論文の概要: How Analysts Use AI in High-Stakes Crime Linkage: An Industrial Study
- arxiv url: http://arxiv.org/abs/2607.08274v1
- Date: Thu, 09 Jul 2026 09:17:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.487099
- Title: How Analysts Use AI in High-Stakes Crime Linkage: An Industrial Study
- Title（参考訳）: 高度犯罪リンクにAIをいかに利用するか:産業研究
- Abstract要約: 多くの国では、同一人物が犯した可能性がある一連の犯罪を特定するために犯罪リンク分析が用いられている。
専門アナリストは、大規模な犯罪データベースにまたがる行動的および状況的つながりを手動で検索する。
この作業を支援するために、人工知能(AI)対応の意思決定支援ツールがイギリスの法執行機関と共同で開発された。
- 参考スコア（独自算出の注目度）: 1.3056872812707394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crime linkage analysis is used in many countries to identify series of offences that may have been committed by the same individual. In practice, specialist analysts manually search for behavioural and situational connections across large crime databases, an effort that is time-consuming, cognitively demanding, and can involve repeated exposure to disturbing material. To support this work, an Artificial Intelligence (AI)-enabled decision-support tool was co-developed with a UK law enforcement agency to assist analysts in identifying likely crime linkages. This paper reports an industrial evaluation of the crime-linkage tool. We conducted a mixed-methods usability study combining direct observation, eye-tracking, mouse-tracking, and surveys to examine how analysts engage with AI predictions and with the model features presented as explanations. Our findings show that analysts used the AI predictions selectively and frequently validated them against behavioural (non-AI) evidence, reflecting partial trust and an ongoing reliance on established analytical practices. We also found that analysts attended to the presented model features and valued their availability, while identifying opportunities to improve how explanations are presented and integrated into the workflow. Overall, our results highlight the need for AI-enabled decision-support tools to better integrate explanations and traditional analytical methods, and demonstrate the importance of in-situ evaluation for engineering usable and trustworthy AI in high-stakes settings.
- Abstract（参考訳）: 多くの国では、同一人物が犯した可能性がある一連の犯罪を特定するために犯罪リンク分析が用いられている。
実際に専門家は、大規模な犯罪データベースにまたがる行動的および状況的つながりを手動で探す。
この作業を支援するために、人工知能(AI)に対応した意思決定支援ツールが、英国法執行機関と共同で開発され、アナリストが犯罪のリンクを特定できるように支援した。
本稿では,犯罪関連ツールの産業的評価について報告する。
我々は,直接観察,視線追跡,マウス追跡,および調査を併用し,分析者がAI予測とどのように関わり、モデル特徴が説明として提示されるかを検討した。
その結果、アナリストはAI予測を選択的に、そして頻繁に、行動的(非AI)な証拠に対して検証し、部分的信頼と確立された分析的慣行への継続的な依存を反映していることが判明した。
また、提示されたモデル機能にアナリストが参加し、その可用性を評価しながら、説明の提示方法やワークフローへの統合方法を改善する機会を特定しました。
全体として、私たちの結果は、説明と従来の分析手法をよりうまく統合するためのAI対応意思決定支援ツールの必要性を強調し、ハイテイクな設定において、エンジニアリングで使用可能な信頼性の高いAIに対して、その場で評価することの重要性を実証する。
関連論文リスト
- Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。
我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
論文 参考訳（メタデータ） (2026-03-20T16:27:17Z) - An Explainable Memory Forensics Approach for Malware Analysis [1.2744523252873352]
メモリフォサイシクス(Memory forensics)は、ランドオフ・ザ・ランドのマルウェアを分析する効果的な方法である。
本稿では,AI支援型メモリフォサイシクス手法を提案する。
提案手法を Windows と Android のマルウェアに適用する。
論文 参考訳（メタデータ） (2026-02-23T13:30:04Z) - AI Agents vs. Human Investigators: Balancing Automation, Security, and Expertise in Cyber Forensic Analysis [0.0]
AIエージェントは、異常検出、エビデンス分類、行動パターン認識などのプロセスを自動化する能力のために、デジタル法医学のプラクティスを越えて採用されている。
しかし、AIを不可欠にしている特徴は、注目すべきリスクももたらしている。
本研究は、最もよく使用されるAIエージェントであるChatGPTと人間法医学研究者の有効性の比較分析を行った。
論文 参考訳（メタデータ） (2026-01-20T23:52:32Z) - Disagreement as Data: Reasoning Trace Analytics in Multi-Agent Systems [0.0]
本稿では,大規模言語モデル(LLM)エージェントが生成する推論トレースが,プロセスデータの新しいリッチな形式を構成することを提案する。
我々は、推論トレースにコサイン類似性を適用し、エージェント間の不一致を系統的に検出、定量化し、解釈する。
論文 参考訳（メタデータ） (2026-01-18T23:19:49Z) - Human-AI Collaborative Inductive Thematic Analysis: AI Guided Analysis and Human Interpretive Authority [0.750605871308538]
本研究は,インダクティブ・セマティック・アナリティクスGPT(ITA-GPT)と研究者がどのように相互作用するかを検討する。
ITA-GPTは、帰納的テーマ分析をサポートするように設計されたAIツールである。
この研究は、実体的な発見よりも分析過程に焦点を当てている。
論文 参考訳（メタデータ） (2026-01-17T00:38:36Z) - Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
我々は9つの詳細なサイバーリスクモデルを開発する。
各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。
個々の見積もりはモンテカルロシミュレーションによって集約される。
論文 参考訳（メタデータ） (2025-12-09T17:54:17Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。
複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
論文 参考訳（メタデータ） (2023-06-20T09:55:10Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳（メタデータ） (2023-02-03T14:57:40Z) - A Prescriptive Learning Analytics Framework: Beyond Predictive Modelling
and onto Explainable AI with Prescriptive Analytics and ChatGPT [0.0]
本研究では、透過的な機械学習と、規範的分析を可能にする技術の両方を統合する新しいフレームワークを提案する。
本研究は,プログラムノンコンプリートにおけるリスク学習者を特定するために,予測モデルを用いて提案手法を実証するものである。
論文 参考訳（メタデータ） (2022-08-31T00:57:17Z)
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。