論文の概要: Comparing Sentence-Level Suggestions to Message-Level Suggestions in
AI-Mediated Communication
- arxiv url: http://arxiv.org/abs/2302.13382v1
- Date: Sun, 26 Feb 2023 18:40:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 17:26:45.963097
- Title: Comparing Sentence-Level Suggestions to Message-Level Suggestions in
AI-Mediated Communication
- Title（参考訳）: AI通信における文レベル提案とメッセージレベル提案の比較
- Authors: Liye Fu, Benjamin Newman, Maurice Jakesch, Sarah Kreps
- Abstract要約: 本研究では,AIを用いたコミュニケーションにおける文レベルの提案とメッセージレベルの提案とのトレードオフについて検討する。
我々は120人の参加者を募集し、議員のオフィスからスタッフとして働きました。
- 参考スコア（独自算出の注目度）: 2.905751301655124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditionally, writing assistance systems have focused on short or even
single-word suggestions. Recently, large language models like GPT-3 have made
it possible to generate significantly longer natural-sounding suggestions,
offering more advanced assistance opportunities. This study explores the
trade-offs between sentence- vs. message-level suggestions for AI-mediated
communication. We recruited 120 participants to act as staffers from
legislators' offices who often need to respond to large volumes of constituent
concerns. Participants were asked to reply to emails with different types of
assistance. The results show that participants receiving message-level
suggestions responded faster and were more satisfied with the experience, as
they mainly edited the suggested drafts. In addition, the texts they wrote were
evaluated as more helpful by others. In comparison, participants receiving
sentence-level assistance retained a higher sense of agency, but took longer
for the task as they needed to plan the flow of their responses and decide when
to use suggestions. Our findings have implications for designing
task-appropriate communication assistance systems.
- Abstract（参考訳）: 伝統的に、筆記支援システムはショートまたはシングルワードの提案に焦点を合わせてきた。
近年、GPT-3のような大規模言語モデルにより、より高度な支援機会を提供しながら、より長い自然な音を出すことができるようになった。
本研究は、aiによるコミュニケーションのための文とメッセージレベルの提案のトレードオフを検討する。
私たちは120人の参加者を募集し、多くの構成員の懸念に応える必要のある議員事務所のスタッフとして活動しました。
参加者は、異なる種類の支援でメールに返信するよう求められた。
その結果,提案したドラフトを主に編集するため,メッセージレベルの提案を受講した参加者はより早く反応し,経験に満足していた。
また、彼らが書いた本文は他人の役に立つものと評価された。
一方, 文レベルの補助を受けた参加者は, より高いエージェント感を保ったが, 回答の流れを計画し, 提案をいつ使うかを決める必要があるため, 作業に時間がかかった。
本研究は,タスク適合型コミュニケーション支援システムの設計に影響を及ぼす。
関連論文リスト
- Improving Emotional Support Delivery in Text-Based Community Safety Reporting Using Large Language Models [4.671404390364137]
130の高等教育機関から,8,239件のインシデントに対して57,114件のメッセージを含む2年間のチャットログを分析した。
調査の結果, インシデントの種類, サービス時間, サポート時間の経時的変化など, ディスペンサーによる感情支援の有意な変化がみられた。
感情的サポートの一貫性と品質を改善するため,我々は細調整されたLarge Language Model(LLM)を開発し,実装した。
論文 参考訳（メタデータ） (2024-09-24T03:47:02Z) - Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。
日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。
各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
論文 参考訳（メタデータ） (2023-05-31T17:50:02Z) - Helping the Helper: Supporting Peer Counselors via AI-Empowered Practice
and Feedback [40.065280357381035]
CAREは、自動提案生成を通じてピアカウンセラーに権限を与える、インタラクティブなAIベースのツールである。
実践的なトレーニング段階において、CAREは特定のカウンセリング戦略が与えられた文脈で最も適しているかを診断するのに役立つ。
CAREは特に、初心者カウンセラーが挑戦的な状況でより良く対応するのに役立ちます。
論文 参考訳（メタデータ） (2023-05-15T19:48:59Z) - Towards Explainable AI Writing Assistants for Non-native English
Speakers [3.7953068443263174]
テキストを言い換えるためにAI記述アシスタントを使用する場合、非ネイティブ話者が直面する課題を強調します。
提案するパラフレーズに付随する説明が欠如していることから,AI文字アシスタントが生成するパラフレーズテキストを評価するのが困難であることがわかった。
我々は,AI記述アシスタントを用いたNNESの書き込み体験を向上させるために,潜在的な4つのユーザインタフェースを提案する。
論文 参考訳（メタデータ） (2023-04-05T17:51:36Z) - Improve Retrieval-based Dialogue System via Syntax-Informed Attention [46.79601705850277]
文内構文情報と文間構文情報の両方を考慮したSIA, Syntax-Informed Attentionを提案する。
提案手法を広範に使用した3つのベンチマークで評価し,対話応答選択における本手法の一般的な優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2023-03-12T08:14:16Z) - Collaboration with Conversational AI Assistants for UX Evaluation:
Questions and How to Ask them (Voice vs. Text) [18.884080068561843]
We performed a Wizard-of-Oz design probe study with 20 participants who interacted simulated AI assistants via text or voice。
参加者は、ユーザアクション、ユーザメンタルモデル、AIアシスタントからのヘルプ、製品とタスク情報、ユーザ人口統計の5つのカテゴリについて質問した。
テキストアシスタントの効率は著しく向上したが,満足度と信頼度は同等であった。
論文 参考訳（メタデータ） (2023-03-07T03:59:14Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - The Impact of Multiple Parallel Phrase Suggestions on Email Input and
Composition Behaviour of Native and Non-Native English Writers [15.621144215664767]
ニューラルネットワークモデル(GPT-2)を用いたテキストエディタのプロトタイプを構築し,30名による事前学習を行った。
オンライン調査(N=156)では、4つの条件(0/1/3/6並列提案)で電子メールを作成した。
その結果,(1)複数のフレーズを提案する場合のアイデアのメリット,および効率のコスト,(2)非ネイティブ話者がより多くの提案から恩恵を受けること,(3)行動パターンに関するさらなる洞察が得られた。
論文 参考訳（メタデータ） (2021-01-22T15:32:32Z) - Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and
Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。
RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。
消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文 参考訳（メタデータ） (2020-12-14T07:31:17Z) - Response Selection for Multi-Party Conversations with Dynamic Topic
Tracking [63.15158355071206]
我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。
本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。
DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
論文 参考訳（メタデータ） (2020-10-15T14:21:38Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2020-09-14T08:44:46Z)
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。