論文の概要: Latent Class Analysis of Digital Content Use Contexts in AI-Generated Synthetic Personas
- arxiv url: http://arxiv.org/abs/2609.33525v1
- Date: Sun, 27 Sep 2026 12:46:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 16:00:03.379357
- Title: Latent Class Analysis of Digital Content Use Contexts in AI-Generated Synthetic Personas
- Title（参考訳）: AI生成合成ペルソナにおけるデジタルコンテンツ利用文脈の潜在クラス分析
- Abstract要約: この研究は5つのエンゲージメント・モード、発見と共有、対話、読書、リスニングについて言及した。
視聴中心(20.8%)、読書中心(3.8%)、聴取中心(2.1%)、低視聴(73.3%)の4つのクラスが登場した。
観察中心級と低年齢級の確率は10年ごとに0.15倍になった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-generated synthetic personas are increasingly used for content planning and virtual-user simulation, yet the digital content use contexts embedded in their narratives remain underexamined. Using all 1,000,000 records of NVIDIA's Nemotron-Personas-Korea, this study coded mentions of five engagement modes-viewing, discovering and sharing, interacting, reading, and listening-with an openly released Korean coding dictionary and applied latent class analysis with a three-step approach accounting for classification error. Four classes emerged: viewing-centered (20.8%), reading-centered (3.8%), listening-centered (2.1%), and low-mention (73.3%). Age showed the strongest association: the odds of the viewing-centered versus low-mention class were multiplied by 0.15 per 10-year increase, while mentions of any non-viewing mode declined from 49.4% among those under 30 to 2.3% among those aged 70 and over. Sex differences in predicted class probabilities were below 1 percentage point, and provincial differences reached at most 5.0 percentage points. These classes describe narrative configurations, not consumer segments, and provide a basis for assessing diversity in synthetic persona use contexts.
- Abstract（参考訳）: AI生成された合成ペルソナは、コンテンツ計画や仮想ユーザシミュレーションにますます使われていますが、デジタルコンテンツの使用状況は、その物語に埋め込まれています。
NVIDIAのNemotron-Personas-Koreaの1000,000レコードすべてを使用して、この研究は5つのエンゲージメントモードをコーディングした。
視聴中心(20.8%)、読書中心(3.8%)、聴取中心(2.1%)、低視聴(73.3%)の4つのクラスが登場した。
視聴中心級と低年齢級の確率は10年間で0.15倍に増加し、非視聴モードの言及は70歳以上では30歳以下では49.4%から2.3%に減少した。
予測された集団確率の性差は1パーセント未満であり、地域差は5.0ポイントに達した。
これらのクラスは、消費者セグメントではなく、物語構成を記述し、合成ペルソナ使用文脈における多様性を評価する基盤を提供する。
関連論文リスト
- NormViz: A Benchmark and Framework for Grounding Multimodal Reasoning in Global Cultures [58.53196987370368]
16か国にまたがる3,268枚のコントラスト画像ペアのベンチマークを導入する。
それぞれのペアは、それぞれのイメージの解釈方法を変える文化的な振る舞いにのみ変化する。
説明と組み合わせた64k画像のトレーニングデータセットであるNormViz-Trainを紹介する。
論文 参考訳（メタデータ） (2026-09-06T21:02:47Z) - MatrAIx: Simulating the World with 8.3 Billion Persona Agents [175.06699039914625]
MatrAIxは、AIシステムとデジタル製品を異種ユーザでテストするための、人口規模でシミュレートされたユーザ評価基盤である。
第一に、ペルソナ8Bは1,290のカテゴリー次元で表される830億のペルソナレコードを含んでいる。
第2に、MatrAIx Playgroundは、ユーザがデジタル製品を評価し、対話する4つの環境を提供する。
