論文の概要: Emotional Labor Strategy Preferences in LLM Personas

• arxiv url: http://arxiv.org/abs/2609.00310v1
• Date: Mon, 31 Aug 2026 19:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.041451
• Title: Emotional Labor Strategy Preferences in LLM Personas
• Title（参考訳）: LLMペルソナにおける情緒的労働戦略の選好
• Authors: Mohammad Saim, Tianyu Jiang,
• Abstract要約: 本研究では,心理指標に基づく人格選択が人格選択パターンを再現するか否かを考察する。 我々は,500件の社交的なイベントを対象とした最初の感情的労働戦略データセットを構築した。 モデルがより深い行動に整合し、良心と情緒の安定性が常にこの嗜好を予測していることがわかりました。
• 参考スコア（独自算出の注目度）: 2.4178976757695336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional labor is the effortful management of emotional displays to meet social or professional expectations. Personality traits have been correlated with emotional labor strategies, yet research on this link relies almost exclusively on self-report scales administered only in occupational settings. We investigate whether large language models injected with psychometrically grounded personas reproduce these personality-driven selection patterns across everyday social scenarios. We construct the first emotional labor strategy dataset of 500 socially situated events, each offering three behavioral choices corresponding to surface acting, deep acting, and genuine expression. We source 50 fictional characters from a large-scale personality repository and profile each through two parallel tracks: observer-rated bipolar adjective composites and in-character self-report items. Five LLMs evaluate all scenarios under both persona conditions. We find that models align more towards deep acting, and that Conscientiousness and Emotional Stability consistently predict this preference. Entropy analysis confirms that persona reliably influences the output and varies across models and emotions.
• Abstract（参考訳）: 情緒労働(Emotional labor)とは、社会的または専門的な期待に応えるために、感情的なディスプレイを精力的に管理することである。 個人性の特徴は感情的な労働戦略と相関するが、このリンクに関する研究は、職業的にのみ管理される自己報告尺度にのみ依存している。 本研究では,心理指標に基づく人格選択パターンを日常の社会的シナリオで再現する大規模言語モデルについて検討する。 我々は,500件の社交的なイベントを対象とした最初の感情的労働戦略データセットを構築し,それぞれが表面的行動,深い行動,真の表現に対応する3つの行動選択を提供する。 我々は、大規模パーソナリティリポジトリから50の架空の文字を抽出し、それぞれ2つの平行トラック(オブザーバー評価バイポーラ形容詞合成とインキャラクタ自己申告項目)を通してプロファイルする。 5つのLSMは、両方のペルソナ条件下で全てのシナリオを評価する。 モデルがより深い行動に整合し、良心と情緒の安定性が常にこの嗜好を予測していることがわかりました。 エントロピー分析は、ペルソナが出力に確実に影響を与え、モデルや感情によって異なることを確認した。

関連論文リスト

• HEART-Bench: Do LLM Agents Exhibit Human-like Psychology? [25.237337617299946]
  本稿では,LLMエージェントが人間のようなコヒーレントな心理をシミュレートできるかどうかを評価するための新しいベンチマークを提案する。 我々のベンチマークでは、Big Fiveの性格特性を基盤とした11種類の人格文字が構成されており、各プロファイルは1,000個の自己書誌的エピソード記憶と深く統合されている。 エージェントを様々なシナリオに従属させることで、彼らの固有の性格特性と自伝的記憶を統合して、行動決定を特定の心理的プロファイルと整合させることができるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-05-28T15:08:03Z)
• Persona-E$^2$: A Human-Grounded Dataset for Personality-Shaped Emotional Responses to Textual Events [11.817417910531503]
  ほとんどの感情コンピューティング研究は、感情をテキストの静的な特性として扱い、著者の感情に焦点を当てている。 このアプローチは、個々人格が同じ出来事の多様な感情的評価につながる方法を無視する。 重要なボトルネックは、人格の特徴と感情の変化を結びつけるための、地味な人間のデータがないことである。 我々は、ニュース、ソーシャルメディア、ライフストーリーの読者による感情の変化を捉えるために、Persona-E$2を導入している。
  論文  参考訳（メタデータ） (2026-04-10T09:49:53Z)
• Evaluating Personality Traits in Large Language Models: Insights from Psychological Questionnaires [3.6001840369062386]
  この研究は、多種多様なシナリオにおける大規模言語モデルに心理学的ツールを適用し、パーソナリティプロファイルを生成する。 以上の結果から, LLMは, 同一モデル群においても, 特徴, 特徴, 性格の異なる特徴を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-07T16:12:52Z)
• EERPD: Leveraging Emotion and Emotion Regulation for Improving Personality Detection [19.98674724777821]
  EERPDと呼ばれる新しい人格検出手法を提案する。 本手法では,人格予測において,人格に強く相関する心理的概念である感情制御を導入する。 実験の結果,ERPDは人格検出の精度とロバスト性を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2024-06-23T11:18:55Z)
• P-React: Synthesizing Topic-Adaptive Reactions of Personality Traits via Mixture of Specialized LoRA Experts [34.374681921626205]
  我々は、専門家(MoE)をベースとしたパーソナライズされた大規模言語モデルであるP-Reactを提案する。 特に、パーソナリティ・ロス(PSL)を統合して、個々の特徴表現をよりよく捉えます。 この分野での研究を容易にするため、高品質で人間認証されたデータセットであるOCEAN-Chatをキュレートする。
  論文  参考訳（メタデータ） (2024-06-18T12:25:13Z)
• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。 本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。 その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)
• Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
  人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。 これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。 パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
  論文  参考訳（メタデータ） (2022-05-20T07:32:57Z)

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。