論文の概要: Same Stories, Different Journeys: From Social Comparison to Sensemaking in AI-Mediated Peer Career Exploration

• arxiv url: http://arxiv.org/abs/2607.11039v1
• Date: Mon, 13 Jul 2026 03:11:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.32137
• Title: Same Stories, Different Journeys: From Social Comparison to Sensemaking in AI-Mediated Peer Career Exploration
• Title（参考訳）: AIを用いたピアキャリア探索における社会的比較からセンスメイキングまで
• Abstract要約: JobMateは、実際のソーシャルメディアのキャリアポストを対人会話型AIエージェントに変換するインタラクティブシステムである。 我々の研究は、JobMateのAIによる対話が、建設的な自己認識に向けて社会的比較をリダイレクトしたことを示している。 本稿では,ソーシャルコンテクスト間でのオンラインユーザ生成コンテンツ消費を向上するAIシステムの設計上の意義について論じる。
• 参考スコア（独自算出の注目度）: 13.582232903925913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Young job seekers frequently turn to social media to compare themselves with peers and make sense of career possibilities. However, passive feed browsing creates a paradox: the authentic peer content that provides emotional grounding also triggers potentially detrimental upward social comparison and cognitive overload. Previous work has either structured online user-generated content to reduce noise without changing the passive browsing modality, or built AI-powered career exploration systems that disregard authentic human experiences. To address this gap, we developed JobMate, an interactive system that transforms real social media career posts into persona-grounded conversational AI agents, shifting the interaction from passive scrolling to active, personalized dialogue. We conducted a between-subjects study ($N$ = 24, three disciplines) comparing JobMate with native RedNote browsing. Our study shows that JobMate's AI-mediated dialogue redirected social comparison from potentially detrimental upward comparison toward constructive self-reframing, while promoting sensemaking through active conversational engagement. However, users still relied on the authenticity of real peer content for emotional grounding. We discuss design implications for AI systems that augment authentic online user-generated content consumption across social comparison contexts.
• Abstract（参考訳）: 若い求職者は、しばしばソーシャルメディアに目を向け、自分を仲間と比較し、キャリアの可能性を理解する。 しかし、受動的フィードブラウジングはパラドックスを生み出し、感情的な根拠を提供する真のピアコンテンツは、潜在的に社会的比較や認知的過負荷を引き起こす。 これまでの研究は、受動的ブラウジングのモダリティを変えることなくノイズを減らすために、オンラインのユーザー生成コンテンツを構造化してきた。 このギャップに対処するため、実際のソーシャルメディアのキャリアポストを対人会話型AIエージェントに変換するインタラクティブシステムJobMateを開発し、対話を受動スクロールからアクティブでパーソナライズされた対話へとシフトさせた。 JobMateとネイティブRedNoteのブラウジングを比較した。 我々の研究は、JobMateのAIによる対話は、社会的比較を、潜在的に有害な上向き比較から建設的な自己認識へとリダイレクトし、活発な会話のエンゲージメントを通じてセンスメイキングを促進したことを示している。 しかし、ユーザーはまだ感情的な接地のために本当のピアコンテンツが本物であることに頼っていた。 本稿では,ソーシャルコンテクスト間でのオンラインユーザ生成コンテンツ消費を向上するAIシステムの設計上の意義について論じる。

関連論文リスト

• PERCEIVE: A Benchmark for Personalized Emotion and Communication Behavior Understanding on Social Media [12.727513169450503]
  PERCEIVEはソーシャルメディアにおける社会的知覚分析の新しいベンチマークである。 著者が作成したコンテンツ、真の読者の感情的なフィードバック、コミュニケーション行動、ユーザー属性、ソーシャルグラフの5つの重要な側面を統合するのは、これが初めてである。 PerCEIVEは、社会的文脈に根ざした感情と行動の本質的な結合をモデル化するためのユニークなリソースを提供する。
  論文  参考訳（メタデータ） (2026-04-10T09:35:56Z)
• 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)
• LIFELONG SOTOPIA: Evaluating Social Intelligence of Language Agents Over Lifelong Social Interactions [4.819825467587802]
  本稿では,言語エージェントの総合評価を行うための新しいベンチマークLIFELONG-SOTOPIAを提案する。 私たちがテストするすべての言語モデルの目標達成と信頼性が、インタラクション全体を通じて低下していることに気付きました。 以上の結果から,生涯にわたる社会的相互作用による言語エージェントの社会的知性評価にはLIFELONG-SOTOPIAが有効であることが示唆された。
  論文  参考訳（メタデータ） (2025-06-14T23:57:54Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Social Life Simulation for Non-Cognitive Skills Learning [7.730401608473805]
  大型言語モデル(LLM)によって実現された対話型プラットフォームであるSimulife++を紹介する。 このシステムでは、ユーザーは主人公として行動し、1つまたは複数のAIベースのキャラクターをさまざまな社会的シナリオで作り出すことができる。 特に,人間-AIインタラクションを,傍観者として行動するSage Agentを含む人間-AI-AIコラボレーションに拡張した。
  論文  参考訳（メタデータ） (2024-05-01T01:45:50Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。 提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
  論文  参考訳（メタデータ） (2022-08-22T14:06:06Z)
• A Unified Framework for Emotion Identification and Generation in Dialogues [5.102770724328495]
  本稿では,対話の感情を協調的に識別し,その感情に応じて応答を生成するマルチタスクフレームワークを提案する。 本研究では,BERTをベースとしたネットワークを用いて共感システムを構築し,エンド・ツー・エンドのネットワークを分類と生成損失の両方で訓練する混合目的関数を用いる。
  論文  参考訳（メタデータ） (2022-05-31T02:58:49Z)
• Aligning to Social Norms and Values in Interactive Narratives [89.82264844526333]
  我々は、インタラクティブな物語やテキストベースのゲームにおいて、社会的に有益な規範や価値観に沿って行動するエージェントを作成することに注力する。 我々は、特別な訓練を受けた言語モデルに存在する社会的コモンセンス知識を用いて、社会的に有益な値に整合した行動にのみ、その行動空間を文脈的に制限するGAALADエージェントを紹介した。
  論文  参考訳（メタデータ） (2022-05-04T09:54:33Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)

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。