論文の概要: Human-AI Collaboration in Large Language Model-Integrated Building Energy Management Systems: The Role of User Domain Knowledge and AI Literacy

• arxiv url: http://arxiv.org/abs/2602.16140v1
• Date: Wed, 18 Feb 2026 02:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.490915
• Title: Human-AI Collaboration in Large Language Model-Integrated Building Energy Management Systems: The Role of User Domain Knowledge and AI Literacy
• Title（参考訳）: 大規模言語モデルを用いた建築エネルギー管理システムにおけるヒューマンAIコラボレーション--ユーザドメイン知識とAIリテラシーの役割
• Authors: Wooyoung Jung, Kahyun Jeon, Prosper Babon-Ayeng,
• Abstract要約: 本研究では,ユーザドメイン知識と人工知能(AI)リテラシーがヒューマン・AI対話型建築エネルギー管理システム(BEMS)の有効利用に与える影響を理解することを目的とする。 我々は系統的なロールプレイング実験を行い、85人の被験者が高度な生成前訓練トランス(OpenAI GPT-4o)と相互作用した。 参加者は、LCM統合BEMSとして機能するGPTモデルを用いて、家庭のエネルギー消費を減少させる5つの行動変化を識別する任務を負った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study aimed to comprehend how user domain knowledge and artificial intelligence (AI) literacy impact the effective use of human-AI interactive building energy management system (BEMS). While prior studies have investigated the potential of integrating large language models (LLMs) into BEMS or building energy modeling, very few studies have examined how user interact with such systems. We conducted a systematic role-playing experiment, where 85 human subjects interacted with an advanced generative pre-trained transformer (OpenAI GPT-4o). Participants were tasked with identifying the top five behavioral changes that could reduce home energy use with the GPT model that functioned as an LLM-integrated BEMS. Then, the collected prompt-response data and participant conclusions were analyzed using an analytical framework that hierarchically assessed and scored human-AI interactions and their home energy analysis approaches. Also, participants were classified into four groups based on their self-evaluated domain knowledge of building energy use and AI literacy, and Kruskal-Wallis H tests with post-hoc pairwise comparisons were conducted across 20 quantifiable metrics. Key takeaways include: most participants employed concise prompts (median: 16.2 words) and relied heavily on GPT's analytical capabilities; and notably, only 1 of 20 metrics, appliance identification rate, showed statistically significant group differences (p=0.037), driven by AI literacy rather than domain knowledge, suggesting an equalizing effect of LLMs across expertise levels. This study provides foundational insights into human-AI collaboration dynamics and promising development directions in the context of LLM-integrated BEMS and contributes to realizing human-centric LLM-integrated energy systems.
• Abstract（参考訳）: 本研究では,ユーザドメインの知識と人工知能(AI)リテラシーが,人間-AI対話型建築エネルギー管理システム(BEMS)の有効利用にどのように影響するかを理解することを目的とした。 以前の研究では、大規模言語モデル(LLM)をBEMSに組み込む可能性やエネルギーモデリングを構築する可能性について研究されてきたが、そのようなシステムとユーザがどのように相互作用するかについてはほとんど研究されていない。 我々は,85人の被験者が高度な生成前訓練トランス(OpenAI GPT-4o)と相互作用する,系統的なロールプレイング実験を行った。 参加者は、LCM統合BEMSとして機能するGPTモデルを用いて、家庭のエネルギー消費を減少させる5つの行動変化を識別する任務を負った。 そして,ヒトとAIの相互作用を階層的に評価し,評価する分析枠組みと,その家庭エネルギー分析アプローチを用いて,収集した応答データと結論を分析した。 また,エネルギー利用とAIリテラシーに関する自己評価ドメイン知識に基づいて,参加者を4つのグループに分類した。 主な内容は、ほとんどの参加者が簡潔なプロンプト(中略16.2語)を採用し、GPTの分析能力に大きく依存しており、特に、20の指標のうち、アプライアンス識別率のうち、統計的に有意なグループ差(p=0.037)を示したのは、ドメイン知識よりもAIリテラシーによるものであり、専門レベルのLLMの平等化効果を示唆している。 本研究は,LLM統合BEMSの文脈における人間とAIのコラボレーションのダイナミクスと開発方向に関する基礎的な知見を提供し,人間中心のLLM統合エネルギーシステムの実現に寄与する。

関連論文リスト

• Context-aware LLM-based AI Agents for Human-centered Energy Management Systems in Smart Buildings [0.0]
  本研究では,大規模言語モデル(LLM)に基づくビルディングエネルギー管理システム(BEMS)AIエージェントのコンセプトフレームワークとプロトタイプアセスメントを提案する。 提案フレームワークは,知覚(知覚),中枢制御(脳),行動(動作とユーザインタラクション)の3つのモジュールから構成される。 プロトタイプの性能は、4つの異なる実世界のエネルギーデータセットにわたる120のユーザクエリを用いて評価された。
  論文  参考訳（メタデータ） (2025-12-31T18:51:19Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• Dynamic Knowledge Exchange and Dual-diversity Review: Concisely Unleashing the Potential of a Multi-Agent Research Team [53.38438460574943]
  IDVSCIは、大規模言語モデル(LLM)上に構築されたマルチエージェントフレームワークである。 動的知識交換機構とデュアルダイバーシティ・レビュー・パラダイムという2つの重要なイノベーションが組み込まれている。 結果は、IDVSCIが2つのデータセットで常に最高のパフォーマンスを達成していることを示している。
  論文  参考訳（メタデータ） (2025-06-23T07:12:08Z)
• From G-Factor to A-Factor: Establishing a Psychometric Framework for AI Literacy [1.5031024722977635]
  我々は、AIリテラシーを、教育、労働開発、および社会的エクイティに重要な意味を持つ、一貫性のある測定可能な構造として確立する。 研究1では、AIのインタラクションタスク間で44.16%のばらつきがある、支配的な潜伏因子("A-factor"と呼ばれる)を明らかにした。 研究2は、AIリテラシーの4つの重要な側面を調べることで測定ツールを洗練させた。 回帰分析では、認知能力(IQ)、教育的背景、AI以前の経験、トレーニング履歴など、AIリテラシーのいくつかの重要な予測要因を特定した。
  論文  参考訳（メタデータ） (2025-03-16T14:51:48Z)
• Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
  本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。 Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。 金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
  論文  参考訳（メタデータ） (2024-11-05T23:55:23Z)
• Harnessing the Power of Large Language Models for Empathetic Response Generation: Empirical Investigations and Improvements [28.630542719519855]
  本研究では,大規模言語モデル(LLM)の共感応答生成における性能について実験的に検討する。 大規模な実験により, LLMは提案手法の利点を大いに生かし, 自動評価と人的評価の両方で最先端の性能を達成できることが示されている。
  論文  参考訳（メタデータ） (2023-10-08T12:21:24Z)

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。