論文の概要: Human-AI Narrative Synthesis to Foster Shared Understanding in Civic Decision-Making

• arxiv url: http://arxiv.org/abs/2509.19643v1
• Date: Tue, 23 Sep 2025 23:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.634894
• Title: Human-AI Narrative Synthesis to Foster Shared Understanding in Civic Decision-Making
• Title（参考訳）: 市民意思決定における共有理解を促す人文AIナラティブ合成
• Authors: Cassandra Overney, Hang Jiang, Urooj Haider, Cassandra Moe, Jasmine Mangat, Frank Pantano, Effie G. McMillian, Paul Riggins, Nabeel Gillani,
• Abstract要約: 私たちは、コミュニティインプットをアクセス可能なファースト・パーソンの物語に変換する、人間とAIのコラボレーティブパイプラインであるStoryBuilderを開発しました。 124の複合ストーリを生成し,モバイルフレンドリーなStorySharerインターフェースを通じてデプロイした。 筆者らは,4ヶ月のフィールド展開,21人のコミュニティメンバーによるユーザスタディ,および物語構成が参加者反応にどう影響するかを対照した実験を行った。
• 参考スコア（独自算出の注目度）: 22.818186738141645
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Community engagement processes in representative political contexts, like school districts, generate massive volumes of feedback that overwhelm traditional synthesis methods, creating barriers to shared understanding not only between civic leaders and constituents but also among community members. To address these barriers, we developed StoryBuilder, a human-AI collaborative pipeline that transforms community input into accessible first-person narratives. Using 2,480 community responses from an ongoing school rezoning process, we generated 124 composite stories and deployed them through a mobile-friendly StorySharer interface. Our mixed-methods evaluation combined a four-month field deployment, user studies with 21 community members, and a controlled experiment examining how narrative composition affects participant reactions. Field results demonstrate that narratives helped community members relate across diverse perspectives. In the experiment, experience-grounded narratives generated greater respect and trust than opinion-heavy narratives. We contribute a human-AI narrative synthesis system and insights on its varied acceptance and effectiveness in a real-world civic context.
• Abstract（参考訳）: 学校区のような代表的政治的文脈におけるコミュニティの関与プロセスは、伝統的な合成手法を圧倒する大量のフィードバックを生成し、市民指導者と構成員だけでなく、コミュニティメンバーの間での共通理解の障壁を生み出します。 このような障壁に対処するために、コミュニティの入力をアクセス可能な1対1の物語に変換する、人間とAIの協調パイプラインであるStoryBuilderを開発しました。 124の複合ストーリを生成し,モバイルフレンドリーなStorySharerインターフェースを通じてデプロイした。 筆者らは,4ヶ月のフィールド展開,21人のコミュニティメンバーによるユーザスタディ,および物語構成が参加者反応にどう影響するかを対照した実験を行った。 フィールドの結果は、物語がコミュニティメンバーが様々な視点で関係することの助けとなったことを示している。 実験では、経験的な物語は意見の多い物語よりも高い尊敬と信頼を生み出した。 本研究では,人間とAIの物語合成システムと,現実の市民環境におけるその受容と有効性に関する知見を提示する。

関連論文リスト

• Towards Enhanced Immersion and Agency for LLM-based Interactive Drama [55.770617779283064]
  本論文は,対話型ドラマを2つの側面から理解することから始まる:没入感,プレイヤーの物語への参加感,エージェンシーである。 これら2つの側面を強化するために,我々はまず,LLMが劇的なストーリーを製作し,構造と物語の質を大幅に向上させる新しい手法であるPlaywriting-Guided Generationを提案する。
  論文  参考訳（メタデータ） (2025-02-25T06:06:16Z)
• HEART-felt Narratives: Tracing Empathy and Narrative Style in Personal Stories with LLMs [30.636456219922906]
  共感は、社会的な行動を可能にするための基盤となり、物語の中で個人的な経験を共有することによって引き起こされる。 共感は物語の内容に影響されるが、直感的には物語の語り方にも反応する。 我々は, LLMと大規模クラウドソーシング研究を用いて, スタイルと共感の関係を実証的に検証し, 定量化する。
  論文  参考訳（メタデータ） (2024-05-27T20:00:38Z)
• Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
  ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。 NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。 本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:55:07Z)
• Echo-chambers and Idea Labs: Communication Styles on Twitter [51.13560635563004]
  本稿では,ワクチン接種状況におけるTwitter(X)コミュニティのコミュニケーション形態と構造について検討する。 本研究は,ソーシャルネットワークにおけるコミュニケーションの微妙な性質に光を当てることによって,オンラインコミュニティにおける視点の多様性を理解することの重要性を強調する。
  論文  参考訳（メタデータ） (2024-03-28T13:55:51Z)
• Narratives of Collective Action in YouTube's Discourse on Veganism [0.0]
  我々は、自然言語処理を用いて、ヴィーガン運動に特有の道徳的物語の理論的枠組みを運用する。 分析の結果,理論によって定義された複数の物語型がデータ中に経験的に存在することが明らかとなった。 社会的戦いを主張するビデオ物語は、抗議や、他人を原因に転換しようとする努力によっても、それぞれのコメントの中でより強い集団行動の感覚に結びついている。
  論文  参考訳（メタデータ） (2024-01-17T13:44:36Z)
• Modeling Empathic Similarity in Personal Narratives [31.035912970202514]
  EmpathicStoriesは、私たちの共感的類似性の特徴を付加した1500の個人ストーリーと、共感的類似性スコアを付加した2000のストーリーのデータセットである。 ストーリーペアの共感的類似性を計算するためにモデルを微調整し、これは自動相関と検索メトリクスにおける意味的類似性モデルより優れていることを示す。 私たちの研究は、人間同士のつながりと共感を促進するために共感を意識したモデルを使うことに強い意味を持っています。
  論文  参考訳（メタデータ） (2023-05-23T17:00:45Z)
• Human-in-the-loop Abstractive Dialogue Summarization [61.4108097664697]
  我々は、異なるレベルの人間のフィードバックをトレーニングプロセスに組み込むことを提案する。 これにより、モデルをガイドして、人間が要約に用いている振る舞いを捉えることができます。
  論文  参考訳（メタデータ） (2022-12-19T19:11:27Z)

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。