論文の概要: Can ChatGPT Code Communication Data Fairly?: Empirical Evidence from Multiple Collaborative Tasks
- arxiv url: http://arxiv.org/abs/2510.20584v1
- Date: Thu, 23 Oct 2025 14:09:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:18.039079
- Title: Can ChatGPT Code Communication Data Fairly?: Empirical Evidence from Multiple Collaborative Tasks
- Title（参考訳）: チャットGPTコード通信は公平に可能か?:複数協調作業による実証的証拠
- Authors: Jiangang Hao, Wenju Cui, Patrick Kyllonen, Emily Kerzabi,
- Abstract要約: 本稿では,ChatGPTに基づく通信データの自動符号化を,協調的問題解決のための典型的なコーディングフレームワークを用いて検討する。
以上の結果から,ChatGPTをベースとしたコーディングは,性別や人種間で有意な偏見を示さず,協調・コミュニケーションの大規模評価への道のりを歩むことができた。
- 参考スコア（独自算出の注目度）: 0.7772234702556445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Assessing communication and collaboration at scale depends on a labor intensive task of coding communication data into categories according to different frameworks. Prior research has established that ChatGPT can be directly instructed with coding rubrics to code the communication data and achieves accuracy comparable to human raters. However, whether the coding from ChatGPT or similar AI technology exhibits bias against different demographic groups, such as gender and race, remains unclear. To fill this gap, this paper investigates ChatGPT-based automated coding of communication data using a typical coding framework for collaborative problem solving, examining differences across gender and racial groups. The analysis draws on data from three types of collaborative tasks: negotiation, problem solving, and decision making. Our results show that ChatGPT-based coding exhibits no significant bias across gender and racial groups, paving the road for its adoption in large-scale assessment of collaboration and communication.
- Abstract（参考訳）: コミュニケーションとコラボレーションを大規模に評価することは、さまざまなフレームワークに従って、コミュニケーションデータをカテゴリにコーディングする、労働集約的なタスクに依存する。
以前の研究では、ChatGPTは直接コーディングルーリックを使って通信データをコーディングし、人間のレーダに匹敵する精度を達成することができることが確認されている。
しかし、ChatGPTや類似のAI技術によるコーディングが、性別や人種など、異なる人口層グループに対する偏見を示すかどうかは不明だ。
このギャップを埋めるために,ChatGPTによるコミュニケーションデータの自動コーディングについて,一般的なコーディングフレームワークを用いて検討し,性別と人種間の差異について検討する。
この分析は、交渉、問題解決、意思決定という3つのタイプの協調的なタスクからデータを引き出す。
以上の結果から,ChatGPTをベースとしたコーディングは,性別や人種間で有意な偏見を示さず,協調・コミュニケーションの大規模評価への道のりを歩むことができた。
関連論文リスト
- Identifying & Interactively Refining Ambiguous User Goals for Data Visualization Code Generation [48.63200319578052]
本研究では,この課題に現れるあいまいさの分類法を開発し,それらを定量化するための指標を提案する。
我々の研究は、マルチターン対話が曖昧さを減らし、ユーザ目標の整合性を高めてコード精度を向上させる方法についても検討している。
論文 参考訳（メタデータ） (2025-10-10T13:44:40Z) - Automated Coding of Communications in Collaborative Problem-solving Tasks Using ChatGPT [4.2702945607449605]
協調問題解決(CPS)は21世紀の重要な技術として広く認められている。
本稿では,ChatGPTが通信データを満足なレベルに符号化できることを示す。
また、誤コードされたケースからのフィードバックに基づく書き換えプロンプトにより、符号化精度が向上することを示す。
論文 参考訳（メタデータ） (2024-11-15T14:57:39Z) - Pragmatic Communication in Multi-Agent Collaborative Perception [80.14322755297788]
協調的な知覚は、知覚能力とコミュニケーションコストのトレードオフをもたらす。
PragCommは2つの重要なコンポーネントを持つマルチエージェント協調認識システムである。
PragCommは、32.7K以上の通信量で従来手法より一貫して優れていた。
論文 参考訳（メタデータ） (2024-01-23T11:58:08Z) - Unmasking the giant: A comprehensive evaluation of ChatGPT's proficiency in coding algorithms and data structures [0.6990493129893112]
本稿では,ChatGPTが入力した問題に対する正しい解を生成する能力,コード品質,コードによってスローされる実行時エラーの性質を評価する。
この種の状況において、ChatGPTコードがいかに間違っているか、いくつかの洞察を得るために、パスされたテストケースのパターンを調べます。
論文 参考訳（メタデータ） (2023-07-10T08:20:34Z) - To ChatGPT, or not to ChatGPT: That is the question! [78.407861566006]
本研究は,ChatGPT検出における最新の手法を包括的かつ現代的に評価するものである。
我々は、ChatGPTと人間からのプロンプトからなるベンチマークデータセットをキュレートし、医療、オープンQ&A、ファイナンスドメインからの多様な質問を含む。
評価の結果,既存の手法ではChatGPT生成内容を効果的に検出できないことがわかった。
論文 参考訳（メタデータ） (2023-04-04T03:04:28Z) - Personalized Decentralized Multi-Task Learning Over Dynamic
Communication Graphs [59.96266198512243]
本稿では,正と負の相関関係を持つタスクに対する分散・フェデレーション学習アルゴリズムを提案する。
本アルゴリズムでは,タスク間の相関関係を自動的に計算し,コミュニケーショングラフを動的に調整して相互に有益なタスクを接続し,互いに悪影響を及ぼす可能性のあるタスクを分離する。
合成ガウスデータセットと大規模セレブ属性(CelebA)データセットについて実験を行った。
論文 参考訳（メタデータ） (2022-12-21T18:58:24Z) - Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。
自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
論文 参考訳（メタデータ） (2021-10-15T21:46:39Z)
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。