論文の概要: AI-exhibited Personality Traits Can Shape Human Self-concept through Conversations

• arxiv url: http://arxiv.org/abs/2601.12727v1
• Date: Mon, 19 Jan 2026 05:16:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.760581
• Title: AI-exhibited Personality Traits Can Shape Human Self-concept through Conversations
• Title（参考訳）: 会話を通して人間の自己概念を形作るAIの個性
• Authors: Jingshu Li, Tianqi Song, Nattapat Boonprakong, Zicheng Zhu, Yitian Yang, Yi-Chieh Lee,
• Abstract要約: 我々は、人間とAIの会話を通して、AIの性格特性がユーザーの自己概念を形作る方法を示す。 我々は、より責任と倫理的なAIシステムの開発に重要な設計上の意味を提供する。
• 参考スコア（独自算出の注目度）: 26.039188521284974
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent Large Language Model (LLM) based AI can exhibit recognizable and measurable personality traits during conversations to improve user experience. However, as human understandings of their personality traits can be affected by their interaction partners' traits, a potential risk is that AI traits may shape and bias users' self-concept of their own traits. To explore the possibility, we conducted a randomized behavioral experiment. Our results indicate that after conversations about personal topics with an LLM-based AI chatbot using GPT-4o default personality traits, users' self-concepts aligned with the AI's measured personality traits. The longer the conversation, the greater the alignment. This alignment led to increased homogeneity in self-concepts among users. We also observed that the degree of self-concept alignment was positively associated with users' conversation enjoyment. Our findings uncover how AI personality traits can shape users' self-concepts through human-AI conversation, highlighting both risks and opportunities. We provide important design implications for developing more responsible and ethical AI systems.
• Abstract（参考訳）: 最近のLarge Language Model (LLM)ベースのAIは、会話中に認識可能で測定可能な性格特性を示し、ユーザエクスペリエンスを向上させる。 しかしながら、人間のパーソナリティ特性に対する理解が、インタラクションパートナの特性に影響される可能性があるため、AI特性がユーザ自身の特性に対する自己概念を形作り、バイアスする可能性がある、という潜在的なリスクがある。 その可能性を探るため,ランダムな行動実験を行った。 GPT-4oのデフォルトパーソナリティ特性を用いたLLMベースのAIチャットボットと個人のトピックについて会話した後、ユーザーの自己概念はAIの計測されたパーソナリティ特性と一致した。 会話が長ければ長いほど、アライメントが大きくなる。 このアライメントにより、ユーザ間の自己概念の均一性が向上した。 また, 自己概念アライメントの程度は, ユーザの会話の楽しさと肯定的に関連していることがわかった。 我々の発見は、AIパーソナリティが人間のAI会話を通じてユーザーの自己概念を形作り、リスクと機会の両方を浮き彫りにするかどうかを明らかにした。 我々は、より責任と倫理的なAIシステムの開発に重要な設計上の意味を提供する。

関連論文リスト

• HumAIne-Chatbot: Real-Time Personalized Conversational AI via Reinforcement Learning [0.4931504898146351]
  textbfHumAIne-chatbotはAIによる会話エージェントで、新しいユーザプロファイリングフレームワークを通じて応答をパーソナライズする。 ライブインタラクションの間、オンライン強化学習エージェントは暗黙の信号を組み合わせることで、ユーザ毎のモデルを洗練する。 その結果、パーソナライズ機能を有効にすると、ユーザ満足度、パーソナライズ精度、タスク達成度が一貫した改善が見られた。
  論文  参考訳（メタデータ） (2025-09-04T15:16:38Z)
• Measurement of LLM's Philosophies of Human Nature [113.47929131143766]
  大規模言語モデル(LLM)を対象とする標準化された心理尺度を設計する。 現在のLSMは、人間に対する信頼の欠如を示す。 本稿では,LLMが継続的に価値体系を最適化できるメンタルループ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-03T06:22:19Z)
• Deterministic AI Agent Personality Expression through Standard Psychological Diagnostics [0.0]
  確立された心理学的枠組みを用いて、AIモデルは決定論的かつ一貫した個性を表現することができることを示す。 GPT-4oやo1のようなより高度なモデルは、特定の個性を表現する上で最も正確であることを示している。 これらの発見は、多様で一貫した個性を持つAIエージェントを作成する基盤を確立する。
  論文  参考訳（メタデータ） (2025-03-21T12:12:05Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Can ChatGPT Read Who You Are? [10.577227353680994]
  チェコ語で書かれたテキストを代表とする総合的なユーザスタディの結果を155人のサンプルで報告した。 本研究は,ChatGPTによる性格特性推定と人間による評価とを比較し,テキストから人格特性を推定する際のChatGPTの競争性能を報告する。
  論文  参考訳（メタデータ） (2023-12-26T14:43:04Z)
• Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
  3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。 次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。 模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
  論文  参考訳（メタデータ） (2022-11-23T16:16:52Z)
• On the Influence of Explainable AI on Automation Bias [0.0]
  我々は、説明可能なAI(XAI)によって自動化バイアスに影響を与える可能性に光を当てることを目指している。 ホテルのレビュー分類に関するオンライン実験を行い、最初の結果について議論する。
  論文  参考訳（メタデータ） (2022-04-19T12:54:23Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
  私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。 その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
  論文  参考訳（メタデータ） (2021-07-28T17:32:04Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)

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。