論文の概要: From SERPs to Sound: How Search Engine Result Pages and AI-generated Podcasts Interact to Influence User Attitudes on Controversial Topics
- arxiv url: http://arxiv.org/abs/2601.11282v1
- Date: Fri, 16 Jan 2026 13:31:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-19 20:21:50.503173
- Title: From SERPs to Sound: How Search Engine Result Pages and AI-generated Podcasts Interact to Influence User Attitudes on Controversial Topics
- Title（参考訳）: SERPから音へ: 検索エンジンの検索結果ページとAI生成ポッドキャストは、会話トピックに対するユーザーの態度に影響を与える
- Authors: Junjie Wang, Gaole He, Alisa Rieger, Ujwal Gadiraju,
- Abstract要約: 本稿では,検索エンジンの結果ページ (SERP) とAI生成ポッドキャストの相互作用について考察する。
調査対象者の大多数は態度変化の結果に対応しており,その順序が態度変化に与える影響が判明した。
また,各モデレーターの効果は認められなかったが,視点バイアスとトピックの議論の程度が,姿勢変化形成に果たす役割を明らかにした。
- 参考スコア（独自算出の注目度）: 18.17104725797712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Compared to search engine result pages (SERPs), AI-generated podcasts represent a relatively new and relatively more passive modality of information consumption, delivering narratives in a naturally engaging format. As these two media increasingly converge in everyday information-seeking behavior, it is essential to explore how their interaction influences user attitudes, particularly in contexts involving controversial, value-laden, and often debated topics. Addressing this need, we aim to understand how information mediums of present-day SERPs and AI-generated podcasts interact to shape the opinions of users. To this end, through a controlled user study (N=483), we investigated user attitudinal effects of consuming information via SERPs and AI-generated podcasts, focusing on how the sequence and modality of exposure shape user opinions. A majority of users in our study corresponded to attitude change outcomes, and we found an effect of sequence on attitude change. Our results further revealed a role of viewpoint bias and the degree of topic controversiality in shaping attitude change, although we found no effect of individual moderators.
- Abstract（参考訳）: 検索エンジンの結果ページ(SERP)と比較すると、AI生成ポッドキャストは比較的新しく、比較的受動的に情報消費のモダリティを表し、自然な形式で物語を届ける。
これら2つのメディアは、日常的な情報探索行動にますます収束しているため、それらのインタラクションがユーザーの態度、特に議論を巻き起こし、価値を尊重し、しばしば議論されるトピックにどのように影響するかを検討することが不可欠である。
このニーズに対処するために、現在のSERPやAI生成ポッドキャストの情報媒体がどのように相互作用し、ユーザの意見を形作るかを理解することを目的としている。
この目的のために,制御されたユーザスタディ(N=483)を用いて,SERPとAI生成ポッドキャストによる情報の消費によるユーザの時間的影響を検討した。
調査対象者の大多数は態度変化の結果に対応しており,その順序が態度変化に与える影響が判明した。
また,各モデレーターの効果は認められなかったが,視点バイアスとトピックの議論の程度が,姿勢変化形成における役割を明らかにした。
関連論文リスト
- Human Cognitive Biases in Explanation-Based Interaction: The Case of Within and Between Session Order Effect [46.80756527630539]
Explanatory Interactive Learning (XIL)は、ユーザーが説明と対話することでAIモデルをカスタマイズし、修正できるように設計された強力な対話型学習フレームワークである。
近年の研究では、説明的相互作用が、提示された項目の順序がユーザの信頼に影響を及ぼし、批判的にフィードバックの質に影響を及ぼす、よく知られた認知バイアスである注文効果を誘発するのではないかという懸念が提起されている。
命令効果と説明的相互作用の相互作用を明らかにするために,一般的なXILタスクを模倣する2つの大規模ユーザスタディを実行した。
論文 参考訳（メタデータ） (2025-12-04T12:59:54Z) - AI summaries in online search influence users' attitudes [3.459756369056329]
本研究では,AIが生成した要約が,ユーザが異なる問題に対する考え方にどのように影響するかを検討した。
ユーザーは、AIサマリーが健康被害と福利厚生に重点を置いていると認識した。
これらの結果は、AIが生成した検索サマリーが公共の認識を著しく形作ることを示唆している。
論文 参考訳（メタデータ） (2025-11-27T23:45:19Z) - AI Feedback Enhances Community-Based Content Moderation through Engagement with Counterarguments [0.0]
本研究は,AIを用いたハイブリット・モデレーション・フレームワークについて検討した。
その結果,フィードバックを取り入れることで音質が向上することがわかった。
この研究は、政治コンテンツモデレーションにおけるAIの役割に関する継続的な議論に寄与している。
論文 参考訳（メタデータ） (2025-07-10T18:52:50Z) - Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。
ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。
実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
論文 参考訳（メタデータ） (2025-04-09T13:21:17Z) - Towards Investigating Biases in Spoken Conversational Search [10.120634413661929]
画面ベースのWeb検索において,バイアスやユーザの態度の変化がどのように研究されているかを検討する。
本研究では,音声を用いた音声対話検索において,変数,データ,機器の偏りを探索する実験的な設定を提案する。
論文 参考訳（メタデータ） (2024-09-02T01:54:33Z) - Modulating Language Model Experiences through Frictions [56.17593192325438]
言語モデルの過度な消費は、短期において未確認エラーを伝播し、長期的な批判的思考のために人間の能力を損なうリスクを出力する。
行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
論文 参考訳（メタデータ） (2024-06-24T16:31:11Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳（メタデータ） (2022-06-01T00:45:32Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z)
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。