論文の概要: Personality-Enhanced Social Recommendations in SAMI: Exploring the Role of Personality Detection in Matchmaking

• arxiv url: http://arxiv.org/abs/2509.09583v1
• Date: Thu, 11 Sep 2025 16:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.463774
• Title: Personality-Enhanced Social Recommendations in SAMI: Exploring the Role of Personality Detection in Matchmaking
• Title（参考訳）: SAMIにおけるパーソナリティ強化型ソーシャルレコメンデーション--マッチングにおけるパーソナリティ検出の役割を探る
• Authors: Brittany Harbison, Samuel Taubman, Travis Taylor, Ashok. K. Goel,
• Abstract要約: SAMIは学生のつながりを円滑にすることで一つの解決策を提供するが、その効果は不完全な心の理論によって制約されている。 本稿では,GPTのゼロショット機能を利用した人格検出モデルを提案し,フォーラム紹介記事からビッグファイブの人格特性を推定する。 我々は、このモデルをSAMIのエンティティベースのマッチングシステムに統合し、パーソナリティインフォームドなソーシャルレコメンデーションを可能にする。
• 参考スコア（独自算出の注目度）: 1.7149364927872013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social connection is a vital part of learning, yet online course environments present barriers to the organic formation of social groups. SAMI offers one solution by facilitating student connections, but its effectiveness is constrained by an incomplete Theory of Mind, limiting its ability to create an effective mental model of a student. One facet of this is its inability to intuit personality, which may influence the relevance of its recommendations. To explore this, we propose a personality detection model utilizing GPTs zero-shot capability to infer Big-Five personality traits from forum introduction posts, often encouraged in online courses. We benchmark its performance against established models, demonstrating its efficacy in this task. Furthermore, we integrate this model into SAMIs entity-based matchmaking system, enabling personality-informed social recommendations. Initial integration suggests personality traits can complement existing matching factors, though additional evaluation is required to determine their full impact on student engagement and match quality.
• Abstract（参考訳）: 社会的なつながりは学習の重要な部分であるが、オンラインのコース環境は社会集団の有機的形成に障壁をもたらす。 SAMIは、学生とのつながりを促進することで一つの解決策を提供するが、その効果は、学生の効果的な精神モデルを作成する能力を制限する不完全な心の理論によって制約される。 これの1つの側面は、パーソナリティを誘惑できないことであり、それがレコメンデーションの関連性に影響を与える可能性がある。 そこで本研究では,GPTのゼロショット機能を利用した人格検出モデルを提案し,オンラインコースでしばしば推奨されるフォーラム紹介記事からビッグファイブの人格特性を推定する。 我々は、既存のモデルに対して性能をベンチマークし、このタスクの有効性を実証する。 さらに、このモデルをSAMIのエンティティベースのマッチングシステムに統合し、パーソナリティインフォームドなソーシャルレコメンデーションを可能にする。 初期の統合は、人格特性が既存のマッチング要因を補完する可能性があることを示唆しているが、学生のエンゲージメントと品質に対する完全な影響を判断するためには、さらなる評価が必要である。

関連論文リスト

• Enhancing Persona Following at Decoding Time via Dynamic Importance Estimation for Role-Playing Agents [13.003892350610947]
  社会学研究におけるロールプレイング言語エージェントの有用性は,大規模言語モデルの導入とともに増大している。 社会シミュレーションにおけるリアリズムにおいては、ロールプレイング言語エージェントは、キャラクタープロファイルによって定義されたペルソナに従わなければならない。 本稿では,文脈に依存したペルソナの重要度を動的に推定し,重み付けされた報酬誘導復号に組み込む新しい理論駆動手法を提案する。
  論文  参考訳（メタデータ） (2026-03-02T04:37:16Z)
• Exploring a Gamified Personality Assessment Method through Interaction with Multi-Personality LLM Agents [43.07339117934558]
  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)。
  論文  参考訳（メタデータ） (2025-07-05T11:17:20Z)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• 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)
• When LLM Meets Hypergraph: A Sociological Analysis on Personality via Online Social Networks [7.309233340654514]
  本稿では,個人レベルのデータマイニングではなく,環境を考慮した視点で人格を社会学的に分析する枠組みを提案する。 ハイパーグラフノードをユーザとし,ハイパーグラフのハイパーエッジをソーシャル環境とする,効果的なハイパーグラフニューラルネットワークを設計する。 ユーザプロファイルデータ、性格特性、実世界のソーシャルプラットフォームから検出されたいくつかの環境を含む有用なデータセットを提供する。
  論文  参考訳（メタデータ） (2024-07-04T01:43:52Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models [53.00812898384698]
  生成型大規模言語モデル(LLM)の人間による評価は多分野にわたる作業であるべきだと論じる。 認知バイアスが、流動的な情報や真理をいかに説明するか、そして、認識の不確実性が、Likertのような評価スコアの信頼性にどのように影響するかを強調します。 本稿では,ConSiDERS-The-Human評価フレームワークを提案する。一貫性,スコーリング基準,差別化,ユーザエクスペリエンス,責任,スケーラビリティの6つの柱からなる。
  論文  参考訳（メタデータ） (2024-05-28T22:45:28Z)
• 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)
• Getting too personal(ized): The importance of feature choice in online adaptive algorithms [6.716421415117937]
  個人情報への適応が全学生に利益をもたらす政策の導入を遅らせるかどうかなど、個人化の方法を見つけようとする場合のコストについて検討する。 我々は、これらの問題をマルチアーム・バンディット(MAB)アルゴリズムを用いて、各生徒に提示する教育技術のどのバージョンを選ぶかを学ぶ。 これらの特徴が最適行動の学習に必要となる場合, パーソナライズに学生の特徴を取り入れることが有益であることを示す。
  論文  参考訳（メタデータ） (2023-09-06T09:34:54Z)
• Optimal Learners for Realizable Regression: PAC Learning and Online Learning [52.37726841759983]
  本研究では,PAC学習環境とオンライン学習環境の両方において,実現可能な回帰の統計的複雑さを特徴付けることを目的とする。 まず,再現可能な回帰のためのミニマックスインスタンス最適学習器を導入し,実数値予測器のどのクラスが学習可能であるかを質的かつ定量的に特徴付ける新しい次元を提案する。 オンライン学習の文脈では、最小の最適インスタンス最適累積損失を一定要素まで特徴付ける次元を提供し、再現可能な回帰のための最適オンライン学習者を設計する。
  論文  参考訳（メタデータ） (2023-07-07T21:39:25Z)
• Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
  グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。 社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
  論文  参考訳（メタデータ） (2022-12-01T21:04:03Z)
• My tweets bring all the traits to the yard: Predicting personality and relational traits in Online Social Networks [4.095574580512599]
  本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。 我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。 そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2020-09-22T20:30:56Z)

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。