第3に、MatrAIxは、コマース、ソフトウェア、ファイナンス、ヘルスケアを含む25のドメインにまたがる1010のアプリケーションタスクを提供する。
論文 参考訳（メタデータ） (2026-08-04T20:04:49Z) - Distributional Validity and Calibration of a Korean Synthetic Persona Panel for Digital and AI Service Use: A Secondary-Data Validation Against the Korea Media Panel Survey [0.0]
本研究は、ジェミニ3.5フラッシュとEXAONE(比較)に調和した韓国の合成ペルソナパネルの評価である。
1モデル当たりの性別・年齢層別パネルは約8000枚が調査項目に回答し、重み付けされた調査結果と比較された。
エラーはモデル固有のシグネチャ、すなわちアンカーが低い年齢ステレオタイプとアクセプションと一貫性のあるレベルバイアスに追従した。
論文 参考訳（メタデータ） (2026-07-23T15:32:20Z) - Personalizing Incremental Video Search with Hybrid Text and ID Embeddings [0.0]
本稿では,Apple TV検索のパーソナライズシステムについて述べる。
提案手法では,テキストベース多言語エンコーダ (TextEmb) をコントラスト学習によるコエンゲージメント三重項に微調整し,IDベースの協調埋め込みモデル (IdEmb) を対話型肯定性に基づいて学習する。
論文 参考訳（メタデータ） (2026-07-15T06:42:50Z) - Multimodal Speaker Identification in Classroom Environments [8.435123799169675]
本研究は,音響埋め込みを意味文脈で固定したマルチモーダル話者識別フレームワークについて検討する。
5秒以上の発話でもパフォーマンスが向上し、76.9%の精度に達した。
このアプローチは,個別の学生参加を考慮した自動フィードバックシステムの実現可能性を高める。
論文 参考訳（メタデータ） (2026-06-10T19:15:40Z) - SocialMemBench: Are AI Memory Systems Ready for Social Group Settings? [0.0]
AIアシスタントのメモリシステムは、シングルユーザー対話用に構築され、マルチパーティのソーシャルグループ設定に適用した場合、特徴的にフェールする。
既存のメモリベンチマークでは、ダイアディックや職場での対話が評価されている。
人工ソーシャルグループネットワークのベンチマークであるSocialMemBenchを紹介する。
論文 参考訳（メタデータ） (2026-05-18T03:11:48Z) - Cognitive Twins: Investigating Personalized Thinking Model Building and Its Performance Enhancement with Human-in-the-Loop [0.0]
パーソナライズド・シンキング・モデル(Personalized Thinking Model, PTM)は、AI支援教育用に設計された階層的で解釈可能な学習者表現である。
PTMは、学習者誌からの証拠を、行動事例、行動パターン、認知ルーチン、メタ認知傾向、自己システム価値を含む5層構造に整理する。
本研究は7週間の被験者40名を対象に, PTM の忠実度を3つの手法で評価した。
論文 参考訳（メタデータ） (2026-05-06T11:08:13Z) - Is GPT-4 a reliable rater? Evaluating Consistency in GPT-4 Text Ratings [63.35165397320137]
本研究では,OpenAI の GPT-4 によるフィードバック評価の整合性について検討した。
このモデルは、マクロ経済学の上級教育分野における課題に対する回答を、内容とスタイルの観点から評価した。
論文 参考訳（メタデータ） (2023-08-03T12:47:17Z) - KGE-CL: Contrastive Learning of Knowledge Graph Embeddings [64.67579344758214]
本稿では,知識グラフ埋め込みのための簡易かつ効率的な学習フレームワークを提案する。
これは、関連するエンティティと異なる三重項におけるエンティティ-リレーションのカップルのセマンティック距離を短縮することができる。
WN18RRデータセットで51.2% MRR、46.8% Hits@1、59.1% MRR、51.8% Hits@1、YAGO3-10データセットで達成できる。
論文 参考訳（メタデータ） (2021-12-09T12:45:33Z) - HuBERT: Self-Supervised Speech Representation Learning by Masked
Prediction of Hidden Units [81.53783563025084]
本稿では、BERTのような予測損失に対して、アライメントされたターゲットラベルを提供するオフラインクラスタリングステップを提案する。
提案手法の重要な要素は,マスク領域にのみ予測損失を適用することである。
HuBERTは、より困難なdev-otherおよびtest-other評価サブセットに対して、最大19%と13%の相対的なWER削減を示す。
論文 参考訳（メタデータ） (2021-06-14T14:14:28Z) - Automatic sleep stage classification with deep residual networks in a
mixed-cohort setting [63.52264764099532]
我々は,大規模コホートの一般化性を評価するために,新しいディープニューラルネットワークモデルを開発した。
総合的な分類精度はトレーニングデータの分数を増やして向上した。
論文 参考訳（メタデータ） (2020-08-21T10:48:35Z)
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。