論文の概要: SpheriCity: Designing Trustworthy Conversational AI for Sustainability Decision Support
- arxiv url: http://arxiv.org/abs/2606.13854v1
- Date: Thu, 11 Jun 2026 19:32:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.606074
- Title: SpheriCity: Designing Trustworthy Conversational AI for Sustainability Decision Support
- Title（参考訳）: SpheriCity:持続可能な意思決定支援のための信頼できる会話型AIの設計
- Authors: Ahmed Qayyum, Madison Werner, Kathryn Youngblood, Jenna R. Jambeck, Tahiya Chowdhury,
- Abstract要約: SpheriCityは、サステナビリティレポートから信頼できる知識認識を支援するために設計された、プロファイランスファーストの会話型プロトタイプである。
この結果から, 透明性のあるソーシング, 文脈的説明, 解釈可能性, 専門家のワークフローとの整合性が, 専門家の信頼とシステムの有用性の判断を強く形作ることが明らかとなった。
本研究は,(1)サステナビリティ・ナレッジ・センスメイキングのための対話型プロトタイプ,(2)ハイテイク・ナレッジ・ドメインにおけるAI応答の評価のための専門家による評価フレームワーク,(3)サステナビリティ・アセスメントに対する専門家の信頼度,不確実性コミュニケーション,ワークフローへの統合が,サステナビリティ・アセスメントに対する専門家の信頼にどのように影響するかに関する設計上の洞察を提供する。
- 参考スコア（独自算出の注目度）: 3.555830838738963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SpheriCity, an expert-grounded conversational prototype designed to support trustworthy knowledge sensemaking from sustainability reports. City-level circularity assessment reports contain rich information about materials, infrastructure, and policy interventions, yet their length and heterogeneous structure make cross-document synthesis and comparison difficult for practitioners and researchers working on circular economy initiatives. While large language models (LLM) promise faster knowledge access and synthesis, their opaque reasoning, hallucinations, and lack of source transparency introduce risks for trust and interpretability, and require verification in high-stakes sustainability contexts. SpheriCity addresses these challenges through a provenance-first conversational agent that foregrounds evidence traceability, structured synthesis, and interaction scaffolds to support exploratory querying and cross-document synthesis across sustainability reports. We conducted a formative expert review with six sustainability experts using representative queries spanning cross-city comparison, policy summarization, and recommendation-oriented tasks. Experts evaluated responses across dimensions and provided qualitative reflections on the system's usefulness for sustainability knowledge work. Our results reveal that transparent sourcing, contextual explanation, interpretability, and alignment with expert workflow strongly shape expert trust and judgments of system usefulness. This work contributes (1) a conversational prototype for sustainability knowledge sensemaking, (2) an expert-grounded evaluation framework for assessing AI responses in high-stakes knowledge domains, and (3) design insights into how provenance, uncertainty communication, and integration in workflow influence expert users' trust in AI assistance for sustainability decision support.
- Abstract（参考訳）: SpheriCityは、サステナビリティレポートから信頼できる知識の創造を支援するために設計された、専門家による会話型プロトタイプである。
都市レベルの循環度評価報告には、材料、インフラ、政策介入に関する豊富な情報が含まれているが、その長さと不均一な構造は、循環経済イニシアチブに取り組む実践者や研究者にとって、クロスドキュメント合成と比較を困難にしている。
