Fugu-MT 論文翻訳(概要): Differing Roles of Leisure and Productivity in GDP - A Machine Learning based comparative analysis of Germany and USA

論文の概要: Differing Roles of Leisure and Productivity in GDP - A Machine Learning based comparative analysis of Germany and USA

arxiv url: http://arxiv.org/abs/2606.01234v1
Date: Sun, 31 May 2026 13:32:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:29.460829
Title: Differing Roles of Leisure and Productivity in GDP - A Machine Learning based comparative analysis of Germany and USA
Title（参考訳）: GDPにおけるレジャーと生産性の役割の差--ドイツとアメリカの機械学習による比較分析
Authors: Achintya Ranjan, Uma Ranjan,
Abstract要約: 国のGDPは労働時間と生産性の間の相対的な相互作用としてモデル化されている。ランダムフォレストモデルでは、これらの2つの要因からGDPを緩やかに予測できることが示されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The GDP of a country is modelled as the relative interaction between two agents - working hours, reflecting the social choice of a population, and Total Factor Productivity, reflecting the collective investment in productivity enhancers. It is shown that a Random Forest model can accu- rately predict the GDP from these two factors. The differences in the choices made by Germany and USA are analysed though Gini importance, SHAP plots and partial dependency. It is shown that the differences in the social structure of the countries are reflected in the relative contribution of working hours and productivity to the GDP.
Abstract（参考訳）: 国のGDPは、労働時間、人口の社会的選択を反映した労働時間と、生産性向上のための総合的な投資を反映した総因子生産性という2つのエージェント間の相対的な相互作用としてモデル化されている。ランダムフォレストモデルでは、これらの2つの要因からGDPを緩やかに予測できることが示されている。ドイツとアメリカによる選択の違いは、ジーニの重要性、SHAPプロット、部分的な依存にもかかわらず分析されている。各国の社会構造の違いは、労働時間とGDPに対する生産性の相対的な寄与に反映されている。

関連論文リスト

Analysing LLM Persona Generation and Fairness Interpretation in Polarised Geopolitical Contexts [7.192001578491251]
パレスチナ語とイスラエル語で生成されたペルソナを5つのポピュラーな大言語モデル(LLM)で分析する。戦争状況におけるパレスチナ人のプロファイルは、社会経済的地位の低下と生存志向の役割と結びついていることが多いが、イスラエルのプロファイルは、主に中流階級のステータスと専門の専門的属性を保持している。推論トレースの解析は、モデル推論と生成の間の興味深いダイナミクスを明らかにする。
論文参考訳（メタデータ） (2026-03-24T06:19:48Z)
GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks [34.63352957472507]
GDPvalは、実世界の経済的に価値のあるタスクでAI能力を評価するベンチマークである。 GDPvalは、米国労働統計局(U.S. Bureau of Labor Statistics Work Activity)の大多数をカバーしている。我々は、人間の監視と組み合わせることで、フロンティアモデルの可能性を分析し、知らない専門家よりもGDPvalタスクを安価かつ高速に実行します。
論文参考訳（メタデータ） (2025-10-05T21:36:43Z)
Wage Sentiment Indices Derived from Survey Comments via Large Language Models [0.0]
本研究では,Large Language Models (LLMs) を用いたWSI(Wage Sentiment Index)を提案し,日本の賃金動態を予測する。分析は、内閣府の月次調査である経済監視調査(EWS)に基づく。
論文参考訳（メタデータ） (2025-08-30T00:53:59Z)
Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
大規模言語モデル(LLM)は意思決定タスクを自動化するために使用される。本稿では,LPMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを評価する。さまざまな因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成します。これらのベンチマークにより、LLMが事実を記憶したり、他のショートカットを見つけたりすることで、変化を正確に予測する能力を切り離すことができます。
論文参考訳（メタデータ） (2024-04-08T14:15:56Z)
Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文参考訳（メタデータ） (2023-07-28T08:01:05Z)
Picking on the Same Person: Does Algorithmic Monoculture lead to Outcome Homogenization? [90.35044668396591]
機械学習における繰り返しのテーマはアルゴリズムによるモノカルチャーである。同じシステム、またはコンポーネントを共有するシステムは、複数の意思決定者によってデプロイされる。意思決定者がトレーニングデータや特定のモデルなどのコンポーネントを共有すれば、より均一な結果が得られます。我々はこの仮説をアルゴリズムフェアネスベンチマークで検証し、トレーニングデータの共有がホモジェナイゼーションを確実に悪化させることを示した。結果の均質化に関する哲学的分析と社会的な課題を、デプロイされた機械学習システムに含めることに着目して結論付ける。
論文参考訳（メタデータ） (2022-11-25T09:33:11Z)
Analysis of risk propagation using the world trade network [0.0]
パーソナライズされたPageRank(PPR)を用いて構築された貿易ネットワークと直接取引ネットワークを比較した。我々の研究は、しばしば見過ごされてきた間接的・長期的関係の重要性を強調している。
論文参考訳（メタデータ） (2022-07-11T08:58:23Z)
Firm-based relatedness using machine learning [0.0]
本研究では、複雑なネットワークと、国家レベルのデータと企業レベルのデータに基づいてトレーニングされた機械学習アルゴリズムを比較した。その結果,関係性はスケール依存型であることが示され,予測したいデータと同一の型で機械学習を用いて最良の評価が得られた。国別データに基づく関連性対策は企業には適さないが、企業レベルのデータは国の発展を予測する上でも極めて有益である。
論文参考訳（メタデータ） (2022-02-01T15:12:08Z)
Linguistic dependencies and statistical dependence [76.89273585568084]
文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
論文参考訳（メタデータ） (2021-04-18T02:43:37Z)
Latent Causal Invariant Model [128.7508609492542]
現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
論文参考訳（メタデータ） (2020-11-04T10:00:27Z)
CausalVAE: Structured Causal Disentanglement in Variational Autoencoder [52.139696854386976]
変分オートエンコーダ(VAE)の枠組みは、観測から独立した因子をアンタングルするために一般的に用いられる。本稿では, 因果内因性因子を因果内因性因子に変換する因果層を含むVOEベースの新しいフレームワークCausalVAEを提案する。その結果、CausalVAEが学習した因果表現は意味論的に解釈可能であり、DAG(Directed Acyclic Graph)としての因果関係は精度良く同定された。
論文参考訳（メタデータ） (2020-04-18T20:09:34Z)

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。