論文の概要: Potential of large language model-powered nudges for promoting daily water and energy conservation
- arxiv url: http://arxiv.org/abs/2503.11531v1
- Date: Fri, 14 Mar 2025 15:58:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-17 13:04:53.357440
- Title: Potential of large language model-powered nudges for promoting daily water and energy conservation
- Title（参考訳）: 日常的な水とエネルギーの保全をめざす大規模言語モデルによるナッジの可能性
- Authors: Zonghan Li, Song Tong, Yi Liu, Kaiping Peng, Chunyan Wang,
- Abstract要約: 本研究では, 大規模言語モデル (LLM) を用いて, 適切な保全提案を行うことによる影響について検討した。
LLMを動力とするヌードは最大18.0%増加し、従来のヌードを88.6%上回った。
これらの知見は、個々の水とエネルギーの保存を促進する上でのLLMの変換ポテンシャルを浮き彫りにしている。
- 参考スコア（独自算出の注目度）: 3.881859063840883
- License:
- Abstract: The increasing amount of pressure related to water and energy shortages has increased the urgency of cultivating individual conservation behaviors. While the concept of nudging, i.e., providing usage-based feedback, has shown promise in encouraging conservation behaviors, its efficacy is often constrained by the lack of targeted and actionable content. This study investigates the impact of the use of large language models (LLMs) to provide tailored conservation suggestions for conservation intentions and their rationale. Through a survey experiment with 1,515 university participants, we compare three virtual nudging scenarios: no nudging, traditional nudging with usage statistics, and LLM-powered nudging with usage statistics and personalized conservation suggestions. The results of statistical analyses and causal forest modeling reveal that nudging led to an increase in conservation intentions among 86.9%-98.0% of the participants. LLM-powered nudging achieved a maximum increase of 18.0% in conservation intentions, surpassing traditional nudging by 88.6%. Furthermore, structural equation modeling results reveal that exposure to LLM-powered nudges enhances self-efficacy and outcome expectations while diminishing dependence on social norms, thereby increasing intrinsic motivation to conserve. These findings highlight the transformative potential of LLMs in promoting individual water and energy conservation, representing a new frontier in the design of sustainable behavioral interventions and resource management.
- Abstract（参考訳）: 水とエネルギー不足に関連する圧力の増加は、個々の保全行動の育成の緊急性を高めている。
ヌージングの概念、すなわち使用法に基づくフィードバックは、保護行動の促進を約束する一方で、その効果はターゲットや行動可能なコンテンツの欠如によって制約されることが多い。
本研究では, 大規模言語モデル(LLM)を用いて, 保護意図とその合理的性について, 適切な保護提案を行うことによる影響について検討した。
1,515人の大学生を対象にした調査実験を通じて, ナッジなし, 使用統計による従来のナッジなし, LLMを利用したナッジ使用統計とパーソナライズされた保護提案の3つの仮想ナッジシナリオを比較した。
統計分析と因果樹林モデリングの結果、ヌードングが86.9%-98.0%の被験者の保護意図を増大させたことが明らかとなった。
LLMによるヌーディングは、保存意図の最大18.0%増加し、従来のヌーディングを88.6%上回った。
さらに, 構造式モデリングの結果から, LLMによるナッジへの曝露は, 社会的規範への依存を減らしながら, 自己効力感や成果期待を高めることが示唆された。
これらの知見は、持続的な行動介入と資源管理の設計における新たなフロンティアを象徴する、個別の水とエネルギーの保存を促進するLLMの変革的ポテンシャルを浮き彫りにしている。
関連論文リスト
- Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Proactive Load-Shaping Strategies with Privacy-Cost Trade-offs in Residential Households based on Deep Reinforcement Learning [7.808916974942399]
本稿では,ユーザプライバシ保護のための深層強化学習に基づくロードシェイピングアルゴリズム(PLS-DQN)を提案する。
我々は,提案アルゴリズムを非侵入的負荷監視敵に対して評価する。
論文 参考訳（メタデータ） (2024-05-29T08:45:04Z) - Time-Varying Constraint-Aware Reinforcement Learning for Energy Storage Control [0.7646713951724011]
エネルギー貯蔵装置は、より安定的で持続可能な電力供給を確保することで、気候変動を緩和するのに役立つ。
このようなエネルギー貯蔵の有効性を最大化するためには、各期間の適切な充電量及び排出量を決定することが重要である。
本稿では,時間変化可能な帯電帯電範囲を考慮した継続的強化学習手法を提案する。
論文 参考訳（メタデータ） (2024-05-17T04:28:54Z) - Uncertainty-boosted Robust Video Activity Anticipation [72.14155465769201]
ビデオアクティビティの予測は、ロボットビジョンから自動運転まで幅広い応用可能性を受け入れることで、将来何が起こるかを予測することを目的としている。
近年の進展にもかかわらず、コンテンツ進化過程やイベントラベルの動的相関として反映されたデータ不確実性問題は、何らかの形で無視されている。
本研究では,予測結果の信頼性を示す不確実な値を生成する,不確実性を考慮した頑健なビデオアクティビティ予測フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-29T12:31:38Z) - Room Occupancy Prediction: Exploring the Power of Machine Learning and
Temporal Insights [0.0]
建物内のエネルギーの保全は、温室効果ガスの排出と気候変動との戦いにとって最重要課題である。
本研究では,多様な機械学習モデルを活用するルーム占有率の予測フレームワークを提案する。
エネルギー効率の良いプラクティスとルーム占有管理を形成する上での機械学習の約束を強調します。
論文 参考訳（メタデータ） (2023-12-22T04:16:34Z) - Augmenting Unsupervised Reinforcement Learning with Self-Reference [63.68018737038331]
人間は、新しいタスクを学ぶ際に、過去の経験を明確に表現する能力を持っている。
本稿では,歴史情報を活用するためのアドオンモジュールとして,自己参照(SR)アプローチを提案する。
提案手法は,非教師付き強化学習ベンチマークにおけるIQM(Interquartile Mean)性能と最適ギャップ削減の両面から,最先端の成果を実現する。
論文 参考訳（メタデータ） (2023-11-16T09:07:34Z) - 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) - Factors Influencing Intention to use the COVID-19 Contact Tracing
Application [0.0]
パフォーマンスの期待、信頼、プライバシはすべて、アプリの使用意図に影響を与えます。
社会的影響、努力の期待、状況の促進は統計的に有意なものではない。
論文 参考訳（メタデータ） (2023-01-25T03:12:44Z) - A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-11-16T20:00:38Z) - Improving Load Forecast in Energy Markets During COVID-19 [5.128521783181427]
新型コロナウイルスのパンデミック(COVID-19)の急激な流行は、2020年で最も重要な出来事であり、世界中で深刻な影響が続いた。
本稿では,新型コロナウイルスの感染拡大に伴う負荷予測性能の向上に有効なモデルや特徴を体系的に評価することで,研究ギャップを埋めることを目的とする。
論文 参考訳（メタデータ） (2021-10-01T02:55:06Z) - Controlling the Outbreak of COVID-19: A Noncooperative Game Perspective [61.558752620308134]
孤立と社会的距離は、このパンデミックを抑える効果的な予防措置のようだ。
我々は、新型コロナウイルスの感染拡大を防ぐために、社会的距離を維持するためのインセンティブを提供する非協力型ゲームを提案する。
数値的な結果は、個人のインセンティブが85%以上増加し、家庭隔離の割合が増加することを示している。
論文 参考訳（メタデータ） (2020-07-27T04:28:32Z)
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。