論文の概要: Transparent by Design, Usable in Practice? A Formative Usability Study of a Conversational Product Advisor

• arxiv url: http://arxiv.org/abs/2607.21513v1
• Date: Thu, 23 Jul 2026 16:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.488984
• Title: Transparent by Design, Usable in Practice? A Formative Usability Study of a Conversational Product Advisor
• Title（参考訳）: デザインによる透明化と実践 : 対話型製品アドバイザの形式的ユーザビリティスタディ
• Abstract要約: 大規模な言語モデルは、対話型の製品アドバイザを流動的だが不透明にする。 ひとつの反応は、アドバイザーに透明性を構築することです。 本稿では,そのようなシステムについて,形式的,中程度の思考情報を用いたユーザビリティスタディを報告する。
• 参考スコア（独自算出の注目度）: 2.8292841621378844
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models can make conversational product advisors fluent but opaque. If they hide the logic behind a ranking and the evidence for a recommendation inside natural-language replies, they challenge users' ability to understand, trust, and steer the results. One response is to build transparency into the advisor. We report a formative, moderated think-aloud usability study of one such system: a chatbot for laptop search with constrained natural-language generation, an on-demand ranking explanation, and a comparison feature. Seven participants completed three laptop-search tasks and reported post-task usability measures. We coded their sessions into severity-rated usability problems. Ease and satisfaction during the tasks were high, but two findings stand out. First, transparency by design did not guarantee understanding: several participants valued the ranking explanation in principle, yet it caused the most severe problem. Second, participants valued the effort the advisor saved, but some wanted additional direct-manipulation controls. We contribute a severity-prioritized set of usability problems and design implications for human-centered conversational product advisors.
• Abstract（参考訳）: 大規模な言語モデルは、対話型の製品アドバイザを流動的だが不透明にする。 ランキングの裏側にロジックを隠して、自然言語の返信の中に推薦する証拠を隠せば、結果を理解し、信頼し、評価する能力に挑戦する。 ひとつの反応は、アドバイザーに透明性を構築することです。 本稿では,制約付き自然言語生成によるノートパソコン検索用チャットボット,オンデマンドランキング説明機能,および比較機能について,定式化・中等化によるユーザビリティ調査を行った。 7人の参加者が3つのラップトップ検索タスクを完了し、タスク後のユーザビリティ対策を報告した。 セッションを厳格に評価されたユーザビリティの問題にコーディングしました。 作業中の食事と満足度は高かったが, 2つの結果が得られた。 まず、設計による透明性は理解を保証しなかった: 何人かの参加者は原則としてランキングの説明を重要視したが、最も深刻な問題を引き起こした。 第二に、参加者はアドバイザが節約した努力を大切にしたが、一部は追加の直接操作制御を望んだ。 我々は、人間中心の対話型製品アドバイザに対して、ユーザビリティ問題と設計上の意味を重大に優先順位付けしたセットに貢献する。

