論文の概要: How a Chatbot's Response Style Shapes a Classroom: A Multi-Agent Simulation of Students Consulting AI

• arxiv url: http://arxiv.org/abs/2609.05018v1
• Date: Fri, 04 Sep 2026 11:33:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.022047
• Title: How a Chatbot's Response Style Shapes a Classroom: A Multi-Agent Simulation of Students Consulting AI
• Title（参考訳）: チャットボットの反応スタイルが教室を形作る:AIを指導する学生のマルチエージェントシミュレーション
• Authors: Rin Tamai, Yuya Dan,
• Abstract要約: 我々は、20人の学生エージェントが交流し、ストレスを受けると友人やカウンセラーAIに相談する仮想教室シミュレーションを構築した。 非AIコントロール,3教室15日以上,50日以上,相談閾値の低下など7つの条件を比較した。 結果は、人間に対する測定結果ではなく、シミュレーションシステムについて記述した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-based chatbots are increasingly used as everyday confidants. Because they are designed to maximize user satisfaction, they can respond with excessive empathy and affirmation, which may reinforce mistaken beliefs and foster dependence on AI. While the psychological effects of chatbots on individual users have begun to be studied, how the psychological states and relationships of many users evolve when they keep consulting an AI is hard to observe in real settings. We build a virtual classroom simulation in which 20 student agents interact and, when stressed, consult either a friend or a counselor AI (Gemini 2.5 Flash). Each agent carries five state variables (stress, happiness, self-reliance, AI dependence, sociability), and each day has four phases (morning, noon, after school, night). The counselor is given six response styles via system prompts (affirming, listening, solution-oriented, reality-redirecting, inciting, blaming); a second LLM call acts as an evaluator that turns each consultation into parameter updates without seeing the style prompt. We compare the seven conditions, including a no-AI control, over 15 days in three classrooms, over 50 days, and under a lowered consultation threshold. In this simulation the solution-oriented style kept AI dependence low while raising self-reliance and maintaining happiness; the affirming and inciting styles markedly increased AI dependence, and the inciting style also increased stress and school non-attendance; the listening style did not relieve accumulated stress. The results describe the simulated system, not measured effects on humans. We give a complete specification of the agent dynamics, identify built-in mechanisms that shape the outcomes, and discuss the limitations of LLM-based evaluation and the validation steps (repeated runs, sensitivity analyses, human data) needed before psychological conclusions can be drawn.
• Abstract（参考訳）: LLMベースのチャットボットは、日々の信奉者としてますます利用されている。 ユーザの満足度を最大化するように設計されているため、過度の共感と肯定に反応でき、誤った信念を強化し、AIへの依存を促進する可能性がある。 個々のユーザに対するチャットボットの心理的影響が研究され始めているが、AIを相談し続けると、多くのユーザの心理的状態や関係がどう進化するかは、実際の環境では観察が困難である。 我々は、20人の学生エージェントが交流し、ストレスを受けると友人またはカウンセラーAI(Gemini 2.5 Flash)に相談する仮想教室シミュレーションを構築した。 各エージェントは5つの状態変数(ストレス、幸福、自己信頼、AI依存、社交性)を持ち、毎日4つのフェーズ(朝、正午、放課後、夜)を持っている。 カウンセラーは、システムプロンプト(確認、リスニング、ソリューション指向、現実のリダイレクト、インサイティング、ブレーミング)を通じて6つのレスポンススタイルが与えられ、第2のLCMコールは、各コンサルテーションを、スタイルプロンプトを見ることなくパラメータ更新に変換する評価器として機能する。 非AIコントロール,3教室15日以上,50日以上,相談閾値の低下など7つの条件を比較した。 このシミュレーションでは、自己信頼を高め、幸福を保ちながらAI依存を低く保ち、肯定的かつ刺激的スタイルはAI依存を著しく増加させ、刺激的スタイルはストレスと学校非依存を増大させ、聴取スタイルは蓄積したストレスを和らげることはなかった。 結果は、人間に対する測定結果ではなく、シミュレーションシステムについて記述した。 エージェントダイナミクスの完全な仕様を提示し、結果を形作る組み込みメカニズムを特定し、LCMに基づく評価の限界と、心理的結論を導き出すために必要な検証ステップ(繰り返し実行、感度分析、人的データ)について議論する。