大規模言語モデル(LLM)は、より高速な知識アクセスと合成を約束する一方で、その不透明な推論、幻覚、ソース透明性の欠如は、信頼と解釈可能性のリスクを導入し、高い持続可能性コンテキストでの検証を必要とする。
SpheriCityは、トレーサビリティ、構造化された合成、相互作用の足場を前提として、サステナビリティレポートを横断する探索的クエリとクロスドキュメント合成をサポートする、証明ファーストの会話エージェントを通じて、これらの課題に対処する。
我々は,都市間比較,政策要約,レコメンデーション指向タスクを対象とし,サステナビリティの専門家6名による形式的専門家レビューを行った。
専門家は様々な次元の反応を評価し、持続可能性に関する知識作業にシステムの有用性について質的な考察を行った。
この結果から, 透明性のあるソーシング, 文脈的説明, 解釈可能性, 専門家のワークフローとの整合性が, 専門家の信頼とシステムの有用性の判断を強く形作ることが明らかとなった。
本研究は,(1)サステナビリティ・ナレッジ・センスメイキングのための対話型プロトタイプ,(2)ハイテイク・ナレッジ・ドメインにおけるAI応答の評価のための専門家による評価フレームワーク,(3)サステナビリティ・アセスメントに対する専門家の信頼度,不確実性コミュニケーション,ワークフローへの統合が,サステナビリティ・アセスメントに対する専門家の信頼にどのように影響するかに関する設計上の洞察を提供する。
関連論文リスト
- Towards Knowledgeable Deep Research: Framework and Benchmark [105.87257445617922]
本稿では、DRエージェントが構造化知識と非構造化知識の両方でレポートを生成する必要があるKDR(Knowledable Deep Research)を紹介する。
テキスト,図形,テーブルをコヒーレントなマルチモーダルレポートに統合するマルチエージェントアーキテクチャであるHybrid Knowledge Analysis Framework (HKA)を提案する。
実験の結果,HKAは汎用および知識中心の指標において,既存のDRエージェントよりも一貫して優れていた。
論文 参考訳（メタデータ） (2026-04-09T02:06:27Z) - WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。
WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
論文 参考訳（メタデータ） (2025-09-16T17:57:17Z) - Mind the XAI Gap: A Human-Centered LLM Framework for Democratizing Explainable AI [3.301842921686179]
我々は,専門家や非専門家のニーズに合わせて,透明性と人間中心の説明を保証する枠組みを導入する。
本フレームワークは,専門家以外の専門家が理解可能な1つの応答説明と専門家への技術的情報にカプセル化されている。
論文 参考訳（メタデータ） (2025-06-13T21:41:07Z) - OpenReview Should be Protected and Leveraged as a Community Asset for Research in the Era of Large Language Models [55.21589313404023]
OpenReviewは、研究論文、ピアレビュー、著者の反論、メタレビュー、決定結果の継続的な進化を続けるリポジトリである。
OpenReviewは、ピアレビュープロセスの品質、スケーラビリティ、説明責任の向上、真に専門家の議論に根ざした有意義でオープンなベンチマークの実現、専門家の評価、意図、科学的価値を反映した現実世界のインタラクションによるアライメント研究の支援という、ユニークな貢献が可能な3つの領域を強調します。
コミュニティは、OpenReviewに関する標準化されたベンチマークと利用ガイドラインを共同で検討し、責任あるデータの使用、倫理的考慮、集団スチュワードシップに関するより広範な対話を招待することを提案します。
論文 参考訳（メタデータ） (2025-05-24T09:07:13Z) - Too Much to Trust? Measuring the Security and Cognitive Impacts of Explainability in AI-Driven SOCs [0.6990493129893112]
説明可能なAI(XAI)は、AIによる脅威検出の透明性と信頼性を高めるための大きな約束を持っている。
本研究は、セキュリティコンテキストにおける現在の説明手法を再評価し、SOCに適合したロールアウェアでコンテキストに富んだXAI設計が実用性を大幅に向上できることを実証する。
論文 参考訳（メタデータ） (2025-03-03T21:39:15Z) - Bridging the Communication Gap: Evaluating AI Labeling Practices for Trustworthy AI Development [41.64451715899638]
EUエネルギラベルのようなフレームワークにインスパイアされたハイレベルなAIラベルは、AIモデルの特性をより透明にするために提案されている。
本研究は,4つの重要な研究課題に沿った質的なインタビューを通じて,AIラベリングを評価する。
論文 参考訳（メタデータ） (2025-01-21T06:00:14Z) - Integrating Evidence into the Design of XAI and AI-based Decision Support Systems: A Means-End Framework for End-users in Construction [0.09332987715848712]
本稿では,XAI対応DSSを設計するための理論的,エビデンスに基づくエンドフレームワークを提案する。
それはAIが生成した説明をサポートするさまざまな種類の証拠の強さ、関連性、有用性を評価することに焦点を当てている。
論文 参考訳（メタデータ） (2024-12-17T13:02:05Z) - GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。
GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
論文 参考訳（メタデータ） (2024-10-11T03:05:06Z)
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。