論文の概要: Exploring a Gamified Personality Assessment Method through Interaction with Multi-Personality LLM Agents

• arxiv url: http://arxiv.org/abs/2507.04005v1
• Date: Sat, 05 Jul 2025 11:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.970189
• Title: Exploring a Gamified Personality Assessment Method through Interaction with Multi-Personality LLM Agents
• Title（参考訳）: マルチパーソナリティ LLM エージェントとのインタラクションによるゲーミフィケーション・パーソナリティ評価手法の探索
• Authors: Baiqiao Zhang, Xiangxian Li, Chao Zhou, Xinyu Gai, Zhifeng Liao, Juan Liu, Xue Yang, Niqi Liu, Xiaojuan Ma, Yong-jin Liu, Yulong Bian,
• Abstract要約: 本研究では,個性表現の多元性に着目し,個性評価のための対話的アプローチについて検討する。 マルチパーソナリティ表現によるゲーミフィケーション・パーソナリティ評価の枠組みを提案する(Multi-PR GPA)。
• 参考スコア（独自算出の注目度）: 40.48149639841564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The execution of effective and imperceptible personality assessments is receiving increasing attention in psychology and human-computer interaction fields. This study explores an interactive approach for personality assessment, focusing on the multiplicity of personality representation. We propose a framework of gamified personality assessment through multi-personality representations (Multi-PR GPA). The framework leverages Large Language Models to empower virtual agents with diverse personalities. These agents elicit multifaceted human personality representations through engaging in interactive games. Drawing upon the multi-type textual data generated throughout the interaction, it achieves two ways of personality assessments (i.e., Direct Assessment and Que-based Assessment) and provides interpretable insights. Grounded in the classic Big Five theory, we implemented a prototype system and conducted a user study to assess the efficacy of Multi-PR GPA. The results underscore the effectiveness of our approach in personality assessment and demonstrate that it achieves superior performance when considering the multiplicity of personality representation.
• Abstract（参考訳）: 効果的な人格評価の実施は、心理学や人間とコンピュータの相互作用の分野で注目を集めている。 本研究では,個性表現の多元性に着目し,個性評価のための対話的アプローチについて検討する。 マルチパーソナリティ表現(Multi-PR GPA)を用いたゲーミフィケーション・パーソナリティ評価の枠組みを提案する。 このフレームワークはLarge Language Modelsを活用し、多様なパーソナリティを持つ仮想エージェントを強化する。 これらのエージェントは、対話型ゲームに携わることによって、多面的な人格表現を引き出す。 インタラクションを通じて生成される多種類のテキストデータに基づいて、人格評価の2つの方法(ダイレクトアセスメントとキューベースアセスメント)を達成し、解釈可能な洞察を提供する。 従来のビッグファイブ理論を基礎として,プロトタイプシステムを実装し,マルチPR GPAの有効性を評価するためのユーザスタディを行った。 その結果, 人格評価におけるアプローチの有効性を実証し, 人格表現の多重性を考慮した場合, 優れたパフォーマンスが得られることを示した。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• 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)
• Multitask Learning for Emotion and Personality Detection [17.029426018676997]
  本研究では,人格特性と感情行動の相関関係を解明し,新しいマルチタスク学習フレームワークSoGMTLを提案する。 当社の計算効率の高いCNNベースのマルチタスクモデルは、複数の有名なパーソナリティおよび感情データセットにわたる最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-01-07T03:09:55Z)

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。