論文の概要: Value Faces: Surfacing How Self-Presentation Shifts Across Relationships

• arxiv url: http://arxiv.org/abs/2609.19581v1
• Date: Thu, 17 Sep 2026 02:10:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.066243
• Title: Value Faces: Surfacing How Self-Presentation Shifts Across Relationships
• Title（参考訳）: 価値面: 自己表現が関係によってどのように変化するか
• Abstract要約: 実測値として関係性特異的な値表現を概念化する。 実証値を表示するために、私たちはValue Facesを紹介します。 その結果, 結果から, 仮説の2倍の確率で, 参加者の関連文脈を区別できることが判明した。
• 参考スコア（独自算出の注目度）: 3.1351527202068445
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: People present different aspects of themselves across relationships. Computational work has captured such variation in communication style. But this variation also extends to which principles people foreground or background in a particular relationship--i.e., in the values they express and how they balance them. We conceptualize these relationship-specific expressions of values as demonstrated values. To make demonstrated values visible, we introduce Value Faces, a system that analyzes a person's existing chat histories from their everyday messaging platforms using Schwartz's ten basic human values and produces separate value profiles for their different relationships. In a mixed-methods study(N=18), we find that the resulting value profiles distinguished participants' relational contexts with twice the odds of guessing, while system-inferred differences across relationships aligned with participants' perceptions of those differences. Participants used these profiles to articulate previously implicit differences in how they presented themselves, connect them to roles and changes over time, and reconsider their self-assessments.
• Abstract（参考訳）: 人々は関係にまたがって自分自身の異なる側面を示します。 計算作業はそのようなコミュニケーションスタイルのバリエーションを捉えている。 しかし、このバリエーションは、人々が特定の関係において、どの原則、背景、すなわち、表現する価値とそれらがどのようにバランスをとるかについても拡張されます。 本研究では,これらの関係特異的な値表現を実証値として概念化する。 これは、Schwartz氏の10の基本的な人的価値を使用して、毎日のメッセージングプラットフォームから、人の既存のチャット履歴を分析し、異なる関係のために異なる値プロファイルを生成するシステムである。 混合手法による研究(N=18)では、結果の値プロファイルが、推定確率の2倍の確率で参加者の関連文脈を区別し、その違いに対する参加者の認識に一致した関係間のシステム推論の違いが明らかになった。 参加者はこれらのプロファイルを使用して、自己の提示方法に前もって暗黙的な違いを明確化し、時間とともに役割や変化に結び付け、自己評価を再考した。

関連論文リスト

• ContextBias: Controlled Evaluation of Bias Persistence Under Context Shift in Text-to-Image Models [56.399896249572826]
  制御された評価フレームワークであるContextBiasと、92のロールと1,656のセマンティックなプロンプトにまたがるベンチマークであるContextBenchを紹介する。 66,240個の画像に対して4つの最先端モデルを評価する。 意味的に無関係なコンテキストにロールを配置しても、ロールリンクされた属性は抑制されず、代わりにクロスロール属性の濃度が増加する。
  論文  参考訳（メタデータ） (2026-08-30T15:23:07Z)
• Measuring Social Bias in Vision-Language Models with Face-Only Counterfactuals from Real Photos [79.03150233804458]
  現実のイメージは人種と性別を混在させ、背景や衣服などの関連要因や属性を隠蔽する。 テキストのみの対実的評価パラダイムを提案する。 我々は、人種や性別に関連する顔属性のみを編集し、他の視覚的要素を全て固定することで、反事実的変異を生成する。
  論文  参考訳（メタデータ） (2026-01-11T14:35:06Z)
• Value Profiles for Encoding Human Variation [12.302443348395117]
  値プロファイルは、コンテキスト内デモから圧縮された基礎値の記述である。 価値プロファイルは、精査可能性、解釈可能性、操縦性という面での利点を提供する。 我々は,デコーダの予測が意味的プロファイルの違いに合わせて変化し,よく校正され,インスタンスレベルの不一致を説明するのに役立つことを示す。
  論文  参考訳（メタデータ） (2025-03-19T17:57:49Z)
• Whose Preferences? Differences in Fairness Preferences and Their Impact on the Fairness of AI Utilizing Human Feedback [8.04095222893591]
  我々は、人種、年齢、政治的スタンス、教育水準、LGBTQ+アノテーターのアイデンティティによって、公平さの選好に大きなギャップを見いだす。 また、テキストで言及された人口統計は、ユーザーがモデレーションにおいて個人の公平さをどう知覚するかに大きな影響を及ぼすことを示した。
  論文  参考訳（メタデータ） (2024-06-09T19:42:25Z)
• Do Differences in Values Influence Disagreements in Online Discussions? [4.128725138940779]
  オンライン議論における価値を推定するために、最先端のモデルがどのように使用できるかを示す。 人手によるアノテートラベルに基づいて,推定値のプロファイルを評価する。 その結果,値プロファイルの相違は,特定の場合の相違と相関することがわかった。
  論文  参考訳（メタデータ） (2023-10-24T12:00:59Z)
• Value Kaleidoscope: Engaging AI with Pluralistic Human Values, Rights, and Duties [68.66719970507273]
  価値多元性とは、複数の正しい値が互いに緊張して保持されるという考え方である。 統計的学習者として、AIシステムはデフォルトで平均に適合する。 ValuePrismは、218kの値、権利、義務の大規模なデータセットで、31kの人間が記述した状況に関連付けられています。
  論文  参考訳（メタデータ） (2023-09-02T01:24:59Z)
• Understanding How People Rate Their Conversations [73.17730062864314]
  我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。 我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
  論文  参考訳（メタデータ） (2022-06-01T00:45:32Z)
• Learning Interactions and Relationships between Movie Characters [37.27773051465456]
  我々は、相互作用、関係、および関係する一対のキャラクタを学習し、共同で予測するニューラルネットワークを提案する。 ビデオ中の対話的文字のペアをローカライズすることは時間を要するプロセスであり、クリップレベルの弱いラベルから学習するためにモデルをトレーニングする。 我々は、MovieGraphsデータセット上でモデルを評価し、モダリティの影響、関係を予測するための時間的コンテキストの使用、弱いラベルを用いたパフォーマンス向上を実現した。
  論文  参考訳（メタデータ） (2020-03-29T23:11:24Z)
• Learning Preference-Based Similarities from Face Images using Siamese Multi-Task CNNs [78.24964622317633]
  オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。 ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。 画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
  論文  参考訳（メタデータ） (2020-01-25T23:08:12Z)

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。