論文の概要: Designing AI-Supported Focus Groups: A Role x Modality Playbook

• arxiv url: http://arxiv.org/abs/2606.11835v1
• Date: Wed, 10 Jun 2026 09:16:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.380386
• Title: Designing AI-Supported Focus Groups: A Role x Modality Playbook
• Title（参考訳）: AI対応のフォーカスグループを設計する - ロールx Modality Playbook
• Authors: Zhiqing Wang, Steven Dow,
• Abstract要約: 我々は、役割(ツール、共同ホスト、ホスト)とモダリティ(テキスト、音声、エンボディ)によって組織されたAIの焦点グループ固有のプレイブックを提案する。 我々は、対話的トレードオフを特徴付け、AI支援フォーカスグループを方法論的構成として評価するためのオープンな質問を識別する。
• 参考スコア（独自算出の注目度）: 1.3607388598209322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collecting participants' lived experiences is central to design research. Focus groups are uniquely valuable because participants not only share individual accounts but also respond to one another, surfacing comparison, disagreement, and collective sensemaking. However, focus groups are resource-intensive and highly sensitive to facilitation: moderators must probe for specificity, balance participation, manage topic flow, and sustain psychological safety, and subtle facilitation choices can shape what becomes salient. Recent HCI work and commercial meeting tools show that generative AI can scaffold live conversation through prompting, turn regulation, thematic mapping, and real-time summarization. Yet UXR teams lack a clear map of what these capabilities mean in focus groups and what methodological risks they introduce. We synthesize AI supports for live conversation and translate them into a focus-group-specific playbook organized by AI role (tool, co-host, host) and modality (text, voice, embodied).We synthesize prior work on AI-supported live conversation and propose a focus-group-specific playbook of AI supports organized by role (tool, co-host, host) and modality (text, voice, embodied). We characterize interactional trade-offs and identify open questions for evaluating AI-supported focus groups as methodological configurations.
• Abstract（参考訳）: 参加者の生きた経験を収集することはデザイン研究の中心である。 参加者は個々のアカウントを共有するだけでなく、相互に反応し、比較、意見の相違、集団的なセンスメイキングに直面する。 モデレーターは具体性を探究し、参加のバランスをとり、トピックフローを管理し、心理的安全性を維持し、微妙なファシリテーションの選択は健全なものを形成する必要がある。 最近のHCI作業と商用ミーティングツールは、生成的AIが、プロンプト、ターンレギュレーション、テーママッピング、リアルタイムの要約を通じて、ライブ会話を足場にすることができることを示している。 しかし、UXRチームには、フォーカスグループにおけるこれらの機能の意味と、彼らが導入する方法論上のリスクの明確なマップがありません。 我々は、ライブ会話のためのAIサポートを合成し、AIロール(ツール、共同ホスト、ホスト)とモダリティ(テキスト、音声、エンボディド)によって組織されたフォーカスグループ固有のプレイブックに変換する。 我々は、AIが支援するライブ会話に関する先行研究を合成し、役割(ツール、共同ホスト、ホスト)とモダリティ(テキスト、音声、エンボディド)によって組織されたAIの焦点グループ固有のプレイブックを提案する。 我々は、対話的トレードオフを特徴付け、AI支援フォーカスグループを方法論的構成として評価するためのオープンな質問を識別する。

関連論文リスト

• The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
  MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。 ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。 エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
  論文  参考訳（メタデータ） (2026-02-13T05:28:31Z)
• AI Literacy for Community Colleges: Instructors' Perspectives on Scenario-Based and Interactive Approaches to Teaching AI [0.500208619516796]
  本研究は,非STEM学習者を対象とした対話型,非コード型AIリテラシーリソースについて,コミュニティ・カレッジ・インストラクターがどのように評価するかを検討する。 人工知能が日々のテクノロジーに統合されるにつれて、AIリテラシーは分野によって重要なスキルとして現れてきた。 AI Userはインタラクティブなオンラインカリキュラムで、実世界のコンテキストに設定されたシナリオベースのアクティビティを通じて、コアAI概念を紹介する。
  論文  参考訳（メタデータ） (2025-11-07T15:51:53Z)
• Adversarial Topic-aware Prompt-tuning for Cross-topic Automated Essay Scoring [4.751266396409427]
  横断的自動エッセイスコア(英語版)(AES)は、対象トピックに関するエッセイを効果的に評価できる伝達可能なモデルを開発することを目的としている。 本稿では,AESを改善するために,ATOP(Adversarial Topic-aware Prompt-tuning)を提案する。
  論文  参考訳（メタデータ） (2025-08-08T03:43:01Z)
• SpeechRole: A Large-Scale Dataset and Benchmark for Evaluating Speech Role-Playing Agents [72.79816494079833]
  ロールプレイングエージェントは、パーソナライズされた相互作用と感情共鳴を達成するための有望なパラダイムとして登場した。 既存の研究は主にテキストのモダリティに焦点を当て、現実的な対話的なシナリオにおける音声の重要な次元を無視している。 我々は,98の多様な役割と112kの音声ベースの1ターン・マルチターン会話からなる大規模かつ高品質なデータセットであるSpeechRole-Dataを構築した。
  論文  参考訳（メタデータ） (2025-08-04T03:18:36Z)
• The Impact of Background Speech on Interruption Detection in Collaborative Groups [4.413246337852144]
  単一会話と複数グループ対話設定における割り込み検出を解析する。 そして、重なり合う音声に対して頑健な割り込み識別のための最先端の手法を作成する。 我々の研究は、グループ間相互作用における割り込みがどのように現れるかについて、意味のある言語的・韻律的な情報に焦点を当てている。
  論文  参考訳（メタデータ） (2025-07-09T20:57:55Z)
• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• BEYONDWORDS is All You Need: Agentic Generative AI based Social Media Themes Extractor [2.699900017799093]
  ソーシャルメディア投稿のテーマ分析は、公開談話に対する大きな理解を提供する。 従来の手法は、構造化されていない大規模なテキストデータの複雑さとニュアンスを捉えるのに苦労することが多い。 本研究では,事前学習した言語モデルからツイートの埋め込みを統合したテーマ分析のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-26T18:18:37Z)
• Speech Is Not Enough: Interpreting Nonverbal Indicators of Common Knowledge and Engagement [17.25829281965904]
  マルチモーダル分析は、グループメンバーの非言語的相互作用を特定するために重要である。 本稿では,教室における学生のタスク指向インタラクションにおける非言語行動の検出と追跡について紹介する。
  論文  参考訳（メタデータ） (2024-12-08T03:26:44Z)
• 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)

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。