論文の概要: Personality as Relational Infrastructure: User Perceptions of Personality-Trait-Infused LLM Messaging

• arxiv url: http://arxiv.org/abs/2602.06596v1
• Date: Fri, 06 Feb 2026 10:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.361696
• Title: Personality as Relational Infrastructure: User Perceptions of Personality-Trait-Infused LLM Messaging
• Title（参考訳）: リレーショナルインフラストラクチャとしてのパーソナリティ:パーソナリティを取り入れたLLMメッセージングのユーザ認識
• Authors: Dominik P. Hofer, David Haag, Rania Islambouli, Jan D. Smeddinck,
• Abstract要約: 行動変化システムにおけるパーソナライゼーションに基づくパーソナライゼーションは、主にメッセージ単位ではなく集約露光によって機能する可能性があることを示す。 これらの知見を現実の文脈で検証するためには, その場縦断的研究が必要である。
• 参考スコア（独自算出の注目度）: 0.6999740786886536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital behaviour change systems increasingly rely on repeated, system-initiated messages to support users in everyday contexts. LLMs enable these messages to be personalised consistently across interactions, yet it remains unclear whether such personalisation improves individual messages or instead shapes users' perceptions through patterns of exposure. We explore this question in the context of LLM-generated JITAIs, which are short, context-aware messages delivered at moments deemed appropriate to support behaviour change, using physical activity as an application domain. In a controlled retrospective study, 90 participants evaluated messages generated using four LLM strategies: baseline prompting, few-shot prompting, fine-tuned models, and retrieval augmented generation, each implemented with and without Big Five Personality Traits to produce personality-aligned communication across multiple scenarios. Using ordinal multilevel models with within-between decomposition, we distinguish trial-level effects, whether personality information improves evaluations of individual messages, from person-level exposure effects, whether participants receiving higher proportions of personality-informed messages exhibit systematically different overall perceptions. Results showed no trial-level associations, but participants who received higher proportions of BFPT-informed messages rated the messages as more personalised, appropriate, and reported less negative affect. We use Communication Accommodation Theory for post-hoc analysis. These results suggest that personality-based personalisation in behaviour change systems may operate primarily through aggregate exposure rather than per-message optimisation, with implications for how adaptive systems are designed and evaluated in sustained human-AI interaction. In-situ longitudinal studies are needed to validate these findings in real-world contexts.
• Abstract（参考訳）: デジタル行動変化システムは、日々のコンテキストでユーザをサポートするために、繰り返し、システムから始まるメッセージに依存している。 LLMはこれらのメッセージを相互に一貫したパーソナライズを可能にするが、そのようなパーソナライゼーションが個々のメッセージを改善するのか、むしろ露出パターンを通じてユーザーの知覚を形作るのかは不明である。 LLMが生成するJITAIは、アプリケーションドメインとして物理アクティビティを使用して、動作変化をサポートするのに適切なと判断された瞬間に配信される、短い、コンテキスト対応のメッセージである。 コントロールされた振り返り調査では、90人の参加者が、ベースラインプロンプト、少数ショットプロンプト、微調整モデル、検索強化生成の4つのLSM戦略を用いて生成されたメッセージを評価した。 内分解を伴う順序的多段階モデルを用いて、個性情報による個人的メッセージの評価の改善、個人レベルの露出効果、個人的インフォームドメッセージのより高い割合の参加者が体系的に異なる全体知覚を示すか否かを、試行レベルの効果を区別する。 その結果、試験レベルの関連性は示されなかったが、BFPTインフォームドメッセージの比率が高い参加者は、メッセージをより個人化され、適切で、否定的な影響を報告していないと評価した。 我々は、ポストホック分析にコミュニケーション・アコモテーション理論を用いる。 これらの結果から,行動変化システムにおける個性に基づくパーソナライゼーションは,メッセージごとの最適化よりも集約的露光によって行う可能性が示唆された。 これらの知見を現実の文脈で検証するためには, その場縦断的研究が必要である。

関連論文リスト

• Mind the Gap: Linguistic Divergence and Adaptation Strategies in Human-LLM Assistant vs. Human-Human Interactions [14.21024646209994]
  大規模言語モデル(LLM)は、顧客向けアプリケーションにますます多くデプロイされている。 本研究は,2つの設定間でのユーザ言語の文法的流布度,丁寧さ,語彙的多様性に有意な差異が認められた。 打上げ後の通信スタイルの変更に対する堅牢性を高めるために,我々は2つの戦略を実験した。
  論文  参考訳（メタデータ） (2025-10-03T00:45:37Z)
• Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks [2.1117030125341385]
  大きな言語モデル(LLM)は、会話エージェント(CA)が特有の個性を表現することを可能にする。 本研究では、目標指向タスクにおける人格表現レベルとユーザエージェントの人格アライメントが知覚に与える影響について検討する。
  論文  参考訳（メタデータ） (2025-09-11T21:43:49Z)
• 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)
• A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
  PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。 我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
  論文  参考訳（メタデータ） (2025-05-20T09:13:22Z)
• Beyond Self-Reports: Multi-Observer Agents for Personality Assessment in Large Language Models [2.7010154811483167]
  本稿では,LLMエージェントの性格特性評価のための新しいマルチ・オブザーバ・フレームワークを提案する。 自己評価に頼る代わりに、複数のオブザーバエージェントを採用する。 これらの評価は従来の自己評価よりも人間の判断と密接に一致していることを示す。
  論文  参考訳（メタデータ） (2025-04-11T10:03:55Z)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• Aligning LLMs with Individual Preferences via Interaction [51.72200436159636]
  調整可能な大きな言語モデル(LLM)をトレーニングします。 木構造における3K以上の多ターン会話を含む多ターン嗜好データセットを開発した。 評価のために、慎重に選択された100のサンプルと、会話中にカスタマイズされたアライメント性能を測定するために適切に設計されたメトリクスからなるALOEベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-10-04T17:48:29Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Personality Traits in Large Language Models [42.31355340867784]
  コミュニケーションの有効性を決定する重要な要因は人格である。 本稿では,広く使用されている大規模言語モデル上でのパーソナリティテストの管理と検証のための,新しい,包括的・包括的心理学的・信頼性の高い方法論を提案する。 本稿では,計測・形成手法の適用と倫理的意味,特に責任あるAIについて論じる。
  論文  参考訳（メタデータ） (2023-07-01T00:58:51Z)

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。