関連論文リスト

• Trust by Design: Trust Calibration Through Non-Advisory Socratic Dialogue in Conversational Agents [0.0]
  我々は,非アドバイザなソクラテス的対話を通じて,自身の権限を制限するための対話エージェントCASELyを提案する。 エージェントは、ユーザー入力にのみ根ざした反射的な質問をし、アドバイス、レコメンデーション、解釈の提供を拒否する。
  論文  参考訳（メタデータ） (2026-09-13T22:19:18Z)
• Role of Personality in Conversational Information Seeking [5.34118604456456]
  大規模言語モデル(LLM)は、ユーザが対話を通じて情報を見つけ、比較し、評価する情報探索にますます利用されている。 しかし、ユーザ・パーソナリティ、アシスタント・パーソナリティ、タスク・コンテキストがこれらのインタラクションにどのように影響するかについては、ほとんど分かっていない。 本研究では,対話情報における制御可能な変数としてのパーソナリティについて検討し,ユーザ行動やインタラクション品質に与える影響について検討する。
  論文  参考訳（メタデータ） (2026-08-11T17:26:24Z)
• Cleo: A Transparent and Controllable Chatbot for Conversational Commerce [2.5899040911480182]
  透明でコントロール可能な対話型プロダクトアドバイザであるCleoを紹介します。 Cleoは、不透明性の課題、LLMの予測不可能性、および会話コマースにおける比較の複雑さに対処する。 ライブデモでは、情報提供とリフレクション、リアルタイムの再ランクによる会話の洗練、属性ごとの損失説明のインスペクション、AI生成したマルチテム比較などが体験される。
  論文  参考訳（メタデータ） (2026-08-06T14:12:14Z)
• Say What? Examining Text and Voice Input Modalities for Prompt-Based Programming in Computing Education [18.18479797325814]
  本研究では,プログラミング学生がプロンプト問題とどのように相互作用するかを検討した。 プロンプト問題は、正しいコードを生成するために自然言語のプロンプトを作成する必要があるプログラミングタスクである。 テキストを使ってプロンプトを入力した学生は、最初の試みでそのプロンプトを成功させる可能性が高かった。 学生が提出前に書き起こした音声のプロンプトを編集しても、成功率に差はなかった。
  論文  参考訳（メタデータ） (2026-07-07T04:04:23Z)
• Do LLMs Benefit From Their Own Words? [56.73014497206615]
  先行するアシスタント応答の除去は,少数のターンにおいて応答品質に影響を与えないことがわかった。 アシスタント側コンテキストのオミッティングは、累積コンテキストの長さを最大10倍に減らすことができる。 本研究は, 記憶量削減を図り, アシスタント履歴を選択的に省略することで, 応答品質を向上できることを示唆する。
  論文  参考訳（メタデータ） (2026-02-27T18:58:26Z)
• Overseeing Agents Without Constant Oversight: Challenges and Opportunities [18.59016735781908]
  本稿では, 基本動作トレースの有用性を検証し, 設計プローブによる3つの選択肢を探索し, エラー検出に対する新しいインターフェースの影響を検証する。 本研究は,エージェントシステムの人為的検証の課題として,ビルトイン仮定の管理,ユーザの主観的・変化的正当性基準,エージェントのプロセスを伝える上での欠点,そして,その重要性について考察する。
  論文  参考訳（メタデータ） (2026-02-18T20:16:24Z)
• Do Images Clarify? A Study on the Effect of Images on Clarifying Questions in Conversational Search [59.907919633904775]
  73名の被験者を対象に,会話検索における画像の役割を調査する。 我々は,対話型検索コンテキストにおける両タスクにおける多モーダルとテキストのみによる質問の明確化の効果を比較した。
  論文  参考訳（メタデータ） (2026-02-09T14:16:11Z)
• Trapped by Expectations: Functional Fixedness in LLM-Enabled Chat Search [9.166043188084414]
  大規模言語モデル(LLM)対応チャット検索における機能的固定性の影響について検討した。 事前の期待が言語の使用を形作り、行動を促すことを発見した。 適切なシステムサポートにより、LLM能力の広範な探索が促進される可能性がある。
  論文  参考訳（メタデータ） (2025-04-02T19:14:01Z)
• Learning to Clarify: Multi-turn Conversations with Action-Based Contrastive Self-Training [33.57497419019826]
  アクションベースのコントラスト自己学習は、多ターン会話モデリングにおけるデータ効率のよい対話ポリシー学習を可能にする。 動作ラベルがない場合でも、データ効率のよいチューニングシナリオにおいてACTの有効性を実証する。 また,会話におけるあいまいさを暗黙的に認識し,説明できるかどうかを調べることで,LLMが会話エージェントとして機能する能力を評価することを提案する。
  論文  参考訳（メタデータ） (2024-05-31T22:44:48Z)
• Context-faithful Prompting for Large Language Models [51.194410884263135]
  大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。 パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。 我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
  論文  参考訳（メタデータ） (2023-03-20T17:54:58Z)
• Explanation Selection Using Unlabeled Data for Chain-of-Thought Prompting [80.9896041501715]
  非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。 本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
  論文  参考訳（メタデータ） (2023-02-09T18:02:34Z)
• Textual Explanations and Critiques in Recommendation Systems [8.406549970145846]
  論文は、このニーズに対処する2つの根本的な課題に焦点を当てています。 1つ目は、スケーラブルでデータ駆動的な説明生成である。 第2の課題は、説明を実行可能なものにすることだ。
  論文  参考訳（メタデータ） (2022-05-15T11:59:23Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• ConvAI3: Generating Clarifying Questions for Open-Domain Dialogue Systems (ClariQ) [64.60303062063663]
  本論文では,対話システムに対する質問の明確化に関する課題について詳述する(ClariQ)。 このチャレンジは、2020年のSearch Oriented Conversational AI (SCAI) EMNLPワークショップで、ConvAI3(Conversational AI Challenge series)の一部として組織されている。
  論文  参考訳（メタデータ） (2020-09-23T19:48:02Z)

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。