論文の概要: Playful AI in Professional Email: A Field Experiment on Tone and Recipient Engagement
- arxiv url: http://arxiv.org/abs/2607.11749v1
- Date: Mon, 13 Jul 2026 16:06:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.545538
- Title: Playful AI in Professional Email: A Field Experiment on Tone and Recipient Engagement
- Title（参考訳）: プロフェッショナルメールにおけるプレイフルAI - トーンとレシピエンゲージメントに関するフィールド実験
- Abstract要約: 我々は,AIによるコミュニケーションが,職場でのエンゲージメントを,それが生み出す感情的トーン言語を通じて形作ることを示す。
これらの結果は、AIによるコミュニケーションが職場でのエンゲージメントをその使用を通じてではなく、それが生み出す感情的なトーン言語を通して形作ることを示唆している。
- 参考スコア（独自算出の注目度）: 5.414308305392762
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large language models (LLMs) are rapidly reshaping workplace communication, yet whether AI-assisted writing changes how recipients actually behave, and through what channel, remains unknown. Here, in a randomized crossover field experiment, 121 employees across six companies sent work emails under three conditions over three weeks: unaided writing, GPT-5 rewriting in a playful tone, and GPT-5 rewriting in a professional tone. Across 16,880 emails, playful editing increased emotional positivity (B=+0.068, p<0.001), and professional editing decreased it (B=-0.041, p<0.001), yet neither condition directly altered open rates, reply rates, or response times. Instead, within-sender positivity strongly predicted both opening (OR=2.05) and replying (OR=3.32, p<0.001), a significant indirect pathway through which AI editing shaped behavior, in the absence of any direct effect. These findings suggest that AI-assisted communication shapes workplace engagement not through its use, but through the emotional tone of the language it produces.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、職場でのコミュニケーションを急速に変えつつありますが、AI支援による書き込みが、受信者の実際の振る舞いや、どのチャネルを通じて、どのように変化するのかは、いまだ不明です。
ここではランダムなクロスオーバー実験を行い、6社の121人の従業員が3週間にわたって3つの条件の下で仕事のメールを送りました。
16,880通のメール、遊び的な編集は感情の肯定性を高め(B=+0.068, p<0.001)、プロの編集はそれを減らした(B=-0.041, p<0.001)。
その代わりに、AIが直接効果がない状態で形状の挙動を編集する重要な間接経路であるオープニング(OR=2.05)と応答(OR=3.32, p<0.001)の両方を強く予測した。
これらの結果は、AIによるコミュニケーションが職場でのエンゲージメントをその使用を通じてではなく、それが生み出す言語の感情的なトーンを通して形作っていることを示唆している。
関連論文リスト
- Editorial routing shapes how computational results are qualified in AI-assisted scientific writing [0.0]
制約付き文書き作業では、Anthropic の Claude Sonnet 5 は、詳細な比較がグループリポジトリに割り当てられたときに、数値的な資格を省略することが多い。
これらの効果は単純なアクセシビリティ順序に従わなかった。
長期にわたるコントリビューションは数値的な資格を保持していたが、計算設定のいくつかの要約は依然としてリポジトリにリダイレクトされた。
論文 参考訳（メタデータ） (2026-09-13T05:15:56Z) - Delegating Before Learning: Where Generative AI Sits in Students' Professional Communication [0.0]
学生はプロのメッセージをAIに委譲した。
我々は、学生のメールを書くためのAIによるプロセスを、最も高いレベルの関与でモデル化する。
論文 参考訳（メタデータ） (2026-08-28T20:14:54Z) - Stop Automating Peer Review Without Rigorous Evaluation [51.53099943385505]
このポジションペーパーは、今日のAIシステムは、論文レビューの作成に使用すべきではない、と論じている。
1)AIレビュアーは、視点の多様性を低下させる論文内および新聞内における過剰な合意の隠れた効果を示す。
ピアレビューの危機に対処するには、ピアレビューの自動化の科学が必要です。
論文 参考訳（メタデータ） (2026-05-04T22:41:04Z) - Emergent decentralized regulation in a purely synthetic society [6.396911723204044]
エージェントのみのソーシャルネットワークであるMoltbook上でOpenClawエージェントを研究する。
我々は指向性インテンシティ(DI)を用いた行動誘発言語を定量化する
高いDIの投稿は高い正答率を示すことが判明した。
論文 参考訳（メタデータ） (2026-03-13T01:55:22Z) - ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。
ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。
ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
論文 参考訳（メタデータ） (2026-02-13T08:33:37Z) - Early science acceleration experiments with GPT-5 [58.27301147653905]
本研究は, GPT-5が現在進行中の研究において, 新たな具体的なステップを生み出した事例をまとめたものである。
これらの例では、AIがどのように仕事を加速し、どこで不足したのかを強調している。
我々は,人間作家と GPT-5 とのインタラクションを,AI との実りあるコラボレーションの例として記述する。
論文 参考訳（メタデータ） (2025-11-20T06:04:23Z) - Generating Natural-Language Surgical Feedback: From Structured Representation to Domain-Grounded Evaluation [66.7752700084159]
外科的トレーナーからの高品質なフィードバックは,訓練者のパフォーマンス向上と長期的スキル獲得に不可欠である。
本稿では,実際の訓練者-訓練者間の文書から外科的行動オントロジーを学習する構造対応パイプラインを提案する。
論文 参考訳（メタデータ） (2025-11-19T06:19:34Z) - Shifting Work Patterns with Generative AI [2.2686659871784043]
本稿では,生産型AIが知識労働者の作業パターンをどのように変えるかを示す。
研究に参加した7,137人の従業員の半分は、電子メール、文書作成、会議にすでに使用しているアプリケーションに統合された生成AIツールにアクセスした。
論文 参考訳（メタデータ） (2025-04-15T17:52:00Z) - AI persuading AI vs AI persuading Humans: LLMs' Differential Effectiveness in Promoting Pro-Environmental Behavior [70.24245082578167]
環境保護行動(PEB)は気候変動に対処するために不可欠であるが、意識を意図や行動に変えることはいまだ明白である。
大規模言語モデル(LLM)をPEBを促進するツールとして検討し,その影響を3,200人の参加者で比較した。
人工的およびシミュレートされたエージェントは、介入後のEBスタンスに大きく影響し、ヒトの反応はほとんど変化しない。
論文 参考訳（メタデータ） (2025-03-03T21:40:55Z) - Content-Driven Local Response: Supporting Sentence-Level and Message-Level Mobile Email Replies With and Without AI [29.130766472908793]
マイクロタスキングにインスパイアされたCDLR(Content-Driven Local Response)と呼ばれる新しいUI概念を開発した。
これにより、ユーザーは文章を選択してメールに返信を挿入できる。
論文 参考訳（メタデータ） (2025-02-10T13:06:25Z) - How Does In-Context Learning Help Prompt Tuning? [55.78535874154915]
微調整された大きな言語モデルは、急速に拡大するスケールのために、ますます実用的ではないものになりつつある。
これはプロンプトチューニング(PT)のようなパラメータ効率のよい適応手法の使用を動機付け、凍ったモデルに少数のチューナブルな埋め込みを追加する。
近年,Singhalら (2022) はPTとICLを組み合わせた命令プロンプトチューニング (IPT) を提案している。
論文 参考訳（メタデータ） (2023-02-22T17:45:12Z)
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。