論文の概要: Quantifying AI impact in energy transitions: The Energy Justice Impact Assessment (EJIA) framework

• arxiv url: http://arxiv.org/abs/2609.30010v1
• Date: Thu, 24 Sep 2026 15:49:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.068247
• Title: Quantifying AI impact in energy transitions: The Energy Justice Impact Assessment (EJIA) framework
• Title（参考訳）: エネルギー移行におけるAIの影響の定量化:EJIA(Energy Justice Impact Assessment)フレームワーク
• Abstract要約: 人工知能は、効率を最適化し、供給と需要のバランスを保ち、再生可能エネルギー源を統合するために、エネルギーシステム全体にますます展開されている。 これらのアプリケーションは、エネルギーシステムがどのように機能し、利点と負担が分散されるかを変え、システム設計においてそのニーズが表される。 本稿では,AIによる影響評価アプローチの体系的レビューを通じて,新たなフレームワークの開発に続き,そのギャップについて論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artificial intelligence is increasingly deployed across energy systems to optimize efficiency, balance supply and demand, and integrate renewable sources. These applications alter how energy systems function, changing how benefits and burdens are distributed, whose needs are represented in system design, and who can influence decision-making, with consequences for energy justice that are rarely quantified. This paper addresses that gap through a systematic review of AI impact assessment approaches, followed by the development of a new framework. Reviewing 26 peer-reviewed frameworks using PRISMA methodology, we find that most address a single impact dimension, only three provide quantifiable indicators, and although 21 reference justice implications, only two operationalize justice-relevant constructs through measurable indicators. No existing framework combines multidimensional impact coverage with quantifiable indicators disaggregated by stakeholder group. We therefore introduce the Energy Justice Impact Assessment (EJIA) framework. Crossing four AI lifecycle stages - data collection, model development, deployment, and continuous adaptation - with the three tenets of energy justice (distributional, recognition, procedural) produces a map of where injustice can arise, which we use to derive a set of environmental, social, and economic outcome indicators. These are measured separately per affected stakeholder group and assessed against a counterfactual across defined phases, enabling observed effects to be attributed to the AI application. The EJIA framework is descriptive rather than normative: it makes differential impacts visible and comparable, while judging whether a pattern constitutes injustice remains a context-dependent decision for practitioners. An exemplary application to an AI-based demand-side response system in social housing demonstrates the framework's use.
• Abstract（参考訳）: 人工知能は、効率を最適化し、供給と需要のバランスを保ち、再生可能エネルギー源を統合するために、エネルギーシステム全体にますます展開されている。 これらの応用は、エネルギーシステムがどのように機能するか、福利厚生と負担の分配方法を変え、そのニーズがシステム設計で表現され、誰が意思決定に影響を及ぼすか、そしてほとんど定量化されないエネルギー正義に結果をもたらす。 本稿では,AIによる影響評価アプローチの体系的レビューを通じて,新たなフレームワークの開発に続き,そのギャップについて論じる。 PRISMA法を用いて26のピアレビューされたフレームワークをレビューしたところ、ほとんどのフレームワークは1つの影響次元に対処し、定量化可能な指標は3つしか提供せず、21の基準司法含意にもかかわらず、測定可能な指標によって正義関連構造を2つしか運用していないことが判明した。 既存のフレームワークでは、複数次元のインパクトカバレッジと、ステークホルダグループによって分解された定量指標を組み合わせたものはありません。 そこで我々は,エネルギ・ジャスティス・インパクト・アセスメント(EJIA)の枠組みを導入する。 データ収集、モデル開発、デプロイメント、継続的適応という4つのAIライフサイクルステージにまたがって、エネルギー正義(分配、認識、手続き)の3つの原則によって、不正が発生する場所の地図が作成され、環境、社会的、経済的結果の指標が導出されます。 これらは、影響を受けるステークホルダーグループ毎に別々に測定され、定義されたフェーズ間で反事実に対して評価され、観察された効果がAIアプリケーションに帰属することを可能にします。 EJIAフレームワークは規範的というよりも記述的であり、パターンが不正を構成するかどうかを判断しながら、差分の影響を可視かつ同等にします。 ソーシャルハウジングにおけるAIベースの需要側応答システムへの模範的な応用は、このフレームワークの使用を実証している。

