論文の概要: Empowering Older Adults in Digital Technology Use with Foundation Models

• arxiv url: http://arxiv.org/abs/2601.10018v1
• Date: Thu, 15 Jan 2026 03:00:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:18.964096
• Title: Empowering Older Adults in Digital Technology Use with Foundation Models
• Title（参考訳）: 基礎モデルを用いたデジタル技術における高齢者のエンパワーメント
• Authors: Hasti Sharifi, Homaira Huda Shomee, Sourav Medya, Debaleena Chattopadhyay,
• Abstract要約: テクノロジーサポートは、高齢者がデジタルアプリケーションを使うのを助けることができる。 多くの人は、技術的用語と年齢に関する認知的変化に慣れていないため、問題の具体化に苦慮している。 本研究は,これらのコミュニケーション課題について検討し,AIによるコミュニケーションを緩和するためのアプローチを検討する。
• 参考スコア（独自算出の注目度）: 20.52174004269699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While high-quality technology support can assist older adults in using digital applications, many struggle to articulate their issues due to unfamiliarity with technical terminology and age-related cognitive changes. This study examines these communication challenges and explores AI-based approaches to mitigate them. We conducted a diary study with English-speaking, community-dwelling older adults to collect asynchronous, technology-related queries and used reflexive thematic analysis to identify communication barriers. To address these barriers, we evaluated how foundation models can paraphrase older adults' queries to improve solution accuracy. Two controlled experiments followed: one with younger adults evaluating AI-rephrased queries and another with older adults evaluating AI-generated solutions. We also developed a pipeline using large language models to generate the first synthetic dataset of how older adults request tech support (OATS). We identified four key communication challenges: verbosity, incompleteness, over-specification, and under-specification. Our prompt-chaining approach using the large language model, GPT-4o, elicited contextual details, paraphrased the original query, and generated a solution. AI-rephrased queries significantly improved solution accuracy (69% vs. 46%) and Google search results (69% vs. 35%). Younger adults better understood AI-rephrased queries (93.7% vs. 65.8%) and reported greater confidence and ease. Older adults reported high perceived ability to answer contextual questions (89.8%) and follow solutions (94.7%), with high confidence and ease. OATS demonstrated strong fidelity and face validity. This work shows how foundation models can enhance technology support for older adults by addressing age-related communication barriers. The OATS dataset offers a scalable resource for developing equitable AI systems that better serve aging populations.
• Abstract（参考訳）: 高品質な技術サポートは、高齢者がデジタルアプリケーションを使うのを助けることができるが、技術用語と年齢に関する認知的変化に慣れていないため、多くの人は問題の具体化に苦慮している。 本研究は,これらのコミュニケーション課題について検討し,AIによるコミュニケーションを緩和するためのアプローチを検討する。 本研究は, 地域在住の英語話者を対象に, 非同期・技術関連問合せ収集のための日誌調査を行い, コミュニケーション障壁の同定に反射的セマンティック分析を用いた。 これらの障壁に対処するために, 基礎モデルが高齢者の質問を言い換えて解決精度を向上させる方法について検討した。 2つのコントロールされた実験が続いた。1つは、AIで表現されたクエリを評価する若い大人と、もう1つは、AIで生成されたソリューションを評価する高齢者だ。 また、大規模言語モデルを用いたパイプラインを開発し、高齢者がテクノロジーサポート(OATS)をどのように要求するかを示す最初の合成データセットを作成しました。 冗長性,不完全性,過剰特異性,過小特異性という4つの重要なコミュニケーション課題を特定した。 大規模言語モデルであるGPT-4oを用いたプロンプトチェイン方式では,コンテキストの詳細を抽出し,元のクエリを言い換えて解を生成する。 AIで表現されたクエリは、ソリューションの正確さ(69%対46%)とGoogleの検索結果(69%対35%)を大きく改善した。 若年層はAIで表現されたクエリ(93.7%対65.8%)をより理解し、信頼性と容易さを報告した。 高齢者は、文脈的質問に回答する能力が高い(89.8%)こと、ソリューションに従う能力が高い(94.7%)こと、信頼性と容易性が高いことを報告した。 OATSは強い忠実度を示し、顔の妥当性を示した。 本研究は,高齢者のコミュニケーション障壁に対処することで,基礎モデルが高齢者のテクノロジーサポートをいかに向上させるかを示す。 OATSデータセットは、高齢化に役立てる平等なAIシステムを開発するためのスケーラブルなリソースを提供する。

