Fugu-MT 論文翻訳(概要): Large Language Models Can Infer Personality from Free-Form User Interactions

論文の概要: Large Language Models Can Infer Personality from Free-Form User Interactions

arxiv url: http://arxiv.org/abs/2405.13052v1
Date: Sun, 19 May 2024 20:33:36 GMT
ステータス: 処理完了
システム内更新日: 2024-05-25 04:32:08.867059
Title: Large Language Models Can Infer Personality from Free-Form User Interactions
Title（参考訳）: 自由形式のユーザインタラクションから個人性を推定できる大規模言語モデル
Authors: Heinrich Peters, Moran Cerf, Sandra C. Matz,
Abstract要約: GPT-4は、パーソナリティを適度な精度で推測することができ、以前のアプローチよりも優れていた。その結果,人格評価への直接的注力は,ユーザエクスペリエンスの低下を招いていないことがわかった。予備的な分析は、人格推定の正確さは、社会デミノグラフィーのサブグループによってわずかに異なることを示唆している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study investigates the capacity of Large Language Models (LLMs) to infer the Big Five personality traits from free-form user interactions. The results demonstrate that a chatbot powered by GPT-4 can infer personality with moderate accuracy, outperforming previous approaches drawing inferences from static text content. The accuracy of inferences varied across different conversational settings. Performance was highest when the chatbot was prompted to elicit personality-relevant information from users (mean r=.443, range=[.245, .640]), followed by a condition placing greater emphasis on naturalistic interaction (mean r=.218, range=[.066, .373]). Notably, the direct focus on personality assessment did not result in a less positive user experience, with participants reporting the interactions to be equally natural, pleasant, engaging, and humanlike across both conditions. A chatbot mimicking ChatGPT's default behavior of acting as a helpful assistant led to markedly inferior personality inferences and lower user experience ratings but still captured psychologically meaningful information for some of the personality traits (mean r=.117, range=[-.004, .209]). Preliminary analyses suggest that the accuracy of personality inferences varies only marginally across different socio-demographic subgroups. Our results highlight the potential of LLMs for psychological profiling based on conversational interactions. We discuss practical implications and ethical challenges associated with these findings.
Abstract（参考訳）: 本研究では,Large Language Models (LLMs) を用いて,自由形式のユーザインタラクションから5つの人格特性を推定する能力について検討する。その結果, GPT-4を用いたチャットボットは, 従来の静的テキストコンテンツからの推論よりも高い精度でパーソナリティを推測できることがわかった。推論の精度は、会話の設定によって異なる。チャットボットがユーザ(平均 r=.443, range=[.245, .640])からパーソナリティ関連情報を引き出すように促されたときのパフォーマンスが最も高かった(平均 r=.218, range=[.066, .373])。特に、人格評価に直接焦点をあてることが、ユーザー体験のポジティブさを損なうことはなく、参加者は、双方の条件をまたいだ相互作用が等しく自然で、快適で、エンゲージメントがあり、人間らしいと報告した。 ChatGPTのデフォルトの動作を模倣するチャットボットは、人格推定が著しく劣り、ユーザー体験の評価が低くなったが、それでもいくつかの性格特性(平均 r=.117, range=[-.004, .209])について心理的に有意な情報をキャプチャした。予備的な分析は、人格推定の正確さは、社会デミノグラフィーのサブグループによってわずかに異なることを示唆している。本研究は,対話型対話に基づく心理的プロファイリングにおけるLLMの可能性を強調した。これらの知見に関連する実践的含意と倫理的課題について論じる。

関連論文リスト

EERPD: Leveraging Emotion and Emotion Regulation for Improving Personality Detection [19.98674724777821]
EERPDと呼ばれる新しい人格検出手法を提案する。本手法では,人格予測において,人格に強く相関する心理的概念である感情制御を導入する。実験の結果,ERPDは人格検出の精度とロバスト性を大幅に向上させることが示された。
論文参考訳（メタデータ） (2024-06-23T11:18:55Z)
Affective-NLI: Towards Accurate and Interpretable Personality Recognition in Conversation [30.820334868031537]
会話におけるパーソナリティ認識(PRC)は、テキスト対話コンテンツを通して話者の性格特性を識別することを目的としている。本稿では,PRCの正確かつ解釈可能なAffective Natural Language Inference (Affective-NLI)を提案する。
論文参考訳（メタデータ） (2024-04-03T09:14:24Z)
LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
論文参考訳（メタデータ） (2024-03-12T12:10:18Z)
Can ChatGPT Read Who You Are? [9.694940903078656]
チェコ語で書かれたテキストを代表とする総合的なユーザスタディの結果を155人のサンプルで報告した。本研究は,ChatGPTによる性格特性推定と人間による評価とを比較し,テキストから人格特性を推定する際のChatGPTの競争性能を報告する。
論文参考訳（メタデータ） (2023-12-26T14:43:04Z)
PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2023-10-31T08:23:33Z)
Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。この課題に対処するため、新しいベンチマークデータセットPersonalityEditを構築した。
論文参考訳（メタデータ） (2023-10-03T16:02:36Z)
Large Language Models Can Infer Psychological Dispositions of Social Media Users [1.0923877073891446]
GPT-3.5とGPT-4は、ゼロショット学習シナリオにおいて、ユーザのFacebookステータス更新からビッグファイブの性格特性を導出できるかどうかを検証する。その結果, LLM-inferred と self-reported trait score の間には r =.29 (range = [.22,.33]) の相関が認められた。予測は、いくつかの特徴について、女性と若い個人にとってより正確であることが判明し、基礎となるトレーニングデータやオンライン自己表現の違いから生じる潜在的なバイアスが示唆された。
論文参考訳（メタデータ） (2023-09-13T01:27:48Z)
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)
Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文参考訳（メタデータ） (2022-06-01T00:45:32Z)
Towards Persona-Based Empathetic Conversational Models [58.65492299237112]
共感的会話モデルは、多くのドメインにおけるユーザの満足度とタスク結果を改善することが示されている。心理学において、ペルソナは人格と高い相関関係があることが示され、それによって共感に影響を及ぼす。本研究では,ペルソナに基づく共感的会話に対する新たな課題を提案し,ペルソナが共感的反応に与える影響に関する最初の経験的研究を示す。
論文参考訳（メタデータ） (2020-04-26T08:51:01Z)

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。