論文の概要: When the Interviewer Is a Bot: Behavior, Breakdowns, and Trust in MLLM-Led Interviews

• arxiv url: http://arxiv.org/abs/2608.10412v1
• Date: Tue, 11 Aug 2026 03:01:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.883606
• Title: When the Interviewer Is a Bot: Behavior, Breakdowns, and Trust in MLLM-Led Interviews
• Title（参考訳）: インタビュアーがボットである時:MLLMによるインタビューにおける行動、ブレークダウン、信頼
• Abstract要約: 我々は,インタビュアーが市販のリアルタイムマルチモーダルLLM(MLLM)である場合に実際に何が起こるか,実証的研究を報告する。 InterviewBotは音声による面接システムで、研究者が作成したアウトラインでリアルタイムのMLLMをラップする。 実践的な研究では、参加者はボット主導の半構造化インタビューを完了し、その経験に関する人間主導のリフレクションセッションを完了した。
• 参考スコア（独自算出の注目度）: 9.297183319694806
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semi-structured interviews are a cornerstone of qualitative research but remain labor-intensive. We report an empirical study of what actually happens when the interviewer is an off-the-shelf real-time multimodal LLM (MLLM). We built InterviewBot, a voice-based interviewing system that wraps a real-time MLLM with a researcher-authored outline, and deployed it not as a novel architecture but as a research instrument for observing default MLLM interviewing behavior. In a practice study (N=15), participants completed a bot-led semi-structured interview and then a human-led reflection session about that experience. We contribute (i) a turn-level behavioral analysis of an MLLM interviewer (N_turns=428) showing that it is acknowledgment-heavy but probe-light (deepening probes account for 4.9% of all turns), and that 28.7% of question-bearing turns pack multiple questions into one turn despite an explicit one-question-at-a-time instruction; (ii) an inductive catalogue of four data-collection breakdowns (information loss, premature termination, latency, and interruption) observed in a deployed rather than simulated system; and (iii) three social dynamics from participants' reflections: disclosure calibration, where reduced social pressure coincided with shallower elaboration; institutional legitimacy, where trust tracked perceived stakes and what delegation to AI signaled about the organizer rather than conversational competence; and conversational grounding, where content-grounded paraphrase, not generic social filler, was what participants read as listening. We conclude with design implications for depth control, transparent handoffs, and non-templated listening mechanisms in human-centered interview automation.
• Abstract（参考訳）: 半構造化面接は質的研究の基盤であるが、労働集約的のままである。 我々は,インタビュアーが市販のリアルタイムマルチモーダルLLM (MLLM) である場合,実際に何が起こるのかを実証研究した。 我々は、研究者が作成したアウトラインでリアルタイムMLLMをラップする音声ベースの面接システムであるInterviewBotを開発し、これを新しいアーキテクチャではなく、デフォルトのMLLM面接行動を監視するための研究機器としてデプロイした。 実践研究(N=15)では、参加者がボット主導の半構造化インタビューを完了し、その経験に関する人間主導のリフレクションセッションを行った。 コントリビューション (i)MLLMインタビュアー(N_turns=428)のターンレベルの行動分析では、認識量が多いがプローブライト(ディープニングプローブは全ターンの4.9%を占める)であり、28.7%は、明示的なワンクエスト・アット・ア・タイムの指示にもかかわらず、複数の質問を1ターンにまとめている。 2 模擬システムではなく、配備中に観察された4つのデータ収集分解(情報損失、早期終了、遅延及び中断)の帰納的カタログ 3) 社会的プレッシャーの低下を伴う開示校正, 信頼が認識された利害関係の追跡とAIへの委任が会話能力よりもオーガナイザーにどのようなシグナルを与えたか, 一般の社会的充足者ではなく, 会話的接頭辞が聴取対象とみなす「会話的接頭辞」の3つの社会的ダイナミクス。 我々は,人間中心の面接自動化において,深度制御,透過的ハンドオフ,非測定型リスニング機構の設計上の意味を結論付けた。

