論文の概要: Using Large Language Models for Emotional Support of Bulgarian Users: A Survey

• arxiv url: http://arxiv.org/abs/2604.16415v1
• Date: Thu, 02 Apr 2026 05:19:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 07:03:22.406146
• Title: Using Large Language Models for Emotional Support of Bulgarian Users: A Survey
• Title（参考訳）: ブルガリア人の感情支援に大規模言語モデルを用いた調査
• Authors: Melania Berbatova,
• Abstract要約: 本稿では, ブルガリア人100人, 主に高校, 大学, 博士課程生を対象にした匿名調査の結果を報告する。 調査対象者の約半数がチャットボットをESに利用しており、ChatGPTが最も支配的なプラットフォームである。 利用者の71%はテクノロジーを効果的だと認識しているが、非利用者は懐疑的だ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The use of large language models (LLMs) for psychological and emotional support (ES) has rapidly evolved, becoming the most widely used application of generative artificial intelligence among consumers by 2025. This paper presents the results of an anonymous survey of 100 Bulgarian users, primarily high school, university, and doctoral students, to explore their attitudes toward and usage of chatbots for emotional support. Findings indicate that approximately one-half of the surveyed population utilizes chatbots for ES, with ChatGPT being the most dominant platform. Users primarily seek support for coping with stress in interpersonal relationships and work or study-related environments. While 71% of users perceive the technology as effective, non-users remain sceptical. Despite the growing adoption, significant concerns persist regarding data security, technology reliability, and the tendency of chatbots to provide excessive affirmation.
• Abstract（参考訳）: 大規模言語モデル(LLM)の心理的・感情的支援(ES)への利用は急速に発展し、2025年までに消費者の間で最も広く利用されている生成人工知能の応用となった。 本稿では,ブルガリア人100名(主に高校,大学,博士課程生)を対象にした匿名調査の結果を報告する。 調査対象者の約半数がチャットボットをESに利用しており、ChatGPTが最も支配的なプラットフォームである。 ユーザーは主に、対人関係や仕事や研究環境におけるストレスに対処するための支援を求めている。 利用者の71%はテクノロジーを効果的だと認識しているが、非利用者は懐疑的だ。 採用の増加にもかかわらず、データセキュリティ、技術信頼性、チャットボットが過剰な肯定を提供する傾向に関する重要な懸念が続いている。

関連論文リスト

• Investigating Affective Use and Emotional Well-being on ChatGPT [32.797983866308755]
  本稿では,ChatGPTとのインタラクションがユーザの感情的幸福感,行動,経験に与える影響について検討する。 情緒的手がかりとして300万以上の会話を分析し,ChatGPTに対する認識から4,000人以上のユーザを調査した。 施設審査委員会(IRB)が承認したランダム化制御試験(RCT)を28日間に1,000人近い参加者で実施する。
  論文  参考訳（メタデータ） (2025-04-04T19:22:10Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• From Words and Exercises to Wellness: Farsi Chatbot for Self-Attachment Technique [1.7592522344393486]
  私たちはFarsiでセルフアタッチメント(SAT)を通じてユーザを誘導する音声対応ロボットを開発した。 6000以上の発話のデータセットを収集し、ユーザー感情を12クラスに分類する新しい感情分析モジュールを開発し、精度は92%以上である。 当社のプラットフォームは,ほとんどのユーザ(75%),72%がインタラクションの後に気分が良くなり,74%がSAT Teacherのパフォーマンスに満足していた。
  論文  参考訳（メタデータ） (2023-10-13T19:09:31Z)
• Evaluating Chatbots to Promote Users' Trust -- Practices and Open Problems [11.427175278545517]
  本稿では,チャットボットのテスト実践について概説する。 ギャップをユーザ信頼の追求におけるオープンな問題として認識する。 サービスや製品のパフォーマンス、ユーザの満足度、社会に対する長期的意図しない結果に関する信頼の問題を緩和するための道筋を概説する。
  論文  参考訳（メタデータ） (2023-09-09T22:40:30Z)
• ChatGPT for Us: Preserving Data Privacy in ChatGPT via Dialogue Text Ambiguation to Expand Mental Health Care Delivery [52.73936514734762]
  ChatGPTは人間のような対話を生成する能力で人気を集めている。 データに敏感なドメインは、プライバシとデータ所有に関する懸念から、ChatGPTを使用する際の課題に直面している。 ユーザのプライバシーを守るためのテキスト曖昧化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T02:09:52Z)
• Consistency Analysis of ChatGPT [65.268245109828]
  本稿では,ChatGPTとGPT-4の論理的一貫した行動に対する信頼性について検討する。 その結果,両モデルとも言語理解能力と推論能力が向上しているように見えるが,論理的に一貫した予測が得られないことが示唆された。
  論文  参考訳（メタデータ） (2023-03-11T01:19:01Z)
• A Categorical Archive of ChatGPT Failures [47.64219291655723]
  OpenAIが開発したChatGPTは、大量のデータを使って訓練され、人間の会話をシミュレートしている。 それは、広範囲の人間の問い合わせに効果的に答える能力のために、大きな注目を集めている。 しかし、ChatGPTの失敗の包括的分析は欠落しており、これが本研究の焦点となっている。
  論文  参考訳（メタデータ） (2023-02-06T04:21:59Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)

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。