論文の概要: From Human Bias to Robot Choice: How Occupational Contexts and Racial Priming Shape Robot Selection

• arxiv url: http://arxiv.org/abs/2512.20951v3
• Date: Fri, 16 Jan 2026 22:26:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.497879
• Title: From Human Bias to Robot Choice: How Occupational Contexts and Racial Priming Shape Robot Selection
• Title（参考訳）: 人間のバイアスからロボット選択へ:職業的文脈と人種的プライミング型ロボットの選択
• Authors: Jiangen He, Wanqi Zhang, Jessica Barfield,
• Abstract要約: 2つの実験は、作業状況とステレオタイプ活性化がロボットエージェントをどのように選択するかを検証した。 参加者は皮膚のトーンや人為的特性に系統的に変化する人工エージェントから選択した。 以上の結果から,職業バイアスと色に基づく識別が人間からロボットへ直接伝達されることが示唆された。
• 参考スコア（独自算出の注目度）: 0.5926203312586108
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As artificial agents increasingly integrate into professional environments, fundamental questions have emerged about how societal biases influence human-robot selection decisions. We conducted two comprehensive experiments (N = 1,038) examining how occupational contexts and stereotype activation shape robotic agent choices across construction, healthcare, educational, and athletic domains. Participants made selections from artificial agents that varied systematically in skin tone and anthropomorphic characteristics. Our study revealed distinct context-dependent patterns. Healthcare and educational scenarios demonstrated strong favoritism toward lighter-skinned artificial agents, while construction and athletic contexts showed greater acceptance of darker-toned alternatives. Participant race was associated with systematic differences in selection patterns across professional domains. The second experiment demonstrated that exposure to human professionals from specific racial backgrounds systematically shifted later robotic agent preferences in stereotype-consistent directions. These findings show that occupational biases and color-based discrimination transfer directly from human-human to human-robot evaluation contexts. The results highlight mechanisms through which robotic deployment may unintentionally perpetuate existing social inequalities.
• Abstract（参考訳）: 人工エージェントがますます専門的な環境に統合されるにつれて、社会的バイアスが人間-ロボットの選択決定にどのように影響するかという根本的な疑問が生まれてきた。 建設・医療・教育・運動領域における作業状況とステレオタイプ活性化がロボットエージェントの選択をどのように形成するかを総合的に2つの実験(N = 1,038)を行った。 参加者は皮膚のトーンや人為的特性に系統的に変化する人工エージェントから選択した。 本研究は文脈に依存したパターンを明らかにした。 医療と教育のシナリオは、より軽い皮膚を持つ人工エージェントに対して強い好意を示す一方、建設と運動の文脈は、より暗い色の代替品をより受け入れることを示した。 参加レースは、プロフェッショナルドメイン間の選択パターンの体系的な違いと関連付けられていた。 第2の実験では、特定の人種的背景からの人間のプロフェッショナルへの露出が、後続のロボットエージェントの好みをステレオタイプに一貫性のある方向に体系的にシフトした。 これらの結果から,職業的偏見と色に基づく識別が人間からロボットへ直接伝達されることが示唆された。 その結果、ロボットの展開が意図せず既存の社会的不平等を持続させるメカニズムを強調した。

関連論文リスト

• Whether We Care, How We Reason: The Dual Role of Anthropomorphism and Moral Foundations in Robot Abuse [10.376222111441399]
  本研究では,ロボットの乱用に対する人為的レベルと道徳的基礎がどう反応するかを検討した。 その結果、人間同型は、人間がロボットに対する道徳的配慮を延長するかどうかを判断し、道徳的基礎は、そのような配慮をどう考えるかを形成することが明らかとなった。
  論文  参考訳（メタデータ） (2026-01-27T17:34:31Z)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• Robots Enact Malignant Stereotypes [0.2546155711229977]
  我々は、世界で身体的かつ自律的に行動するロボットにおいて、機械学習のバイアスがどのように現れるかを評価する。 本実験は, 性別, 人種, 科学的に認識されていない生理学に関して, 有毒なステレオタイプを大規模に行動するロボットを明らかに示すものである。
  論文  参考訳（メタデータ） (2022-07-23T18:08:12Z)
• Fairness and Bias in Robot Learning [7.517692820105885]
  本稿では,技術的,倫理的,法的課題にまたがる学際的な観点から,ロボット学習における公正性に関する最初の調査を紹介する。 偏見の源泉とその原因となる差別の分類法を提案する。 本稿では,公平性の定義,倫理的・法的考察,公平なロボット学習の方法などについて述べる。
  論文  参考訳（メタデータ） (2022-07-07T17:20:15Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Statistical discrimination in learning agents [64.78141757063142]
  統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。 我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
  論文  参考訳（メタデータ） (2021-10-21T18:28:57Z)
• A Neurorobotics Approach to Behaviour Selection based on Human Activity Recognition [0.0]
  行動選択はロボット工学、特に人間とロボットの相互作用の分野で活発に研究されている。 これまでのほとんどのアプローチは、認識された活動とロボットの行動の間の決定論的関連から成り立っている。 本稿では,生物の神経生理学的側面に類似した計算モデルに基づく神経ロボティクス的アプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-27T01:25:58Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)

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。