論文の概要: Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences

• arxiv url: http://arxiv.org/abs/2607.14468v1
• Date: Thu, 16 Jul 2026 01:31:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.943108
• Title: Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences
• Title（参考訳）: 混在型ミュージアムツアーガイドデザインによるジェンダーラーニング成果とビジター選好の改善
• Abstract要約: 本稿では,対話や対話を通じてツアーに積極的に参加する仮想エージェントと物理ロボットを組み合わせた,新たな混合エージェントツアーガイドシステムを提案する。 そこで本研究では,30名の被験者による対象内調査を通じて,係り合い,経験の質,学習成績を評価する。
• 参考スコア（独自算出の注目度）: 0.5682384717239095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots are increasingly integrated into everyday contexts, including museums, where they can both entertain and educate visitors. To enhance visitor experience and engagement, we present a novel mixed-agent tour guide system that combines a physical robot with a projected virtual agent that actively participates in the tour through conversation and interaction, achieving the interaction richness of two mobile agents from a single platform. We validate the system through a within-subjects study with 30 participants to assess engagement, quality of experience, and learning performance. Participants experienced different conversational styles and agent configurations, and data were collected via surveys, behavioral sensors, and interviews. Results showed that engagement and quality of experience remained consistent across conditions. Learning performance revealed a significant gender-moderated difference: the mixed-agent conditions improved learning performance for female participants. This suggests that the proposed dyadic conversational style in this paper influenced learning performance differently by gender. Nonetheless, in interviews, participants reported a greater preference for mixed-agent teams regardless of gender, citing interaction as a key factor in their experience.
• Abstract（参考訳）: ロボットは、訪問者を楽しませたり、教育したりできる博物館など、日常の状況にますます統合されている。 訪問者の体験とエンゲージメントを高めるため,仮想エージェントと物理ロボットを組み合わせて,対話や対話を通じて積極的に参加し,単一のプラットフォームから2人の移動エージェントのインタラクションリッチ性を実現する,新たな混合エージェントツアーガイドシステムを提案する。 そこで本研究では,30名の被験者による対象内調査を通じて,係り合い,経験の質,学習成績を評価する。 参加者は異なる会話スタイルやエージェント構成を経験し、調査、行動センサー、インタビューを通じてデータを収集した。 その結果,経験の質とエンゲージメントは条件によって一定であった。 学習成績は男女差が有意であった: 混合エージェント条件により, 女子の学習成績が改善した。 このことから,本論文では,ジェンダーによって学習性能に異なる影響があることが示唆された。 それにもかかわらず、インタビューで参加者は、性別に関わらず混合エージェントチームの方が好ましいと報告した。

関連論文リスト

• MP-Bench: Evaluating Voice Agents as a Multiparty Conversation Participant [138.90198190949545]
  MP-Benchは,対話型音声システムに対して,マルチパーティ・コンテクスト内でのアクティブな参加者としての評価を目的とした,最初のベンチマークである。 MP-Benchは、ターンテイキングの認識と応答の適切性という2つの主要な側面に沿ってエージェントの振る舞いを評価する。 リアルタイム音声エージェントは、マルチパーティの理解において22%以下にとどまり、マルチパーティのターンテイクにおいてほぼチャンスであることがわかった。
  論文  参考訳（メタデータ） (2026-09-11T17:11:55Z)
• Exploring How Agent Voice Accents Shape Human-AI Collaboration in K-12 Group Learning [1.9611798286316813]
  本研究では,異なるアクセントを持つGenAI音声エージェントが協調とエージェント知覚にどのように影響するかを検討する。 インディアンやアフリカ系アメリカ人のエージェントは、より容易に人格化され、仲間として統合された。
  論文  参考訳（メタデータ） (2026-06-11T02:01:52Z)
• Representing expertise accelerates learning from pedagogical interaction data [0.0]
  インタラクションデータの有効性を支える要因について検討した。 空間ナビゲーションタスクにおいて,専門家と初心者の単純なインタラクションの合成データセットを生成した。 これらのデータセット上でトランスフォーマーモデルをトレーニングし、異なるデータセットへの露出後のパフォーマンスを評価しました。
  論文  参考訳（メタデータ） (2026-04-14T01:59:20Z)
• Mind the Style: Impact of Communication Style on Human-Chatbot Interaction [8.656732143142756]
  参加者がNAVIと対話する対象間ユーザ調査の結果について述べる。 1つのバージョンは親しみやすく、サポート的であり、もう1つは直接的でタスク中心である。 その結果,親和性は主観的満足度を高め,女性のみのタスク完了率を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2026-02-19T21:32:41Z)
• Evaluating the Effectiveness of Large Language Models in Solving Simple Programming Tasks: A User-Centered Study [1.0467092641687232]
  本研究では,ChatGPT-4oとのインタラクションスタイルの違いが,単純なプログラミングタスクにおけるユーザパフォーマンスに与える影響について検討する。 15人の高校生が3種類のモデルで3つの問題を完成させた。
  論文  参考訳（メタデータ） (2025-07-05T13:52:31Z)
• Developing Enhanced Conversational Agents for Social Virtual Worlds [0.0]
  この提案は、人工知能、自然言語処理、Affective Computing、ユーザーモデリングに関連するさまざまな技術を組み合わせている。 本提案は,Second Life ソーシャルバーチャルワールドに展開されている会話エージェントの具体的開発に成功して評価されている。 実験の結果,エージェントの対話行動は,そのような環境で対話するユーザの特定の特性に順応することがわかった。
  論文  参考訳（メタデータ） (2025-01-14T11:15:16Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• 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)
• 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)
• Understanding How People Rate Their Conversations [73.17730062864314]
  我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。 我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
  論文  参考訳（メタデータ） (2022-06-01T00:45:32Z)
• Warmth and competence in human-agent cooperation [0.7237068561453082]
  近年の研究では、深層強化学習で訓練されたAIエージェントが人間と協調できることが示されている。 われわれは2人プレイのソーシャルジレンマであるCoinsで深層強化学習エージェントを訓練している。 参加者の温かさと能力に対する認識は、異なるエージェントに対する表現された嗜好を予測する。
  論文  参考訳（メタデータ） (2022-01-31T18:57:08Z)
• SPA: Verbal Interactions between Agents and Avatars in Shared Virtual Environments using Propositional Planning [61.335252950832256]
  SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。 提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
  論文  参考訳（メタデータ） (2020-02-08T23:15:06Z)

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。