論文の概要: From Passive Feeds to Guided Discovery: AI-Initiated Interaction for Vague Intent in Content Exploration
- arxiv url: http://arxiv.org/abs/2605.02902v1
- Date: Mon, 30 Mar 2026 14:06:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 06:56:26.49831
- Title: From Passive Feeds to Guided Discovery: AI-Initiated Interaction for Vague Intent in Content Exploration
- Title（参考訳）: パッシブフィードからガイド付き発見:コンテンツ探索におけるVagインテントのためのAIによる対話
- Authors: Yu Xie, Ying Qi,
- Abstract要約: 私たちは、この中核にAIをサポートする探査インターフェースであるRed-Recを紹介します。
このデザインはフォーマティブな研究によって動機付けられており、ユーザーはしばしばフィードの安定を認識できるが、代替品の具体化に苦慮している。
我々はRed-Recを3つの比較条件(受動的フィード、検索、ユーザー開始型チャットインタフェース)に対して混合設計ラボで評価した。
- 参考スコア（独自算出の注目度）: 9.226285729379294
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recommendation feeds work well when people are simply browsing, and search works well when they can formulate a query. Between these two cases is a common but poorly supported state: users feel that their feed has become repetitive, yet cannot clearly specify what they want instead. We refer to this state as vague intent. We present Red-Rec, an AI-supported exploration interface for this middle ground. After a period of browsing, the system summarizes patterns in the current feed (e.g., dominant content categories and possible latent interests), offers clickable exploration options, asks at most one follow-up question, and then gradually blends new content into the feed. The design is motivated by a formative study which found that users often recognize feed staleness but struggle to articulate alternatives, suggesting the need for proactive and low-effort interaction.We evaluated Red-Rec in a mixed-design lab study against three comparison conditions: a passive feed, search, and a user-initiated chat interface. Compared with user-initiated chat, Red-Rec led to broader exploration, higher serendipity ratings, and lower interaction effort. Participants in the AI-initiated condition typed very little , relying mainly on option selection, whereas participants in the user-initiated chat condition typed substantially more . We discuss how proactive, option-based AI support can help users move beyond repetitive feeds without undermining their sense of control, and we outline design implications for recommendation interfaces that support open-ended exploration.
- Abstract（参考訳）: リコメンデーションフィードは、ユーザーが単にブラウジングしているときにうまく機能し、検索はクエリを定式化できるときにうまく機能する。
この2つのケースの間には、一般的にはサポートされていない状態がある。ユーザーはフィードが反復的になったと感じるが、その代わりに何が欲しいかを明確に特定することはできない。
我々はこの状態を曖昧な意図とみなしている。
私たちは、この中核にAIをサポートする探査インターフェースであるRed-Recを紹介します。
ブラウジング期間の後、システムは現在のフィードのパターンを要約し、クリック可能な探索オプションを提供し、少なくとも1つのフォローアップ質問をし、その後、新しいコンテンツをフィードに徐々にブレンドする。
このデザインは,フィードの安定度をよく認識するが,代替品の明瞭化に苦しむという形式的な研究に動機付けられ,プロアクティブかつ低エフォートなインタラクションの必要性が示唆された。
ユーザー主導のチャットと比較すると、Red-Recはより広範な探索、セレンディピティーの評価、より低いインタラクションの取り組みにつながった。
AI開始条件の参加者は選択肢選択に大きく依存するが,AI開始条件の参加者は比較的少なかった。
