論文の概要: Measuring the Inaccessible: Can AI Evaluate Accessibility in Heritage Tourism?

• arxiv url: http://arxiv.org/abs/2610.38642v1
• Date: Wed, 28 Oct 2026 10:53:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 09:14:41.187061
• Title: Measuring the Inaccessible: Can AI Evaluate Accessibility in Heritage Tourism?
• Title（参考訳）: 非アクセシビリティの測定:AIは遺産観光におけるアクセシビリティを評価することができるか?
• Abstract要約: 我々は、AIが証拠を捕捉し伝達する方法を変えるのに対して、評価は現在の生成システムに欠けている特性を要求する。 本稿では、信頼性の高いアクセシビリティアトラスの基礎として、AIと解釈可能な統計的評価との間の役割の分離を提案する。
• 参考スコア（独自算出の注目度）: 0.6445605125467574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accessibility assessment underpins the right to participate in heritage tourism, yet evaluation of archaeological sites remains artisanal: fieldwork does not scale, is often carried out without accessibility training, and is reported in forms that reach neither the sector nor disabled visitors. AI appears to offer a shortcut. We argue that assessment is measurement and inference under sparse, expert-mediated evidence: AI transforms how that evidence is captured and communicated, whereas evaluation, which turns evidence into defensible judgements, demands properties current generative systems lack. In a five-park field study in Spain and Italy, an AI desk audit scored only 66% of dimension-site combinations, could not observe embodied and organisational dimensions, and mirrored sites' online self-presentation. Simple Bayesian models instead quantify the confidence rankings deserve and calibrate desk evidence against fieldwork. We propose a separation of roles between AI and interpretable statistical evaluation as the basis for a reliable accessibility atlas.
• Abstract（参考訳）: アクセシビリティ・アセスメント(アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセス・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント、アクセシビリティ・アセスメント AIはショートカットを提供するようだ。 AIは、その証拠をキャプチャして伝達する方法を変換し、一方、評価は、証拠を防御可能な判断に変換する一方で、現在の生成システムに欠けている特性を要求する。 スペインとイタリアで行われた5段階のフィールドスタディでは、AIデスクの監査は、次元と部位の組み合わせの66%に過ぎず、具体的、組織的な側面を観察できず、サイトのオンライン自己表現を反映していた。 単純なベイズモデルでは、信頼性ランキングを定量化し、フィールドワークに対する机の証拠を校正する。 本稿では、信頼性の高いアクセシビリティアトラスの基礎として、AIと解釈可能な統計的評価との間の役割の分離を提案する。

関連論文リスト

• From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good [30.6027944662133]
  人工知能システムが意思決定を改善するという主張は、彼らの評価が確立したものを超える可能性がある。 我々は、明示的な人間および非AIベースラインに対するデプロイメントを評価する破断テストを開発する。 評価対象の主張を制限するエビデンスバウンドのデプロイメントと,測定バウンドのガバナンスを区別する。
  論文  参考訳（メタデータ） (2026-09-10T17:56:36Z)
• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• Measure, Don't Optimize: Forecasting Recovery in LLM Unlearning [57.920153607557744]
  J-Accessは、モデル出力経路に沿ってターゲット概念がアクセス可能な頻度を測定する推論時監査である。 我々は8つの未学習手法にまたがる398の公開未学習モデルを監査する。
  論文  参考訳（メタデータ） (2026-08-11T20:16:20Z)
• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education [3.2940515388832963]
  本稿では,学習クレーム,デリゲート境界,エビデンス標準,安全を関連づけたAIによる評価のためのフレームワークを開発する。 そして、30の大学から、検証済みの公開生成AIアセスメントガイダンスを監査した。
  論文  参考訳（メタデータ） (2026-07-22T10:21:16Z)
• Jobs' AI Exposure Should Be Measured from Evidence, Not Model Priors [2.4724375110574304]
  AIへの仕事の露出は、根拠に基づく根拠に基づく方法で測定されるべきである。 現在の理論的露出測定では、ゼロショットプロンプトを使用してタスクレベルのAI露出を分類している。 我々はO*NET 30.2における18,796の職業-タスク対にAI露出ラベルを割り当てる検索拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-14T23:29:42Z)
• Making AI-Assisted Grant Evaluation Auditable without Exposing the Model [0.0]
  本稿では,遠隔検定による要求の整合を支援するTEEアーキテクチャを提案する。 このアーキテクチャにより、外部検証者はどのモデル、ルーブリック、プロンプトテンプレート、入力表現が使われたかをチェックすることができる。 我々は、秘密のAI推論、証明可能なAI監査、ゼロ知識機械学習、アルゴリズムのアカウンタビリティ、AI支援ピアレビューに対する設計を位置付ける。
  論文  参考訳（メタデータ） (2026-04-28T04:10:04Z)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• Look As You Think: Unifying Reasoning and Visual Evidence Attribution for Verifiable Document RAG via Reinforcement Learning [55.232400251303794]
  Look As You Think (LAT)は、モデルをトレーニングし、一貫した帰属性を持った検証可能な推論パスを生成するための強化学習フレームワークである。 LATはシングルイメージとマルチイメージの両方でバニラモデルを一貫して改善し、平均ゲインは8.23%、IoU@0.5では47.0%となる。
  論文  参考訳（メタデータ） (2025-11-15T02:50:23Z)
• Partial Identification Approach to Counterfactual Fairness Assessment [50.88100567472179]
  未知の対実的公正度尺度を高い信頼性で有界化するためのベイズ的アプローチを導入する。 以上の結果から、人種をアフリカ系アメリカ人に転換する際のCompASスコアに対する肯定的な(不快な)効果と、若年から高齢に移行する際の否定的な(直接的な因果関係)効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-30T18:35:08Z)
• Behind the Screens: Uncovering Bias in AI-Driven Video Interview Assessments Using Counterfactuals [0.0]
  本稿では,AIによる人格評価において,偏見を評価・定量化するための反ファクトベースのフレームワークを提案する。 本手法では,求職者の対実表現を生成するためにGAN(Generative Adversarial Network)を用いる。 この作業は、商用AI採用プラットフォームの公正監査のためのスケーラブルなツールを提供する。
  論文  参考訳（メタデータ） (2025-05-17T18:46:14Z)
• Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
  本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。 具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。 大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
  論文  参考訳（メタデータ） (2021-03-07T03:10:32Z)

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。