論文の概要: Designing KRIYA: An AI Companion for Wellbeing Self-Reflection

• arxiv url: http://arxiv.org/abs/2601.14589v1
• Date: Wed, 21 Jan 2026 02:03:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.205082
• Title: Designing KRIYA: An AI Companion for Wellbeing Self-Reflection
• Title（参考訳）: KRIYAの設計 - 自己回復のためのAIコンパニオン
• Authors: Shanshan Zhu, Wenxuan Song, Jiayue Melissa Shi, Dong Whi Yoo, Karthik S. Bhat, Koustuv Saha,
• Abstract要約: KRIYAは、個人の幸福データとの共解釈エンゲージメントをサポートする、AIウェルビーイングコンパニオンである。 仮説データを用いてKRIYAの試作機と相互作用する18人の大学生を対象に半構造化インタビューを行った。
• 参考スコア（独自算出の注目度）: 10.99117711780409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most personal wellbeing apps present summative dashboards of health and physical activity metrics, yet many users struggle to translate this information into meaningful understanding. These apps commonly support engagement through goals, reminders, and structured targets, which can reinforce comparison, judgment, and performance anxiety. To explore a complementary approach that prioritizes self-reflection, we design KRIYA, an AI wellbeing companion that supports co-interpretive engagement with personal wellbeing data. KRIYA aims to collaborate with users to explore questions, explanations, and future scenarios through features such as Comfort Zone, Detective Mode, and What-If Planning. We conducted semi-structured interviews with 18 college students interacting with a KRIYA prototype using hypothetical data. Our findings show that through KRIYA interaction, users framed engaging with wellbeing data as interpretation rather than performance, experienced reflection as supportive or pressuring depending on emotional framing, and developed trust through transparency. We discuss design implications for AI companions that support curiosity, self-compassion, and reflective sensemaking of personal health data.
• Abstract（参考訳）: ほとんどの個人健康アプリは、健康と身体活動の指標を要約したダッシュボードを提供しているが、多くのユーザーはこの情報を意味のある理解に翻訳するのに苦労している。 これらのアプリは、通常、目標、リマインダー、構造化されたターゲットを通じてエンゲージメントをサポートし、比較、判断、パフォーマンス不安を強化することができる。 自己回帰を優先する補完的なアプローチを探るため、個人の幸福データとの共解釈エンゲージメントをサポートするAIウェルビーイングコンパニオンであるKRIYAを設計する。 KRIYAはユーザと協力して,Comfort Zone, Detective Mode, What-If Planningといった機能を通じて,質問や説明,将来のシナリオを探索する。 仮説データを用いてKRIYAの試作機と相互作用する18人の大学生を対象に半構造化インタビューを行った。 以上の結果から,KRIYAのインタラクションを通じて,幸福なデータをパフォーマンスよりも解釈し,情緒的なフレーミングやプレッシャを経験し,透明性を通じて信頼を深めることが示唆された。 我々は、好奇心、自己思いやり、および個人の健康データに対する反射的センス作成をサポートするAIコンパニオンの設計について論じる。

関連論文リスト

• Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory [18.716972390545703]
  我々は,AICCがウェルビーイングをどのように形成し,ユーザがこれらの経験をどう感じたかを検討した。 発見は、感情と悲しみの表現、読みやすさ、対人的な焦点の混合効果を示した。 私たちは、健全なバウンダリを把握し、マインドフルエンゲージメントをサポートし、依存のない開示をサポートし、表面的な関係ステージを持つAIコンパニオンに対して、設計上の意味を提供する。
  論文  参考訳（メタデータ） (2025-09-26T15:47:37Z)
• Perceiving and Acting in First-Person: A Dataset and Benchmark for Egocentric Human-Object-Human Interactions [110.43343503158306]
  本稿では、手動支援タスクを視覚言語アクションフレームワークに組み込み、そのアシスタントは、自我中心のビジョンとコマンドに従ってインストラクターにサービスを提供する。 この設定の下で、我々は、マルチモーダルデータの11.4時間1.2Mフレームを持つ、最初の大規模人・物・人間のインタラクションデータセットであるInterVLAを達成した。 我々は,エゴセントリックな人の動き推定,相互作用合成,および包括的分析による相互作用予測に関する新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-08-06T17:46:23Z)
• Real-World Receptivity to Adaptive Mental Health Interventions: Findings from an In-the-Wild Study [0.025861111281600502]
  MHealth技術は、受動的に検知されたスマートフォンデータを使用して、メンタルヘルス状態のリアルタイム監視と介入を可能にした。 JITAI(Just-in-Time Adaptive Interventions)は、パーソナライズされたサポートを提供しようとしている。 本研究は,2つの構成要素(受容と実現可能性)を通してユーザ受容性について検討する。
  論文  参考訳（メタデータ） (2025-07-10T12:45:15Z)
• IntentionESC: An Intention-Centered Framework for Enhancing Emotional Support in Dialogue Systems [74.0855067343594]
  感情的支援の会話では、意図の不明確さは、支持者に不適切な戦略を採用させる可能性がある。 Intention-centered Emotional Support Conversation frameworkを提案する。 支援者の意図を定義し、これらの意図を推測するための重要な感情状態の側面を特定し、それらを適切な支援戦略にマッピングする。
  論文  参考訳（メタデータ） (2025-06-06T10:14:49Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• An Empathetic AI Coach for Self-Attachment Therapy [0.19999259391104385]
  本稿では,自己着床療法のプロトコルを実践する上でユーザを指導することを目的とした,デジタルコーチのための新しいデータセットと計算戦略を提案する。 本フレームワークは,ルールベースの会話エージェントに,ユーザのテキスト応答の根底にある感情を識別するディープラーニング分類器を付加する。 私たちは、ユーザーが対話することを選択できる、人間のようなペルソナのセットを作ります。
  論文  参考訳（メタデータ） (2022-09-17T12:01:35Z)
• Exploring the Effects of AI-assisted Emotional Support Processes in Online Mental Health Community [26.36961585672868]
  我々は、ユーザーが他のユーザーの投稿に感情的なサポートメッセージを書けるように、AIを駆使したワークフローを設計する。 予備的なユーザスタディに基づいて,本システムは,感情の明確化とテキストの具体的記述を支援することを確認した。
  論文  参考訳（メタデータ） (2022-02-21T09:25:36Z)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。