関連論文リスト

• Interactive Evaluation Requires a Design Science [90.62695599188204]
  大規模言語モデル(LLM)は、ツールや環境、ユーザ、その他のエージェントを通じて、時間とともに機能するシステムとして、ますます多くデプロイされている。 フィールドはインタラクティブなベンチマークを構築し始めたが、その結果のランドスケープは断片化されている。 本論では,対話的評価は原則的評価パラダイムとして扱うべきであると論じる。
  論文  参考訳（メタデータ） (2026-05-18T04:03:18Z)
• Benchmarked Yet Not Measured -- Generative AI Should be Evaluated Against Real-World Utility [9.928824688627037]
  我々は、生成AI評価は、静的なベンチマーク中心の透明性から、人間の成果軌跡に根ざしたステークホルダー、ゴール、コンテキスト条件付きユーティリティ透明性へのパラダイムシフトを必要とすると論じる。 SCU-GenEvalは,利害関係者と利害関係者のゴールマッピング,構成指標仕様,メカニズムモデリング,長手効用測定からなる4段階評価フレームワークである。
  論文  参考訳（メタデータ） (2026-05-07T18:56:07Z)
• WebDevJudge: Evaluating (M)LLMs as Critiques for Web Development Quality [62.43165871914528]
  我々は、Web開発におけるLCM-as-a-judgeのパフォーマンスを評価するための体系的なベンチマークであるWebDevJudgeを紹介する。 WebDevJudgeは、構造化およびクエリグラウンドのルーリックで注釈付けされた、ペア化されたWeb実装よりも人間の好みラベルで構成されている。 詳細な分析によると、このギャップは、機能的同値性認識の失敗、タスク実現可能性の検証、バイアス軽減など、基本的なモデル上の制限に由来する。
  論文  参考訳（メタデータ） (2025-10-21T12:16:04Z)
• Modelling and Classification of Fairness Patterns for Designing Sustainable Information Systems [0.2867517731896504]
  本稿では,社会技術システム設計における公正性の概念について考察する。 これは、価値、仮定、規制、メートル法、タスクの概念を捉えた参照持続可能性メタモデルに基づいている。
  論文  参考訳（メタデータ） (2024-11-26T21:23:56Z)
• Iterative Utility Judgment Framework via LLMs Inspired by Relevance in Philosophy [66.95501113584541]
  ITEM(Iterative utiliTy judgm fraEntMework)を提案する。 RAGの3つの中核的構成要素は、検索モデル、ユーティリティ判断、回答生成から導かれる関連性ランキングであり、シューツの哲学的関連性体系と一致している。 実効性判定, ランキング, 回答生成におけるITEMの顕著な改善が, 代表ベースラインに基づいて示された。
  論文  参考訳（メタデータ） (2024-06-17T07:52:42Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• ACROCPoLis: A Descriptive Framework for Making Sense of Fairness [6.4686347616068005]
  本研究では,アロケーションプロセスを表現するためのACROCPoLisフレームワークを提案する。 このフレームワークは、異なる状況や手順に対する公平性評価に関連する要因を明示する共有語彙を提供する。
  論文  参考訳（メタデータ） (2023-04-19T21:14:57Z)
• Fairness in Contextual Resource Allocation Systems: Metrics and Incompatibility Results [7.705334602362225]
  本研究は、住宅を提供するホームレスサービスなど、基本的なニーズを満たすため、不足する資源を割り当てるシステムについて研究する。 これらの制度は、しばしば、体系的な人種、性別、その他の不正によって不当に影響を受けるコミュニティをサポートする。 本稿では,機械学習における公平度指標に触発された文脈的資源配分システムにおける公平性を評価するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-04T02:30:58Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Towards a multi-stakeholder value-based assessment framework for algorithmic systems [76.79703106646967]
  我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。 我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
  論文  参考訳（メタデータ） (2022-05-09T19:28:32Z)

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。