論文の概要: Context Collapse: Barriers to Adoption for Generative AI in Workplace Settings

• arxiv url: http://arxiv.org/abs/2604.05151v1
• Date: Mon, 06 Apr 2026 20:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.478394
• Title: Context Collapse: Barriers to Adoption for Generative AI in Workplace Settings
• Title（参考訳）: コンテキスト崩壊:職場環境でのジェネレーティブAIの採用を妨げる
• Authors: Emanuel Moss, Elizabeth Watkins, Christopher Persaud, Dawn Nafus, Passant Karunaratne, Mona Sloane,
• Abstract要約: 本稿は、専門家インタビューを通じて、生成型AIツールがユーザのコンテキストをどう説明できないかを実証的に示す。 この論文は、無差別なコンテキスト関連データの収集から、より相互に作用するプラクティスへと移行する、という挑発をもって締めくくります。
• 参考スコア（独自算出の注目度）: 1.099387493699969
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As generative AI technologies are pressed into service in workplace settings, current approaches to account for the contexts in which such technologies are used fall short of users' expectations and needs. This paper empirically demonstrates, through expert interviews, both how these tools fail to account for users' context and how users deploy concrete strategies address such failures. The paper analyzes how context is variously conceptualized by tool developers, users, and social scientists to identify specific pitfalls inherent in computational approaches to context. Multiple distinct contexts tend to collapse into one another or rot, degrading over time, reducing the utility of any efforts to account for context. The paper concludes with a provocation to shift from an indiscriminate collection of context-relevant data toward a more interactional set of practices to embed GenAI systems more appropriately into users' contexts of use.
• Abstract（参考訳）: ジェネレーティブなAI技術が職場環境に導入されるにつれて、そのような技術が使用される状況を考慮する現在のアプローチは、ユーザの期待やニーズに届かなくなっている。 本稿は,専門家によるインタビューを通じて,これらのツールがユーザの状況にどう対応できないか,ユーザが具体的な戦略を展開しているかを実証的に示す。 本稿では、ツール開発者、ユーザ、社会科学者がコンテキストを様々な概念化して、コンテキストに固有の特定の落とし穴を特定する方法について分析する。 複数の異なるコンテキストは互いに崩壊したり腐ったりしがちで、時間の経過とともに劣化し、コンテキストを考慮に入れようとする作業の有用性が低下する。 この論文は、文脈関連データの無差別な収集から、GenAIシステムをより適切な使用状況に組み込むための、より相互に相互作用するプラクティスへと移行する、という挑発をもって締めくくくっている。

関連論文リスト

• Multi-Robot Coordination for Planning under Context Uncertainty [7.18523391773903]
  現実のロボットは、目的の優先順位が下層の操作状況に依存するような環境で運用されることが多い。 我々は,この問題をMR-CUSSP(Multi-Robot Context-Uncertain Shortest Path)として定式化する。 CIMOP (Coordinated Inference for Multi-Objective Planning) は,ロボットを情報的ランドマークへ誘導し,現実の文脈を効率的に推測する計画と,LCBS (Lexicographic Conflict-Based Search) の2段階からなる。
  論文  参考訳（メタデータ） (2026-03-14T04:38:22Z)
• IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference [22.214499732123173]
  IntProは、検索条件付きインテント推論を通じて個々のユーザへの適応を学ぶプロキシエージェントである。 IntProは、効果的なコンテキスト認識推論機能によって、パフォーマンスを強く理解することを示す。
  論文  参考訳（メタデータ） (2026-02-10T07:20:58Z)
• ContextNav: Towards Agentic Multimodal In-Context Learning [85.05420047017513]
  ContextNavは、自動検索のスケーラビリティと人間のようなキュレーションの品質と適応性を統合するエージェントフレームワークである。 リソースを意識したマルチモーダル埋め込みパイプラインを構築し、検索可能なベクトルデータベースを維持し、エージェント検索と構造アライメントを適用して、ノイズ耐性のあるコンテキストを構築する。 実験の結果、ContextNavはさまざまなデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-06T07:49:52Z)
• Agency Among Agents: Designing with Hypertextual Friction in the Algorithmic Web [0.29465623430708904]
  ハイパーテキストシステムでは,創発性,連想的思考,ユーザ主導による意味作りが重視されている。 アルゴリズムシステムではプロセスがあいまいになり,参加がフラットになる傾向がある。
  論文  参考訳（メタデータ） (2025-07-31T14:18:28Z)
• Con-ReCall: Detecting Pre-training Data in LLMs via Contrastive Decoding [118.75567341513897]
  既存のメソッドは通常、ターゲットテキストを分離して分析するか、非メンバーコンテキストでのみ分析する。 Con-ReCallは、メンバと非メンバのコンテキストによって誘導される非対称な分布シフトを利用する新しいアプローチである。
  論文  参考訳（メタデータ） (2024-09-05T09:10:38Z)
• Thread of Thought Unraveling Chaotic Contexts [133.24935874034782]
  思考のスレッド(ThoT)戦略は、人間の認知プロセスからインスピレーションを得ている。 実験では、他のプロンプト技術と比較して、ThoTは推論性能を著しく改善する。
  論文  参考訳（メタデータ） (2023-11-15T06:54:44Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)
• Measuring and Increasing Context Usage in Context-Aware Machine Translation [64.5726087590283]
  機械翻訳モデルによるコンテキストの使用を定量的にするために、新しいメトリクス、条件付き相互情報を導入します。 次に,コンテキスト認識モデルによってコンテキストの使用量を増やすために,コンテキスト認識ワードドロップアウトという,新しい簡易なトレーニング手法を導入する。
  論文  参考訳（メタデータ） (2021-05-07T19:55:35Z)
• Wisdom of the Contexts: Active Ensemble Learning for Contextual Anomaly Detection [7.87320844079302]
  文脈異常検出(CAD)では、オブジェクトは特定のコンテキスト内でのみ異常と見なされる。 We propose a novel approach called WisCon, which generated contexts from the feature set。 提案手法は,すべての有用なコンテキストが同じではないという仮定に基づいて,異なる重要度スコアを持つ複数のコンテキストのアンサンブルを構築する。
  論文  参考訳（メタデータ） (2021-01-27T17:34:13Z)

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。