論文の概要: Personalized and Trust-Aware Health Recommendation Policies for a Construction Workplace
- arxiv url: http://arxiv.org/abs/2609.12679v1
- Date: Fri, 11 Sep 2026 10:24:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.715877
- Title: Personalized and Trust-Aware Health Recommendation Policies for a Construction Workplace
- Title（参考訳）: 建設現場のパーソナライズされた信頼に配慮したヘルスレコメンデーション政策
- Abstract要約: 建設作業員は、疲労、熱ストレス、その他の物理的に要求される条件などの職場リスクに直面します。
本稿では,信頼度と信頼度に差がある労働者と,信頼を意識した健康レコメンデーションシステムとのインタラクションを捉えるモデルを提案する。
- 参考スコア（独自算出の注目度）: 2.86989372262348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Construction workers face workplace risks such as fatigue, heat stress, and other physically demanding conditions that can negatively affect their health and safety. Although monitoring these risks is important, timely and personalized health interventions are also needed to help prevent negative impacts on workers' well-being and productivity. To this end, in this paper, we propose a model to capture the interactions between a trust-aware health recommender system and workers who differ in health and trust sensitivity. Specifically, in our proposed dynamic model, worker health evolves over time, worker trust is affected by both health and recommendation dynamics, and trust in turn affects compliance with future recommendations. Given this model, we characterize the recommender policy, including a health-based recommendation triggering threshold and the recommendation frequency. We do so using both model-based short-horizon control and model-free reinforcement learning. We then investigate how recommendation frequencies are adjusted for different workers to balance their health, productivity, and trust. Our findings provide insight into the design of personalized health recommendation policies in construction workplaces and beyond.
- Abstract（参考訳）: 建設作業員は、疲労、熱ストレス、健康や安全性に悪影響を及ぼす物理的に要求される状況などの職場リスクに直面している。
これらのリスクを監視することは重要であるが、労働者の幸福と生産性に悪影響を及ぼすのを防ぐために、タイムリーでパーソナライズされた健康介入も必要である。
そこで本研究では,信頼度と信頼度に差がある労働者と,信頼度を意識した健康レコメンデータシステムとのインタラクションを捉えるモデルを提案する。
具体的には、提案したダイナミックモデルにおいて、労働者の健康は時間とともに進化し、労働者の信頼は健康とレコメンデーションのダイナミクスの両方に影響され、そしてその信頼は将来のレコメンデーションの遵守に影響を与える。
このモデルから,健康を基準としたレコメンデーショントリガー閾値やレコメンデーション頻度などのレコメンデーションポリシーを特徴付ける。
モデルベース短距離制御とモデルフリー強化学習の両方を用いる。
次に、異なる労働者が健康、生産性、信頼のバランスをとるために、どのようにレコメンデーション頻度を調整するかを調査する。
本研究は,建設現場等におけるパーソナライズされたヘルスレコメンデーションポリシーの設計に関する知見を提供するものである。
関連論文リスト
- Health-ORSC-Bench: A Benchmark for Measuring Over-Refusal and Safety Completion in Health Context [82.32380418146656]
Health-ORSC-Benchは、医療におけるtextbfOver-Refusalと textbfSafe Completionの品質を測定するために設計された最初の大規模ベンチマークである。
私たちのフレームワークは、人間の検証を備えた自動パイプラインを使用して、さまざまなレベルの意図の曖昧さでモデルをテストします。
