論文の概要: A data-driven heuristic-ensemble method for behavioural inference in collective-risk dilemma experiments

• arxiv url: http://arxiv.org/abs/2610.13595v1
• Date: Fri, 09 Oct 2026 13:45:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.60426
• Title: A data-driven heuristic-ensemble method for behavioural inference in collective-risk dilemma experiments
• Title（参考訳）: 集団リスクジレンマ実験における行動推論のためのデータ駆動ヒューリスティック・アンサンブル法
• Abstract要約: 検証プロトコルとともに,個人決定のためのデータ駆動型非生成手法を提案する。 我々はバルセロナで行われているxAire市民科学集団リスクジレンマ実験に対する方法論的アプローチをインスタンス化する。
• 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: The collective-risk dilemma has become a paradigm for studying cooperation in a wide variety of social experiments, initiatives that generate increasingly rich datasets describing individual actions over successive decision-making processes. Beyond the purely descriptive analysis of such empirical datasets, a methodological framework is required to interpret and reproduce the observed dynamics, a scheme that may be skewed by exogenous biases. Here, we introduce a data-driven, non-parametric method for simulating individual decisions together with a validation protocol for assessing the fidelity level of the outcomes they generate. Our methodological contribution is based on an empirical heuristic ensemble: agents are represented by a finite set of behavioural heuristics, probabilities conditioned on different observable features of the game state, endowed with a hard-voting arbitration that determines their per-round final decisions. This reproducible generative framework allows for behavioural inference in different collective-risk dilemma setups: Behavioural heuristics are seeded directly from empirical data assessing conditional probabilities, without a priori assumptions; a plurality vote with uniform random tie-breaking resolves between competing heuristics each round, adding no free parameters; validation follows a pattern-oriented approach, comparing synthetic and empirical macro-indicators against single-heuristic and uniform-random baselines; synthetic data generated allow exploration of scenarios or experimental setups that have not been empirically realised; as a worked example, we instantiate our methodological approach on the xAire citizen science collective-risk dilemma experiment run in Barcelona.
• Abstract（参考訳）: 集団リスクジレンマは、様々な社会実験における協力研究のパラダイムとなり、意思決定プロセスを通じて個別の行動を記述する、ますます豊富なデータセットを生成するイニシアチブとなっている。 このような経験的データセットの純粋に記述的な分析以外にも、観察されたダイナミクスを解釈し、再現するための方法論的枠組みが求められている。 本稿では,個人決定をシミュレートするデータ駆動型非パラメトリック手法と,それらが生成した結果の忠実度レベルを評価するための検証プロトコルを紹介する。 我々の方法論的貢献は経験的ヒューリスティック・アンサンブルに基づいており、エージェントはゲーム状態の異なる観測可能な特徴に条件付けされた有限な行動的ヒューリスティック(英語版)によって表現される。 この再現可能な生成フレームワークは、異なる集団リスクジレンマ構成における振る舞い推論を可能にする: 行動ヒューリスティックは、事前の仮定なしに条件付き確率を評価する経験的データから直接シードされる; 競合するヒューリスティック間の均一な無作為的解決を複数の投票で行い、自由パラメータを追加しない; バリデーションはパターン指向のアプローチに従っており、合成および経験的マクロ指標と単一ヒューリスティックおよび均一ランダムベースラインの比較; 合成されたデータは、経験的に実現されていないシナリオや実験的な設定の探索を可能にする; 実例として、バルセロナで実行されるxAire市民科学の集団リスクジレンマ実験に関する方法論的アプローチをインスタンス化する。

関連論文リスト

• Causal Algorithmic Recourse: Foundations and Methods [57.73269033551628]
  AIシステムの主な特徴は、個人が否定的な決定を覆す方法のレコメンデーションを提供する能力である。 既存のアプローチでは、recourseの結果を固定単位の反事実として扱う。 我々は、事前および事後結果のプロセスとして、会話をモデル化する因果的枠組みを開発する。
  論文  参考訳（メタデータ） (2026-05-12T00:55:19Z)
• Recover Experimental Data with Selection Bias using Counterfactual Logic [12.014061086940817]
  我々は、観測界における選択機構が反現実領域にどのように伝播するかを分析する。 偏りのない観測データを利用して、偏りのある実験データセットから$P(Y*_x*)$を回収する原理的手法を提案する。
  論文  参考訳（メタデータ） (2025-05-31T01:23:39Z)
• Can We Validate Counterfactual Estimations in the Presence of General Network Interference? [13.49152464081862]
  我々は、因果推論における推定と検証の両方に機械学習ツールを使うことを容易にするフレームワークを導入する。 新しい分布保存ネットワークブートストラップは、単一実験のデータから統計的に有意なサブポピュレーションを生成する。 ファクトファクトのクロスバリデーション手順は、モデル検証の原則を因果的設定のユニークな制約に適応させる。
  論文  参考訳（メタデータ） (2025-02-03T06:51:04Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• Cross-model Fairness: Empirical Study of Fairness and Ethics Under Model Multiplicity [10.144058870887061]
  1つの予測器が等しく機能するモデルのグループからアドホックに選択された場合、個人は害を受ける可能性があると我々は主張する。 これらの不公平性は実生活で容易に発見でき、技術的手段だけで緩和することは困難である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-03-14T14:33:39Z)
• Modelling Heterogeneity Using Bayesian Structured Sparsity [0.0]
  観察間で異なる変数の効果を推定する方法は、政治科学において重要な問題です。 本稿では,複雑な現象(同様の現象を離散群に展開する観測)を回帰分析に組み込む共通の方法を提案する。
  論文  参考訳（メタデータ） (2021-03-29T19:54:25Z)
• Beyond Individual and Group Fairness [90.4666341812857]
  本稿では,不公平な不公平な苦情に導かれる公平さの新しいデータ駆動モデルを提案する。 我々のモデルは、複数のフェアネス基準をサポートし、それらの潜在的な不整合を考慮に入れている。
  論文  参考訳（メタデータ） (2020-08-21T14:14:44Z)

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。