論文の概要: Human-AI Programming Role Optimization: Developing a Personality-Driven Self-Determination Framework
- arxiv url: http://arxiv.org/abs/2511.00417v1
- Date: Sat, 01 Nov 2025 06:00:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.76568
- Title: Human-AI Programming Role Optimization: Developing a Personality-Driven Self-Determination Framework
- Title（参考訳）: ヒューマンAIプログラミングの役割最適化:パーソナリティ駆動型自己決定フレームワークの開発
- Authors: Marcel Valovy,
- Abstract要約: 論文は、自己決定理論とパーソナリティ心理学を通じて、人間とAIのプログラミングの役割を最適化する。
The Explorer (high Openness/low Agreeableness)、The Orchestrator (high Extraversion/Agreeableness)、The Craftsperson (high Neuroticism/low Extraversion)、The Architect (high Conscientiousness)、The Adapter (balanced profile)の5つの異なる個人的アーティタイプが出現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As artificial intelligence transforms software development, a critical question emerges: how can developers and AI systems collaborate most effectively? This dissertation optimizes human-AI programming roles through self-determination theory and personality psychology, introducing the Role Optimization Motivation Alignment (ROMA) framework. Through Design Science Research spanning five cycles, this work establishes empirically-validated connections between personality traits, programming role preferences, and collaborative outcomes, engaging 200 experimental participants and 46 interview respondents. Key findings demonstrate that personality-driven role optimization significantly enhances self-determination and team dynamics, yielding 23% average motivation increases among professionals and up to 65% among undergraduates. Five distinct personality archetypes emerge: The Explorer (high Openness/low Agreeableness), The Orchestrator (high Extraversion/Agreeableness), The Craftsperson (high Neuroticism/low Extraversion), The Architect (high Conscientiousness), and The Adapter (balanced profile). Each exhibits distinct preferences for programming roles (Co-Pilot, Co-Navigator, Agent), with assignment modes proving crucial for satisfaction. The dissertation contributes: (1) an empirically-validated framework linking personality traits to role preferences and self-determination outcomes; (2) a taxonomy of AI collaboration modalities mapped to personality profiles while preserving human agency; and (3) an ISO/IEC 29110 extension enabling Very Small Entities to implement personality-driven role optimization within established standards. Keywords: artificial intelligence, human-computer interaction, behavioral software engineering, self-determination theory, personality psychology, phenomenology, intrinsic motivation, pair programming, design science research, ISO/IEC 29110
- Abstract（参考訳）: 人工知能がソフトウェア開発を変革するにつれ、重要な疑問が浮かび上がってくる。
この論文は、自己決定理論とパーソナリティ心理学を通じて人間とAIのプログラミングの役割を最適化し、役割最適化モチベーション・アライメント(ROMA)フレームワークを導入している。
デザイン・サイエンス・リサーチ(Design Science Research)は5つのサイクルにまたがって、個性特性、プログラミングの役割選好、協調的な成果を実証的に検証し、200人の実験参加者と46人のインタビュー回答者を巻き込んだ。
鍵となる知見は、個性による役割最適化が自己決定とチームのダイナミクスを著しく向上させ、プロの間では平均モチベーションが23%増加し、学部では最大65%向上することである。
The Explorer (high Openness/low Agreeableness)、The Orchestrator (high Extraversion/Agreeableness)、The Craftsperson (high Neuroticism/low Extraversion)、The Architect (high Conscientiousness)、The Adapter (balanced profile)の5つの異なる個人的アーティタイプが出現する。
それぞれがプログラミングの役割(Co-Pilot、Co-Navigator、Agent)を個別に選好している。
論文は,(1)人格特性を役割選好と自己決定結果にリンクする実証的検証された枠組み,(2)人格プロファイルにマッピングされたAIコラボレーションモダリティの分類,(3)ISO/IEC 29110拡張により,確立された基準の中で人格主導的な役割最適化を実現する。
キーワード:人工知能、人間とコンピュータの相互作用、行動ソフトウェア工学、自己決定理論、パーソナリティ心理学、現象学、本質的動機づけ、ペアプログラミング、デザインサイエンス研究、ISO/IEC 29110
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) - HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。
私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。
次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
論文 参考訳（メタデータ） (2026-01-22T09:27:27Z) - Structured Personality Control and Adaptation for LLM Agents [11.050618253938126]
大規模言語モデル(LLM)は、ますますヒトとコンピュータの相互作用(HCI)を形作っている
ユング心理学的タイプを用いたLLMパーソナリティをモデル化する枠組みを提案する。
この設計により、エージェントは対話要求に応じて動的に調整しながらニュアンス付き特性を維持することができる。
論文 参考訳（メタデータ） (2026-01-15T03:15:24Z) - Exploring a Gamified Personality Assessment Method through Interaction with LLM Agents Embodying Different Personalities [45.56431615835303]
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(Multi-PR GPA)を用いたゲーミフィケーション・パーソナリティ・アセスメントの枠組みを提案する。
論文 参考訳（メタデータ） (2025-07-05T11:17:20Z) - Evaluating AI Alignment in Eleven LLMs through Output-Based Analysis and Human Benchmarking [0.0]
大規模言語モデル(LLM)は、心理学的な研究や実践にますます使われているが、従来のベンチマークでは、実際の相互作用で表現される価値についてはほとんど明らかにされていない。
LLMが表現する値の出力に基づく評価であるPAPERSを導入する。
論文 参考訳（メタデータ） (2025-06-14T20:14:02Z) - Deterministic AI Agent Personality Expression through Standard Psychological Diagnostics [0.0]
確立された心理学的枠組みを用いて、AIモデルは決定論的かつ一貫した個性を表現することができることを示す。
GPT-4oやo1のようなより高度なモデルは、特定の個性を表現する上で最も正確であることを示している。
これらの発見は、多様で一貫した個性を持つAIエージェントを作成する基盤を確立する。
論文 参考訳（メタデータ） (2025-03-21T12:12:05Z) - MindGYM: What Matters in Question Synthesis for Thinking-Centric Fine-Tuning? [51.85759493254735]
MindGYMは、質問合成のための構造化されスケーラブルなフレームワークである。
モデル合成の振る舞いを形作るために、高レベルの推論目的を注入する。
より深い推論のために、QAシードに基づいてより複雑なマルチホップ質問を構成する。
論文 参考訳（メタデータ） (2025-03-12T16:03:03Z) - Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。
Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - 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) - Personality of AI [0.0]
この研究論文は、人間のユーザに合わせて微調整された大規模言語モデルの進化する展望を掘り下げるものである。
トレーニング手法がAIモデルにおける未定義の性格特性の形成に与える影響を認識し、この研究はパーソナリティテストを用いた人間の適合プロセスと類似している。
この論文は、AIパーソナリティアライメントの急成長する分野における議論と発展の出発点となる。
論文 参考訳（メタデータ） (2023-12-03T18:23:45Z) - 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) - Psychological Aspects of Pair Programming [0.0]
本研究は,ペアプログラミングにおける定量的,定性的な洞察を得ることを目的とする。
この研究の目的は、この発見を利用して人工知能とのペアリングに関するさらなる研究を設計することである。
論文 参考訳（メタデータ） (2023-06-12T20:57:50Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z)
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。