論文の概要: From Instructor to Collaborator: What a 90-Participant Study Reveals about Human-Agent Collaboration in a Mobile Serious Game

• arxiv url: http://arxiv.org/abs/2605.27384v1
• Date: Fri, 10 Apr 2026 17:05:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.514452
• Title: From Instructor to Collaborator: What a 90-Participant Study Reveals about Human-Agent Collaboration in a Mobile Serious Game
• Title（参考訳）: インストラクタからコラボレータへ:モバイルシリアスゲームにおけるヒューマンエージェントコラボレーションに関する90人の参加者による研究から
• Authors: Danai Korre,
• Abstract要約: この位置紙は、私のPh.D.で収集された経験的データを、大規模な内被物研究から反映している。 この研究は、人間らしい会話エージェント(ECA)を、低い人間のようなテキストベースエージェントと比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This position paper reflects empirical data collected during my PhD from a large-scale within-subjects study (N = 90). The study compared a highly human-like, spoken embodied conversational agent (ECA) against a low human-like text base agent (no embodiment, text bubble only) within a mobile, Unity-developed game about pre-decimal UK currency. The game included two agents with different roles-an Instructor (Alex) and a Shopkeeper/Collaborator. Users interacted using voice and mouse input. The quantitative data I collected included a usability questionnaire (CCIR MINERVA) and the Agent Persona Instrument. Data was analyzed using paired t-test, repeated measures ANOVA and multiple linear regression to identify correlations between the persona and usability. The results showed a statistically significant preference for the version of highly human-like agents, with a large effect size. This is further discussed alongside qualitative findings from observations and exit interviews. The results are framed for Human-Agent collaboration, especially for how roles, mixed-initiative dialogue, and breakdowns/repairs become apparent in goal-oriented tasks. I conclude with questions on timing, user expectations, and role-specific interactions. This submission does not propose new frameworks; it reports empirical findings and questions I hope to workshop with the community.
• Abstract（参考訳）: この位置紙は、私のPh.D.で収集された実験データを、大規模な内被物(N = 90)から反映している。 この研究は、高度に人間的な、話し言葉による会話エージェント(ECA)と、人間のような低いテキストベースエージェント(エンボディメントなし、テキストバブルのみ)を比較した。 ゲームには異なる役割を持つ2人のエージェント - インストラクタ(Alex)とショップキーパー/コラボレーター - が含まれていた。 ユーザは音声とマウスの入力で対話する。 収集した定量的データには, ユーザビリティアンケート (CCIR MINERVA) とエージェント・ペルソナ・インスツルメンツ (エージェント・ペルソナ・インスツルメンツ) が含まれていた。 データをペアt-test, 繰り返しANOVA, 多重線形回帰を用いて解析し, ペルソナとユーザビリティの相関関係を同定した。 結果より, 高いヒト様の薬が好まれ, 効果が大きかった。 このことは、観察および出口インタビューからの質的な発見と並行して議論される。 結果は、特に、役割、混合開始的対話、ブレークダウン/リペアが、目標指向のタスクで明らかになる方法について、人間とエージェントのコラボレーションのためにフレーム化されます。 タイミング、ユーザの期待、役割固有のインタラクションに関する質問で締めくくります。 この投稿では、新しいフレームワークを提案していません。

関連論文リスト

• The AI Data Scientist [4.565386491002663]
  AI Data Scientistは、大規模言語モデル(LLM)を利用した自律エージェントである 単にコードを書くか、プロンプトに応答するのではなく、質問を通じて理由付け、アイデアをテストし、エンドツーエンドの洞察を提供する。 AI Data Scientistの中核には、特殊なLLMサブエージェントのチームがある。
  論文  参考訳（メタデータ） (2025-08-25T15:21:49Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• INSCIT: Information-Seeking Conversations with Mixed-Initiative Interactions [47.90088587508672]
  InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。 ユーザーエージェントは805対人会話から4.7Kである。 対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
  論文  参考訳（メタデータ） (2022-07-02T06:18:12Z)

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。