論文の概要: Q&A or Document-Based? The Effects of Interface Type on How Screen Reader Users Access Interconnected Documents

• arxiv url: http://arxiv.org/abs/2608.25382v1
• Date: Wed, 26 Aug 2026 05:16:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.598288
• Title: Q&A or Document-Based? The Effects of Interface Type on How Screen Reader Users Access Interconnected Documents
• Title（参考訳）: Q&Aかドキュメントベースか? 画面閲覧者が相互接続された文書にアクセスする方法に及ぼすインタフェースタイプの影響
• Abstract要約: Blind and Low-vision (BLV) ユーザはドキュメントにアクセスするための大きな言語モデル (LLM) インターフェースにますます関与している。 質問応答インタフェース (QAI) と, 従来型の文書ナビゲーションに基づく文書インタフェース (DI) を比較した。
• 参考スコア（独自算出の注目度）: 10.80269383149208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blind and low-vision (BLV) users are increasingly engaging with large language model (LLM) interfaces to access documents, but it is unclear how such systems support or hinder their ability to build interconnected knowledge. To examine this gap, we compared a Question-Answer Interface (QAI) that supports open-ended conversational inquiry, with a Document Interface (DI) based mostly on traditional structured text document navigation. We recruited 16 BLV screen reader users where they used both interfaces to explore two fictional worlds. Data from interaction logs, concept maps, decision-based tasks, and semi-structured interviews provide comparative insights into how interface design supports knowledge construction. Findings show that participants visited more distinct documents with the DI and formed larger and more correct mental models with the DI than with the QAI. They were also more able to apply knowledge they had gained. Simultaneously, many still preferred the QAI and often estimated that they had explored more, formed better mental models and applied their models better when acquiring the information with the QAI, despite this not being the case. Our analysis suggests possible interface design reasons for these differences and highlights some of the risks introduced by using question-answer interfaces to access information spaces.
• Abstract（参考訳）: Blind and Low-vision (BLV) ユーザは文書にアクセスするための大きな言語モデル (LLM) インターフェースにますます関与している。 このギャップを調べるために,従来の構造化文書ナビゲーションを基本とした文書インタフェース(DI)と,対話型オープンエンド検索を支援する質問応答インタフェース(QAI)を比較した。 我々は16人のBLVスクリーンリーダーユーザーを雇い、2つの架空の世界を探索するために両方のインターフェースを使用した。 インタラクションログ、コンセプトマップ、意思決定ベースのタスク、および半構造化されたインタビューから得られるデータは、インターフェイス設計が知識構築をどのようにサポートするかについての比較的な洞察を提供する。 その結果,参加者はQAIよりも,DIを用いてより異なる文書を訪問し,DIを用いてより大きく,より正確な精神モデルを構築した。 また、彼らが得た知識を応用することもできた。 同時に、多くの人々は依然としてQAIを好んでおり、より探索し、より良いメンタルモデルを構築し、QAIで情報を取得する際に、より良くモデルを適用したとしばしば見積もっている。 本分析は,これらの違いのインターフェース設計上の理由を示唆し,質問応答インタフェースを用いて情報空間にアクセスすることによって生じるリスクを浮き彫りにする。

関連論文リスト

• Comparing LLM-Based Conversational and Graphical Interfaces for Industrial Decision Tasks: An Exploratory Mixed-Methods Study [0.0]
  本研究では,最先端のダッシュボードと対話エージェントを比較した。 この結果から,対話エージェントは情報へのより直接的なアクセスを支援することにより,インタラクションの労力を削減できることが示唆された。 しかし、これらの利点はタスクによって異なり、より大規模な研究による検証が必要である。
  論文  参考訳（メタデータ） (2026-05-29T12:27:39Z)
• WRAP++: Web discoveRy Amplified Pretraining [9.79503335028396]
  WRAP++(Web DiscoveRy Amplified Pretraining)を提案する。 WRAP++は、Webハイパーリンクからドキュメント間の関係を発見し、各文書ペア上で共同QAを合成する。 SimpleQAでは、7Bスケールと32BスケールのOLMoベースのモデルは、WRAP++でトレーニングされた。
  論文  参考訳（メタデータ） (2026-04-08T08:47:31Z)
• Evaluating Node-tree Interfaces for AI Explainability [0.5437050212139087]
  本研究では,ノードツリーインタフェースとチャットボットという,2つの異なるAIインターフェースを用いたユーザエクスペリエンスを評価する。 我々のノードツリーインタフェースは、AI生成した応答を階層的に整理された対話的なノードに視覚的に構造化する。 この結果から,構造化された可視化と会話形式を切り替えることのできるAIインターフェースが,AIシステムにおける透明性とユーザ信頼性を著しく向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-07T20:48:08Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• Measuring User Understanding in Dialogue-based XAI Systems [2.4124106640519667]
  XAIの最先端は、単発、非個人化、一方通行の説明が特徴である。 本稿では,ユーザが学習しているモデルの予測をシミュレートして,3段階のユーザ理解を計測する。 我々は、高い理解率と低い理解率の集団間の相互作用のパターンを明らかにするために、データを分析した。
  論文  参考訳（メタデータ） (2024-08-13T15:17:03Z)
• Merging Generated and Retrieved Knowledge for Open-Domain QA [72.42262579925911]
  COMBOは、より良いオープンドメインQAフレームワークのための互換性指向の知識の融合である。 COMBOは4つのテスト済みオープンドメインQAベンチマークのうち3つで競合ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2023-10-22T19:37:06Z)
• Interactive introduction to self-calibrating interfaces [4.111899441919164]
  本稿では,自己校正インタフェースのパラダイムを直感的に理解することを目的とする。 このパラダイムでは、オンザフライで好みに適応できるインターフェースの使い方を選べる。 我々は、PIN入力タスクを導入し、制約を徐々にリリースし、事前校正されたインターフェイスから自己校正インターフェイスに移行する。
  論文  参考訳（メタデータ） (2022-12-12T08:39:30Z)
• Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
  VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。 我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。 我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
  論文  参考訳（メタデータ） (2022-07-25T01:43:19Z)
• Open Domain Question Answering over Virtual Documents: A Unified Approach for Data and Text [62.489652395307914]
  我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。 具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。 UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
  論文  参考訳（メタデータ） (2021-10-16T00:11:21Z)
• VINS: Visual Search for Mobile User Interface Design [66.28088601689069]
  本稿では、UIイメージを入力として、視覚的に類似したデザイン例を検索するビジュアル検索フレームワークVINSを紹介する。 このフレームワークは、平均平均精度76.39%のUI検出を実現し、類似したUI設計をクエリする際の高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-02-10T01:46:33Z)
• Knowledge-Routed Visual Question Reasoning: Challenges for Deep Representation Embedding [140.5911760063681]
  VQAモデル評価のためのナレッジルーティング視覚質問推論という新しいデータセットを提案する。 視覚ゲノムシーングラフと外部知識ベースの両方に基づいて,制御プログラムを用いて質問応答対を生成する。
  論文  参考訳（メタデータ） (2020-12-14T00:33:44Z)

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。