論文の概要: AI Telephone Surveying: Automating Quantitative Data Collection with an AI Interviewer

• arxiv url: http://arxiv.org/abs/2507.17718v1
• Date: Wed, 23 Jul 2025 17:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:15.108877
• Title: AI Telephone Surveying: Automating Quantitative Data Collection with an AI Interviewer
• Title（参考訳）: AI電話調査 - AIインタビュアーによる定量的データ収集の自動化
• Authors: Danny D. Leybzon, Shreyas Tirumala, Nishant Jain, Summer Gillen, Michael Jackson, Cameron McPhee, Jennifer Schmidt,
• Abstract要約: 我々は、大規模言語モデル(LLM)、自動音声認識(ASR)、音声合成技術に基づく定量的調査を行うAIシステムを構築し、テストした。 このシステムは定量的研究のために特別に設計され、質問順のランダム化、回答順のランダム化、正確な単語化といった研究のベストプラクティスに厳格に固執した。 以上の結果から,より短い計器とより応答性の高いAIインタビュアーが,研究対象の3つの指標にまたがる改善に寄与する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 1.8929175690169533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rise of voice-enabled artificial intelligence (AI) systems, quantitative survey researchers have access to a new data-collection mode: AI telephone surveying. By using AI to conduct phone interviews, researchers can scale quantitative studies while balancing the dual goals of human-like interactivity and methodological rigor. Unlike earlier efforts that used interactive voice response (IVR) technology to automate these surveys, voice AI enables a more natural and adaptive respondent experience as it is more robust to interruptions, corrections, and other idiosyncrasies of human speech. We built and tested an AI system to conduct quantitative surveys based on large language models (LLM), automatic speech recognition (ASR), and speech synthesis technologies. The system was specifically designed for quantitative research, and strictly adhered to research best practices like question order randomization, answer order randomization, and exact wording. To validate the system's effectiveness, we deployed it to conduct two pilot surveys with the SSRS Opinion Panel and followed-up with a separate human-administered survey to assess respondent experiences. We measured three key metrics: the survey completion rates, break-off rates, and respondent satisfaction scores. Our results suggest that shorter instruments and more responsive AI interviewers may contribute to improvements across all three metrics studied.
• Abstract（参考訳）: 音声対応人工知能(AI)システムの台頭に伴い、定量的調査の研究者は、新しいデータ収集モード、すなわちAI電話によるサーベイにアクセスできるようになった。 AIを使って電話インタビューを行うことで、研究者は人間のような対話性と方法論的な厳密さという2つの目標のバランスを保ちながら、定量的研究をスケールすることができる。 これらの調査を自動化するためにインタラクティブな音声応答(IVR)技術を使用した以前の取り組みとは異なり、音声AIは人間の音声の割り込み、修正、その他の慣用的同期に対してより堅牢であるため、より自然で適応的な応答体験を可能にする。 大規模言語モデル(LLM)、自動音声認識(ASR)、音声合成技術に基づく定量的調査を行うAIシステムの構築と試験を行った。 このシステムは定量的研究のために特別に設計され、質問順のランダム化、回答順のランダム化、正確な単語化といった研究のベストプラクティスに厳格に固執した。 システムの有効性を検証するため,SSRSオピニオンパネルを用いて2回のパイロットサーベイを実施し,その後に別個の人事調査を行い,応答性の評価を行った。 調査完了率,ブレークオフ率,回答満足度スコアの3つの主要な指標を測定した。 以上の結果から,より短い計器とより応答性の高いAIインタビュアーが,研究対象の3つの指標にまたがる改善に寄与する可能性が示唆された。

関連論文リスト

• TestAgent: An Adaptive and Intelligent Expert for Human Assessment [62.060118490577366]
  対話型エンゲージメントによる適応テストを強化するために,大規模言語モデル(LLM)を利用したエージェントであるTestAgentを提案する。 TestAgentは、パーソナライズされた質問の選択をサポートし、テストテイカーの応答と異常をキャプチャし、動的で対話的なインタラクションを通じて正確な結果を提供する。
  論文  参考訳（メタデータ） (2025-06-03T16:07:54Z)
• AI-Assisted Conversational Interviewing: Effects on Data Quality and User Experience [0.0]
  本研究は,AI支援インタビューの枠組みを導入することで,標準化された調査と会話インタビューのギャップを埋めるものである。 我々は1,800人の参加者がランダムにテキストベースの会話AIエージェント、すなわち「テキストボット」に割り当てられたウェブサーベイ実験を行った。 この結果から,Webサーベイにおけるオープンエンドデータ収集をAI手法で向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-09T13:58:07Z)
• Telephone Surveys Meet Conversational AI: Evaluating a LLM-Based Telephone Survey System at Scale [0.0]
  テキスト音声(TTS)、大言語モデル(LLM)、音声音声(STT)を統合したAIによる電話調査システムを提案する。 米国におけるパイロットスタディ (n = 75) とペルーにおける大規模展開 (n = 2,739) の2つの集団でテストを行った。 以上の結果から,AIシステムの質的深度探索は人間のインタビュアーよりも限定的であったが,全体的なデータ品質は構造化項目の人間主導の基準に近づいた。
  論文  参考訳（メタデータ） (2025-02-27T14:31:42Z)
• Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。 従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers [40.80290002598963]
  本研究では,人間のインタビュアーを大規模言語モデル (LLM) に置き換えて,スケーラブルな対話型インタビュアーを実現する可能性について検討する。 大学生を対象に,AIやヒューマンインタビュアーによる会話面接にランダムに割り当てられた,小規模かつ詳細な調査を行った。 様々な量的・質的な尺度は, インタビュアーのガイドライン, 応答品質, 参加者参加率, 総合的な面接効果に順応した。
  論文  参考訳（メタデータ） (2024-09-16T16:03:08Z)
• Can AI Serve as a Substitute for Human Subjects in Software Engineering Research? [24.39463126056733]
  本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。 定性的データの代替源としてAI生成合成テキストの可能性を探る。 観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
  論文  参考訳（メタデータ） (2023-11-18T14:05:52Z)
• On the Possibilities of AI-Generated Text Detection [76.55825911221434]
  機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
  論文  参考訳（メタデータ） (2023-04-10T17:47:39Z)
• Connecting Humanities and Social Sciences: Applying Language and Speech Technology to Online Panel Surveys [2.0646127669654835]
  オランダのパネル調査において,言語と音声技術のオープンエンド質問への適用について検討した。 実験波では、回答者は音声やキーボードを使ってオープンな質問に答えることができた。 本稿では,ASRシステムが生成した誤りを報告し,これらの誤りが下流解析に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-02-21T10:52:15Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)

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。