論文の概要: Responsible Institutional Analytics: Interpreting Bias with AI Support
- arxiv url: http://arxiv.org/abs/2610.07205v1
- Date: Mon, 05 Oct 2026 18:19:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.58396
- Title: Responsible Institutional Analytics: Interpreting Bias with AI Support
- Title（参考訳）: Responsible Institutional Analytics: AIサポートによるバイアスの解釈
- Abstract要約: FACTRIAは、分析パイプライン、制度的コンテキスト、コースレベルの特性、人口統計の4つの領域にまたがる潜在的なバイアス要因を整理する。
生成AIロボットの入力としてFACTRIAフレームワークを用いて,IA解析を行い,これらの要因をユーザが反映するように促した。
分析の結果、構造化されたフレームワークとAIベースのガイダンスを組み合わせることで、コンテキスト認識が向上し、機関データに対する責任ある解釈が向上することが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Institutional Analytics (IA) dashboards inform decision-making in higher education, yet data limitations, constraints in analytical techniques, and missing contextual information often affect their interpretation. To support more responsible interpretation of IA, we introduce FACTRIA, a framework that organizes potential biasing factors across four areas: the analytics pipeline, institutional context, course-level characteristics, and demographics. We used the FACTRIA framework as input to a generative-AI chatbot designed to prompt users to reflect on these factors while analyzing IA. A qualitative study with stakeholders, drawing on four authentic IA cases, and a transition network analysis showed that the chatbot prompted participants to recognize how overlooked factors influenced their initial interpretation. Findings indicated that combining a structured framework with AI-based guidance can enhance context-aware, responsible interpretation of institutional data.
- Abstract（参考訳）: 機関分析(IA)ダッシュボードは、高等教育における意思決定を通知するが、データ制限、分析技術における制約、文脈情報の欠如が解釈に影響を与えることが多い。
IAのより責任ある解釈を支援するために、分析パイプライン、制度的文脈、コースレベルの特性、人口統計学の4分野にわたる潜在的なバイアス要因を整理するフレームワークであるFACTRIAを紹介した。
FACTRIA フレームワークを生成型AIチャットボットの入力として使用し,IA を解析しながら,ユーザに対してこれらの要因を反映するよう促した。
利害関係者との質的研究は、4件の真正なIAケースを対象とし、移行ネットワーク分析の結果、チャットボットは、見過ごされた要因が最初の解釈にどのように影響するかを参加者に認識させることができた。
分析の結果、構造化されたフレームワークとAIベースのガイダンスを組み合わせることで、コンテキスト認識が向上し、機関データに対する責任ある解釈が向上することが示された。
関連論文リスト
- Faculty Orientations Shape Adoption of AI in Research and Teaching [0.0]
本研究では,AIの使用状況,態度,制度的文脈,教育実践との関係について検討した。
その結果、既存の技術適応モデルは、技術が学際的推論や知識生産と直接相互作用する文脈における採用を完全に説明できない可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T09:47:35Z) - Interpretable Difficulty-Aware Knowledge Tracing in Tutor-Student Dialogues [46.915280360954576]
大規模言語モデル(LLM)上に構築された難易度を考慮した対話型KTフレームワークを提案する。
このフレームワークは、学生の知識状態と今後のターンの難しさを推定するために、原文質問と次のチューター提案タスクを組み込んだものである。
学習者/学生の対話データセットを2つ評価する。
論文 参考訳（メタデータ） (2026-05-01T21:07:24Z) - Structural transparency of societal AI alignment through Institutional Logics [2.320417845168326]
我々は,AIアライメントに関する組織的および制度的な決定を分析するための,環境透明性の枠組みを開発する。
フレームワークを5つの分析コンポーネントで運用し、それぞれに「分析レシピ」を添付します。
論文 参考訳（メタデータ） (2026-02-09T03:51:20Z) - How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures [6.943056322842481]
K-12教育における人工知能(AI)の普及は、教師のAIリテラシーの心理測定による測定の必要性を浮き彫りにしている。
本研究では,概念,利用,評価,倫理の確立した枠組みの中で,教師AIリテラシーのSRおよびOB尺度を開発し,評価した。
後期プロファイル分析では,AIリテラシーを持たない教師の間で,過大評価 (SR > OB),過小評価 (SR OB),アライメント (SR OB) の6つの異なるプロファイルを同定した。
論文 参考訳（メタデータ） (2026-01-03T00:10:41Z) - Understanding Textual Capability Degradation in Speech LLMs via Parameter Importance Analysis [54.53152524778821]
言語モデル(LLM)への音声の統合は、その能力を大幅に拡張したが、多くの場合、中核となるテキスト能力の弱さを犠牲にしている。
本稿では,パラメータ重要度推定に基づく分析フレームワークを提案する。
レイヤワイズ学習率スケジューリングとローランド適応(LoRA)の2つの緩和戦略について検討する。
実験結果から,両手法は完全な微調整よりもテキスト能力の維持が良好であるとともに,下流の質問応答性能も向上していることがわかった。
論文 参考訳（メタデータ） (2025-09-28T09:04:40Z) - Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。
大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。
偏見、プライバシー、透明性などの倫理的問題を考察する。
論文 参考訳（メタデータ） (2025-05-02T09:50:34Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - 'Team-in-the-loop': Ostrom's IAD framework 'rules in use' to map and measure contextual impacts of AI [0.0]
この記事では、OstromのInstitutional Analysis and Development Framework(IAD)の'rules in use'が、AIのコンテキスト分析アプローチとしてどのように開発できるかを考察する。
論文 参考訳（メタデータ） (2023-03-24T14:01:00Z) - 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) - Connecting Algorithmic Research and Usage Contexts: A Perspective of
Contextualized Evaluation for Explainable AI [65.44737844681256]
説明可能なAI(XAI)を評価する方法に関するコンセンサスの欠如は、この分野の進歩を妨げる。
このギャップを埋める一つの方法は、異なるユーザ要求を考慮に入れた評価方法を開発することである、と我々は主張する。
論文 参考訳（メタデータ） (2022-06-22T05:17:33Z)
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。