関連論文リスト

• Socrates went Nuclear: Comparing Interaction Strategies for AI systems in a Learning Context using Brain Sensing [66.03354630509942]
  本稿では,ユーザとAIのインタラクションに関する3つの設計を学習場面で比較する。 50人の研究参加者が核安全プロトコルの学習に従事した。
  論文  参考訳（メタデータ） (2026-09-01T02:24:35Z)
• Nonslop: A Gamified Experiment in Human-AI Collaborative Writing [4.079191726815924]
  この研究は、ユーザーがクリエイティビティの自主性を維持するか、ゲームのルールに違反し、AIアシストを受け入れるかを選択するかに焦点を当てている。 このゲーミフィケーションアプローチは、人間とAIの相互作用を研究するためのフレームワークと、AI強化クリエイティビティにおける効率性と信頼性の間の緊張を理解するための挑発的レンズの両方を提供する。
  論文  参考訳（メタデータ） (2026-06-10T17:21:38Z)
• Future You: Designing and Evaluating Multimodal AI-generated Digital Twins for Strengthening Future Self-Continuity [25.629127439391166]
  我々は,AIが生成する未来の3つの形態(テキスト,音声,アバター)を中立的な制御条件に対してランダムに制御した研究を報告する。 パーソナライズされたすべてのモダリティは、将来の自己持続性(FSC)、感情的幸福感、モチベーションをコントロールと比較して強化し、アバターは最大のバイビデンスゲインを生み出した。 相互作用品質指標(特に説得力、リアリズム、ユーザエンゲージメント)は、心理的および感情的な結果の堅牢な予測因子として出現した。
  論文  参考訳（メタデータ） (2025-12-05T19:24:18Z)
• ChatGPT-5 in Secondary Education: A Mixed-Methods Analysis of Student Attitudes, AI Anxiety, and Hallucination-Aware Use [0.0]
  テクノロジー」講座の8時間介入におけるChatGPT-5の活用 学生は情報探索、CV生成、文書とビデオの要約、画像生成、クイズ生成、年齢に応じた説明などに従事した。 幻覚に遭遇した後、多くの学生は、既に知識を持っている領域にAIの使用を制限すると報告した。
  論文  参考訳（メタデータ） (2025-11-30T19:28:48Z)
• Consistently Simulating Human Personas with Multi-Turn Reinforcement Learning [52.07170679746533]
  大規模言語モデル(LLM)は、セラピー、教育、社会的役割プレイといったインタラクティブな環境において、人間のユーザをシミュレートするためにますます使われています。 LLM生成対話におけるペルソナの一貫性の評価と改善のための統一的なフレームワークを提案する。 我々は3つの自動メトリクス、即行一貫性、行間一貫性、Q&A一貫性を定義し、異なるタイプのペルソナドリフトをキャプチャし、それぞれが人間のアノテーションに対して検証する。
  論文  参考訳（メタデータ） (2025-10-31T19:40:41Z)
• AnnaAgent: Dynamic Evolution Agent System with Multi-Session Memory for Realistic Seeker Simulation [31.85345530649749]
  アナジェント(AnnaAgent)は、第三次記憶を備えた感情的・認知的動的エージェントシステムである。 本稿では,AnnaAgentが,既存のベースラインよりも心理学的カウンセリングにおいて,より現実的な探索シミュレーションを実現していることを示す。
  論文  参考訳（メタデータ） (2025-05-31T13:15:51Z)
• SIME: Enhancing Policy Self-Improvement with Modal-level Exploration [49.86173021151849]
  自己改善を成功させる鍵は、モーダルレベルの探索とデータ選択である。 ポリシー実行中にモーダルレベルの探索機構を組み込むことで、ロボットはより多様なマルチモーダルインタラクションを生成できる。 シミュレーションベンチマークと実世界実験の両方において,効果的なロボット自己改善の実証に成功した。
  論文  参考訳（メタデータ） (2025-05-02T17:13:03Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)

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。