論文の概要: Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing

• arxiv url: http://arxiv.org/abs/2602.06134v1
• Date: Thu, 05 Feb 2026 19:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.069828
• Title: Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing
• Title（参考訳）: 沈黙の耳:文脈認識による会話エージェントとの対話におけるアクティブリスニングのための設計
• Authors: Zhihan Jiang, Qianhui Chen, Chu Zhang, Yanheng Li, Ray LC,
• Abstract要約: 会話エージェント(CA)の設計において「アクティブリスニング」は見過ごされる 提案手法は, 反射サイレンス, ファシリテートサイレンス, 共感サイレンス, ホールディングスペース, 即時応答の5つである。 この研究は、コンテキスト認識のペアリングのような人間の会話からの洞察が、より共感的な人間とAIコミュニケーションの設計を促進する方法を示している。
• 参考スコア（独自算出の注目度）: 17.874659591744486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In human conversation, empathic dialogue requires nuanced temporal cues indicating whether the conversational partner is paying attention. This type of "active listening" is overlooked in the design of Conversational Agents (CAs), which use the same pacing for one conversation. To model the temporal cues in human conversation, we need CAs that dynamically adjust response pacing according to user input. We qualitatively analyzed ten cases of active listening to distill five context-aware pacing strategies: Reflective Silence, Facilitative Silence, Empathic Silence, Holding Space, and Immediate Response. In a between-subjects study (N=50) with two conversational scenarios (relationship and career-support), the context-aware agent scored higher than static-pacing control on perceived human-likeness, smoothness, and interactivity, supporting deeper self-disclosure and higher engagement. In the career support scenario, the CA yielded higher perceived listening quality and affective trust. This work shows how insights from human conversation like context-aware pacing can empower the design of more empathic human-AI communication.
• Abstract（参考訳）: 人間の会話では、共感的対話は、会話相手が注意を払っているかを示すニュアンスな時間的手がかりを必要とする。 このタイプの「アクティブリスニング」は、会話エージェント(CA)の設計において見過ごされている。 ヒトの会話における時間的手がかりをモデル化するには,ユーザの入力に応じて応答パターンを動的に調整するCAが必要である。 筆者らは,5つの文脈認識型ペーシング戦略(反射性サイレンス,ファシリテートサイレンス,共感性サイレンス,保持空間,即時応答)を抽出するために,アクティブリスニングを行った10症例を質的に分析した。 2つの会話シナリオ(関係性およびキャリアサポート)を持つ対象間の研究(N=50)において、コンテキスト認識エージェントは、知覚された人間的類似性、滑らか性、相互作用性に対して静的なペースト制御よりも高いスコアを示し、より深い自己開示とより高いエンゲージメントを支持した。 キャリアサポートのシナリオでは、CAは聴取の質と感情的信頼を高く評価した。 この研究は、コンテキスト認識のペアリングのような人間の会話からの洞察が、より共感的な人間とAIコミュニケーションの設計を促進する方法を示している。

関連論文リスト

• Proactive Hearing Assistants that Isolate Egocentric Conversations [9.444316926459196]
  装着者の会話相手を自動的に識別・分離する能動的補聴器を導入する。 本システムは,エゴセントリックな音声で動作し,装着者の自発音声をアンカーとして利用する。 我々の研究は、会話のダイナミクスやエンゲージメントに積極的に適応する補聴器への一歩である。
  論文  参考訳（メタデータ） (2025-11-14T16:44:48Z)
• Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
  時系列思考は、完全なSDLMの応答品質を改善することを目的としている。 追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。 結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-10-02T10:28:11Z)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Interactive Conversational Head Generation [68.76774230274076]
  対面会話における1つのインターロケータの振る舞いを合成するための新しい対話ヘッド生成ベンチマークを提案する。 長時間・複数回会話に参加可能なインターロカクタを自動的に合成する機能は不可欠であり、様々なアプリケーションにメリットを提供する。
  論文  参考訳（メタデータ） (2023-07-05T08:06:26Z)
• Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for Open-domain Dialogue Generation [11.72386584395626]
  エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。 既存の対話モデルは、対人関係の会話情報を対人情報の流れとして捉えた個人知識に組み込むことが、その後の会話の質を高めるという事実を無視しながら、対人関係の個人知識を一方的にダイアログに組み込むことに注意を払っている。 会話の一貫性を向上し、2つの折り畳みから繰り返しを緩和することを目的とした,会話適応型多視点対応対応型応答生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-07-16T08:59:06Z)
• Intelligent Conversational Android ERICA Applied to Attentive Listening and Job Interview [41.789773897391605]
  我々はインテリジェントな会話型android ericaを開発した。 ERICAには,注意深い聞き取り,就職面接,スピードデートなど,いくつかのソーシャルインタラクションタスクを設定した。 40人の高齢者が会話を分解することなく5～7分間の会話を行ったことが評価されている。
  論文  参考訳（メタデータ） (2021-05-02T06:37:23Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。