論文の概要: LLMs can persuade only psychologically susceptible humans on societal issues, via trust in AI and emotional appeals, amid logical fallacies

• arxiv url: http://arxiv.org/abs/2604.16935v1
• Date: Sat, 18 Apr 2026 09:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.247512
• Title: LLMs can persuade only psychologically susceptible humans on societal issues, via trust in AI and emotional appeals, amid logical fallacies
• Title（参考訳）: LLMは、論理的不正確さの中で、AIと感情的魅力への信頼を通して、社会的問題に対して心理的に感受性のある人間だけを説得できる
• Authors: Alexis Carrillo, Salvatore Citraro, Ali Aghazhadeh Ardebili, Enrique Taietta, Giulio Rossetti, Emilio Ferrara, Giuseppe Alessandro Veltri, Massimo Stella,
• Abstract要約: 本研究では,LLMの説得力の心理社会的・理性的・感情的次元を定量化する縦断的枠組みであるTalk2AIを紹介する。 Talk2AIの参加者770人は、気候変動、ソーシャルメディアの誤情報、数学の不安といったトピックに関して、4つの主要なLCMのうちの1つと構造化された会話を行った。 各波のあと、参加者は、最初のトピックスタンスでの有罪判決、意見の変化に対する認識、LLMの人間性に対する認識、トピックへの自己献金、テキストによる説明を報告した。
• 参考スコア（独自算出の注目度）: 4.786506246150904
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scarce longitudinal evidence examines LLMs' persuasiveness and humanness along time-evolving psychological frameworks. We introduce Talk2AI, a longitudinal framework quantifying psycho-social, reasoning and affective dimensions of LLMs' persuasiveness about polarizing societal topics. In a four-way longitudinal setup, Talk2AI's 770 participants engaged in structured conversations with one of four leading LLMs on topics like climate change, social media misinformation, and math anxiety. This produced 3,080 conversations over 60,000 turns. After each wave, participants reported conviction in their initial topic stance, perceived opinion change, LLM's perceived humanness, a self-donation to the topic and a textual explanation. Feedback time series showed longitudinal inertia in convictions, indicating some human anchoring to initial opinions even after repeated exposure to AI-generated arguments. Interestingly, NLP analyses revealed that both humans and LLMs relied on fallacious reasoning in 1 conversational quip every 6, countering the ``LLMs as superior systems" stereotype behind LLMs' cognitive surrender. LLMs' perceived humanness was most learnable from sociodemographic, psychological and engagement features ($R^2=0.44$), followed by opinion change ($R^2=0.34$), conviction ($R^2=0.26$) and personal endowment ($R^2=0.24$). Crucially, explainable AI (XAI) indicated: (i) the presence of individuals more susceptible to LLM-based opinion changes; (ii) psychological susceptibility to LLM-convincing consisted of having more trust in LLMs, being more agreeable and extraverted and with a higher need for cognition. A multiverse approach with mixed-effects models confirmed XAI results, alongside strong individual differences. Talk2AI provides a grounded framework and evidence for detecting how GenAI can influence human opinions via multiple psycho-social pathways in AI-human digital platforms.
• Abstract（参考訳）: 厳密な縦断的証拠は、LLMの時間進化心理学的枠組みに沿った説得性と人間性について考察する。 本研究では, 社会的トピックの分極に関するLLMの説得性について, 心理社会的, 推論的, 感情的次元を定量化する縦断的枠組みであるTalk2AIを紹介する。 Talk2AIの参加者770人は、気候変動、ソーシャルメディアの誤情報、数学の不安といったトピックに関して、4つの主要なLCMのうちの1つと構造化された会話を行った。 これによって6万回で3,080件の会話ができた。 各波のあと、参加者は、最初のトピックスタンスでの有罪判決、意見の変化に対する認識、LLMの人間性に対する認識、トピックへの自己献金、テキストによる説明を報告した。 フィードバック時系列は、AI生成された議論に繰り返し暴露された後でも、一部の人間が最初の意見に固執していることを示す、有罪判決における縦断的慣性を示した。 興味深いことに、NLP分析により、人間とLLMは、LLMの認知的降伏の背後にあるステレオタイプである `LLMs as superior systems" に対して、6回ごとに1回の会話クイップにおいて、誤った推論に依存していたことが明らかとなった。 LLMの人間性は、社会デマグラフィー、心理的、エンゲージメントの特徴(R^2=0.44$)、意見の変化(R^2=0.34$)、信念(R^2=0.26$)、個人的寄付(R^2=0.24$)から最も学習可能であった。 重要な点として、説明可能なAI(XAI)は次のとおりである。 i) LLMに基づく意見の変化によりより影響を受けやすい個人の存在 (II) LLMに対する心理的感受性は, LLMに対する信頼度が高く, より満足度が高く, 対外的であり, 認知の必要性が高くなった。 混合効果モデルを用いたマルチバースアプローチでは,強い個人差とともにXAIの結果が確認された。 Talk2AIは、AIと人間のデジタルプラットフォームにおける複数の心理社会的経路を通じて、GenAIが人間の意見にどのように影響を与えるかを検出するための基盤となるフレームワークと証拠を提供する。

