論文の概要: Prosocial Persuasion at Scale? Large Language Models Outperform Humans in Donation Appeals Across Levels of Personalization

• arxiv url: http://arxiv.org/abs/2604.03202v1
• Date: Fri, 03 Apr 2026 17:25:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.553867
• Title: Prosocial Persuasion at Scale? Large Language Models Outperform Humans in Donation Appeals Across Levels of Personalization
• Title（参考訳）: 大規模社会的説得 : パーソナライゼーションのレベルを越えて, 人より優れた言語モデル
• Authors: John Caffier, Olga Stavrova, Bennett Kleinberg,
• Abstract要約: 大規模言語モデル(LLM)は、大規模に説得力のあるコンテンツを生成できる可能性を持つと考えられている。 LLMによる寄付請求が、人間によるパーソナライゼーションの度合いに匹敵する効果があるかどうかを考察する。 以上の結果から,LLMは社会的行動を促進するコンテンツ生成に適した技術である可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.3364554138758564
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly regarded as having the potential to generate persuasive content at scale. While previous studies have focused on the risks associated with LLM-generated misinformation, the role of LLMs in enabling prosocial persuasion is still underexplored. We investigate whether donation appeals authored by LLMs are as effective as those written by humans across degrees of personalization. Two preregistered online experiments (Study 1: N = 658; Study 2: N = 642) manipulated Personalization (generic vs. personalized vs. falsely personalized) and Content source (human vs. LLM) and presented participants with donation appeals for charities. We assessed how participants distributed their bonus money across the charities, how they engaged with the donation appeals, and how persuasive they found them. In both experiments, LLM-generated content yielded more donations, resulted in higher engagement, and was rated as more persuasive than human-authored content. There was a gain associated with personalization (Study 2) and a penalty for false personalization (Study 1). Our results suggest that LLMs may be a suitable technology for generating content that can encourage prosocial behavior.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、大規模に説得力のあるコンテンツを生成できる可能性を持つと考えられている。 これまでの研究では、LLMが生成する誤報に関連するリスクに焦点が当てられていたが、社会的な説得を可能にする上でのLSMの役割はまだ解明されていない。 LLMによる寄付請求が、人間によるパーソナライズ(パーソナライズ)の度合いに匹敵する効果があるかどうかを検討する。 事前登録された2つのオンライン実験(Study 1: N = 658; Study 2: N = 642)は、パーソナライゼーション(ジェネリクス対パーソナライズ対パーソナライズ対偽パーソナライズ対偽パーソナライズ)とコンテンツソース(人間対LCM)を操作し、参加者に慈善団体への寄付の訴えを行った。 参加者は、慈善団体にボーナスマネーを分配し、寄付請求にどのように関与し、どのように説得力があるかを評価した。 どちらの実験でも、LLM生成コンテンツはより多くの寄付を得て、より高いエンゲージメントをもたらし、人間によるコンテンツよりも説得力が高いと評価された。 パーソナライゼーションに関連する利得(研究2)と偽パーソナライゼーションに対するペナルティ(研究1)があった。 以上の結果から,LLMは社会的行動を促進するコンテンツ生成に適した技術である可能性が示唆された。

関連論文リスト

• Enhancing Debunking Effectiveness through LLM-based Personality Adaptation [41.32471203510647]
  本研究では,個別に偽ニュースを拡散するメッセージを生成する新しい手法を提案する。 我々は,大言語モデル (LLMs) と,大五人格の特徴(外転,積極性,良心性,神経性,開放性)に合わせたペルソナに基づくインプットを併用する。 その結果,パーソナライズされたメッセージは一般的なメッセージよりも説得力が高いことがわかった。
  論文  参考訳（メタデータ） (2026-03-10T11:44:17Z)
• Mind the Gap! Choice Independence in Using Multilingual LLMs for Persuasive Co-Writing Tasks in Different Languages [51.96666324242191]
  チャリティー広告作成タスクにおける新規筆記アシスタントのユーザ利用が、第2言語におけるAIの性能に影響を及ぼすかどうかを分析する。 我々は、これらのパターンが、生成したチャリティー広告の説得力に変換される程度を定量化する。
  論文  参考訳（メタデータ） (2025-02-13T17:49:30Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Large Language Models are as persuasive as humans, but how? About the cognitive effort and moral-emotional language of LLM arguments [0.0]
  大型言語モデル(LLM)はすでに人間と同じくらい説得力がある。 本稿では, LLMの説得戦略について, 人為的議論と比較し検討する。
  論文  参考訳（メタデータ） (2024-04-14T19:01:20Z)
• LLMs Among Us: Generative AI Participating in Digital Discourse [0.0]
  LLMs among Us」は、ボットと人間の参加者が、ボットと人間の参加者の比率や性質を知らずにコミュニケーションする実験的な枠組みである。 実験を3ラウンド実施し,各ラウンド後の参加者を調査し,人間の検出を伴わずにLLMが人体として振る舞う能力を測定した。 実験では,ボットと人間の両方の存在を知りながら,被験者が他のユーザの性質を正しく識別できたのは42%に過ぎなかった。
  論文  参考訳（メタデータ） (2024-02-08T19:21:33Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)
• Beyond Memorization: Violating Privacy Via Inference with Large Language Models [2.9373912230684565]
  本稿では,テキストから個人属性を推測する事前学習言語モデルの能力に関する,最初の総合的研究について述べる。 以上の結果から,現在のLCMでは,従来は達成不可能な規模で個人データを推測することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-10-11T08:32:46Z)
• Can Large Language Models Transform Computational Social Science? [79.62471267510963]
  大規模言語モデル(LLM)は、(トレーニングデータなしで)ゼロショットで多くの言語処理タスクを実行することができる この研究は、計算社会科学ツールとしてLLMを使用するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2023-04-12T17:33:28Z)

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。