我々は、ユーザが制御感覚を損なうことなく、反復フィードを超えて、積極的にオプションベースのAIサポートがいかに役立つかを論じ、オープンエンド探索をサポートするレコメンデーションインターフェースの設計について概説する。
関連論文リスト
- Intimate Strangers by Design: A Uses and Gratifications Analysis of AI Companionship [0.0]
会話型のAIコンパニオンは公の場での議論で注目されているが、ユーザエクスペリエンスに関する学術的な理解は依然として限られている。
この研究は3つのコントリビューションを提供する: まず、参加者は、確立されたU&G(Use and Gratifications)カテゴリにマッピングされた満足度を報告したが、会話AIの独特な余裕によって質的に推測される。
第二に、いくつかの満足度、リレーショナルコプロダクションとしての創造的なコラボレーション、対人トレーニングとしてのリレーショナルシミュレーションは、既存の型にマップするのではなく、ユーザーがAIを使った経験を積極的にシミュレートするインタラクティブなプロセスを通じて現れます。
第三に、満足度は時間とともに変化し、道具的エントリーポイントから感情的なエンゲージメントへと移行した。
論文 参考訳（メタデータ） (2026-04-07T19:53:58Z) - PromptHelper: A Prompt Recommender System for Encouraging Creativity in AI Chatbot Interactions [19.138748420166557]
本稿では,探索を支援する対話手法としてプロンプトレコメンダシステム(PRS)を導入し,文脈的に関連するフォローアッププロンプトを提案する。
PRSのプロトタイプであるPromptHelperをAIチャットボットに統合し、ユーザーが実際の書き込みタスクに取り組んでいる間、意味的に多様なプロンプト提案を提示する。
その結果, PromptHelperは認知負荷を増大させることなく, ユーザの知覚的探索と表現力を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2026-01-22T01:44:51Z) - User Feedback in Human-LLM Dialogues: A Lens to Understand Users But Noisy as a Learning Signal [59.120335322495436]
ユーザ-LLM会話ログのユーザフィードバックを分析し、そのようなフィードバックの発生時期と理由について考察する。
第2に、このような暗黙のユーザフィードバックから学習信号を抽出することについて研究する。
論文 参考訳（メタデータ） (2025-07-30T23:33:29Z) - NExT-Search: Rebuilding User Feedback Ecosystem for Generative AI Search [108.42163676745085]
NExT-Searchは、きめ細かいプロセスレベルのフィードバックを生成AI検索に再導入するために設計された次世代パラダイムである。
NExT-Searchは2つの補完モードを統合している。
論文 参考訳（メタデータ） (2025-05-20T17:59:13Z) - Blending Queries and Conversations: Understanding Tactics, Trust, Verification, and System Choice in Web Search and Chat Interactions [0.8397730500554048]
本稿では、Web検索とジェネレーティブAI-Chat機能を組み合わせたインタフェースを用いて、健康関連情報課題を解決するユーザスタディを提案する。
我々は、人々がインターフェイスでどのように振る舞ったか、なぜある方法で振る舞ったのか、そしてこれらの振舞いの結果がどのようなものであったかについて研究する。
論文 参考訳（メタデータ） (2025-04-07T14:59:55Z) - Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。
本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
論文 参考訳（メタデータ） (2025-02-21T20:29:02Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳（メタデータ） (2023-10-22T16:14:56Z) - The HCI Aspects of Public Deployment of Research Chatbots: A User Study,
Design Recommendations, and Open Challenges [19.965388973809336]
本稿では,最近の研究チャットで実施した混合手法のユーザスタディについて報告する。
エージェントの抽象人為的表現は,ユーザの知覚に重要な影響を与え,AIの説明可能性の提供はフィードバック率に影響を与え,チャット体験の2つの(ディジタルおよび外部)レベルは意図的に設計されるべきである。
論文 参考訳（メタデータ） (2023-06-07T20:24:43Z) - From Implicit to Explicit feedback: A deep neural network for modeling
sequential behaviours and long-short term preferences of online users [3.464871689508835]
暗黙的かつ明示的なフィードバックは、有用な推奨のために異なる役割を持つ。
ユーザの嗜好は,長期的利益と短期的利益の組み合わせである,という仮説から導かれる。
論文 参考訳（メタデータ） (2021-07-26T16:59:20Z) - Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。
CRS開発の主な課題を5つの方向にまとめます。
これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
論文 参考訳（メタデータ） (2021-01-23T08:53:15Z)
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。