Health-ORSC-Benchは、次世代の医療AIアシスタントを調整するための厳格な標準を提供する。
論文 参考訳（メタデータ） (2026-01-25T01:28:52Z) - The Persona Paradox: Medical Personas as Behavioral Priors in Clinical Language Models [18.902372087770562]
ペルソナは、安全性や専門性の保証よりも、コンテキスト依存のトレードオフを導入する行動の先駆者として機能する。
私たちの研究は、ペルソナが安全性や専門知識の保証よりも、文脈に依存したトレードオフを導入する行動の優先事項として機能することを示している。
論文 参考訳（メタデータ） (2026-01-08T21:01:11Z) - Beyond Reactive Safety: Risk-Aware LLM Alignment via Long-Horizon Simulation [69.63626052852153]
本稿では,モデル生成によるアドバイスが社会システムを通じてどのように伝播するかを示す概念実証フレームワークを提案する。
また、100の間接的な害シナリオのデータセットを導入し、害のないユーザプロンプトから有害で非有害な結果を予測するモデルの能力をテストする。
論文 参考訳（メタデータ） (2025-06-26T02:28:58Z) - Shape it Up! Restoring LLM Safety during Finetuning [65.75757313781104]
大型言語モデル(LLM)の微調整は、ユーザ固有のカスタマイズを可能にするが、重大な安全性リスクをもたらす。
動的安全整形(DSS)は,不安全コンテンツを抑えつつ,応答の安全な部分からの学習を強化するための,きめ細かい安全信号を用いたフレームワークである。
STARスコアによって導かれるSTAR-DSSは、微調整リスクを堅牢に軽減し、多様な脅威、データセット、モデルファミリーにまたがる大幅な安全性の向上を提供する。
論文 参考訳（メタデータ） (2025-05-22T18:05:16Z) - OpenAI o1 System Card [274.83891368890977]
o1モデルシリーズは、思考の連鎖を用いて推論するために大規模な強化学習で訓練されている。
本報告では,OpenAI o1およびOpenAI o1-miniモデルに対して実施される安全作業の概要について述べる。
論文 参考訳（メタデータ） (2024-12-21T18:04:31Z) - Towards Safety and Helpfulness Balanced Responses via Controllable Large Language Models [64.5204594279587]
安全性を優先するモデルでは、ユーザがエンゲージメントやアシストを減らし、利便性の優先順位付けが害をもたらす可能性がある。
大規模言語モデルにおける両方の属性を制御することにより,多様なユースケースにおける安全性と利便性のバランスをとることを提案する。
論文 参考訳（メタデータ） (2024-04-01T17:59:06Z) - Forecasting Health and Wellbeing for Shift Workers Using Job-role Based
Deep Neural Network [8.976669574400995]
転勤看護婦や医師の生理的・行動的ウェアラブルセンサデータを分析した。
我々は、翌日の自己報告型健康と幸福状態を予測するために、ジョブロールベースのマルチタスクとマルチラベルディープラーニングモデルを提案した。
論文 参考訳（メタデータ） (2021-06-22T22:13:17Z) - Incorporating Domain Knowledge into Health Recommender Systems using
Hyperbolic Embeddings [0.0]
本研究は,患者の健康状態に基づいたプライマリケアにおける患者と医師のマッチングのためのコンテンツベースのレコメンデーションシステムを提案する。
提案手法は,推薦精度において従来のモデルよりも優れており,ビジネス上の重要な意味を持つ。
論文 参考訳（メタデータ） (2021-06-14T19:33:37Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Spoiled for Choice? Personalized Recommendation for Healthcare
Decisions: A Multi-Armed Bandit Approach [1.6058099298620423]
本稿では,医療介入の選択を支援するレコメンデーションフレームワークを提案する。
ユーザの健康行動が極めてダイナミックで多様なものであることを考慮し,マルチアーム・バンディット(MAB)によるレコメンデーションフレームワークを提案する。
そこで我々は、MABを医療の文脈に適応させるために、2つの革新的なモデル要素を顕著な健康理論に基づいて合成する。
論文 参考訳（メタデータ） (2020-09-13T22:55:59Z) - Do recommender systems function in the health domain: a system review [2.356961266962294]
我々は、関心、方法、評価、今後の課題、トレンド問題を含む健康推奨システムの側面をレビューする。
1) 健康レコメンデーションシステムには、食事レコメンデーションのような、より控えめなレコメンデーションに焦点を合わせるための、独自の健康上の問題がある。
このレビューは、ドメイン研究者の助けとなり、ヘルスレコメンデーションシステムの次のステップに進むだろうと考えられている。
論文 参考訳（メタデータ） (2020-07-26T04:58:47Z)
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。