Comprehensive Survey of Datasets and Models [4.17510581764131]
  個人識別は特にセキュリティ領域において大きな注目を集めている問題である。 顔画像、シルエット画像、ウェアラブルセンサーの利用など、人物識別に対処するいくつかのレビュー研究がある。 従来のアプローチの課題を克服しながら、骨格に基づく人物識別が人気を博しているが、既存の調査では歩行識別に対する骨格に基づくアプローチの包括的なレビューが欠如している。
  論文  参考訳（メタデータ） (2023-05-23T07:30:00Z)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)

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。