論文の概要: Addressing the Synergy Gap: The Six Elements of the Design Space

• arxiv url: http://arxiv.org/abs/2605.21635v1
• Date: Wed, 20 May 2026 18:46:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.961563
• Title: Addressing the Synergy Gap: The Six Elements of the Design Space
• Title（参考訳）: シナジーギャップに対処する:デザイン空間の6つの要素
• Authors: Tommaso Turchi, Ben Wilson, Matt Roach, Alan Dix, Alessio Malizia,
• Abstract要約: 真の人間とAIのシナジー(両者が単独で達成した以上のパフォーマンスの組み合わせ)は珍しいことです。 現在のほとんどの研究は、工学的な問題として人間とAIの組み合わせを扱い、解釈可能性、信頼性の校正、インターフェース設計に重点を置いている。 この空間を、社会工学的文脈、意思決定フレームワーク、人間の決定参加者、AI能力、相互作用、全体的評価の6つの要素を通してマッピングします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI is now embedded in healthcare, finance, policy, and many other domains, yet genuine human-AI synergy - combined performance that exceeds what either party achieves alone - is uncommon. Meta-analyses show that AI assistance tends to improve human performance compared to working alone, but studies finding true synergy are scarce. We call this persistent shortfall the synergy gap. Most current work treats human-AI combination as an engineering problem and concentrates on interpretability, trust calibration, or interface design. These matter, but they cover only part of what determines whether combination works. Closing the synergy gap, we argue, requires explicit engagement with a wider design space. We map that space through six interconnected elements: sociotechnical context, decision-making frameworks, human decision participants, AI capabilities, interaction, and holistic evaluation. For each element, we describe what it covers, how it shapes the others in practice, and what it implies for design. The result is a shared vocabulary for practitioners building hybrid systems, an analytical lens for researchers studying combination patterns, and a starting point for evaluators interested in the full quality of human-AI decision-making rather than accuracy alone.
• Abstract（参考訳）: AIは現在、医療、金融、政策、その他の多くの領域に埋め込まれているが、真の人間とAIのシナジー(両者が単独で達成した以上のパフォーマンス)は珍しくない。 メタ分析は、AIアシストが単独で働くよりも人間のパフォーマンスを改善する傾向があることを示しているが、真のシナジーを見つける研究は少ない。 私たちはこの持続的不足をシナジーギャップと呼んでいる。 現在のほとんどの研究は、工学的な問題として人間とAIの組み合わせを扱い、解釈可能性、信頼性の校正、インターフェース設計に重点を置いている。 これらは問題ですが、組み合わせが機能するかどうかを判断する部分のみをカバーしています。 相乗効果のギャップを埋めるには、より広い設計空間への明確な関与が必要だ、と私たちは主張する。 この空間を、社会工学的文脈、意思決定フレームワーク、人間の決定参加者、AI能力、相互作用、全体的評価の6つの要素を通してマッピングします。 各要素について、それが何をカバーしているか、それが実際に他の要素をどのように形作るのか、そしてそれが設計にどんな意味を持つのかを説明します。 その結果、ハイブリッドシステムを構築する実践者のための共通語彙、組み合わせパターンを研究する研究者のための分析レンズ、精度のみではなく人間のAI意思決定の完全品質に関心のある評価者のための出発点となる。

関連論文リスト

• Bridging the Socio-Emotional Gap: The Functional Dimension of Human-AI Collaboration for Software Engineering [5.627981468468872]
  社会感情インテリジェンス(SEI)は、チームメイト間のコラボレーションを促進するが、人間とAIのコラボレーションにおけるその役割は未だ不明である。 現在のAIシステムは、人間がチームワークにもたらすSEI機能に欠けており、コラボレーションのダイナミクスの潜在的なギャップを生み出します。 本研究では,ソフトウェア実践者がHAICの社会的・感情的ギャップと,AIシステムが効果的なコラボレーションにどのような能力を必要とするかを明らかにする。
  論文  参考訳（メタデータ） (2026-01-27T09:20:03Z)
• AI as Teammate or Tool? A Review of Human-AI Interaction in Decision Support [0.514825619161626]
  現在のAIシステムは、説明可能性中心の設計への過度な依存のため、主に受動的である。 AIをアクティブなチームメイトに移行するには、適応的でコンテキスト対応のインタラクションが必要です。
  論文  参考訳（メタデータ） (2026-01-26T19:18:50Z)
• From Augmentation to Symbiosis: A Review of Human-AI Collaboration Frameworks, Performance, and Perils [0.8629912408966147]
  人間中心AIのスーパーツール」と共生知能の相互適応モデルについて研究した。 我々は、AIが内部化された認知コンポーネントとして機能するときに、永続的な利益が生じることを疑問視する、拡張自己と二重プロセス理論を一体化したフレームワークで締めくくります。
  論文  参考訳（メタデータ） (2025-11-07T19:11:33Z)
• Vibe Coding: Is Human Nature the Ghost in the Machine? [0.0]
  私たちは、ヒューマンプロダクトリーダとAIソフトウェアエンジニアの3つの“バイブコーディング”セッションを分析しました。 チームダイナミクス,コミュニケーションパターン,開発成果の類似点と相違点を検討した。 驚いたことに、その後の会話では、AIエージェントがその成果を体系的に誤って表現していたことが判明した。
  論文  参考訳（メタデータ） (2025-08-28T15:48:48Z)
• AI's Social Forcefield: Reshaping Distributed Cognition in Human-AI Teams [6.386909552513031]
  AIは、コラボレーションの社会的および認知的構造を積極的に再認識していることを示す。 AI参加はチームの分散認知アーキテクチャを再編成することを示す。 私たちは、チーム内のAIを社会的に影響力のあるアクターとして再考している。
  論文  参考訳（メタデータ） (2024-07-03T13:46:00Z)
• Unleashing the Emergent Cognitive Synergy in Large Language Models: A Task-Solving Agent through Multi-Persona Self-Collaboration [116.09561564489799]
  Solo Performance Promptingは、複数のペルソナと多ターンの自己コラボレーションをすることで、単一のLCMを認知的シナジストに変換する。 認知シナジスト(英: Cognitive Synergist)は、複雑なタスクにおける問題解決を強化するために、複数の心の強みと知識を協調的に結合するインテリジェントエージェントである。 より詳細な分析により,LLMに複数の微粒なペルソナを割り当てることによって,単一あるいは固定数のペルソナに比べて問題解決能力が向上することが示された。
  論文  参考訳（メタデータ） (2023-07-11T14:45:19Z)
• Human-Algorithm Collaboration: Achieving Complementarity and Avoiding Unfairness [92.26039686430204]
  慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。 まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。 次に、このモデルを用いて相補性が不可能な条件を証明する。
  論文  参考訳（メタデータ） (2022-02-17T18:44:41Z)
• On some Foundational Aspects of Human-Centered Artificial Intelligence [52.03866242565846]
  人間中心人工知能(Human Centered Artificial Intelligence)の意味については明確な定義はない。 本稿では,AIコンポーネントを備えた物理・ソフトウェア計算エージェントを指すHCAIエージェントについて紹介する。 HCAIエージェントの概念は、そのコンポーネントや機能とともに、人間中心のAIに関する技術的および非技術的議論を橋渡しする手段であると考えています。
  論文  参考訳（メタデータ） (2021-12-29T09:58:59Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-27T09:56:23Z)

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。