4 分で読了
0 views

新しい用語を社会が学ぶのにどれくらい時間がかかるか

(How long does it take a society to learn a new term?)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「新しい用語が現場で広がらない」と相談されましてね。これって要するに、社内でどれくらいで新語が定着するかを測る論文があると理解してよろしいですか?導入の投資対効果をざっくり把握したいのですが。

AIメンター拓海

素晴らしい着眼点ですね!今回は社会で新しい用語(neologism)が広がる速度をモデル化した研究を噛み砕きますよ。結論を先に言うと「用語はネットワークの構造と個々人の学習閾値(learning threshold)次第で、一定の法則に従って普及する」ことが示されています。大丈夫、一緒に要点を三つにまとめていきますよ。

田中専務

結論ファーストは助かりますが、具体的には何が要点ですか?現場では「何回聞けば覚えるか」が違う人が混在しています。投資の見積りにどう反映できますか。

AIメンター拓海

良い質問です。要点の一つ目は「個人の学習閾値(learning threshold/学習閾値)」です。これはある人が新語を使えるようになるまでに何回その用語を聞く必要があるかを示します。二つ目は「ネットワークトポロジー(network topology/ネットワーク構造)」で、誰が誰と話すかという接続関係が普及速度を左右します。三つ目は「外部刺激(外的な導入)で最初に知らせる人の選び方」です。これらを数式で結びつけて普及曲線を導いていますよ。

田中専務

これって要するに、社内での伝達経路と個々人の『覚える回数』を見積もれば、導入にかかる時間とコストが見える化できるということですか?それなら設備投資や研修回数の計画が立てやすくなりますね。

AIメンター拓海

その理解で正しいですよ。ここからは実務に直結する話をしますね。一緒に考える順序は、まず現場の会話ネットワークをざっくり把握し、次に代表的な従業員の学習閾値をサンプリングし、最後に外部からの働きかけ(たとえば教育やマニュアル配布)の頻度を設計します。投資対効果はこの三つを変数にしたシミュレーションで評価できますよ。

田中専務

なるほど。実務的にはどこから手を付ければいいですか。現場で詳しいネットワーク調査をする時間もコストもないのですが、簡易な方法で使えますか。

AIメンター拓海

大丈夫、簡易法で十分効果がありますよ。要点は三つです。第一に、キーピープレーヤーを見つけること。彼らに最初に伝えるだけで効率が上がります。第二に、代表者サンプリングで学習閾値の平均を推定すること。数十名のヒアリングで概算できます。第三に、外部刺激の頻度を段階的に上げていき、効果を測りながら最適化することです。これなら少ないコストで実務に役立てられますよ。

田中専務

ありがとうございます。最後に確認させてください。現場での導入計画を立てる際、要点を一言で言うと何を優先すべきでしょうか。

AIメンター拓海

優先順位は明確です。まずはキーピープレーヤーを使ったパイロットで効果を確認し、次に代表サンプリングで平均的な学習回数を把握し、最後に外部刺激の頻度を調整して最小コストで定着させることです。大丈夫、一緒にやれば必ずできますよ。

田中専務

それなら私にもできそうです。ポイントは「キーピープレーヤー」「学習閾値の把握」「段階的な外部刺激の最適化」ということで、自分の言葉で言い直すと、まず影響力のある人に教えて定着の様子を見て、平均的な習熟までの回数を調べてから研修頻度を決める、ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
非負シーケンシャルデータのためのポジティブファクターネットワーク
(Positive factor networks: A graphical framework for modeling non-negative sequential data)
次の記事
ディポールピクチャーにおける排他的回折過程
(Exclusive Diffractive Processes within the Dipole Picture)
関連記事
機械的忘却
(Machine Unlearning: A Comprehensive Survey)
二枚の切符は一枚より優る:戦略的LLM操作下における公正で正確な採用
(Two Tickets are Better than One: Fair and Accurate Hiring Under Strategic LLM Manipulations)
異種クライアント間のオンライン個別分散学習における適応的コラボレーション
(Adaptive collaboration for online personalized distributed learning with heterogeneous clients)
階層的時系列予測を潜在平均符号化で実現する
(Hierarchical Time Series Forecasting Via Latent Mean Encoding)
デジタルツインネットワークの実データ駆動ネットワーク評価モデルの改善
(Improving the Real-Data Driven Network Evaluation Model for Digital Twin Networks)
分布のコンセンサス順位に関する推論
(Inference on Consensus Ranking of Distributions)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む