論文の概要: Hybrid Panels: Toward Human-AI Collaboration in Survey Research

• arxiv url: http://arxiv.org/abs/2608.22582v1
• Date: Sun, 23 Aug 2026 20:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.795291
• Title: Hybrid Panels: Toward Human-AI Collaboration in Survey Research
• Title（参考訳）: ハイブリッドパネル:調査研究における人間とAIの連携に向けて
• Abstract要約: 大規模な人口調査は、堅牢な社会的・科学的洞察を生み出すのに不可欠である。 人工知能の進歩は、AIが支援する調査インフラの新しい機会を開いた。 最初のパイロットを構築できる有望なAI対応調査インフラストラクチャは、ハイブリッドパネルです。
• 参考スコア（独自算出の注目度）: 9.837591528122095
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large-scale population surveys are essential for generating robust social and scientific insights, yet they face significant challenges, including declining response rates, increasing data collection costs, long delays between data collection and data provision, and the risk of nonresponse bias. Advances in artificial intelligence (AI) have opened up new opportunities for AI-supported survey infrastructures where the goal is to overcome these challenges without limiting the data quality. A promising AI-enabled survey infrastructure for which we build a first pilot is a hybrid panel. A hybrid panel is a longitudinal AI-enabled survey which allows to iteratively improve the alignment between large language models (LLMs) and the population they aim to simulate and use the errors to inform the design and implementation of the next survey wave (e.g., inform the participant recruitment, assignment of questions to participants). It incorporates both human participants and LLMs as fundamental elements of its design. In this research note, we introduce the concept of a hybrid panel by providing a definition and outlining an overarching framework, spanning data collection to data validation. We detail results from a first pilot study to illustrate (open) challenges that we identify for hybrid panels.
• Abstract（参考訳）: 大規模な人口調査は、堅牢な社会的および科学的洞察を生み出すために不可欠であるが、応答率の低下、データ収集コストの増大、データ収集とデータ提供の間の長い遅延、非応答バイアスのリスクなど、重大な課題に直面している。 人工知能(AI)の進歩は、データ品質を制限せずにこれらの課題を克服することを目的として、AIが支援する調査インフラストラクチャに新たな機会を開放した。 最初のパイロットを構築できる有望なAI対応調査インフラストラクチャは、ハイブリッドパネルです。 ハイブリッドパネルは,大規模言語モデル(LLM)と,次の調査波の設計と実施をシミュレートし,使用しようとする人口との整合性を反復的に改善する,AIによる縦断的な調査である(例えば,参加採用の通知,参加者への質問の割り当てなど)。 人間の参加者とLLMの両方を設計の基本的な要素として取り入れている。 本稿では,データ収集からデータ検証までを対象とする,包括的フレームワークの定義と概要を提供することにより,ハイブリッドパネルの概念を紹介する。 ハイブリットパネルで特定する(オープンな)課題を説明するための、最初のパイロット研究の結果を詳述する。

関連論文リスト

• HybridQuestion: Human-AI Collaboration for Identifying High-Impact Research Questions [48.1029746371619]
  「AIサイエンティスト」パラダイムは研究プロセスの重要な段階を自動化して科学研究を変革している。 AIの科学者が意味のある研究の疑問を特定できるのか? 本稿では、AIのスケーラブルなデータ処理機能と、人間の専門家の価値判断を統合する、人間-AIハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2025-12-18T15:10:38Z)
• Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble [46.82793004650415]
  大規模言語モデル(LLM)は、様々なタスクにまたがる人間のような応答をエミュレートする可能性を実証している。 本研究では,LLMをエージェントプロキシとして扱う新しいアライメントフレームワークを提案する。 我々は、構造化されたプロンプトエンジニアリング、エントロピーに基づくサンプリング、回帰に基づく選択を用いて、LLMエージェントを代表的行動パターンに向けて操るシステムであるP2Pを紹介する。
  論文  参考訳（メタデータ） (2025-09-14T15:08:45Z)
• Generative AI as a Safety Net for Survey Question Refinement [0.0]
  ChatGPTや他の生成AIモデルプラットフォームは、日常のプロセスに統合されている。 我々は,平均的なChatGPTユーザが期待できる質問に対するフィードバックの種類を体系的にテストするために,迅速な実験を実施している。 ゼロショットプロンプト実験の結果は、ChatGPTのバージョンとモデルに与えられたペルソナをランダム化したものだ。
  論文  参考訳（メタデータ） (2025-09-10T15:52:10Z)
• Second FRCSyn-onGoing: Winning Solutions and Post-Challenge Analysis to Improve Face Recognition with Synthetic Data [104.30479583607918]
  第2回FRCSyn-onGoingチャレンジは、CVPR 2024で開始された第2回顔認識チャレンジ(FRCSyn)に基づいている。 我々は、顔認識における現在の課題を解決するために、個々のデータと実際のデータの組み合わせの両方で合成データの利用を検討することに重点を置いている。
  論文  参考訳（メタデータ） (2024-12-02T11:12:01Z)
• Increasing the Difficulty of Automatically Generated Questions via Reinforcement Learning with Synthetic Preference [11.31451429456241]
  本研究は,(1)PPOと合成データを用いた質問の難易度向上手法,(2)人的評価を含む手法の有効性の実証的証拠,(3)詳細な誤り分析と創発現象の研究に寄与する。
  論文  参考訳（メタデータ） (2024-10-10T18:21:00Z)
• Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
  生成AIは、学術分野と産業分野の両方から多くの注目を集めている。 セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
  論文  参考訳（メタデータ） (2024-05-17T04:00:58Z)
• Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
  質問紙作成作業に特化して構築された最初のデータセットについて述べる。 我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。 チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
  論文  参考訳（メタデータ） (2024-02-22T04:14:10Z)
• UNK-VQA: A Dataset and a Probe into the Abstention Ability of Multi-modal Large Models [55.22048505787125]
  本稿ではUNK-VQAと呼ばれる包括的データセットを提案する。 まず、画像または疑問について意図的に摂動することで、既存のデータを拡大する。 そこで我々は,新たなマルチモーダル大規模モデルのゼロショット性能と少数ショット性能を広範囲に評価した。
  論文  参考訳（メタデータ） (2023-10-17T02:38:09Z)

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。