論文の概要: Do We Care About Personalization and Explainability? An Interview Study with News Recommendation Engineers

• arxiv url: http://arxiv.org/abs/2609.21547v1
• Date: Fri, 18 Sep 2026 09:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.95821
• Title: Do We Care About Personalization and Explainability? An Interview Study with News Recommendation Engineers
• Title（参考訳）: 我々はパーソナライズと説明可能性に気を配っているか? : ニュースレコメンデーションエンジニアとのインタビュー研究
• Abstract要約: 本研究では,ニュース技術者が実際にパーソナライズと説明可能性をどのように認識し,実装しているかを検討する。 我々は9つのニュース機関で15回の半構造化インタビューを行い、公共部門と民間部門の両方で多岐にわたるインタビューを行った。 我々の発見から、パーソナライゼーションは必ずしもニュース組織にとって簡単で望ましい選択ではないことが分かる。
• 参考スコア（独自算出の注目度）: 44.79834103607383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research on explainability in recommender systems largely centers on end users, overlooking the perspectives of those who build and maintain these systems and their potential use cases such as model debugging. In this study, we examine how news engineers and related technical stakeholders perceive and implement personalization and explainability in practice. We conducted 15 semi-structured interviews across nine news organizations, spanning diverse regions in both public and private sectors, to investigate the challenges and motivations shaping their approaches. Our findings reveal that personalization is not always a straightforward or desirable choice for news organizations, as concerns around user tracking, editorial control, and resource constraints often limit its adoption. Even among organizations implementing personalized news recommender systems in production, explainability is rarely prioritized, with day-to-day operational demands frequently taking precedence over longer-term transparency goals. Definitions of explainability vary widely across organizations, though some demonstrate promising internal practices and visualization tools that facilitate communication between engineering teams and newsrooms. Based on our analysis, we provide actionable and practical guidelines for news engineers and researchers on how to adopt explainability methods within a news personalization pipeline.
• Abstract（参考訳）: 推薦システムの説明可能性に関する研究は、主にエンドユーザーに焦点を当て、これらのシステムを構築し維持する人々の視点と、モデルデバッグのような潜在的なユースケースを見越す。 本研究では,ニュース技術者と関連技術ステークホルダーが,実際にパーソナライズと説明可能性をどのように認識し,実装しているかを検討する。 我々は,9つのニュース組織を対象に,公共・民間両分野の多様な地域をまたがる15の半構造化インタビューを行い,そのアプローチを形作る課題とモチベーションについて検討した。 ユーザ追跡や編集管理,リソース制約に関する懸念から,ニュース組織にとってパーソナライズが必ずしも簡単で望ましい選択ではないことが判明した。 パーソナライズされたニュースレコメンデーションシステムを本番環境で実施している組織でさえ、説明責任が優先されることは滅多になく、日々の運用要求が長期的な透明性目標よりも頻繁に優先される。 説明可能性の定義は組織によって異なるが、エンジニアリングチームとニュースルーム間のコミュニケーションを容易にする有望な内部プラクティスと視覚化ツールを示すものもある。 本分析に基づき,ニュース技術者や研究者に対して,ニュースパーソナライゼーションパイプラインにおける説明可能性手法の適用方法について,実践的かつ実用的なガイドラインを提供する。

関連論文リスト

• A Comprehensive Perspective on Explainable AI across the Machine Learning Workflow [1.269939585263915]
  Holistic Explainable Artificial Intelligence (HXAI)は、データ分析ワークフローのすべてのステージに説明を埋め込む、ユーザ中心のフレームワークである。 HXAIは6つのコンポーネント(データ、分析設定、学習プロセス、モデル出力、モデル品質、通信チャネル)を単一の分類体系に統合する。 112項目の質問銀行がこれらのニーズをカバーしています。
  論文  参考訳（メタデータ） (2025-08-15T15:15:25Z)
• Modular Conversational Agents for Surveys and Interviews [6.019313905775819]
  本稿では,AIエージェントを設計するためのモジュラーアプローチとそのパラメータ化プロセスを紹介する。 3つの実証的な研究を通して、モジュラーアプローチの適応性、一般化性、有効性を示す。 その結果,AIエージェントは完成率と応答品質を高めることが示唆された。
  論文  参考訳（メタデータ） (2024-12-22T15:00:16Z)
• Transit Pulse: Utilizing Social Media as a Source for Customer Feedback and Information Extraction with Large Language Model [12.6020349733674]
  本稿では,交通関連情報を抽出し,分析するための新しい手法を提案する。 提案手法では,Large Language Models (LLM) ,特にLlama 3を合理化解析に用いている。 以上の結果から,公共交通機関におけるソーシャルメディアデータ分析を変革するLLMの可能性が示された。
  論文  参考訳（メタデータ） (2024-10-19T07:08:40Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Foundation Models for Decision Making: Problems, Methods, and Opportunities [124.79381732197649]
  大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。 ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。 基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
  論文  参考訳（メタデータ） (2023-03-07T18:44:07Z)
• Interpretable Propaganda Detection in News Articles [30.192497301608164]
  本稿では, 解釈可能性を提供する手段として, 偽造手法を検知し, 利用することを提案する。 我々の解釈可能な特徴は、事前訓練された言語モデルと簡単に組み合わせられ、最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-08-29T09:57:01Z)
• Individual Explanations in Machine Learning Models: A Survey for Practitioners [69.02688684221265]
  社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。 多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。 近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
  論文  参考訳（メタデータ） (2021-04-09T01:46:34Z)

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。