論文の概要: Reheat Nachos for Dinner? Evaluating AI Support for Cross-Cultural Communication of Neologisms
- arxiv url: http://arxiv.org/abs/2604.23842v1
- Date: Sun, 26 Apr 2026 19:04:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.590075
- Title: Reheat Nachos for Dinner? Evaluating AI Support for Cross-Cultural Communication of Neologisms
- Title（参考訳）: ダイナーのためのナチョス再加熱 : ネオロジズムのクロスカルチャーコミュニケーションのためのAIサポートの評価
- Authors: Dayeon Ki, Yu Hou, Rachel Rudinger, Hal Daumé, Marine Carpuat, Fumeng Yang,
- Abstract要約: ネオロジズムと新興スラングは日々の会話の中心であるが、非ネイティブ話者(NNS)が適切に解釈し、使用することを困難にしている。
本研究では,人体実験を通して,非公式なコミュニケーションシナリオを媒介するツールの有用性について検討する。
- 参考スコア（独自算出の注目度）: 44.743980259885355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neologisms and emerging slang are central to daily conversation, yet challenging for non-native speakers (NNS) to interpret and use appropriately in cross-cultural communication with native speakers (NS). NNS increasingly make use of Artificial Intelligence (AI) tools to learn these words. We study the utility of such tools in mediating an informal communication scenario through a human-subjects study (N=234): NNS participants learn English neologisms with AI support, write messages using the learned word to an NS friend, and judge contextual appropriateness of the neologism in two provided writing samples. Using both NS evaluator-rated communicative competence of NNS-produced writing and NNS' contextual appropriateness judgments, we compare three AI-based support conditions: AI Definition, AI Rewrite into simpler English, AI Explanation of meaning and usage, and Non-AI Dictionary for comparison. We show that AI Explanation yields the largest gains over no support in NS-rated competence, while contextual appropriateness judgments show indifference across support. NNS participants' self-reported perceptions tend to overestimate NS ratings, revealing a mismatch between perceived and actual competence. We further observe a significant gap between NNS- and NS-produced writing, highlighting the limitations of current AI tools and informing design for future tools.
- Abstract（参考訳）: ネオロジズムと新興スラングは日々の会話の中心であるが、非ネイティブ話者(NNS)がネイティブ話者(NS)との異文化間コミュニケーションにおいて適切な解釈と使用を困難にしている。
NNSは人工知能(AI)ツールを使ってこれらの単語を学習している。
NNS参加者は、AIサポートによる英語のネオロジズムを学び、学習した単語を使ってNS友人にメッセージを書き、与えられた2つのサンプルでネオロジズムの文脈的適切性を判断する。
AI定義,AIリライトの簡易英語化,意味と使用のAI説明,非AI辞書の3つのAIベースサポート条件を比較した。
我々は,AI説明がNS評価能力の支持を伴わずに最大の利益をもたらすことを示し,文脈的適切性判断はサポート間の差を示す。
NNS参加者の自己報告された知覚は、NS評価を過大評価する傾向にあり、知覚と実際の能力のミスマッチが明らかになる。
さらに、現在のAIツールの限界を強調し、将来のツールの設計を知らせることで、NNS-とNS-生成する書き込みの重大なギャップを観察する。
関連論文リスト
- CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - Supporting Students' Reading and Cognition with AI [12.029238454394445]
私たちは124セッションのテキストをAIツールで分析し、ユーザの読書プロセスと認知的エンゲージメントを理解しました。
我々は、低レベルの認知タスクのための構造化足場を含む、将来のAI読解支援システムの設計意味について提案する。
私たちは、学生やインストラクターがAIで読書体験をカスタマイズできる適応的で人間的なループ機能を提案しています。
論文 参考訳（メタデータ） (2025-04-07T17:51:27Z) - Comparing Native and Non-native English Speakers' Behaviors in Collaborative Writing through Visual Analytics [22.95323370401823]
textscCOALAは、著者クラスタに不確実性を表示することによって、モデルの解釈可能性を改善する新しいビジュアル分析ツールである。
我々は、参加者がtextscCOALA を用いて発見した知見を提示し、将来のAI支援共同執筆ツールの機能を提案する。
論文 参考訳（メタデータ） (2025-02-25T22:39:55Z) - Situated Natural Language Explanations [54.083715161895036]
自然言語の説明(NLE)は、人間に意思決定を説明する最もアクセスしやすいツールである。
既存のNLE研究の視点は、観客を考慮に入れない。
Situated NLEは視点を提供し、説明の生成と評価に関するさらなる研究を促進する。
論文 参考訳（メタデータ） (2023-08-27T14:14:28Z) - A Neural-Symbolic Approach Towards Identifying Grammatically Correct
Sentences [0.0]
テキスト要約、質問回答、機械翻訳、代名詞分解といった課題に取り組むためには、有効な情報源から十分に書かれたテキストにアクセスすることが重要であると一般に受け入れられている。
本稿では,新しいニューラルシンボリックアプローチにより,英語の文を簡易に検証する方法を提案する。
論文 参考訳（メタデータ） (2023-07-16T13:21:44Z) - Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。
自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。
本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文 参考訳（メタデータ） (2023-07-05T20:16:20Z) - Towards Explainable AI Writing Assistants for Non-native English
Speakers [3.7953068443263174]
テキストを言い換えるためにAI記述アシスタントを使用する場合、非ネイティブ話者が直面する課題を強調します。
提案するパラフレーズに付随する説明が欠如していることから,AI文字アシスタントが生成するパラフレーズテキストを評価するのが困難であることがわかった。
我々は,AI記述アシスタントを用いたNNESの書き込み体験を向上させるために,潜在的な4つのユーザインタフェースを提案する。
論文 参考訳（メタデータ） (2023-04-05T17:51:36Z) - Context-faithful Prompting for Large Language Models [51.194410884263135]
大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。
パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。
我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
論文 参考訳（メタデータ） (2023-03-20T17:54:58Z) - Toward Transparent AI: A Survey on Interpreting the Inner Structures of
Deep Neural Networks [8.445831718854153]
インナー・インタープリタビリティ・ツールに焦点をあてて300を超える研究をレビューする。
そこで我々は,ネットワークのどの部分で説明できるかによって,メソッドを分類する分類法を提案する。
我々は、解釈可能性研究における現状は、主に非生産的であると論じる。
論文 参考訳（メタデータ） (2022-07-27T01:59:13Z) - Building Low-Resource NER Models Using Non-Speaker Annotation [58.78968578460793]
言語横断的な手法はこれらの懸念に対処する上で顕著な成功を収めた。
本稿では,Non-Speaker''(NS)アノテーションを用いた低リソース名前付きエンティティ認識(NER)モデル構築のための補完的アプローチを提案する。
NSアノテータの使用は、現代の文脈表現上に構築された言語間メソッドよりも、一貫した結果が得られることを示す。
論文 参考訳（メタデータ） (2020-06-17T03:24:38Z)
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。