論文の概要: Nudging Sustainable Choices through LLM-Generated Recommendation Explanations

• arxiv url: http://arxiv.org/abs/2607.25726v2
• Date: Thu, 30 Jul 2026 07:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 12:52:12.263453
• Title: Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
• Title（参考訳）: LLM生成レコメンデーション説明による持続的選択の育成
• Abstract要約: 本研究では,サステナビリティ情報の行動的フレーミングがユーザの選択や知覚にどのように影響するかを検討する。 生成AIを用いて,ナッジ理論に基づいて持続可能性を考慮した説明を生成し,人的評価とLCM-as-a-judge監査を通じて検証する。 我々の研究は、LLMが社会改善のための実践的な説明に基づく介入を指して、理論に基づく説明を大規模に生成する方法を実証する。
• 参考スコア（独自算出の注目度）: 5.313191744122901
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommender systems mediate everyday consumption, offering a promising channel for encouraging sustainable choices. Prior research shows that explanations influence users' perceptions of recommendations and can support more informed decisions. We argue that explanations can also serve as behavioral nudges by foregrounding sustainability information at the moment of choice. This study investigates how different behavioral framings of sustainability information in recommendation explanations affect user choices and perceptions. Using generative AI, we generate sustainability-aware explanations by drawing on nudge theory and validate them through human evaluation and LLM-as-a-judge audits. Building on this foundation, we conduct two randomized studies (N = 529) in a low involvement domain (instant coffee) and a high involvement domain (hotel bookings), in which participants choose among preference matched recommendations accompanied by these explanations. Our results show that, across both domains, merely disclosing sustainability information in explanations does not change choices, whereas framing that information or invoking a descriptive social norm significantly increases sustainable selections and eases decision-making. Notably, perception and behavior diverge, as plain disclosure improves explanation evaluations without translating into more sustainable selection behavior. Our work demonstrates how LLMs can generate theory-grounded explanations at scale, pointing toward practical explanation-based interventions for social good. We conclude by discussing implications for adaptive explanation design with generative AI.
• Abstract（参考訳）: レコメンダシステムは日常的な消費を仲介し、持続可能な選択を促進するための有望なチャネルを提供する。 以前の研究では、説明がユーザのレコメンデーションに対する認識に影響を与え、より情報的な意思決定を支援することが示されている。 我々は,サステナビリティ情報を選択時点でフォアグラウンド化することで,説明が行動に悪影響を及ぼす可能性についても論じる。 本研究では,サステナビリティ情報の行動的フレーミングがユーザの選択や知覚にどのように影響するかを検討する。 生成AIを用いて,ナッジ理論に基づいて持続可能性を考慮した説明を生成し,人的評価とLCM-as-a-judge監査を通じて検証する。 本研究は,低関与領域(インスタントコーヒー)と高関与領域(ホテル予約)の2つのランダム化研究(N=529)を行い,これらの説明を伴って,参加者が好適な推奨事項の中から選択する。 以上の結果から, 両領域において, 説明書における持続可能性情報の開示は選択に影響を与えないが, 説明的社会規範を喚起する情報や情報は, 持続可能な選択を著しく増加させ, 意思決定の容易化を図っている。 特に、不明瞭な開示により、より持続可能な選択行動に変換することなく、説明評価を改善するため、知覚と行動は多様化する。 我々の研究は、LLMが社会改善のための実践的な説明に基づく介入を指して、理論に基づく説明を大規模に生成する方法を実証する。 生成AIを用いた適応的説明設計の意義を論じる。

