論文の概要: When Disability Disclosure Travels: Memory, Privacy, and Contextual Integrity in Conversational AI

• arxiv url: http://arxiv.org/abs/2609.22720v1
• Date: Sat, 19 Sep 2026 03:11:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:31:10.018594
• Title: When Disability Disclosure Travels: Memory, Privacy, and Contextual Integrity in Conversational AI
• Title（参考訳）: 障害情報公開の旅 - 会話型AIにおけるメモリ、プライバシ、コンテキスト統合性
• Abstract要約: 米国では、障害のある成人12人に、いつ、どのように、なぜ、障害を会話型AIシステムに開示するのかについてインタビューした。 その結果、障害をタスクスコープによる指示に翻訳することで、参加者は名前ではなくニーズによって開示されることが判明した。 会話型AIアシスタントの設計における意味について論じる。
• 参考スコア（独自算出の注目度）: 16.27769557566952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational AI assistants remember what people tell them, and for disabled people, that often includes disability. We interviewed 12 adults with disabilities in the United States who use LLM-based assistants such as ChatGPT, Claude, and Gemini about when, how, and why they disclose disability to these systems and how this compares with disclosing to people. Using contextual integrity as an analytic lens, we found that participants disclosed by need rather than by name, translating disability into task-scoped instructions; that the same disclosure was judged against two recipients, a non-judging interlocutor and a data-holding company, producing opposite norms; and that memory features relieved the burden of repeated disclosure while letting disability information drift into contexts where it did not belong. Participants did extensive boundary work to restore context and wanted control over scope, provenance, retention, and access rather than per-utterance toggles. We discuss implications for the design of conversational AI assistants.
• Abstract（参考訳）: 会話型AIアシスタントは、人々が話すことを記憶し、障害者にとって、しばしば障害を含む。 われわれは、ChatGPT、Claude、GeminiといったLCMベースのアシスタントを使用した米国における障害を持つ12人の成人を対象に、障害をいつ、どのように、どのように、なぜこれらのシステムに開示するのか、そしてそれが人々への開示とどのように比較されるのかについてインタビューした。 分析レンズとしてコンテキスト整合性を用いた結果,障害情報をタスクスコープの指示に翻訳すること,非判断型インターロケータとデータ保持型企業である2人の受取者に対して同じ開示が判断され,反対の規範が生み出されること,記憶機能により,障害情報が本来属していないコンテキストに流されることなく,繰り返し開示の負担が軽減されること,などが判明した。 参加者はコンテキストを復元するために広範囲な境界作業を行い、発話ごとのトグルよりもスコープ、証明、保持、アクセスの制御を望んだ。 会話型AIアシスタントの設計における意味について論じる。

関連論文リスト

• Listening Alone, Understanding Together: Collaborative Context Recovery for Privacy-Aware AI [5.335163734559103]
  プライバシを意識した非同期アシスタント・ツー・アシスタントフレームワークであるCONCORDを紹介する。 ConCORDは、リアルタイム話者認証を通じて所有者のみの音声キャプチャを強制する。 本研究では,(1)時間的文脈解決,(2)情報ギャップ検出,(3)関係認識開示による最小A2Aクエリを通じて,必要なコンテキストを安全に復元できることを実証する。
  論文  参考訳（メタデータ） (2026-04-14T23:18:06Z)
• From Use to Oversight: How Mental Models Influence User Behavior and Output in AI Writing Assistants [70.1699066541501]
  システムの動作に関する機能的、あるいは関連性、システムの動作に関する構造的、あるいは関連性という、2つのタイプのメンタルモデルについて検討する。 構造的精神モデル状態の参加者は、システムに対する理解を深める一方、これはバックフィリング効果をもたらす可能性がある。
  論文  参考訳（メタデータ） (2026-04-06T20:50:44Z)
• Auditing Disability Representation in Vision-Language Models [0.6987503477818553]
  人中心画像の障害認識記述について検討する。 我々は,ペアニュートラル・プロンプト (NP) と障害文脈型プロンプト (DP) に基づくベンチマークを導入する。 9つの障害カテゴリにまたがるゼロショット設定で、15の最先端のオープンソースおよびクローズドソースビジョン言語モデルを評価する。
  論文  参考訳（メタデータ） (2026-01-24T07:25:43Z)
• "Accessibility people, you go work on that thing of yours over there": Addressing Disability Inclusion in AI Product Organizations [15.672286378805234]
  我々は、25人のAI実践者とのインタビューで、彼らの作業プロセスとアーティファクトが障害のあるエンドユーザに与える影響についてインタビューした。 私たちは、責任あるAIとアクセシビリティのプラクティスの交差点で問題をトリアージする際に、実践者が摩擦を経験したことに気づきました。 我々は、AIのエンドユーザーとして障害のある人々を支援するために、新しいリソースとプロセスの変更を提案する。
  論文  参考訳（メタデータ） (2025-08-12T16:08:42Z)
• Gesture-Aware Zero-Shot Speech Recognition for Patients with Language Disorders [10.664605070306417]
  音声障害者を対象としたゼロショット学習によるジェスチャー認識自動音声認識(ASR)システムを提案する。 実験結果と分析結果から,ジェスチャー情報を含むと意味理解が著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-02-18T14:15:55Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• The Knowledge Alignment Problem: Bridging Human and External Knowledge for Large Language Models [65.80573571314534]
  MixAlignは、ユーザと知識ベースの両方と対話して、ユーザの質問が格納された情報とどのように関連しているかを把握し、統合するフレームワークである。 実験結果から、モデル性能の向上と幻覚の緩和における知識アライメントの重要性が強調され、それぞれ22.2%と27.1%の改善が指摘された。
  論文  参考訳（メタデータ） (2023-05-23T04:22:50Z)
• Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
  本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。 正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
  論文  参考訳（メタデータ） (2022-01-14T17:09:22Z)
• Speaker De-identification System using Autoencoders and Adversarial Training [58.720142291102135]
  本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。 実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
  論文  参考訳（メタデータ） (2020-11-09T19:22:05Z)
• Silent Speech Interfaces for Speech Restoration: A Review [59.68902463890532]
  サイレント音声インタフェース (SSI) の研究は、重度音声障害の患者に対して、代替的で拡張的なコミュニケーション方法を提供することを目的としている。 SSIは、コミュニケーションを可能にするために、音声生成中に人体によって生成される非音響バイオシグナーに依存している。 現在、ほとんどのSSIは、健康なユーザーのために実験室でのみ検証されている。
  論文  参考訳（メタデータ） (2020-09-04T11:05:50Z)

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。