論文の概要: Correct Yourself, Keep My Trust: How Self-Correction and Social Connection Shape Credibility in Social Chatbots

• arxiv url: http://arxiv.org/abs/2606.19286v1
• Date: Wed, 17 Jun 2026 17:04:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.283971
• Title: Correct Yourself, Keep My Trust: How Self-Correction and Social Connection Shape Credibility in Social Chatbots
• Title（参考訳）: 自分自身を正し、信頼を保つ:ソーシャルチャットボットにおける自己補正と社会的つながりの整合性
• Authors: Biswadeep Sen, Yi-Chieh Lee,
• Abstract要約: 誤り訂正戦略を3つ比較する。 自己補正は誤りを等しく訂正するが、自己補正だけが修正した。 ユーザは、信頼性と認識された専門性の両方において、自己補正を著しく高く評価した。
• 参考スコア（独自算出の注目度）: 14.959942562632838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When social chatbots make mistakes, and they do, how they recover determines whether users trust them again. Social chatbots are increasingly integrated into everyday life, yet they remain prone to generating convincing but inaccurate information. The social connection they build with users makes such errors particularly consequential. We conducted a between-subjects experiment (N=120) comparing three error correction strategies: a webpage retraction, self-correction by the same social chatbot, and correction by an expert chatbot. Our results reveal two key findings. First, all three strategies corrected the error equally well, but only self-correction did so without damaging the chatbot's credibility: participants rated self-correcting chatbots significantly higher in both trustworthiness and perceived expertise than chatbots whose errors were corrected by external sources. Second, the strength of the user's social connection with the chatbot, measured through social attraction and self-disclosure, significantly predicted the magnitude of belief change, but only when the chatbot corrected itself. Outsourcing corrections to an external source severed this link entirely. These findings suggest that social chatbots should correct their own mistakes rather than outsource corrections, and that investing in social connection is a functional mechanism that amplifies correction effectiveness, not merely a design feature. We discuss implications for designing chatbots that maintain long-term credibility while effectively addressing their own errors.
• Abstract（参考訳）: ソーシャルチャットボットがミスを犯すと、どのようにしてリカバリするかによって、ユーザーが再び信頼するかどうかが決定される。 ソーシャルチャットボットは日々の生活にますます統合されているが、説得力はあるが不正確な情報を生み出す傾向にある。 彼らがユーザーと構築するソーシャルなつながりは、特にこのようなエラーを発生させる。 我々は,Webページの削除,同一のソーシャルチャットボットによる自己補正,エキスパートチャットボットによる訂正という3つの誤り訂正戦略を比較検討した(N=120)。 以上の結果から2つの重要な結果が得られた。 参加者は、エラーが外部ソースによって修正されたチャットボットよりも、信頼性と専門性の両方において、自己修正チャットボットを有意に高く評価した。 第2に,ソーシャルアトラクションと自己開示によって測定されたチャットボットとのソーシャルなつながりの強さは,チャットボット自体の修正時にのみ,信念の変化の程度を著しく予測した。 外部ソースへのアウトソーシング修正は、このリンクを完全に切断した。 これらの結果から,ソーシャルチャットボットはアウトソースの修正よりも自らの誤りを訂正すべきであり,ソーシャル接続への投資は,単にデザイン機能ではなく,修正の有効性を増幅する機能的メカニズムであることを示唆した。 長期的な信頼性を維持しつつ,自己の誤りを効果的に解決するチャットボットを設計する上での意義について論じる。

関連論文リスト

• The Impact of a Chatbot's Ephemerality-Framing on Self-Disclosure Perceptions [17.836384420199316]
  本研究では,チャットボットのユーザとの関係が自己開示にどのように影響するかを検討した。 私たちはFamiliarとStrangerを比較した。 最初のチャットセッションで感情開示が求められたとき、ストレンジャー条件の参加者はより快適な自己開示を感じた。 しかし,まずFactual-disclosureを求めると,これらの違いはFamiliar-condition 参加者の間でより楽しむことに置き換わった。
  論文  参考訳（メタデータ） (2025-05-26T19:00:49Z)
• Measuring and Controlling Instruction (In)Stability in Language Model Dialogs [72.38330196290119]
  System-promptingは、言語モデルチャットボットをカスタマイズするツールで、特定の命令に従うことができる。 本稿では,仮説を検証し,セルフチャットによる命令安定性の評価を行うベンチマークを提案する。 我々は8ラウンドの会話で重要な指示ドリフトを明らかにした。 そこで本研究では,2つの強力なベースラインに対して良好に比較可能なsplit-softmaxという軽量な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-13T20:10:29Z)
• Exploring consumers response to text-based chatbots in e-commerce: The moderating role of task complexity and chatbot disclosure [0.0]
  本研究の目的は、Eコマースにおけるテキストベースのチャットボットに対する消費者の信頼と対応を探ることである。 消費者は、チャットボットの共感と友情の両方に対する認識が、それに対する信頼に肯定的な影響を及ぼす。 テキストベースのチャットボットの開示は、共感と消費者信頼の関係を否定的に抑制する一方で、友人関係と消費者信頼の関係を肯定的に抑制する。
  論文  参考訳（メタデータ） (2024-01-20T15:17:50Z)
• Evaluating Chatbots to Promote Users' Trust -- Practices and Open Problems [11.427175278545517]
  本稿では,チャットボットのテスト実践について概説する。 ギャップをユーザ信頼の追求におけるオープンな問題として認識する。 サービスや製品のパフォーマンス、ユーザの満足度、社会に対する長期的意図しない結果に関する信頼の問題を緩和するための道筋を概説する。
  論文  参考訳（メタデータ） (2023-09-09T22:40:30Z)
• Neural Generation Meets Real People: Building a Social, Informative Open-Domain Dialogue Agent [65.68144111226626]
  Chirpy Cardinalは、情報と会話の両方をねらっている。 ユーザーとボットの両方を交互に会話に駆り立てる。 Chirpy Cardinalは、Alexa Prize Socialbot Grand Challengeで9つのボットのうち2位にランクインした。
  論文  参考訳（メタデータ） (2022-07-25T09:57:23Z)
• CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement Learning [60.348822346249854]
  本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。 チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。 共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
  論文  参考訳（メタデータ） (2021-10-08T07:44:47Z)
• Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention [55.77218465471519]
  本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。 我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。 本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
  論文  参考訳（メタデータ） (2021-03-30T15:24:37Z)
• Personalized Chatbot Trustworthiness Ratings [19.537492400265577]
  我々は、各問題に対する個別の格付けモジュールに依存するチャットボットのためのパーソナライズされた格付け手法を構想する。 この方法は、特定の信頼問題とは独立しており、集計手順にパラメトリックである。
  論文  参考訳（メタデータ） (2020-05-13T22:42:45Z)

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。