論文の概要: A Technical Typology of AI Systems in Public Administration

• arxiv url: http://arxiv.org/abs/2606.31755v1
• Date: Tue, 30 Jun 2026 14:44:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.273602
• Title: A Technical Typology of AI Systems in Public Administration
• Title（参考訳）: 行政におけるAIシステムの技術的タイポロジー
• Abstract要約: 本稿では、行政研究が「AI」のさらなる技術的精度の恩恵を受けることを論じる。 ハンドコード,ガラスボックス,ブラックボックス,汎用システム,エージェントシステムという,AIシステムの5つのカテゴリの類型について紹介する。 我々は,近年の公務員によるAIに関する研究において,91件の高能率論文のコーディングによる技術精度の評価を行った。
• 参考スコア（独自算出の注目度）: 3.8829536251159404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on artificial intelligence (AI) in the public sector often treats "AI" as a single category, neglecting technical distinctions between different AI systems. But these distinctions affect how different systems impact core public values like accountability, procedural justice, and non-discrimination. This paper argues that public administration research would benefit from more technical precision on "AI" and makes three contributions to this end. First, we introduce a typology of five categories of AI systems: hand-coded, glass-box, black-box, general-purpose, and agentic systems. We calibrate the typology to public administration by grouping system types by their distinct implications for public values. Second, we evaluate technical precision in recent public administration research about AI by coding 91 highly-cited papers (2019-2025) using our typology. We find widespread imprecision: most papers (55\%) leave the studied system underspecified, 31\% motivate their work with a different system than they study, and 41\% make more general conclusions than the studied system supports. Finally, we give practical recommendations for future research. We highlight common pitfalls to avoid, and suggest that researchers should, at a minimum, provide enough technical detail to locate the studied system in our typology. To this end, we provide a practical guide -- a short set of diagnostic questions answerable from public information and without specialist technical knowledge.
• Abstract（参考訳）: 公的な分野における人工知能(AI)の研究は、しばしば「AI」を単一のカテゴリーとして扱い、異なるAIシステム間の技術的区別を無視している。 しかし、これらの区別は、異なるシステムが、説明責任、手続き的正義、非差別といった主要な公的な価値にどのように影響するかに影響します。 本稿は,行政研究が「AI」の技術的精度の向上に寄与し,この目的に3つの貢献をするものであることを論じる。 まず,ハンドコード,ガラスボックス,ブラックボックス,汎用システム,エージェントシステムという,AIシステムの5つのカテゴリのタイプについて紹介する。 本研究は, システムタイプをグループ化することで, 公的な価値に明確な意味を抱かせることで, タイプ分類を公共行政に分類する。 第2に,近年のAIに関する行政研究において,タイポロジーを用いて91の高能率論文(2019-2025)を符号化し,技術精度を評価する。 多くの論文 (55 %) は研究対象のシステムを未特定のまま残し、31 % は研究対象と異なるシステムで研究を動機付け、41 % は研究対象のシステムよりも一般的な結論を導いている。 最後に,今後の研究の実践的提言を行う。 我々は、避けるべき共通の落とし穴を強調し、研究者が最小限、我々の類型学で研究されたシステムを見つけるのに十分な技術的詳細を提供するべきであることを示唆している。 この目的のために、我々は、専門的な技術知識なしで、公開情報から答えられる、短い診断質問の実践的なガイドを提供する。

関連論文リスト

• When AI Classifies: What Counts as Public Administration? [0.0]
  本研究では,学術的表現の代替システムは,広範公共行政(PA)と人工知能関連公共行政(AI-in-PA)を識別し,特徴付けるかを検討する。 Web of ScienceとOpenAlexを使って、著者定義、引用駆動、AI支援表現に基づく5つのアプローチを比較する。 その結果,コーパスサイズ,出版形態,出版媒体,時間的発達,主題的クラスタリングと構造に有意な差異が認められた。
  論文  参考訳（メタデータ） (2026-06-26T20:44:17Z)
• Bias is a Math Problem, AI Bias is a Technical Problem: 10-year Literature Review of AI/LLM Bias Research Reveals Narrow [Gender-Centric] Conceptions of 'Bias', and Academia-Industry Gap [0.1534667887016089]
  ACL、FAccT、NeurIPS、AAAIの4つの主要な会場/組織において、AI/LLMバイアスをカバーする研究のレビューを行う。 189件の論文を通じて、偏見研究のパターンと、それらが一般的に注目する人間のアイデンティティの軸について明らかにした。 今後AI/LLMフェアネス研究への推奨で締めくくります。
  論文  参考訳（メタデータ） (2025-08-14T20:53:33Z)
• AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
  我々はAI for Research(AI4Research)に関する総合的な調査を行う。 まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。 主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
  論文  参考訳（メタデータ） (2025-07-02T17:19:20Z)
• AI-driven Personalized Privacy Assistants: a Systematic Literature Review [0.0]
  本稿では,SLR (Systematic Literature Review) を,科学文献の既存の解を地図化するために提案する。 我々は近年(2013-2025)に数百のユニークな研究論文をスクリーニングし、41の論文から分類した。 私たちは、AI駆動型PPAの包括的な分類を提供し、アーキテクチャの選択、システムコンテキスト、使用されるAIの種類、データソース、意思決定の種類、意思決定の制御などについて調べています。
  論文  参考訳（メタデータ） (2025-02-11T16:46:56Z)
• SoK: On the Offensive Potential of AI [14.072632973726906]
  ますます多くの証拠が、AIが攻撃目的にも使われていることを示している。 現存する研究は、AIの攻撃的可能性の全体像を描けなかった。
  論文  参考訳（メタデータ） (2024-12-24T14:02:44Z)
• Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
  AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。 本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
  論文  参考訳（メタデータ） (2024-09-15T03:17:38Z)
• The Pursuit of Fairness in Artificial Intelligence Models: A Survey [2.124791625488617]
  この調査は、研究者がAIシステムの公正性を促進する方法の相乗効果を提供する。 AIモデルのバイアスを軽減するために研究者が採用したアプローチとテクニックについて、徹底的な研究がなされている。 また、偏見付きモデルがユーザエクスペリエンスに与える影響や、そのようなモデルの開発とデプロイにおいて考慮すべき倫理的考慮についても調べます。
  論文  参考訳（メタデータ） (2024-03-26T02:33:36Z)
• A survey of recent methods for addressing AI fairness and bias in biomedicine [48.46929081146017]
  人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。 バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。 我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。 バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
  論文  参考訳（メタデータ） (2024-02-13T06:38:46Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Core and Periphery as Closed-System Precepts for Engineering General Intelligence [62.997667081978825]
  AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。 本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
  論文  参考訳（メタデータ） (2022-08-04T18:20:25Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)

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。