論文の概要: Improving Survey Participation in Low-Literacy Populations Through Value-Sensitive Conversational AI

• arxiv url: http://arxiv.org/abs/2606.30660v1
• Date: Tue, 16 Jun 2026 17:06:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.611943
• Title: Improving Survey Participation in Low-Literacy Populations Through Value-Sensitive Conversational AI
• Title（参考訳）: 価値感的会話型AIによる低リテラシー人口調査への参加改善
• Abstract要約: convAIは従来のモダリティと比較して調査完了率を大幅に改善することを示す。 これらの結果は、包括的で倫理的でスケーラブルなデータ収集を可能にする上で、人間中心で価値に敏感なインタラクション設計の重要性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collecting reliable social data from low-literacy populations remains a persistent challenge, particularly when surveys involve sensitive topics and marginalized communities. Traditional paper-based and web-based survey modalities often suffer from high attrition and incomplete responses due to literacy barriers, social pressure, and interactional discomfort. In this paper, we present findings from an initial field evaluation comparing multiple survey modalities paper-based interviews, digital web-based surveys, conversational AI (convAI) surveys, and convAI enhanced with layered value-sensitive design conducted with low-literacy women across India. Using data from 315 participants, we show that convAI significantly improves survey completion rates relative to traditional modalities, with the highest completion and lowest drop-off observed when value-sensitive and culturally aligned conversational design elements are fully integrated. These results demonstrate the importance of human-centered and value-sensitive interaction design in enabling inclusive, ethical, and scalable data collection; motivating more `AI for social good' applications.
• Abstract（参考訳）: 低リテラシー層から信頼できるソーシャルデータを収集することは、特にセンシティブなトピックや疎外化コミュニティに関する調査では、依然として永続的な課題である。 従来の紙ベースおよびウェブベースの調査モダリティは、リテラシー障壁、社会的プレッシャー、相互の不快感による高い誘惑と不完全な反応に悩まされることが多い。 本稿では、複数の調査モダリティ紙ベースのインタビュー、デジタルWebベースの調査、会話型AI(convAI)サーベイ、およびインド全土の低識字度女性を対象にした層状価値感設計によるconvAIの強化を比較した最初のフィールド評価結果について述べる。 315人の参加者から得られたデータから,convAIは従来のモダリティと比較して調査完了率を大幅に改善し,価値に敏感で文化的に整合した会話デザイン要素が完全に統合されている場合に最も高い完成率と低いドロップオフが観察された。 これらの結果は、包括的で倫理的でスケーラブルなデータ収集を可能にする上で、人間中心で価値に敏感なインタラクション設計の重要性を示している。

関連論文リスト

• Hybrid Panels: Toward Human-AI Collaboration in Survey Research [9.837591528122095]
  大規模な人口調査は、堅牢な社会的・科学的洞察を生み出すのに不可欠である。 人工知能の進歩は、AIが支援する調査インフラの新しい機会を開いた。 最初のパイロットを構築できる有望なAI対応調査インフラストラクチャは、ハイブリッドパネルです。
  論文  参考訳（メタデータ） (2026-08-23T20:27:48Z)
• Intimate Strangers by Design: A Uses and Gratifications Analysis of AI Companionship [0.0]
  会話型のAIコンパニオンは公の場での議論で注目されているが、ユーザエクスペリエンスに関する学術的な理解は依然として限られている。 この研究は3つのコントリビューションを提供する: まず、参加者は、確立されたU&G(Use and Gratifications)カテゴリにマッピングされた満足度を報告したが、会話AIの独特な余裕によって質的に推測される。 第二に、いくつかの満足度、リレーショナルコプロダクションとしての創造的なコラボレーション、対人トレーニングとしてのリレーショナルシミュレーションは、既存の型にマップするのではなく、ユーザーがAIを使った経験を積極的にシミュレートするインタラクティブなプロセスを通じて現れます。 第三に、満足度は時間とともに変化し、道具的エントリーポイントから感情的なエンゲージメントへと移行した。
  論文  参考訳（メタデータ） (2026-04-07T19:53:58Z)
• Leveraging the Power of AI and Social Interactions to Restore Trust in Public Polls [0.0]
  伝統的なポーリングの手法は、ここ数十年で顕著な減少を見せている。 ソーシャルネットワークとピアツーピアネットワークはますます普及しているが、これらのプラットフォームからのデータは信頼性の問題に悩まされる可能性がある。 本稿では,AIを用いたソーシャルインタラクションのグラフ解析により,ポーリング作業における不適格な参加を検出するための実証的研究について述べる。
  論文  参考訳（メタデータ） (2025-11-10T20:06:32Z)
• AI Feedback Enhances Community-Based Content Moderation through Engagement with Counterarguments [0.0]
  本研究は,AIを用いたハイブリット・モデレーション・フレームワークについて検討した。 その結果,フィードバックを取り入れることで音質が向上することがわかった。 この研究は、政治コンテンツモデレーションにおけるAIの役割に関する継続的な議論に寄与している。
  論文  参考訳（メタデータ） (2025-07-10T18:52:50Z)
• Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
  大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。 本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-21T20:29:02Z)
• Generative AI for Analyzing Participatory Rural Appraisal Data: An Exploratory Case Study in Gender Research [0.0]
  本研究では、参加型農村評価(PRA)による非構造的視覚データの解析におけるジェネレーティブ・人工知能(GenAI)の新たな応用について検討する。 本研究は,「イデアル・ビレッジ」PRAの活動を事例として,インド諸州の多言語的内容を含む手描き人工品を解釈する能力として,最先端の3つの大規模言語モデル(LLM)を評価した。 我々の発見は、このような構造化されていないデータを処理するAIの現在の能力、特に多言語コンテンツを扱うこと、文脈的正確性を維持すること、幻覚を避けることにおける重要な課題を明らかにした。
  論文  参考訳（メタデータ） (2025-02-02T11:55:52Z)
• Surveys Considered Harmful? Reflecting on the Use of Surveys in AI Research, Development, and Governance [21.430179253600308]
  私たちは、AIトピックに関する公開調査が、その設計における特定の西洋の知識、価値観、仮定に対して脆弱であることに気付きました。 我々は,参加の目標を達成するための調査の限界を認識するために,コミュニティに対する挑発や質問を蒸留する。
  論文  参考訳（メタデータ） (2024-07-26T22:10:49Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• DeSIQ: Towards an Unbiased, Challenging Benchmark for Social Intelligence Understanding [60.84356161106069]
  複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。 分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。 ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
  論文  参考訳（メタデータ） (2023-10-24T06:21:34Z)
• 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)
• Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
  研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。 本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
  論文  参考訳（メタデータ） (2021-11-03T10:08:05Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。