論文の概要: Towards Gaze-Informed AI Disclosure Interfaces: Eye-Tracking Attentional and Cognitive Load While Reading AI-Assisted News
- arxiv url: http://arxiv.org/abs/2605.14999v1
- Date: Thu, 14 May 2026 16:01:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.931065
- Title: Towards Gaze-Informed AI Disclosure Interfaces: Eye-Tracking Attentional and Cognitive Load While Reading AI-Assisted News
- Title（参考訳）: 視線インフォームドAI公開インターフェースに向けて:AI支援ニュースを読みながら目追跡注意負荷と認知負荷
- Authors: Pooja Prajod, Hannes Cools, Thomas Röggla, Pablo Cesar, Abdallah El Ali,
- Abstract要約: 1行の開示により、固定期間が大幅に増加し、ササード数が増加した。
詳細な開示は追加の負担を課すことはなかった。
インタビューの洞察は、これらの発見を文脈化し、詳細または詳細をオンデマンドに設計することを強く好みます。
- 参考スコア（独自算出の注目度）: 10.125428892025324
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As generative AI becomes increasingly integrated into journalism, designing effective AI-use disclosures that inform readers without imposing unnecessary burden is a key challenge. While prior research has primarily focused on trust and credibility, the impact of disclosures on readers' attentional and cognitive load remains underexplored. To address this gap, we conducted a $3\times2\times2$ mixed factorial study manipulating the level of AI-use disclosure detail (none, one-line, detailed), news type (politics, lifestyle), and role of AI (editing, partial content generation), measuring load via NASA-TLX and eye-tracking. Our results reveal a significant attentional cost: one-line disclosures resulted in significantly higher fixation durations and saccade counts, particularly for AI-edited content. Detailed disclosures did not impose additional burden. Drawing on Information-Gap Theory, we argue that brief labels may trigger increased visual scrutiny by alerting readers to AI use without providing enough information. NASA-TLX scores and pupil diameter showed no significant differences across conditions, suggesting that AI-use disclosures do not impose cognitive burden regardless of the detail level. Interview insights contextualize these findings and reveal a strong preference for detailed or ``detail-on-demand'' designs. Our findings inform the design of gaze-informed adaptive disclosure interfaces that dynamically adjust transparency levels based on readers' attentional patterns and news context.
- Abstract（参考訳）: 生成AIがジャーナリズムに統合されるにつれて、不要な負担を伴わずに読者に知らせる効果的なAI利用開示を設計することが重要な課題である。
従来の研究は主に信頼と信頼性に焦点を当ててきたが、情報開示が読者の注意と認知的負荷に与える影響は未解明のままである。
このギャップに対処するため、私たちは、AI使用開示の詳細(1行1行、詳細)、ニュースタイプ(政治、ライフスタイル)、AI(編集、部分的コンテンツ生成)の役割、NASA-TLXによる負荷の測定、アイトラッキングのレベルを制御した3$\times2\times2$ミックスファクター研究を実行しました。
1行の開示は、特にAIによって編集されたコンテンツにおいて、固定期間とササード数を大幅に向上させる結果となった。
詳細な開示は追加の負担を課すことはなかった。
情報ギャップ理論に基づいて、十分な情報を提供することなく、読者にAIの使用を警告することで、短いラベルが視覚的監視を増大させる可能性があると論じる。
NASA-TLXスコアと瞳孔径は条件によって有意な差は見られなかった。
インタビューの洞察は、これらの発見を文脈化し、詳細または「オンデマンド」なデザインを強く好みます。
本研究は,読者の注意パターンやニュースコンテキストに基づいて,透過度を動的に調整する適応的情報開示インタフェースの設計について報告する。
関連論文リスト
- Explainable AI for Blind and Low-Vision Users: Navigating Trust, Modality, and Interpretability in the Agentic Era [0.9741676285072485]
盲目と低視野(BLV)のユーザにとって、アクセス可能な説明の欠如は、AI駆動型補助技術の独立した使用に対する根本的な障壁となっている。
本稿では,ユーザインタビューと現代研究の総合的な分析を通じて,BLVコミュニティのユニークなXAI要件について検討する。
BLVのユーザは会話の説明を高く評価する一方で、AIの失敗に対して“自己認識”を頻繁に経験している、という実証的な証拠がある。
論文 参考訳（メタデータ） (2026-03-31T19:39:52Z) - Disclosure By Design: Identity Transparency as a Behavioural Property of Conversational AI Models [10.35358368112024]
AIのアイデンティティが不明な場合、ユーザーは無意識に機密情報を共有したり、AIが生成するアドバイスを不当に信頼したり、AI対応の詐欺の被害を被る可能性がある。
我々は、AIシステムが直接尋ねられたとき、人工的なアイデンティティを明示的に開示する設計による開示を提唱する。
ベースライン開示率は高いことが多いが、ロールプレイが著しく低下し、相手のプロンプトで抑制できることがわかった。
論文 参考訳（メタデータ） (2026-01-27T17:31:37Z) - Full Disclosure, Less Trust? How the Level of Detail about AI Use in News Writing Affects Readers' Trust [10.22272389430846]
発見によると、すべてのAI開示が透明性のジレンマを引き起こすのではなく、より透明性を求める読者の欲求とAI支援ニュースコンテンツに対する信頼とのトレードオフを反映している。
論文 参考訳（メタデータ） (2026-01-14T16:45:45Z) - 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) - Detecting misinformation through Framing Theory: the Frame Element-based
Model [6.4618518529384765]
私たちは、AIコミュニティの中で探索されていない領域である物語フレームのニュアンスな操作に焦点を当てています。
本稿では,事前学習された大規模言語モデルと深層ニューラルネットワークの力を利用して誤情報を検出する革新的な手法を提案する。
論文 参考訳（メタデータ） (2024-02-19T21:50:42Z) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - What Else Do I Need to Know? The Effect of Background Information on
Users' Reliance on QA Systems [23.69129423040988]
本研究では,予測に十分な情報がない場合のQAシステムとのインタラクションについて検討する。
本研究は,モデルの正しさを評価するのに十分な情報がない場合でも,利用者がモデル予測に頼っていることを明らかにした。
論文 参考訳（メタデータ） (2023-05-23T17:57:12Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳（メタデータ） (2020-12-06T20:30:26Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z)
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。