論文の概要: Words That Stick: Predicting Decision Making and Synonym Engagement
Using Cognitive Biases and Computational Linguistics
- arxiv url: http://arxiv.org/abs/2307.14511v1
- Date: Wed, 26 Jul 2023 21:20:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 16:28:06.993299
- Title: Words That Stick: Predicting Decision Making and Synonym Engagement
Using Cognitive Biases and Computational Linguistics
- Title（参考訳）: word that stick: 認知バイアスと計算言語学を用いた意思決定と同義語関与の予測
- Authors: Nimrod Dvir, Elaine Friedman, Suraj Commuri, Fan Yang, Jennifer Romano
- Abstract要約: 本研究は,デジタルプラットフォーム上でのユーザエンゲージメントと意思決定を期待するために,認知心理学と情報システム研究に基づく。
提案手法は,READモデルへの4つの認知バイアス,表現性,使いやすさ,効果,分布を合成する。
包括的ユーザ調査を通じて、モデルのユーザエンゲージメントを予測する能力を評価し、コアアイデアを正確に表現し、理解しやすく、感情的な反応を誘発し、一般的に遭遇し、より多くのユーザエンゲージメントを促進することを発見した。
- 参考スコア（独自算出の注目度）: 3.09766013093045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research draws upon cognitive psychology and information systems studies
to anticipate user engagement and decision-making on digital platforms. By
employing natural language processing (NLP) techniques and insights from
cognitive bias research, we delve into user interactions with synonyms within
digital content. Our methodology synthesizes four cognitive
biasesRepresentativeness, Ease-of-use, Affect, and Distributioninto the READ
model. Through a comprehensive user survey, we assess the model's ability to
predict user engagement, discovering that synonyms that accurately represent
core ideas, are easy to understand, elicit emotional responses, and are
commonly encountered, promote greater user engagement. Crucially, our work
offers a fresh lens on human-computer interaction, digital behaviors, and
decision-making processes. Our results highlight the promise of cognitive
biases as potent indicators of user engagement, underscoring their significance
in designing effective digital content across fields like education and
marketing.
- Abstract（参考訳）: 本研究は,デジタルプラットフォーム上でのユーザエンゲージメントと意思決定を期待するために,認知心理学と情報システム研究に基づく。
自然言語処理(NLP)技術と認知バイアス研究からの洞察を用いて,デジタルコンテンツ内の同義語とのユーザインタラクションを探索する。
本手法は, 4つの認知バイアス表現性, 使いやすさ, 影響, 分布を読み取りモデルに合成する。
包括的ユーザ調査を通じて,モデルがユーザエンゲージメントを予測する能力を評価し,コアアイデアを正確に表現し,理解しやすく,感情的反応を誘発し,一般的に遭遇する同義語が,ユーザエンゲージメントを促進することを発見した。
重要なのは、私たちの研究は、人間とコンピュータのインタラクション、デジタル行動、意思決定プロセスに関する新しいレンズを提供します。
以上の結果から,認知バイアスはユーザエンゲージメントの強力な指標であり,教育やマーケティングといった分野において効果的なデジタルコンテンツを設計する上での意義を強調する。
関連論文リスト
- Beyond Text: Leveraging Multi-Task Learning and Cognitive Appraisal Theory for Post-Purchase Intention Analysis [10.014248704653]
本研究では,ユーザの行動を予測するための認知評価理論に基づくマルチタスク学習フレームワークを評価する。
実験の結果, ユーザの言語や特徴は, テキストのみから予測するモデル以上の予測を改善することがわかった。
論文 参考訳（メタデータ） (2024-07-11T04:57:52Z) - From Heuristic to Analytic: Cognitively Motivated Strategies for
Coherent Physical Commonsense Reasoning [66.98861219674039]
ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。
以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-24T19:46:04Z) - A Predictive Model of Digital Information Engagement: Forecasting User
Engagement With English Words by Incorporating Cognitive Biases,
Computational Linguistics and Natural Language Processing [3.09766013093045]
本研究は,デジタル情報エンゲージメント(IE)の新しい予測モデルの導入と実証実験である。
READモデルは、重要な認知バイアスを計算言語学や自然言語処理と統合し、情報のエンゲージメントに関する多次元的視点を開発する。
READモデルの可能性は、ビジネス、教育、政府、医療など、さまざまな領域に及んでいる。
論文 参考訳（メタデータ） (2023-07-26T20:58:47Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - The Ways of Words: The Impact of Word Choice on Information Engagement
and Decision Making [3.09766013093045]
本研究では,情報エンゲージメント(IE)と意思決定に対する表現,特に単語選択の影響について検討する。
その結果, 表現がデジタル情報の解釈や相互作用に重要な影響を及ぼすことが示唆された。
論文 参考訳（メタデータ） (2023-05-16T20:46:36Z) - 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) - Multimodal Emotion Recognition using Transfer Learning from Speaker
Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。
本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文 参考訳（メタデータ） (2022-02-16T00:23:42Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳（メタデータ） (2021-06-10T07:10:25Z) - EmoDNN: Understanding emotions from short texts through a deep neural
network ensemble [2.459874436804819]
本稿では,短い内容から潜伏した個々の側面を推定する枠組みを提案する。
また,テキストコンテキストから感情を抽出する動的ドロップアウト共振器を備えた新しいアンサンブル分類器を提案する。
提案モデルでは,ノイズのある内容から感情を認識する上で,高い性能を実現することができる。
論文 参考訳（メタデータ） (2021-06-03T09:17:34Z) - Language Models as Emotional Classifiers for Textual Conversations [3.04585143845864]
本稿では,会話中の感情を分類する新しい手法を提案する。
提案手法のバックボーンには,事前学習型言語モデル (LM) がある。
提案手法をIEMOCAPとFriendsデータセットに適用する。
論文 参考訳（メタデータ） (2020-08-27T20:04:30Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。