論文の概要: Not All Nudges Land: Behavioral Controllability and Elaboration Quality in AI-Supported Journaling

• arxiv url: http://arxiv.org/abs/2608.12582v1
• Date: Wed, 12 Aug 2026 20:52:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.323436
• Title: Not All Nudges Land: Behavioral Controllability and Elaboration Quality in AI-Supported Journaling
• Title（参考訳）: AI対応ジャーナリングにおける行動制御性と作業品質
• Abstract要約: 我々は8週間の受動的受動的研究から369件の論文を分析した。 責任感は、行動が他人を巻き込むかどうかに大きく依存する。 改善されていないエントリから分離された単一のテキスト機能はない。
• 参考スコア（独自算出の注目度）: 0.9987191686786273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI journaling tools can tailor prompts to a person's own sensed behavior, but it is unclear which behaviors respond to them. We analyzed 369 journal entries from an eight-week passive sensing study. An LLM labeled each entry as expressing an intention to change a behavior or not, and we measured follow-through against 26 sensor features with a 3-day before/after comparison. Responsiveness depended most on whether a behavior involves other people. Behaviors that depend on others improved in only 15 to 22% of cases, while behaviors a person can act on alone improved more often, up to 50 to 63%, though unevenly. How users wrote mattered less. No single text feature separated improved from unimproved entries; writing carried signal only within specific behaviors, most clearly for text messaging and for longer, more personal intention entries. The sample is small, so we treat these as exploratory patterns that point to where AI journaling nudges are most likely to work.
• Abstract（参考訳）: AIジャーナリングツールは、人の知覚された振る舞いを調整できるが、どの行動に反応するかは不明だ。 我々は8週間の受動的受動的研究から369件の論文を分析した。 LLMでは,各項目を行動を変化させる意図を表すものとしてラベル付けし,3日間の前後比較で26種類のセンサの特徴を計測した。 責任感は、行動が他人を巻き込むかどうかに大きく依存する。 他者に依存している行動は15～22%のケースで改善され、一方、単独で行動できる行動は50～63%まで改善された。 ユーザーがどのように書くかは、それほど重要ではなかった。 改善されていないエントリから切り離された単一のテキスト機能は存在しない。 サンプルは小さいので、我々はこれらを、AIジャーナリングのナッジが最も機能する場所を示す探索的なパターンとして扱う。

関連論文リスト

• What if LLMs Ate Their Words: Causal History Effects in Multi-Turn Interaction [21.294220918464525]
  モデル、タスク、ターン、およびモデル内における効果がどのように現れるかは、まだ不明である。 ターン手術は、一度に1つのアシスタントターンでさらに介入する。 全体として、アシスタント生成履歴は、多ターン性能にアクティブだが選択的に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-09-05T05:06:01Z)
• Auto Research for Materials: Auditable AI-Scientist Workflows with Held-Out Transfer [13.399139714704226]
  AI研究エージェントは、新しい材料に作用するモデリング変更を見つけることなく、目に見えるスコアを改善することができる。 クローズドループエージェントは、未確認のエビデンスや、タスク間で再利用され、組み合わせられるコード変更に生き残る決定を生成できることを示す。
  論文  参考訳（メタデータ） (2026-07-19T07:02:44Z)
• Using AI Agents to Automate Black-Box Audits of Personalization Algorithms at Scale [76.72846830885882]
  パーソナライズアルゴリズムは、ユーザーがオンラインプラットフォームで遭遇するコンテンツを決定する。 独立した監査役はアルゴリズムへのブラックボックスアクセスしか持たないため、これらのシステムの監査は難しい。 合成アカウントの動作エンジンとして生成AIエージェントを用いたパーソナライズアルゴリズムのブラックボックス監査のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-29T18:25:09Z)
• Rethinking Psychometric Evaluation of LLMs: When and Why Self-Reports Predict Behavior [58.538864650160406]
  4つの行動タスクと11のフロンティアLSMで実験を行いました。 SR-ビヘイビアコヒーレンスは存在するが選択的である。 これらの結果は、粗いパーソナリティフレームワークがデプロイメントの振る舞いをテストする最良のツールではないことを示唆している。
  論文  参考訳（メタデータ） (2026-06-10T22:28:53Z)
• Refactoring for Novices in Java: An Eye Tracking Study on the Extract vs. Inline Methods [36.12125973491215]
  開発者は多くの場合、読みやすさ、理解、再利用を改善するためのメソッドを抽出するが、インライン化はロジックを1ブロックに保持する。 動的アプローチを用いたインライン法対抽出法について検討し,課題を読み解きながら視線追跡を行った。 主要なコード領域を分析し、時間と試行とともに視覚的努力と読書行動(固定期間とカウント、回帰、再考)を比較します。
  論文  参考訳（メタデータ） (2026-02-20T19:37:14Z)
• Code Change Characteristics and Description Alignment: A Comparative Study of Agentic versus Human Pull Requests [0.0]
  我々は,33,596個のエージェント生成PRと6,618個の人間PRを分析し,コード変更特性とメッセージ品質を比較した。 エージェントはより強いコミットレベルメッセージを生成するが、PRレベルの要約では人間を遅延させる。 これらの結果は,エージェントのマイクロレベルの精度とマクロレベルのコミュニケーションのギャップを浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-01-24T23:33:07Z)
• State Your Intention to Steer Your Attention: An AI Assistant for Intentional Digital Living [29.694439220861792]
  本稿では,ユーザの意図を取り入れた新しいAIアシスタントを導入し,その意図に沿う活動が進行しているかどうかを評価し,逸脱が発生した場合の穏やかな痛手を提供する。 このシステムは、大きな言語モデルを利用してスクリーンショット、アプリケーションタイトル、URLを分析し、動作が指示された目標から外れたときに通知を発する。 その結果、我々のAIアシスタントは、ユーザーの焦点維持とデジタル行動と意図の整合性を効果的に支援していることがわかった。
  論文  参考訳（メタデータ） (2025-10-16T09:57:35Z)
• Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
  TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
  論文  参考訳（メタデータ） (2025-10-06T05:03:57Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)

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。