論文の概要: Modular AI-Powered Interviewer with Dynamic Question Generation and Expertise Profiling
- arxiv url: http://arxiv.org/abs/2601.11534v1
- Date: Fri, 21 Nov 2025 18:25:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.744168
- Title: Modular AI-Powered Interviewer with Dynamic Question Generation and Expertise Profiling
- Title（参考訳）: 動的質問生成とエキスパートプロファイリングを備えたモジュールAIを利用したインタビュアー
- Authors: Aisvarya Adeseye, Jouni Isoaho, Seppo Virtanen, Mohammad Tahir,
- Abstract要約: 本研究では、文脈的に適切で専門性に整合した質問を動的に生成するAIを利用したインタビュアーを提案する。
インタビュアーは、データプライバシを保持しながらコヒーレントな対話を生成する、ローカルにホストされた大規模言語モデル(LLM)上に構築されている。
提案されたインタビュアーは、スケーラブルでプライバシを重視したソリューションで、AIによる定性的データ収集を前進させる。
- 参考スコア（独自算出の注目度）: 0.7349727826230863
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated interviewers and chatbots are common in research, recruitment, customer service, and education. Many existing systems use fixed question lists, strict rules, and limited personalization, leading to repeated conversations that cause low engagement. Therefore, these tools are not effective for complex qualitative research, which requires flexibility, context awareness, and ethical sensitivity. Consequently, there is a need for a more adaptive and context-aware interviewing system. To address this, an AI-powered interviewer that dynamically generates questions that are contextually appropriate and expertise aligned is presented in this study. The interviewer is built on a locally hosted large language model (LLM) that generates coherent dialogue while preserving data privacy. The interviewer profiles the participants' expertise in real time to generate knowledge-appropriate questions, well-articulated responses, and smooth transition messages similar to human-like interviews. To implement these functionalities, a modular prompt engineering pipeline was designed to ensure that the interview conversation remains scalable, adaptive, and semantically rich. To evaluate the AI-powered interviewer, it was tested with various participants, and it achieved high satisfaction (mean 4.45) and engagement (mean 4.33). The proposed interviewer is a scalable, privacy-conscious solution that advances AI-assisted qualitative data collection.
- Abstract（参考訳）: インタビュアーとチャットボットは、研究、採用、カスタマーサービス、教育で一般的である。
既存のシステムの多くは、固定された質問リスト、厳格なルール、限定されたパーソナライゼーションを使用しており、会話が繰り返され、エンゲージメントが低くなる。
したがって、これらのツールは、柔軟性、文脈認識、倫理的感受性を必要とする複雑な質的研究には有効ではない。
したがって、より適応的でコンテキスト対応の面接システムが必要である。
これを解決するために、文脈的に適切で専門知識に整合した質問を動的に生成するAIを利用したインタビュアーを提案する。
インタビュアーは、データプライバシを保持しながらコヒーレントな対話を生成する、ローカルにホストされた大規模言語モデル(LLM)上に構築されている。
インタビュアーは、参加者の専門知識をリアルタイムでプロファイルし、知識に合った質問、順応された回答、人間のようなインタビューに似たスムーズな移行メッセージを生成する。
これらの機能を実装するために、モジュール化されたプロンプトエンジニアリングパイプラインが設計され、インタビュー会話がスケーラブルで適応的でセマンティックにリッチであることを保証する。
AIを利用したインタビュアーを評価するため、様々な参加者とテストを行い、満足度(平均4.45)とエンゲージメント(平均4.33)を達成した。
提案されたインタビュアーは、スケーラブルでプライバシを重視したソリューションで、AI支援の定性データ収集を前進させる。
関連論文リスト
- Mic Drop or Data Flop? Evaluating the Fitness for Purpose of AI Voice Interviewers for Data Collection within Quantitative & Qualitative Research Contexts [7.938565669618949]
Transformer-based Large Language Models (LLMs) は、音声ベースの調査をリアルタイムで実施できる「AIインタビュアー」の道を開いた。
我々は,AIインタビュアーと,2次元にわたる現在の対話型音声応答(Interactive Voice Response, IVR)システムの性能を評価する。
論文 参考訳（メタデータ） (2025-09-01T22:44:57Z) - Requirements Elicitation Follow-Up Question Generation [0.5120567378386615]
大規模言語モデル(LLM)は、複数の自然言語処理タスクにおいて最先端のパフォーマンスを示す。
本研究は,GPT-4oを要件適用時のフォローアップインタビューに応用することを検討した。
論文 参考訳（メタデータ） (2025-07-03T17:59:04Z) - AI-Assisted Conversational Interviewing: Effects on Data Quality and User Experience [0.0]
本研究では,AIによる対話型面接の枠組みを紹介する。
我々は1,800人の参加者をランダムにAI 'チャットボット'に割り当てるウェブサーベイ実験を行った。
この結果から,チャットボットなどのAI手法を用いて,Webサーベイにおけるオープンエンドデータ収集を向上する可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-09T13:58:07Z) - AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers [40.80290002598963]
本研究では,人間のインタビュアーを大規模言語モデル (LLM) に置き換えて,スケーラブルな対話型インタビュアーを実現する可能性について検討する。
大学生を対象に,AIやヒューマンインタビュアーによる会話面接にランダムに割り当てられた,小規模かつ詳細な調査を行った。
様々な量的・質的な尺度は, インタビュアーのガイドライン, 応答品質, 参加者参加率, 総合的な面接効果に順応した。
論文 参考訳（メタデータ） (2024-09-16T16:03:08Z) - InterviewBot: Real-Time End-to-End Dialogue System to Interview Students
for College Admission [18.630848902825406]
InterviewBotは会話履歴とカスタマイズされたトピックをコヒーレントな埋め込みスペースに統合する。
7,361件の人間対人間インタビューの音声録音を自動転写し、440件を手作業で微調整・評価する。
InterviewBotは、その回答をインタビューデータと比較することで統計的にテストし、プロのインタビュアーや様々な学生にリアルタイムで対話させることによって動的にテストする。
論文 参考訳（メタデータ） (2023-03-27T09:46:56Z) - EZInterviewer: To Improve Job Interview Performance with Mock Interview
Generator [60.2099886983184]
EZInterviewerは、オンライン面接データから学び、求職者に模擬面接サービスを提供する。
低リソースの課題に対処するため、EZInterviewerはインタビューダイアログのごく小さなセットで訓練されている。
論文 参考訳（メタデータ） (2023-01-03T07:00:30Z) - What should I Ask: A Knowledge-driven Approach for Follow-up Questions
Generation in Conversational Surveys [63.51903260461746]
対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。
そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。
次に,その課題に対する2段階の知識駆動モデルを提案する。
論文 参考訳（メタデータ） (2022-05-23T00:57:33Z) - End-to-end Spoken Conversational Question Answering: Task, Dataset and
Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。
本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。
本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文 参考訳（メタデータ） (2022-04-29T17:56:59Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳（メタデータ） (2020-10-18T05:53:39Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳（メタデータ） (2020-10-04T19:03:39Z)
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。