論文の概要: The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise
- arxiv url: http://arxiv.org/abs/2607.29380v1
- Date: Fri, 31 Jul 2026 13:04:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.729957
- Title: The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise
- Title（参考訳）: 認知コモンズの悲劇:AIが専門職の専門職を復活させる方法
- Abstract要約: 本稿では,コモンズ理論,HRD奨学金,分散認知を統合した認知コモンズフレームワークを紹介する。
AIの採用決定が、リニューアルに必要な共有専門知識をいかに損なうかを説明する。
この論文は、組織の最適化ではなく、総合的なスチュワードシップとして専門的開発を見直している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Artificial intelligence is reshaping cognitive work, but Human Resource Development scholarship has treated this transformation as an organizational training challenge, leaving the collective regeneration of professional expertise unexamined. This conceptual paper introduces the Cognitive Commons framework, integrating commons theory, HRD scholarship, and distributed cognition to explain how rational AI adoption decisions can deplete the shared expertise pool professions require for renewal. The framework distinguishes Internalized Mastery (deep domain knowledge from sustained practice) from Distributed Mastery (orchestrating human-AI systems), and develops the Validation Tether: effective AI oversight depends on the expertise AI adoption may undermine. Early labor market and clinical evidence suggests possible disruption to expertise-regeneration pathways in highly AI-exposed sectors, though adoption is recent and the strongest signals come from leading sectors rather than all professions. Five factors determine occupational vulnerability, and governance arrangements may form across organizational, professional-association, and policy levels. The paper reframes expertise development as collective stewardship rather than organizational optimization, with implications for HRD theory and workforce policy.
- Abstract（参考訳）: 人工知能は認知活動を変えつつあるが、人間資源開発奨学金は、この変革を組織的な訓練課題として扱い、専門知識の集合的再生を考慮しないままにしている。
本稿では,認知コモンズフレームワークを導入し,コモンズ理論,HRD奨学金,分散認知を統合した。
このフレームワークは、内部的な熟達(ドメインの深い知識と持続的な実践)を分散熟達(人間-AIシステムのオーケストレーション)と区別し、検証テザを開発する。
初期の労働市場と臨床証拠は、高度にAIが露出した分野における専門的再生経路の破壊の可能性を示している。
5つの要因が作業上の脆弱性を判断し、ガバナンスのアレンジメントは組織、プロフェッショナル・アソシエーション、政策レベルにまたがって形成される可能性がある。
この論文は、HRD理論と労働政策に影響を及ぼす組織最適化よりも、専門知識開発を総合的なスチュワードシップとして再編成する。
関連論文リスト
- Beyond the Algorithm: Professional Experiences and Perceptions of AI Bias [0.0]
本研究の目的は、社会的偏見がどのように出現し、認識され、人工知能や機械学習システム内で緩和されるかを検討することである。
この研究は、セクター固有の人口ではなく、AI実践者の生きた経験と専門的な洞察に焦点を当てた。
アルゴリズム的バイアスは、歴史的不平等、排他的設計の前提、そして倫理的反映よりも速度と効率を優先する組織的圧力から生じることを示した。
論文 参考訳（メタデータ） (2026-06-13T00:59:17Z) - AI Expert Twin: Capturing Expert Cognition for Human-Centred, Practice-Based Learning [3.934020982725159]
本稿では、専門家の知識をモデル化する認知中心のフレームワークであるAI Expert Twinを紹介する。
我々は、専門家の認知を3層表現として定式化し、このモデルの下で専門家の知識を捉える。
このフレームワークは、職業教育やクリエイティブ産業などの分野にまたがって移行できるように設計されている。
論文 参考訳（メタデータ） (2026-05-02T11:47:39Z) - Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。
研究提案を作成するための協調型マルチエージェントフレームワークを提案する。
エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
論文 参考訳（メタデータ） (2025-08-06T15:59:18Z) - Knowledge Protocol Engineering: A New Paradigm for AI in Domain-Specific Knowledge Work [0.456877715768796]
知識プロトコルエンジニアリング(KPE)は、人間の専門家の知識を機械で実行可能な知識プロトコルに体系的に翻訳することに焦点を当てた新しいパラダイムである。
我々は、よく設計された知識プロトコルにより、ジェネラリストのLLMがスペシャリストとして機能し、抽象的なクエリを分解し、複雑なマルチステップタスクを実行することができると論じる。
論文 参考訳（メタデータ） (2025-07-03T16:21:14Z) - Diversity and Inclusion in AI: Insights from a Survey of AI/ML Practitioners [4.761639988815896]
人工知能(AI)システムに埋め込まれた社会的バイアスや不平等に対する認識が高まり、AIライフサイクル全体を通して多様性と包摂性(D&I)の原則の統合に注意が向けられている。
倫理的AIガイドラインの台頭にもかかわらず、現実世界の環境でのD&Iの適用方法に関する実証的な証拠は限られている。
この研究は、AIと機械学習(ML)の実践者がD&Iの原則をどう理解し、実践し、効果的導入を妨げる組織的課題を特定するかを探る。
論文 参考訳（メタデータ） (2025-05-24T05:40:23Z) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Follow the money: a startup-based measure of AI exposure across occupations, industries and regions [0.0]
既存のAIの職業曝露対策は、技術的実現可能性に基づいて人間の労働を代用または補うAIの理論的可能性に焦点を当てている。
我々は,O*NETとスタートアップが開発したAIアプリケーションからの職業的記述に基づく,新たな指標であるAISE(AI Startup Exposure)指標を紹介する。
我々の発見は、AIの採用は、AIアプリケーションの技術的実現可能性と同様に、社会的要因によって徐々に形成されていくことを示唆している。
論文 参考訳（メタデータ） (2024-12-06T10:25:05Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。
この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。
決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文 参考訳（メタデータ） (2021-02-23T08:07:22Z)
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。