関連論文リスト

• Beyond Hallucinations: The Illusion of Understanding in Large Language Models [0.0]
  大規模言語モデル(LLM)は、人間のコミュニケーションや意思決定に深く浸透している。 彼らはあいまいさ、偏見、言語自体に固有の真理への直接アクセスの欠如を継承する。 本稿は,LLMがシステム1認知を大規模に運用する,高速,連想的,説得的だが,反射やファルシフィケーションは行わない,と論じる。
  論文  参考訳（メタデータ） (2025-10-16T13:19:44Z)
• Artificial Intelligence and Civil Discourse: How LLMs Moderate Climate Change Conversations [2.570568710751949]
  大規模言語モデル(LLM)は、オンラインプラットフォームやデジタル通信空間に統合されつつある。 本研究は,LLMが自然に温暖な気候変化の会話を,それぞれのコミュニケーション行動を通じてどのように行うかを検討する。
  論文  参考訳（メタデータ） (2025-06-07T03:32:47Z)
• Arbiters of Ambivalence: Challenges of Using LLMs in No-Consensus Tasks [52.098988739649705]
  本研究では, LLMのバイアスと限界について, 応答生成器, 判定器, 討論器の3つの役割について検討した。 我々は、様々な先行的曖昧なシナリオを含む例をキュレートすることで、合意なしのベンチマークを開発する。 以上の結果から, LLMは, オープンエンドの回答を生成する際に, 曖昧な評価を行うことができる一方で, 審査員や討論者として採用する場合は, 合意なしのトピックにスタンスを取る傾向が示唆された。
  論文  参考訳（メタデータ） (2025-05-28T01:31:54Z)
• Measurement of LLM's Philosophies of Human Nature [113.47929131143766]
  大規模言語モデル(LLM)を対象とする標準化された心理尺度を設計する。 現在のLSMは、人間に対する信頼の欠如を示す。 本稿では,LLMが継続的に価値体系を最適化できるメンタルループ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-03T06:22:19Z)
• ToMATO: Verbalizing the Mental States of Role-Playing LLMs for Benchmarking Theory of Mind [25.524355451378593]
  ToMATOは、会話よりもマルチチョイスQAとして定式化された新しいToMベンチマークである。 私たちは、信念、意図、欲望、感情、知識の5つのカテゴリにまたがって、一階と二階の精神状態を取ります。 ToMATOは5.4kの質問、753の会話、15の性格特性パターンで構成されている。
  論文  参考訳（メタデータ） (2025-01-15T14:47:02Z)
• 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)
• MoCa: Measuring Human-Language Model Alignment on Causal and Moral Judgment Tasks [49.60689355674541]
  認知科学の豊富な文献は人々の因果関係と道徳的直観を研究してきた。 この研究は、人々の判断に体系的に影響を及ぼす多くの要因を明らかにした。 大規模言語モデル(LLM)が、人間の参加者と一致するテキストベースのシナリオについて因果的、道徳的な判断を下すかどうかを検証する。
  論文  参考訳（メタデータ） (2023-10-30T15:57:32Z)
• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)
• Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
  本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
  論文  参考訳（メタデータ） (2023-05-31T15:03:28Z)

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。