関連論文リスト

• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Deep Learning-Based Facial Expression Recognition for the Elderly: A Systematic Review [0.5242869847419834]
  世界人口の急速な高齢化は、高齢者を支援する技術の必要性を浮き彫りにした。 表情認識(FER)システムは、感情状態を監視する非侵襲的な手段を提供する。 本研究は,高齢者を対象とした深層学習に基づくFERシステムの体系的レビューである。
  論文  参考訳（メタデータ） (2025-02-04T11:05:24Z)
• DRS: Deep Question Reformulation With Structured Output [133.24623742929776]
  大規模言語モデル(LLM)は、解決不可能な質問を検知できるが、これらの質問の修正をユーザーが支援するのに苦労する。 DRS:Deep Question Reformulation with Structured Output, a novel zero-shot method to help users in reformulation question。 DRS は GPT-3.5 の改定精度を 23.03% から 70.42% に改善し,オープンソースモデルの性能も向上することを示した。
  論文  参考訳（メタデータ） (2024-11-27T02:20:44Z)
• Requirements Engineering for Older Adult Digital Health Software: A Systematic Literature Review [2.7992435001846827]
  高齢者の人口増加は、テクノロジーに支えられた高齢医療への関心の高まりにつながっている。 デジタルヘルスは、高齢者の健康、感情的要求、社会的ニーズをサポートする上で重要である。 開発者と年老いた人たちの要求に対する理解にはギャップがあります。
  論文  参考訳（メタデータ） (2024-11-06T04:35:39Z)
• Do great minds think alike? Investigating Human-AI Complementarity in Question Answering with CAIMIRA [43.116608441891096]
  人間は知識に基づく帰納的、概念的推論においてAIシステムより優れています。 GPT-4やLLaMAのような最先端のLLMは、ターゲット情報検索において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-09T03:53:26Z)
• Robotic Backchanneling in Online Conversation Facilitation: A Cross-Generational Study [36.065558339939095]
  日本は、人口の認知低下率の増加や介護者の不足など、高齢化社会にまつわる多くの課題に直面している。 人工知能(AI)、特に人間とコミュニケーション可能な、社会的に具体化された知的エージェントやロボットを使ったソリューションの探求が始まっている。 本研究では,認知低下防止を目的としたグループ会話プロトコルのファシリテータとして機能するロボットをユーザスタディで評価した。 我々は、ロボットの受容性を高め、グループ会話体験を楽しむために、自然な人間の話し方であるバックチャネルを使用するように、ロボットを改造した。
  論文  参考訳（メタデータ） (2024-09-25T13:08:43Z)
• OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
  我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。 これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。 我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
  論文  参考訳（メタデータ） (2024-06-18T16:20:53Z)
• CAUS: A Dataset for Question Generation based on Human Cognition Leveraging Large Language Models [4.962252439662465]
  本稿では,Curious About Uncertain Sceneデータセットを導入し,大規模言語モデルを用いて人間の認知過程をエミュレートし,不確実性を解決する。 我々のアプローチは、推論とクエリの生成を刺激するために、不確実性に埋め込まれたシーン記述を提供することである。 以上の結果から, GPT-4は, 適切な文脈や指示が与えられた場合に, 適切な質問を効果的に生成し, そのニュアンスを把握できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-18T01:31:19Z)

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。