論文の概要: TrustmeWatcher: An Application for Workplace Micro-Sensing and Explainable Well-Being Feedback

• arxiv url: http://arxiv.org/abs/2610.06657v1
• Date: Mon, 05 Oct 2026 16:34:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 23:57:22.201843
• Title: TrustmeWatcher: An Application for Workplace Micro-Sensing and Explainable Well-Being Feedback
• Title（参考訳）: TrustmeWatcher: 職場でのマイクロセンシングと説明可能なウェルビーイングフィードバックのためのアプリケーション
• Abstract要約: TrustmeWatcherは、TRUST-MEプロジェクトで開発されたアプリケーションである。 これは、ActivityWatchのOSレベルのウォッチャーをコンピュータアクティビティコレクションに再利用する。 収集したトレースをインタラクティブなスクリーンタイムダッシュボードに変える。
• 参考スコア（独自算出の注目度）: 10.131767314396575
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Workplace sensing studies combine long-running behaviour traces with self-reports, yet the tools that collect those data often sit apart from the interface that returns results. We present TrustmeWatcher, the application built for the TRUST-ME project to connect this work. TrustmeWatcher reuses ActivityWatch's OS-level watchers for computer-activity collection and adds its own application layer. It turns the collected traces into an interactive screen-time dashboard, synchronizes responses from short questionnaires completed on the StreamDeck, and presents questionnaires alongside video highlights. Activity records and self-reports are aligned into labelled records for model development. The scope of this paper is limited to ActivityWatch data as model input. Artificial intelligence (AI) uses these activity records to predict six normalized state scores and an overall well-being score. The trained model runs locally, and the dashboard presents its predictions in semantic bands. Explainable artificial intelligence (XAI) helps users understand how recorded activity contributed to a prediction. Privacy Control lets users pause or resume the camera and eye tracker used by the study. We describe the workflow, its user-device and sensing-setup boundaries, and its use with records from 17 participants. The result is a deployed application and study workflow that integrates activity review, study data collection, privacy control, local prediction, and a participant-facing interface for XAI evaluation.
• Abstract（参考訳）: ワークプレースセンシングの研究は、長期にわたる行動トレースと自己レポートを組み合わせたものだが、これらのデータを収集するツールは、結果を返すインターフェースから離れて置かれることが多い。 我々はTrustmeWatcherを紹介します。TrustmeWatcherはTRUST-MEプロジェクトで構築されたアプリケーションです。 TrustmeWatcherは、ActivityWatchのOSレベルのウォッチャーをコンピュータアクティビティ収集に再利用し、独自のアプリケーション層を追加している。 収集したトレースをインタラクティブなスクリーンタイムダッシュボードに変換し、StreamDeckで完了した短いアンケートから回答を同期させ、ビデオハイライトと共にアンケートを表示する。 活動記録と自己報告はモデル開発のためのラベル付きレコードにまとめられている。 本論文の範囲は,モデル入力としてのActivityWatchデータに限定される。 人工知能(AI)は、これらのアクティビティレコードを使用して、6つの正規化された状態スコアと全体的な幸福スコアを予測する。 トレーニングされたモデルはローカルで実行され、ダッシュボードはセマンティックバンドで予測を表示する。 説明可能な人工知能(XAI)は、記録されたアクティビティが予測にどのように貢献したかを理解するのに役立つ。 プライバシコントロールは、ユーザーが研究で使用しているカメラとアイトラッカーを一時停止または再開することを可能にする。 本稿では,ワークフロー,ユーザデバイス,センサ設定境界,および17人の参加者の記録を用いて記述する。 その結果、アクティビティレビュー、データ収集、プライバシコントロール、ローカル予測、XAI評価のための参加者対応インターフェースを統合した、アプリケーションおよび研究ワークフローがデプロイされる。

関連論文リスト

• From Interaction to Intent: Inferring User Objectives from Provenance Logs [16.702841059421377]
  視覚的な探索作業において,ユーザの意図を分類するために,プロファイランスログが利用できることを示す。 異なる分析対象に異なる行動シグネチャが出現することがわかった。 これらの結果から,低レベルの相互作用データが,高レベルの分析意図への実践的なブリッジとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-07-05T21:02:23Z)
• Interactive Tracking: A Human-in-the-Loop Paradigm with Memory-Augmented Adaptation [60.96010213186819]
  自然言語コマンドを使用していつでもトラッカーをガイドできる新しいパラダイムであるInteractive Trackingを導入する。 対話型トラッキングのための最初の大規模ベンチマークであるInteractTrackについて紹介する。 第3に,ユーザからのフィードバックから学習し,トラッキング動作を更新するために動的メモリ機構を利用する新しいベースラインであるInteractive Memory-Augmented Tracking (IMAT)を導入する。
  論文  参考訳（メタデータ） (2026-04-02T12:33:27Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• Spatio-Temporal Context Prompting for Zero-Shot Action Detection [13.22912547389941]
  本稿では,視覚言語モデルの豊富な知識を効果的に活用し,対人インタラクションを実現する手法を提案する。 同時に複数の人物による異なる行動を認識するという課題に対処するために,興味あるトークンスポッティング機構を設計する。 提案手法は,従来の手法に比べて優れた結果を得ることができ,さらにマルチアクションビデオに拡張することができる。
  論文  参考訳（メタデータ） (2024-08-28T17:59:05Z)
• First Contact: Unsupervised Human-Machine Co-Adaptation via Mutual Information Maximization [112.40598205054994]
  我々はこのアイデアを、インターフェースを最適化するための完全に教師なしの目的として定式化する。 タイピング,シミュレートされたロボットの制御,ゲームプレイなど,様々なキーボードとアイアイのインタフェースを運用しているユーザの540K例について,観察的研究を行った。 以上の結果から,我々の相互情報スコアは,様々な領域における真真正タスク完了メトリクスの予測値であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-24T21:57:18Z)
• Single Run Action Detector over Video Stream -- A Privacy Preserving Approach [13.247009439182769]
  本稿では,リアルタイムなプライバシ保護行動検出装置であるSingle Run Action Detector(S-RAD)を提案する。 UCF-SportsとUR Fallデータセットの結果は、State-of-the-Artアプローチに匹敵する精度を示している。
  論文  参考訳（メタデータ） (2021-02-05T19:27:38Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)
• ZSTAD: Zero-Shot Temporal Activity Detection [107.63759089583382]
  本研究では,ゼロショット時間的活動検出(ZSTAD)と呼ばれる新たなタスク設定を提案する。 このソリューションのアーキテクチャとして,R-C3Dに基づくエンドツーエンドのディープネットワークを設計する。 THUMOS14とCharadesデータセットの両方の実験は、目に見えない活動を検出するという点で有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-03-12T02:40:36Z)

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。