論文の概要: Polite But Boring? Trade-offs Between Engagement and Psychological Reactance to Chatbot Feedback Styles

• arxiv url: http://arxiv.org/abs/2601.20683v1
• Date: Wed, 28 Jan 2026 15:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.992116
• Title: Polite But Boring? Trade-offs Between Engagement and Psychological Reactance to Chatbot Feedback Styles
• Title（参考訳）: ポリット・バブリング : エンゲージメントと心理的リアクタンスとのトレードオフとチャットボットのフィードバックスタイル
• Authors: Samuel Rhys Cox, Joel Wester, Niels van Berkel,
• Abstract要約: 3つのフィードバックスタイル:「Direct」、「Politeness」、「Verbal Leakage」 効果的なフィードバックは、ユーザの反応とエンゲージメントの間のトレードオフをナビゲートする必要があります。
• 参考スコア（独自算出の注目度）: 17.78955588327075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As conversational agents become increasingly common in behaviour change interventions, understanding optimal feedback delivery mechanisms becomes increasingly important. However, choosing a style that both lessens psychological reactance (perceived threats to freedom) while simultaneously eliciting feelings of surprise and engagement represents a complex design problem. We explored how three different feedback styles: 'Direct', 'Politeness', and 'Verbal Leakage' (slips or disfluencies to reveal a desired behaviour) affect user perceptions and behavioural intentions. Matching expectations from literature, the 'Direct' chatbot led to lower behavioural intentions and higher reactance, while the 'Politeness' chatbot evoked higher behavioural intentions and lower reactance. However, 'Politeness' was also seen as unsurprising and unengaging by participants. In contrast, 'Verbal Leakage' evoked reactance, yet also elicited higher feelings of surprise, engagement, and humour. These findings highlight that effective feedback requires navigating trade-offs between user reactance and engagement, with novel approaches such as 'Verbal Leakage' offering promising alternative design opportunities.
• Abstract（参考訳）: 行動変化介入において会話エージェントがますます一般的になるにつれて、最適なフィードバック配信メカニズムを理解することがますます重要になる。 しかし、心理的反応を減らし(自由への脅威を知覚する)、同時に驚きとエンゲージメントの感情を引き出すスタイルを選択することは、複雑な設計上の問題である。 我々は,「ダイレクト」,「ポリトネス」,「バーバルリーク」の3種類のフィードバックスタイルが,ユーザの知覚や行動意図にどのように影響するかを検討した。 文学からの期待と一致して、"Direct"チャットボットは行動意図を低くし、反応を高くし、"Politeness"チャットボットは行動意図を高くし、反応を低くする。 しかし、「礼儀正しさ」は、参加者の思惑をよそに思わぬものと見なされた。 対照的に、"Verbal Leakage"は反響を呼び起こす一方で、驚き、エンゲージメント、ユーモアの感情を高揚させた。 これらの知見は、効果的なフィードバックは、ユーザの反応とエンゲージメントの間のトレードオフをナビゲートする必要があります。

関連論文リスト

• Reflecting Twice before Speaking with Empathy: Self-Reflective Alternating Inference for Empathy-Aware End-to-End Spoken Dialogue [53.95386201009769]
  音声対話における共感的品質を評価するための記述型自然言語ベース評価モデルであるEmpathyEvalを紹介する。 本稿では,共感的自己反射的交替推論機構を通じて共感的対話を強化する,エンドツーエンドの音声言語モデルであるReEmpathyを提案する。
  論文  参考訳（メタデータ） (2026-01-26T09:04:50Z)
• A Customer Journey in the Land of Oz: Leveraging the Wizard of Oz Technique to Model Emotions in Customer Service Interactions [7.089778285573446]
  EmoWOZ-CSには、商業航空、eコマース、オンライン旅行代理店、通信シナリオを含む179人の参加者による2,148人の対話が含まれている。 発見は、中立が参加者のメッセージを支配していることを示し、欲求と感謝は最も頻繁に非中立的な感情である。 いくつかの感情的な戦略(清潔さ、感謝)は肯定的な相互性を促進するが、他の戦略(謝罪、共感)は欲求、怒り、不快感を残すこともある。
  論文  参考訳（メタデータ） (2025-11-26T20:52:17Z)
• Feedback dynamics in Politics: The interplay between sentiment and engagement [0.38580784887142777]
  我々は、単純だが解釈可能な線形モデルを通して感情力学を同定する。 肯定的なメッセージと否定的なメッセージとの関わりは、その後の投稿の感情に影響を及ぼす。
  論文  参考訳（メタデータ） (2025-11-04T15:41:04Z)
• Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor [44.499778745131046]
  まず、チャットボットのトレーニングに感情的選好最適化(EPO)を用いる。 このトレーニングは、モデルが正しい反応と反感情反応の微妙な区別を識別することを可能にする。 次に,MambaCompressorを導入し,会話履歴を効果的に圧縮し,管理する。 複数のデータセットにまたがる包括的実験により、我々のモデルは共感的応答の生成や長い対話の管理において、既存のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-23T13:44:51Z)
• Leveraging Implicit Feedback from Deployment Data in Dialogue [83.02878726357523]
  本研究では,ユーザ間の自然な対話とデプロイモデルから学習することで,社会的会話エージェントの改善について検討する。 我々は、ユーザ応答長、感情、未来の人間の発話の反応などの信号を、収集された対話エピソードで活用する。
  論文  参考訳（メタデータ） (2023-07-26T11:34:53Z)
• Improving Empathetic Dialogue Generation by Dynamically Infusing Commonsense Knowledge [39.536604198392375]
  共感的な会話では、個人は他人に対する共感を表現する。 これまでの研究は主に、話者の感情を利用して共感的な反応を生み出すことに焦点を当ててきた。 本稿では,コモンセンス知識選択のための適応モジュールを組み込んだ共感応答生成手法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T10:25:12Z)
• Use of a Taxonomy of Empathetic Response Intents to Control and Interpret Empathy in Neural Chatbots [4.264192013842096]
  オープンドメインの会話エージェントの領域における近年のトレンドは、感情的なプロンプトに共感的に会話できるようにすることである。 現在のアプローチでは、エンド・ツー・エンドのアプローチに従うか、同様の感情ラベルに応答を条件づけて共感的な反応を生成する。 我々は,次の応答の感情/意図を予測し,これらの予測された感情/意図に基づいて応答を生成するためのルールベースおよびニューラルアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-17T10:03:03Z)
• 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)
• Interacting with Non-Cooperative User: A New Paradigm for Proactive Dialogue Policy [83.61404191470126]
  インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。 具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。 実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-04-07T14:11:31Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)

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。