論文の概要: Expertise and confidence explain how social influence evolves along intellective tasks
- arxiv url: http://arxiv.org/abs/2011.07168v2
- Date: Mon, 03 Nov 2025 21:37:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 20:56:28.931057
- Title: Expertise and confidence explain how social influence evolves along intellective tasks
- Title（参考訳）: 社会的影響が知的なタスクに沿ってどのように進化するかを専門知識と自信で説明する
- Authors: Omid Askarisichani, Elizabeth Y. Huang, Abed K. Musaffar, Noah E. Friedkin, Francesco Bullo, Ambuj K. Singh,
- Abstract要約: 本研究では,知的なタスクの連続を集団的に実行する個人集団における対人的影響について検討する。
本稿では, 過渡記憶系の理論, 社会的比較, 社会的影響の起源に関する信頼に関する実証的証拠を報告する。
これらの理論にインスパイアされた認知力学モデルを提案し、個人が時間とともに対人的影響を調整する過程を記述する。
- 参考スコア（独自算出の注目度）: 11.741738093824445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Discovering the antecedents of individuals' influence in collaborative environments is an important, practical, and challenging problem. In this paper, we study interpersonal influence in small groups of individuals who collectively execute a sequence of intellective tasks. We observe that along an issue sequence with feedback, individuals with higher expertise and social confidence are accorded higher interpersonal influence. We also observe that low-performing individuals tend to underestimate their high-performing teammate's expertise. Based on these observations, we introduce three hypotheses and present empirical and theoretical support for their validity. We report empirical evidence on longstanding theories of transactive memory systems, social comparison, and confidence heuristics on the origins of social influence. We propose a cognitive dynamical model inspired by these theories to describe the process by which individuals adjust interpersonal influences over time. We demonstrate the model's accuracy in predicting individuals' influence and provide analytical results on its asymptotic behavior for the case with identically performing individuals. Lastly, we propose a novel approach using deep neural networks on a pre-trained text embedding model for predicting the influence of individuals. Using message contents, message times, and individual correctness collected during tasks, we are able to accurately predict individuals' self-reported influence over time. Extensive experiments verify the accuracy of the proposed models compared to baselines such as structural balance and reflected appraisal model. While the neural networks model is the most accurate, the dynamical model is the most interpretable for influence prediction.
- Abstract（参考訳）: 協調環境における個人の影響力の先行性を明らかにすることは、重要で実践的で困難な問題である。
本稿では,知的なタスクの連続を集団的に実行する個人集団における対人的影響について検討する。
我々は、フィードバックを伴う課題シーケンスに沿って、高い専門性と社会的自信を持つ個人は、対人的影響がより高くなることを観察する。
また、低いパフォーマンスの個人は高いパフォーマンスのチームメイトの専門知識を過小評価する傾向にあることも観察した。
これらの観測に基づいて,3つの仮説を導入し,その妥当性を実証的・理論的に裏付ける。
本研究は, 経常的記憶システム理論, 社会的比較, 社会的影響の起源に関する信頼性ヒューリスティックスに関する実証的証拠を報告する。
これらの理論にインスパイアされた認知力学モデルを提案し、個人が時間とともに対人的影響を調整する過程を記述する。
我々は,個人の影響を予測するモデルの有効性を実証し,同一動作の個人に対して,その漸近行動に関する分析結果を提供する。
最後に、個人の影響を予測するために、事前学習したテキスト埋め込みモデルにディープニューラルネットワークを用いた新しいアプローチを提案する。
メッセージの内容、メッセージ時間、タスク中に収集された個人の正しさを用いて、時間とともに個人が報告した影響を正確に予測することができる。
大規模実験により, 構造バランスや反射評価モデルなどのベースラインと比較して, 提案モデルの有効性が検証された。
ニューラルネットワークモデルは最も正確であるが、動的モデルは影響予測において最も解釈可能である。
関連論文リスト
- Human-in-the-Loop Annotation for Image-Based Engagement Estimation: Assessing the Impact of Model Reliability on Annotation Accuracy [5.862907885873446]
本研究では,ハイパフォーマンスなイメージベース感情モデルをHITLアノテーションフレームワークに統合する。
モデル信頼性および認知フレーミングの変化が、人間の信頼、認知負荷、アノテーション行動にどのように影響するかを検討する。
人間の監視と自動システムの強みを活用することにより、感情アノテーションのためのスケーラブルなHITLフレームワークを確立する。
論文 参考訳（メタデータ） (2025-02-11T09:37:10Z) - Personality Modeling for Persuasion of Misinformation using AI Agent [2.570568710751949]
本研究はエージェント・ベース・モデリング・アプローチを用いて,性格特性と誤情報力学の関係について検討する。
ビッグファイブの性格特性の異なる次元を具現化した6つのAIエージェントを用いて、6つの異なる誤情報トピック間の相互作用をシミュレートした。
分析的・批判的な性格特性は,エビデンスに基づく議論において有効性を高めることが示唆された。
非攻撃的説得戦略は誤報訂正の予期せぬ成功を示す。
論文 参考訳（メタデータ） (2025-01-15T18:04:21Z) - Synthetic Social Media Influence Experimentation via an Agentic Reinforcement Learning Large Language Model Bot [7.242974711907219]
本研究は,エージェント・インテリジェンスとLarge Language Models(LLM)を組み合わせることで,トピック固有の影響メカニズムをテストする新しいシミュレーション環境を提供する。
我々のフレームワークには、投稿を生成し、特定のトピックについて意見を形成し、議論の結果に基づいて相互にフォロー/アンフォローするエージェントが含まれています。
論文 参考訳（メタデータ） (2024-11-29T11:37:12Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - Flexible social inference facilitates targeted social learning when
rewards are not observable [58.762004496858836]
グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。
社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
論文 参考訳（メタデータ） (2022-12-01T21:04:03Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Assessing Human Interaction in Virtual Reality With Continually Learning
Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study [6.076137037890219]
本研究では,人間と学習の継続する予測エージェントの相互作用が,エージェントの能力の発達とともにどのように発達するかを検討する。
我々は、強化学習(RL)アルゴリズムから学習した予測が人間の予測を増大させる仮想現実環境と時間ベースの予測タスクを開発する。
以上の結果から,人的信頼はエージェントとの早期の相互作用に影響され,信頼が戦略的行動に影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2021-12-14T22:46:44Z) - Conductance and Social Capital: Modeling and Empirically Measuring
Online Social Influence [9.556358888163983]
社会的影響は私たちの日常生活に浸透し、複雑な社会現象の基礎を築いた。
オンライン社会的影響を研究する既存の文献は、いくつかの欠点に悩まされている。
この研究はギャップを埋め、モデリングとオンライン影響の実証的な定量化に3つの貢献をする。
論文 参考訳（メタデータ） (2021-10-25T01:05:49Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
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。