論文の概要: Steering AI-Driven Personalization of Scientific Text for General Audiences

• arxiv url: http://arxiv.org/abs/2411.09969v1
• Date: Fri, 15 Nov 2024 05:55:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:37:35.801659
• Title: Steering AI-Driven Personalization of Scientific Text for General Audiences
• Title（参考訳）: オーディエンスのためのAIによる科学テキストのパーソナライズ
• Authors: Taewook Kim, Dhruv Agarwal, Jordan Ackerman, Manaswi Saha,
• Abstract要約: TranSliderはAIを利用したツールで、個々のユーザープロファイルに基づいて、科学テキストのパーソナライズされた翻訳を生成する。 我々のツールはインタラクティブなスライダを備えており、ユーザーはパーソナライゼーションの度合いを0から100まで(弱弱弱)に設定できる。
• 参考スコア（独自算出の注目度）: 1.5908501788378493
• License:
• Abstract: Digital media platforms (e.g., social media, science blogs) offer opportunities to communicate scientific content to general audiences at scale. However, these audiences vary in their scientific expertise, literacy levels, and personal backgrounds, making effective science communication challenging. To address this challenge, we designed TranSlider, an AI-powered tool that generates personalized translations of scientific text based on individual user profiles (e.g., hobbies, location, and education). Our tool features an interactive slider that allows users to steer the degree of personalization from 0 (weakly relatable) to 100 (strongly relatable), leveraging LLMs to generate the translations with given degrees. Through an exploratory study with 15 participants, we investigated both the utility of these AI-personalized translations and how interactive reading features influenced users' understanding and reading experiences. We found that participants who preferred higher degrees of personalization appreciated the relatable and contextual translations, while those who preferred lower degrees valued concise translations with subtle contextualization. Furthermore, participants reported the compounding effect of multiple translations on their understanding of scientific content. Given these findings, we discuss several implications of AI-personalized translation tools in facilitating communication in collaborative contexts.
• Abstract（参考訳）: デジタルメディアプラットフォーム(例:ソーシャルメディア、サイエンスブログ)は、科学コンテンツを一般の聴衆に大規模に伝える機会を提供する。 しかし、これらの聴衆は科学的専門知識、リテラシーレベル、個人的背景によって異なり、効果的な科学コミュニケーションを困難にしている。 この課題に対処するために、私たちは、個々のユーザプロファイル(例えば、趣味、場所、教育)に基づいて、科学テキストのパーソナライズされた翻訳を生成するAIツールであるTranSliderを設計しました。 我々のツールは対話型スライダを特徴とし、ユーザがパーソナライズする度合いを0から100に設定し、LLMを活用して所定の度合いで翻訳を生成する。 参加者15名の探索的研究を通じて,これらのAI個人翻訳の有用性と,対話的読解機能がユーザの理解と読書体験に与える影響について検討した。 その結果,高次個人化を希望する参加者は相対的・文脈的翻訳を好んだが,低次個人化を好んだ参加者は微妙な文脈的翻訳を重んじた簡潔な翻訳を好んだ。 さらに、参加者は複数の翻訳の複合化が科学的内容の理解に及ぼす影響を報告した。 これらの知見を踏まえ、協調的な文脈におけるコミュニケーションを促進するために、AIによる個人化翻訳ツールがもたらすいくつかの意味について論じる。

関連論文リスト

• Modulating Language Model Experiences through Frictions [56.17593192325438]
  言語モデルの過剰消費は、短期の未確認エラーを伝播し、長期の人間の能力を損なうリスクを出力する。 行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
  論文  参考訳（メタデータ） (2024-06-24T16:31:11Z)
• Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
  本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。 我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
  論文  参考訳（メタデータ） (2024-03-11T21:51:39Z)
• Text Intimacy Analysis using Ensembles of Multilingual Transformers [0.0]
  本稿では,SemEval共有タスク9について,テキストの親密度を推定する作業について述べる。 データセットは10言語のツイートで構成されており、トレーニングデータセットで利用できるのは6つのみである。 言語固有の単言語モデルとともに多言語モデルのアンサンブルが最高の性能を持つことを示す。
  論文  参考訳（メタデータ） (2023-12-05T09:04:22Z)
• Improving Mandarin Prosodic Structure Prediction with Multi-level Contextual Information [68.89000132126536]
  本研究は,音声間言語情報を用いて韻律構造予測(PSP)の性能を向上させることを提案する。 提案手法は,韻律語(PW),韻律語(PPH),国際語句(IPH)の予測におけるF1スコアの向上を実現する。
  論文  参考訳（メタデータ） (2023-08-31T09:19:15Z)
• KIT's Multilingual Speech Translation System for IWSLT 2023 [58.5152569458259]
  IWSLT 2023の多言語トラックに対する音声翻訳システムについて述べる。 このタスクは、様々な量のリソースを持つ10の言語に翻訳する必要がある。 我々のケースド音声システムは、科学的な話の翻訳において、エンドツーエンドの音声よりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-06-08T16:13:20Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [56.85319224208865]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• Accessible Instruction-Following Agent [0.0]
  UVLNは、言語間視覚言語ナビゲーションのための新しい機械翻訳命令拡張フレームワークである。 我々は、標準VLNトレーニング目標を言語間エンコーダを介して多言語設定に拡張する。 Room Across Roomデータセットによる実験は、我々のアプローチの有効性を証明する。
  論文  参考訳（メタデータ） (2023-05-08T23:57:26Z)
• Leveraging Visual Knowledge in Language Tasks: An Empirical Study on Intermediate Pre-training for Cross-modal Knowledge Transfer [61.34424171458634]
  視覚的知識を言語モデルに組み込むことがギャップを埋めるかどうかを検討する。 実験の結果,視覚的知識伝達は低リソース環境と完全教師付き環境の両方で性能を向上できることがわかった。
  論文  参考訳（メタデータ） (2022-03-14T22:02:40Z)
• Onception: Active Learning with Expert Advice for Real World Machine Translation [0.0]
  機械翻訳の最も活発な学習アプローチは、ソース言語における文プールの存在を前提としており、翻訳または後編集を提供するために人間のアノテーションに依存している。 本稿では, 実世界のヒューマン・イン・ザ・ループのシナリオを仮定する。 (i) 原文は簡単には入手できないが, ストリームに到達し, (ii) 自動翻訳は, 正しい/編集された翻訳ではなく, 評価の形でフィードバックを受ける。
  論文  参考訳（メタデータ） (2022-03-09T03:32:42Z)
• Presentation and Analysis of a Multimodal Dataset for Grounded Language Learning [32.28310581819443]
  接地的な言語習得は、言語に基づく相互作用が周囲の世界をどのように参照するかを学ぶことを伴う。 実際には、学習に使用されるデータは、実際の人間のインタラクションよりもクリーンで、クリアで、文法的な傾向があります。 本稿では,話し言葉と書き言葉を併用した家庭内共通物体のデータセットについて述べる。
  論文  参考訳（メタデータ） (2020-07-29T17:58:04Z)

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。