論文の概要: AI Healthcare Chatbots as Information Infrastructure: A Large-Scale Study of User-Reported Breakdowns

• arxiv url: http://arxiv.org/abs/2606.27302v1
• Date: Thu, 25 Jun 2026 17:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.376964
• Title: AI Healthcare Chatbots as Information Infrastructure: A Large-Scale Study of User-Reported Breakdowns
• Title（参考訳）: 情報基盤としてのAIヘルスケアチャットボット - ユーザ報告によるブレークダウンの大規模調査
• Abstract要約: この研究は、59のAIヘルスケアチャットボットアプリから15,000以上のユーザーレビューを調査する。 アクセス障壁とサービスの信頼性、ユーザエクスペリエンスとインタラクション品質、請求と顧客サポートの問題です。 我々の発見は、アクセス障害、ユーザビリティ、信頼がユーザに与える影響を強調し、デジタルヘルスシステムの改善を目指すデザイナー、政策立案者、情報専門家に実用的な洞察を提供する。
• 参考スコア（独自算出の注目度）: 3.4874087337090383
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: AI healthcare chatbots are increasingly used to support health information seeking and self-management, yet their performance and impact on users remains to be studied. This study examines over 15,000 user reviews from 59 AI healthcare chatbot apps to explore how these systems function in everyday informational and emotional contexts. Topic modeling and interpretive analysis identify three recurring breakdowns: access barriers and service unreliability, user experience and interaction quality, and billing and customer support issues. Privacy and security concerns are associated with the most negative experiences. By framing AI healthcare chatbots as information infrastructures, our findings highlight how failures in access, usability, and trust affect users, offering actionable insights for designers, policymakers, and information professionals aiming to improve digital health systems.
• Abstract（参考訳）: AIヘルスケアチャットボットは、健康情報検索とセルフマネジメントをサポートするためにますます使われているが、そのパフォーマンスとユーザへの影響は研究されていない。 本研究では、59のAIヘルスケアチャットボットアプリからの15,000以上のユーザーレビューを調査し、これらのシステムが日々の情報や感情の文脈でどのように機能するかを調査する。 トピックモデリングと解釈分析では、アクセス障壁とサービスの信頼性、ユーザエクスペリエンスとインタラクション品質、請求と顧客サポートの問題の3つが繰り返されている。 プライバシーとセキュリティの懸念は、最も否定的な経験と関連している。 AIヘルスケアチャットボットを情報基盤とすることで、私たちの発見は、アクセス、ユーザビリティ、信頼の障害がユーザに与える影響を強調し、デザイナ、政策立案者、そしてデジタルヘルスシステムを改善するための情報プロフェッショナルに実用的な洞察を提供する。

関連論文リスト

• On the Security and Privacy of AI-based Mobile Health Chatbots [0.24554686192257424]
  この研究は、Google Play Storeから特定された16のAIベースのmHealthチャットボットを実証的に評価する。 われわれの調査では、セキュリティ上の脆弱性、プライバシー上の問題、Google Playのポリシーに準拠していないことが判明した。 これらの推奨事項は、データ処理プロセスの改善、開示、ユーザセキュリティに重点を置いている。
  論文  参考訳（メタデータ） (2025-11-15T22:49:07Z)
• Therapeutic AI and the Hidden Risks of Over-Disclosure: An Embedded AI-Literacy Framework for Mental Health Privacy [3.602377086789099]
  大規模言語モデル(LLM)は、メンタルヘルスの文脈においてますます多くデプロイされている。 LLMには、どの情報が収集され、どのように処理され、どのように保存され、再利用されるかという明確な構造がない。 本稿では,人工知能(AI)のリテラシー介入をメンタルヘルスの会話システムに直接組み込む枠組みを提案する。
  論文  参考訳（メタデータ） (2025-10-12T20:50:06Z)
• Decoding User Concerns in AI Health Chatbots: An Exploration of Security and Privacy in App Reviews [1.2437039433843042]
  本研究では,セキュリティプライバシに関する懸念(SPR)を特定する上で,特にBARTとGemini GenAIの自動化手法の有効性を評価する。 以上の結果から,SPR分類におけるGeminiの性能は手動ラベリングに匹敵するものの,どちらの自動手法にも限界があることが示唆された。
  論文  参考訳（メタデータ） (2025-01-31T00:38:37Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• On the Reliability of Large Language Models to Misinformed and Demographically-Informed Prompts [20.84000437261526]
  本研究では,大言語モデル(LLM)が支援するチャットボットを用いて,人口統計情報を用いて,誤情報や質問に対処する。 True/Falseの質問を使って定量的に分析すると、これらのチャットボットがこれらのクローズドな質問に対して正しい答えを与えることができることが分かる。 ドメインの専門家から集めた質的な洞察は プライバシーや倫理的影響に 懸念がまだあることを示している
  論文  参考訳（メタデータ） (2024-10-06T07:40:11Z)
• Designing Chatbots to Support Victims and Survivors of Domestic Abuse [2.3020018305241337]
  このような状況や支援への直接アクセスが制限される状況において、チャットボットが被害者や生き残りを支援する役割について検討する。 家庭内虐待支援サービスや組織に携わる専門家とインタビューを行った。 Thematic Content Analysis was applied to evaluate and extract insights from the interview data and the content on victims- supported Website。
  論文  参考訳（メタデータ） (2024-02-27T10:40:15Z)
• Conversational Health Agents: A Personalized LLM-Powered Agent Framework [1.4597673707346281]
  会話型健康エージェント(英: Conversational Health Agents、CHA)は、援助や診断などの医療サービスを提供する対話型システムである。 我々は,対話エージェントがユーザの医療クエリに対してパーソナライズされた応答を生成するためのオープンソースのフレームワークであるopenCHAを提案する。 openCHAには、外部ソースから情報を集めるためのアクションを計画し実行するためのオーケストレータが含まれている。
  論文  参考訳（メタデータ） (2023-10-03T18:54:10Z)
• A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
  本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。 利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。 居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
  論文  参考訳（メタデータ） (2023-05-10T08:11:21Z)
• Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
  本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
  論文  参考訳（メタデータ） (2022-12-09T23:49:00Z)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [51.644376281196394]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。