論文の概要: Memory-Driven Self-Disclosure and Relational Turning Points: A Longitudinal Multimodal Study of Human-AI Interaction
- arxiv url: http://arxiv.org/abs/2607.14593v1
- Date: Thu, 16 Jul 2026 05:43:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.004535
- Title: Memory-Driven Self-Disclosure and Relational Turning Points: A Longitudinal Multimodal Study of Human-AI Interaction
- Title（参考訳）: メモリ駆動型自己開示とリレーショナル・ターンポイント:人間とAIの相互作用に関する縦断的マルチモーダル研究
- Abstract要約: 記憶増強型会話エージェントの縦断的研究について述べる。
参加者はセッション後に5つの関係構造 – 親しみ、自己開示、認識された記憶、会話の質、楽しさ – を評価した。
2つの相補的ダイナミクスが出現する。第一に、会話の質は、セッションがいかに楽しいと感じたかを強く形作るが、セッションをまたいで前進しない。
第二に、関係は個別の旋回点 -- クラッシュと急上昇 -- によって貫かれており、それは部分的にマルチモーダルな振る舞いで追跡可能である。
- 参考スコア（独自算出の注目度）: 17.817728459174834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As conversational AI systems are designed for repeated use, a central question is how a series of interactions becomes a relationship. We present a longitudinal multimodal study of a memory-augmented conversational agent (24 participants x 10 sessions), in which participants rated five relational constructs -- familiarity, self-disclosure, perceived memory, conversational quality, and enjoyment -- after each session. Two complementary dynamics emerge. First, conversational quality strongly shapes how enjoyable a session feels in the moment but does not carry forward across sessions, whereas perceived memory is relationally conditioned -- predicted by prior relational state rather than reflecting system capability alone -- and it shapes later enjoyment indirectly, via subsequent self-disclosure. Second, relationships are punctuated by discrete turning points -- crashes and surges -- that are partially traceable in multimodal behavior and open different intervention windows: surges are more behaviorally detectable in the moment, enjoyment surges persist more reliably than enjoyment crashes recover, and some crashes are better forecast from person-specific behavioral drift than detected after they have already occurred. Together, the findings suggest that longitudinal human-AI relationships are built through both slow accumulation and abrupt turning points.
- Abstract（参考訳）: 会話型AIシステムは繰り返し使用するために設計されているため、一連のインタラクションがどのように関係になるかが中心的な疑問である。
参加者は、各セッション後に、親しみ、自己開示、認識された記憶、会話の質、楽しさの5つの関係構造を評価した記憶増強型会話エージェント(24名 x 10 セッション)について、縦断的マルチモーダル研究を行った。まず、2つの相補的ダイナミクスが出現する。第一に、会話の質は、セッションが現在どのように感じられるかを示すが、セッション間では進行しない。一方、知覚された記憶は、システム能力のみを反映するのではなく、先行関係状態によって予測され、後続の自己開示を通して、後続の楽しさを間接的に形作る。
第2に、複数モーダルな動作や異なる介入ウィンドウで部分的に追跡可能な個別の旋回点 -- クラッシュや急上昇 -- が関係を貫いている: 急上昇は現時点ではより行動的に検出可能であり、楽しい急上昇は、クラッシュが回復するよりも確実に持続する。
この結果から, 長期にわたる人間とAIの関係は, 緩やかな蓄積と急激な旋回点の両方を通して構築されていることが示唆された。
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) - Human-AI Agent Interaction as a Neuroplastic Training Environment [3.8263925497663167]
日常的なエージェントインタラクションは、認識されていない神経可塑性トレーニング環境である。
結果が失望すると、不忍、完全主義、フラストレーション、自己批判といった反応パターンが繰り返し誘発される。
我々は,同じトレーニング環境を,その逆の効果に係わることができることを提案する。
論文 参考訳（メタデータ） (2026-07-14T14:36:04Z) - Factors Influencing Conversational Engagement in Robot-Delivered Individual Cognitive Stimulation Therapy (iCST) for Dementia in Home Settings [0.5156484100374058]
社会ロボットは認知症治療のための認知療法を支援する有望な手段を提供する。
本研究は,ロボットによる個別認知刺激療法の相互作用パターンを分析した。
論文 参考訳（メタデータ） (2026-07-09T00:04:35Z) - Predicting Cognitive Load from Speech and Interaction Dynamics in Dyadic Conversations [5.53329677986653]
音声から認知負荷を推定することは、制御された実験室で主に研究されている。
我々は,9つの協調作業を行う53のダイアドから音声を分析し,静的音響,動的,対話的特徴を抽出し,2つの頭部Gated Recurrent Unitエンコーダを訓練する。
その結果、会話の相互作用は、時間的プレッシャー、メンタルワーク、努力、タスクパフォーマンスに関連する認知的負荷を予測するのに有用な信号であることが示された。
論文 参考訳（メタデータ） (2026-06-11T07:05:26Z) - H2HMem: A Multimodal Memory Benchmark for Agents in Human-Human Interactions [60.50162125179037]
H2HMemは、複雑な人間と人間の相互作用におけるメモリ能力を評価するための、ヒューマン・ツー・ヒューマン・マルチモーダルメモリベンチマークである。
H2HMemには、ダイアディックとマルチパーティの会話とマルチモーダルな情報ストリームが含まれており、メモリリコール、推論、アプリケーションという3つの次元に沿ってエージェントを評価する。
論文 参考訳（メタデータ） (2026-06-08T13:17:16Z) - PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。
PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。
実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
論文 参考訳（メタデータ） (2026-03-24T14:04:11Z) - Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。
人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。
本モデルは感情分布予測のための感情情報表現を学習する。
論文 参考訳（メタデータ） (2026-02-24T04:11:25Z) - Amory: Building Coherent Narrative-Driven Agent Memory through Agentic Reasoning [14.368376032599437]
Amoryは、オフライン時に構造化されたメモリ表現を積極的に構築するワーキングメモリフレームワークである。
アモリーは会話の断片を叙事詩の物語に整理し、記憶を運動量と統合し、周辺事実を意味記憶に意味づける。
Amoryは従来の最先端よりも大幅に改善され、パフォーマンスは完全なコンテキスト推論に匹敵し、レスポンスタイムを50%削減した。
論文 参考訳（メタデータ） (2026-01-09T19:51:11Z) - Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
時系列思考は、完全なSDLMの応答品質を改善することを目的としている。
追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。
結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
論文 参考訳（メタデータ） (2025-10-02T10:28:11Z) - AsyReC: A Multimodal Graph-based Framework for Spatio-Temporal Asymmetric Dyadic Relationship Classification [8.516886985159928]
ダイアドの社会的関係は、空間的経験と時間的経験の共有によって形成される。
これらの関係をモデル化するための現在の計算手法は3つの大きな課題に直面している。
非対称なダイアド関係分類のための多モードグラフベースのフレームワークAsyReCを提案する。
論文 参考訳（メタデータ） (2025-04-07T12:52:23Z) - 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)
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。