論文の概要: Facilitating the Integration of LLMs Into Online Experiments With Simple Chat

• arxiv url: http://arxiv.org/abs/2511.19123v2
• Date: Wed, 26 Nov 2025 12:28:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 14:46:34.404994
• Title: Facilitating the Integration of LLMs Into Online Experiments With Simple Chat
• Title（参考訳）: シンプルなチャットによるLLMのオンライン実験への統合の実現
• Authors: R. Bermudez Schettino, A. Dasmeh, L. Brinkmann,
• Abstract要約: 大規模言語モデル(LLM)のための研究中心のチャットインターフェースであるSimple Chatを紹介する。 Simple ChatはQualtrics、oTree、LimeSurveyなどのプラットフォームとの統合を合理化し、統合された参加者エクスペリエンスを提供する。 技術的な障壁を減らし、インターフェースを標準化し、参加者エクスペリエンスを改善することで、Simple Chatは人間とLLMのインタラクションの研究を前進させる。
• 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 large language models (LLMs) become increasingly prevalent, understanding human-LLM interactions is emerging as a central priority in psychological research. Online experiments offer an efficient means to study human-LLM interactions, yet integrating LLMs into established survey platforms remains technically demanding, particularly when aiming for ecologically valid, real-time conversational experiences with strong experimental control. We introduce Simple Chat, an open-source, research-focused chat interface that streamlines LLM integration for platforms such as Qualtrics, oTree, and LimeSurvey, while presenting a unified participant experience across conditions. Simple Chat connects to both commercial providers and open-weights models, supports streaming responses to preserve conversational flow, and offers an administrative interface for fine-grained control of prompts and interface features. By reducing technical barriers, standardizing interfaces, and improving participant experience, Simple Chat helps advance the study of human-LLM interaction. In this article, we outline Simple Chat's key features, provide a step-by-step tutorial, and demonstrate its utility through two illustrative case studies.
• Abstract（参考訳）: 大規模言語モデル(LLM)がますます普及するにつれて、人間とLLMの相互作用を理解することが心理学研究の中心的優先事項として浮上している。 オンライン実験は、人間とLLMの相互作用を研究する効果的な手段を提供するが、LLMを確立された調査プラットフォームに統合することは、特に生態学的に有効なリアルタイムな会話体験と強力な実験制御を目指して、技術的に要求されている。 我々は、Qualtrics、oTree、LimeSurveyといったプラットフォーム向けのLLM統合を合理化するオープンソースの研究中心のチャットインターフェースであるSimple Chatを紹介する。 Simple Chatは商用プロバイダとオープンウェイトモデルの両方に接続し、会話の流れを保存するためのストリーミング応答をサポートし、プロンプトとインターフェース機能のきめ細かい制御のための管理インターフェースを提供する。 技術的な障壁を減らし、インターフェースを標準化し、参加者エクスペリエンスを改善することで、Simple Chatは人間とLLMのインタラクションの研究を前進させる。 本稿では、Simple Chatのキーとなる機能の概要、ステップバイステップのチュートリアル、そして2つの実証的なケーススタディを通してその有用性を実証する。

関連論文リスト

• FLEXI: Benchmarking Full-duplex Human-LLM Speech Interaction [49.83226596963294]
  音声とコンピュータの対話によりリアルタイム音声対話システムを実現する。 これらのモデルのモデリングとベンチマークは、依然として根本的な課題である。 フルヒューマン音声対話のための最初のベンチマークであるFLEXIを紹介する。
  論文  参考訳（メタデータ） (2025-09-26T11:57:42Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• The StudyChat Dataset: Student Dialogues With ChatGPT in an Artificial Intelligence Course [1.9116784879310025]
  大規模言語モデル(LLM)は教育に大きな影響を与え、機会と課題の両方を提起している。 本研究では,LLMを用いた実世界の学生インタラクションのデータセットであるStudioChatを紹介する。 本稿では,ChatGPTのコア機能を再現したWebアプリケーションをデプロイし,学生のLLMとのインタラクションをログに記録する。 これらの相互作用を分析し、利用傾向を強調し、特定の生徒の行動がコースの結果とどのように関連しているかを分析する。
  論文  参考訳（メタデータ） (2025-03-11T00:17:07Z)
• Customizable LLM-Powered Chatbot for Behavioral Science Research [6.084958172018792]
  LLM(Large Language Models)は、人間のコミュニケーションによく似たテキストを生成する。 チャットボットの潜在的な実用性は、特に研究の文脈において、従来のアプリケーションを超越している。 本研究では,行動科学研究を支援するためのCLPC(Customizable LLM-Powered)システムを提案する。
  論文  参考訳（メタデータ） (2025-01-09T19:27:28Z)
• Enabling Real-Time Conversations with Minimal Training Costs [61.80370154101649]
  本稿では,2つの言語モデルに対して,最小限の訓練を要し,2つの言語能力を持つ新しい重複復号法を提案する。 実験結果から,本手法はトレーニングコストの最小化とともに,ユーザとAIのインタラクションの自然性と人間的類似性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-09-18T06:27:26Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.266685603250416]
  大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。 本稿では,ChatGPTインタフェースの対話型フィードバック機能によって,LLMへのユーザ参加が期待できるかを検討する。
  論文  参考訳（メタデータ） (2024-08-27T13:50:37Z)
• M$^{2}$Chat: Empowering VLM for Multimodal LLM Interleaved Text-Image Generation [24.070247575655998]
  textbf$M2Chat$は、インターリーブされたテキストイメージの会話を生成するための新しい統合マルチモーダルLLMフレームワークである。 M3Adapter$は、マルチモーダルプロンプトから、粒度の低い視覚情報と高レベルのセマンティック機能を統合する。 M3FT$ fine-tuning strategy イメージテキストアライメントとビジュアルインストラクションのために、パラメータの分離したグループを最適化する。
  論文  参考訳（メタデータ） (2023-11-29T11:30:33Z)
• Developing Effective Educational Chatbots with ChatGPT prompts: Insights from Preliminary Tests in a Case Study on Social Media Literacy (with appendix) [43.55994393060723]
  ChatGPTのようなゼロショット学習機能を持つ言語学習モデルの最近の進歩は、教育チャットボットを開発する新たな可能性を示している。 本稿では,混合ターンチャットボットのインタラクションを可能にするシンプルなシステムを用いたケーススタディを提案する。 本稿では,ChatGPTが複数の相互接続型学習目標を追求し,文化,年齢,教育レベルなどのユーザ特性に教育活動を適応させ,多様な教育戦略や会話スタイルを活用できる能力について検討する。
  論文  参考訳（メタデータ） (2023-06-18T22:23:18Z)

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。