関連論文リスト

• RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation [63.74915464611075]
  RecThinkerはツール拡張推論を推奨するエージェントフレームワークである。 我々はRecThinker専用のツール群を開発し、モデルがユーザアイテム側および協調的な情報を取得することを可能にする。
  論文  参考訳（メタデータ） (2026-03-10T16:07:17Z)
• LLMs for Explainable Business Decision-Making: A Reinforcement Learning Fine-Tuning Approach [9.942833203981069]
  大規模言語モデル(LLM)は、自然言語の説明を生成する機会を提供する。 観客に適切な説明を与える強化学習に基づく微調整フレームワークであるLEXMAを紹介する。 LEXMAは他のLLMベースラインに比べて予測性能が大幅に向上した。
  論文  参考訳（メタデータ） (2025-12-10T04:16:31Z)
• What Makes LLMs Effective Sequential Recommenders? A Study on Preference Intensity and Temporal Context [56.590259941275434]
  RecPOは、シーケンシャルなレコメンデーションのための優先順位最適化フレームワークである。 これは、推定された嗜好階層と時間信号に基づいて適応的な報酬マージンを利用する。 タイムリーな満足感、コヒーレントな嗜好の維持、変化する状況下での識別の行使など、人間の意思決定の重要な特徴を反映している。
  論文  参考訳（メタデータ） (2025-06-02T21:09:29Z)
• Less is More: Towards Sustainability-Aware Persuasive Explanations in Recommender Systems [42.296965577732045]
  持続可能性を考慮した説得的説明」の概念について議論する。 3つの項目領域におけるユーザスタディに基づいて、持続可能性を考慮した説得的説明の潜在的影響を分析する。
  論文  参考訳（メタデータ） (2024-09-27T12:24:10Z)
• Understanding the Relationship between Prompts and Response Uncertainty in Large Language Models [55.332004960574004]
  大規模言語モデル(LLM)は意思決定に広く使用されているが、特に医療などの重要なタスクにおける信頼性は十分に確立されていない。 本稿では,LSMが生成する応答の不確実性が,入力プロンプトで提供される情報とどのように関連しているかを検討する。 本稿では,LLMが応答を生成する方法を説明し,プロンプトと応答の不確実性の関係を理解するためのプロンプト応答の概念モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-20T11:19:58Z)
• Stability of Explainable Recommendation [10.186029242664931]
  既存の特徴指向の説明可能なレコメンデーションの脆弱性について検討する。 我々は、全ての説明可能なモデルが騒音レベルの増加に弱いことを観察する。 本研究は,レコメンデーションシステムにおけるロバストな説明の話題について,実証的な検証を行った。
  論文  参考訳（メタデータ） (2024-05-03T04:44:51Z)
• Leveraging Counterfactual Paths for Contrastive Explanations of POMDP Policies [2.4332936182093197]
  XAIは、エージェント行動の説明を提供することで、混乱を減らし、システムの信頼を高めることを目的としている。 POMDPは、遷移と状態の不確実性を推論できる柔軟なフレームワークを提供する。 本研究は,POMDPポリシーの対照的な説明を生成するために,ユーザが提供する反ファクトファクトの活用について検討する。
  論文  参考訳（メタデータ） (2024-03-28T18:19:38Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Evaluating the Utility of Model Explanations for Model Development [54.23538543168767]
  機械学習モデル構築の実践シナリオにおいて、説明が人間の意思決定を改善するかどうかを評価する。 驚いたことに、サリエンシマップが提供されたとき、タスクが大幅に改善されたという証拠は見つからなかった。 以上の結果から,サリエンシに基づく説明における誤解の可能性と有用性について注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2023-12-10T23:13:23Z)
• Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
  本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。 本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
  論文  参考訳（メタデータ） (2022-03-30T05:59:50Z)
• Prompting Contrastive Explanations for Commonsense Reasoning Tasks [74.7346558082693]
  大規模事前学習言語モデル(PLM)は、常識推論タスクにおいて、ほぼ人間に近い性能を達成することができる。 人間の解釈可能な証拠を生成するために、同じモデルを使う方法を示す。
  論文  参考訳（メタデータ） (2021-06-12T17:06:13Z)
• Sequential Explanations with Mental Model-Based Policies [20.64968620536829]
  本研究では,説明者の精神モデルに基づく説明を提供するための強化学習フレームワークを適用した。 我々は、説明が選ばれ、参加者に提示される新しいオンライン人間実験を行う。 以上の結果から,精神モデルに基づく政策は,複数のシーケンシャルな説明よりも解釈可能性を高める可能性が示唆された。
  論文  参考訳（メタデータ） (2020-07-17T14:43:46Z)

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。