関連論文リスト

• Artificial Intelligence can Recognize Whether a Job Applicant is Selling and/or Lying According to Facial Expressions and Head Movements Much More Correctly Than Human Interviewers [3.375570167738047]
  コンピュータビジョンによる深層学習モデルを構築し,求職者の表情や頭の動きの時間的パターンを抽出した。 提案モデルでは, 正直なIMでは91%, 虚偽IMでは84%のばらつきが説明され, 自己申告したIMスコアと人間面接者との相関が強くなった。
  論文  参考訳（メタデータ） (2026-05-17T14:03:08Z)
• SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery [55.50580661343875]
  本稿では,対話のロールアウトをシミュレートして検討計画を実行するマルチエージェントインタビュアーSparkMeを紹介する。 LLMベースの面接者による制御実験を通じてSparkMeを評価し,より高い面接性を実現することを示す。 7つの専門職の70人の参加者が、AIが専門職に与える影響について、SparkMeをユーザスタディで検証しています。
  論文  参考訳（メタデータ） (2026-02-24T17:33:02Z)
• Modular AI-Powered Interviewer with Dynamic Question Generation and Expertise Profiling [0.7349727826230863]
  本研究では、文脈的に適切で専門性に整合した質問を動的に生成するAIを利用したインタビュアーを提案する。 インタビュアーは、データプライバシを保持しながらコヒーレントな対話を生成する、ローカルにホストされた大規模言語モデル(LLM)上に構築されている。 提案されたインタビュアーは、スケーラブルでプライバシを重視したソリューションで、AIによる定性的データ収集を前進させる。
  論文  参考訳（メタデータ） (2025-11-21T18:25:26Z)
• Teaching Language Models To Gather Information Proactively [53.85419549904644]
  大規模言語モデル(LLM)は、ますます協力的なパートナーとして機能することが期待されている。 本研究では,アクティブな情報収集という新たなタスクパラダイムを導入する。 キー情報をマスキングする、部分的に特定された現実世界のタスクを生成するスケーラブルなフレームワークを設計する。 このセットアップの中核となるイノベーションは、真に新しい暗黙のユーザー情報を引き出す質問に報酬を与える、強化された微調整戦略です。
  論文  参考訳（メタデータ） (2025-07-28T23:50:09Z)
• Requirements Elicitation Follow-Up Question Generation [0.5120567378386615]
  大規模言語モデル(LLM)は、複数の自然言語処理タスクにおいて最先端のパフォーマンスを示す。 本研究は,GPT-4oを要件適用時のフォローアップインタビューに応用することを検討した。
  論文  参考訳（メタデータ） (2025-07-03T17:59:04Z)
• GuideLLM: Exploring LLM-Guided Conversation with Applications in Autobiography Interviewing [73.8469700907927]
  大規模言語モデル(LLM)は、指示の追従や質問応答といった人間の指導による会話に成功している。 本研究では, LLM誘導会話を, ゴールナビゲーション, (ii) コンテキストマネジメント, (iii) 共感エンゲージメントの3つの基本要素に分類した。 GPT-4o や Llama-3-70b-Instruct のような6つの最先端 LLM と比較し, 面接品質, 自伝生成品質の観点から検討した。
  論文  参考訳（メタデータ） (2025-02-10T14:11:32Z)
• NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews [65.35458530702442]
  我々はジャーナリストのインタビューに焦点をあて、コミュニケーションの基盤と豊富なデータに富んだドメインに焦点をあてる。 我々はNPRとCNNから4万人の2人によるインフォメーションインタビューのデータセットをキュレートする。 LLMは、人間のインタビュアーよりも、認識を使い、より高いレベルの質問に目を向ける可能性がはるかに低い。
  論文  参考訳（メタデータ） (2024-11-21T01:37:38Z)
• LLM Internal States Reveal Hallucination Risk Faced With a Query [62.29558761326031]
  人間は、クエリに直面したとき、私たちが知らないことを認識できる自己認識プロセスを持っています。 本稿では,大規模言語モデルが応答生成に先立って,自身の幻覚リスクを推定できるかどうかを検討する。 確率推定器により, LLM自己評価を利用して, 平均幻覚推定精度84.32%を達成する。
  論文  参考訳（メタデータ） (2024-07-03T17:08:52Z)
• Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
  本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
  論文  参考訳（メタデータ） (2023-05-31T15:03:28Z)
• Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
  我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。 中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。 実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:27:43Z)

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。