Harnessing Collective Intelligence Under a Lack of Cultural Consensus

要約

集合知を活用して効果的な意思決定とコラボレーションを推進すると、コンセンサス信念の異質性を検出して特徴付ける機能からメリットが得られます。
これは、テクノロジーの受容やリーダーシップの認識などの領域に特に当てはまります。コンセンサスによって間主観的真実が定義され、回答者のサブ​​セットが相互に矛盾するコンセンサスを維持している場合、複数の「グラウンドトゥルース」が存在する可能性が生じます。
文化的コンセンサス理論 (CCT) は、これらの異なるコンセンサス信念を検出し、特徴付けるための統計的枠組みを提供します。
しかし、これは、非常に類似した信念であっても一般化する能力がなく、まばらなデータには効果がなく、外部の知識ベースも学習された機械表現も活用できないため、最新のアプリケーションでは実行できません。
ここでは、無限深層潜在構成文化コンセンサス理論 (iDLC-CCT) を通じてこれらの制限を克服します。これは、エンティティの事前学習済みディープ ニューラル ネットワーク埋め込みと、エンティティ間のそれらのエンティティに関するコンセンサス信念の間をマッピングする潜在構成で CCT を拡張するノンパラメトリック ベイジアン モデルです。
またはそれ以上の回答者のサブ​​セット。
私たちは、リスク源の認識、食品の健康性、リーダーシップ、第一印象、ユーモアなどの領域にわたってこの方法を検証します。
iDLC-CCT はコンセンサスの程度をより適切に予測し、サンプル外のエンティティに対して適切に一般化し、データがまばらな場合でも効果的であることがわかりました。
スケーラビリティを向上させるために、モデルの微分散漸近分析から導出されたアルゴリズムを使用して、iDLC-CCT の効率的なハード クラスタリング バリアントを導入します。
したがって、iDLC-CCT は、文化的合意の欠如の下で集合知を活用するための実行可能な計算基盤を提供し、潜在的に合意を意識した情報技術の基礎を形成する可能性があります。

要約(オリジナル)

Harnessing collective intelligence to drive effective decision-making and collaboration benefits from the ability to detect and characterize heterogeneity in consensus beliefs. This is particularly true in domains such as technology acceptance or leadership perception, where a consensus defines an intersubjective truth, leading to the possibility of multiple ‘ground truths’ when subsets of respondents sustain mutually incompatible consensuses. Cultural Consensus Theory (CCT) provides a statistical framework for detecting and characterizing these divergent consensus beliefs. However, it is unworkable in modern applications because it lacks the ability to generalize across even highly similar beliefs, is ineffective with sparse data, and can leverage neither external knowledge bases nor learned machine representations. Here, we overcome these limitations through Infinite Deep Latent Construct Cultural Consensus Theory (iDLC-CCT), a nonparametric Bayesian model that extends CCT with a latent construct that maps between pretrained deep neural network embeddings of entities and the consensus beliefs regarding those entities among one or more subsets of respondents. We validate the method across domains including perceptions of risk sources, food healthiness, leadership, first impressions, and humor. We find that iDLC-CCT better predicts the degree of consensus, generalizes well to out-of-sample entities, and is effective even with sparse data. To improve scalability, we introduce an efficient hard-clustering variant of the iDLC-CCT using an algorithm derived from a small-variance asymptotic analysis of the model. The iDLC-CCT, therefore, provides a workable computational foundation for harnessing collective intelligence under a lack of cultural consensus and may potentially form the basis of consensus-aware information technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google