論文の概要: Taxonomy of User Needs and Actions

• arxiv url: http://arxiv.org/abs/2510.06124v1
• Date: Tue, 07 Oct 2025 17:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.367427
• Title: Taxonomy of User Needs and Actions
• Title（参考訳）: ユーザニーズと行動の分類
• Authors: Renee Shelby, Fernando Diaz, Vinodkumar Prabhakaran,
• Abstract要約: 会話AIの普及は、ユーザの計測目標と、それらを達成するための位置、適応、および社会的プラクティスをキャプチャするフレームワークの必要性を強調している。 このギャップに対処するために,1193人の人間とAIの会話の反復的質的分析によって構築された経験的基盤の枠組みであるTUNA(Taxonomy of User Needs and Actions)を紹介した。 TUNAは、ユーザアクションを情報検索、合成、手続き的ガイダンス、コンテンツ作成、ソーシャルインタラクション、メタ会話に関連する行動を含む3段階の階層に編成する。
• 参考スコア（独自算出の注目度）: 51.86289485979439
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing ubiquity of conversational AI highlights the need for frameworks that capture not only users' instrumental goals but also the situated, adaptive, and social practices through which they achieve them. Existing taxonomies of conversational behavior either overgeneralize, remain domain-specific, or reduce interactions to narrow dialogue functions. To address this gap, we introduce the Taxonomy of User Needs and Actions (TUNA), an empirically grounded framework developed through iterative qualitative analysis of 1193 human-AI conversations, supplemented by theoretical review and validation across diverse contexts. TUNA organizes user actions into a three-level hierarchy encompassing behaviors associated with information seeking, synthesis, procedural guidance, content creation, social interaction, and meta-conversation. By centering user agency and appropriation practices, TUNA enables multi-scale evaluation, supports policy harmonization across products, and provides a backbone for layering domain-specific taxonomies. This work contributes a systematic vocabulary for describing AI use, advancing both scholarly understanding and practical design of safer, more responsive, and more accountable conversational systems.
• Abstract（参考訳）: 会話AIの普及は、ユーザの計測目標だけでなく、それらを達成するための位置、適応、社会的プラクティスをキャプチャするフレームワークの必要性を強調している。 会話行動の既存の分類法は、過剰に一般化されたり、ドメイン固有のままであったり、狭い対話関数との相互作用を減少させたりしている。 このギャップに対処するために,1193人の人間とAIの会話の反復的質的分析を通じて開発された,様々な文脈における理論的レビューと検証によって補足された経験的基盤の枠組みであるTUNA(Taxonomy of User Needs and Actions)を紹介した。 TUNAは、ユーザアクションを情報検索、合成、手続き的ガイダンス、コンテンツ作成、ソーシャルインタラクション、メタ会話に関連する行動を含む3段階の階層に編成する。 ユーザエージェンシーと鑑定のプラクティスを集中させることで、TUNAはマルチスケール評価を可能にし、製品間のポリシー調和をサポートし、ドメイン固有の分類を階層化するバックボーンを提供する。 この研究は、AIの使用を説明するための体系的な語彙に寄与し、より安全で応答性があり、説明可能な会話システムの学術的理解と実践的設計の両方を前進させる。

関連論文リスト

• Conversational Alignment with Artificial Intelligence in Context [0.0]
  この記事では、AIエージェントが人間のコミュニケーション規範やプラクティスと会話的に整合していることの意味について説明する。 我々は,現在の大規模言語モデル (LLM) アーキテクチャ,制約,余裕が,完全な対話的アライメントを実現する上で基本的な制約を課すことを示唆する。
  論文  参考訳（メタデータ） (2025-05-28T22:14:34Z)
• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Semantic Interactive Learning for Text Classification: A Constructive Approach for Contextual Interactions [0.0]
  本稿では,テキスト領域に対するセマンティック対話学習という新しいインタラクションフレームワークを提案する。 構築的および文脈的フィードバックを学習者に取り入れることで、人間と機械間のよりセマンティックなアライメントを実現するアーキテクチャを見つけることができる。 本研究では,人間の概念的修正を非外挿訓練例に翻訳するのに有効なSemanticPushという手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T08:13:45Z)
• User Satisfaction Estimation with Sequential Dialogue Act Modeling in Goal-oriented Conversational Systems [65.88679683468143]
  我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。 USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。 4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-02-07T02:50:07Z)
• Conversational Recommendation: Theoretical Model and Complexity Analysis [6.084774669743511]
  理論的にドメインに依存しない会話推薦モデルを提案する。 効率的な会話戦略の発見はNPハードであることが示される。 また,カタログの特徴が個々の対話戦略の効率性に強く影響を与えることを示す。
  論文  参考訳（メタデータ） (2021-11-10T09:05:52Z)
• Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data and Methodology [68.8836704199096]
  コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。 コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。 不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
  論文  参考訳（メタデータ） (2020-08-21T22:43:27Z)

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。