論文の概要: SCAN: A Decision-Making Framework for Effective Task Allocation with Generative AI
- arxiv url: http://arxiv.org/abs/2606.15601v1
- Date: Sun, 14 Jun 2026 05:11:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.745868
- Title: SCAN: A Decision-Making Framework for Effective Task Allocation with Generative AI
- Title（参考訳）: SCAN: ジェネレーティブAIによる効率的なタスク割り当てのための意思決定フレームワーク
- Abstract要約: 生成人工知能(GenAI)を用いた効果的なタスクアロケーションのための学習者を支援する人間中心の意思決定フレームワークSCANを紹介する。
SCANでは、置換、補充、援助、非交渉の4つの「サブゾーン」でタスク識別アプローチを導入することで、AIと人間のインタラクションを体系化し、フォーマル化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce SCAN -- a human-centric decision-making framework to facilitate learners for effective task allocation with Generative Artificial Intelligence (GenAI) based on Vygotsky's Zone of Proximal Development and Metacognition. In SCAN, we systematize and formalize AI-human interaction by introducing a task-identification approach with four "sub-zones": Substitute, Complement, Aid, and Non-negotiable. After describing the four sub-zones, we demonstrate how SCAN framework can be applied for knowledge workers in the workplace and students in education to metacognitively "scan" their use of Generative AI. We then discuss how such framework can be related to cognitive load theory, cognitive offloading, sycophancy, three decision-making modes in human-AI interactions (automation, augmentation, and collaboration), future of work such as upskilling and deskilling, and how it accounts for both human-human and human-AI learning. We propose that SCAN offers a great starting point before discussing whether GenAI complements or replaces our abilities when completing a task, with a general objective of sustaining lifelong learning, and a specific goal of reaching hybrid intelligence.
- Abstract（参考訳）: 我々は, Vygotsky's Zone of Proximal Development and Metacognitionをベースとした,ジェネレーティブ・人工知能(GenAI)を用いた効果的なタスクアロケーションを支援する,人間中心の意思決定フレームワークであるSCANを紹介する。
SCANでは、置換、補充、援助、非交渉の4つの「サブゾーン」でタスク識別アプローチを導入することで、AIと人間のインタラクションを体系化し、フォーマル化する。
4つのサブゾーンについて説明した後、SCANフレームワークが職場の知識労働者や教育の学生にどのように応用できるかを示し、ジェネレーティブAIの使用をメタ認知的に"スキャン"する。
そして、このようなフレームワークが認知負荷理論、認知的オフロード、サイコファシー、人間とAIのインタラクションにおける3つの意思決定モード(自動化、強化、協調)、スキルアップやデザミリングといった仕事の未来、そして人間とAIの学習にどのように貢献するかについて議論する。
我々は,タスク完了時にGenAIが我々の能力を補完するか,置き換えるかを議論する前に,SCANが優れた出発点となること,生涯学習の一般的な目的,ハイブリッドインテリジェンスに到達するための具体的な目標を提案する。
関連論文リスト
- Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning [0.0]
本稿では,エージェントAIのレンズを通して,知識活性化,協調学習,問題ベース学習,フォーマティブアセスメント,足場,メタ認知の6つの教義を概観する。
我々は、自動化と学習の緊張を議論し、意図的な摩擦、動的な足場、人間のループ監視を優先する設計勧告を提案し、人間の学習に取って代わるのではなくAIを確実にするためのAI活用を検討した。
論文 参考訳（メタデータ） (2026-06-03T07:26:23Z) - What Work is AI Actually Doing? Uncovering the Drivers of Generative AI Adoption [1.4977849232424492]
本研究は,本質的なタスク特性が,AIシステムに業務を委譲するユーザの判断を促すかを検討する。
本研究は,実世界の生成AI利用を,本質的なタスク特性の包括的多次元フレームワークに結びつける最初の体系的証拠を提供する。
論文 参考訳（メタデータ） (2025-10-26T19:13:37Z) - A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。
この枠組みは、実用的で道徳的に健全な人間とAIのコラボレーションの基礎を築いた。
論文 参考訳（メタデータ） (2025-05-23T23:19:15Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。
このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
論文 参考訳（メタデータ） (2025-03-04T03:55:38Z) - Aligning Generalisation Between Humans and Machines [74.120848518198]
AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。
AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - AI-Driven Human-Autonomy Teaming in Tactical Operations: Proposed Framework, Challenges, and Future Directions [10.16399860867284]
人工知能(AI)技術は、人間の意思決定能力を増強することで戦術的操作を変革している。
本稿では,AI駆動型人間自律チーム(HAT)を変革的アプローチとして検討する。
我々はAI駆動型HATの重要なコンポーネントに対処する包括的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-28T15:05:16Z) - Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。
データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
論文 参考訳（メタデータ） (2021-10-03T21:47:13Z)
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。