論文の概要: Persona and Persuasive Framing in AI Voice Agents: A $2\times2$ Field Experiment with Children
- arxiv url: http://arxiv.org/abs/2609.38782v1
- Date: Wed, 30 Sep 2026 02:13:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.016967
- Title: Persona and Persuasive Framing in AI Voice Agents: A $2\times2$ Field Experiment with Children
- Title（参考訳）: AI音声エージェントにおけるペルソナと説得的フレーム
- Abstract要約: サンタクロース公衆電話ホットラインに埋もれたランダムフィールド実験を報告する。
子供の電話は、さまざまなペルソナの4人のボイスエージェントのうちの1人にランダムにルーティングされた。
説得的フレーミングは、社会的願望の確率を11.6%から45.7%に引き上げた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Conversational agents increasingly interact with children, yet evidence on how their design shapes children's susceptibility to persuasion comes almost entirely from the lab. We report a $2\times2$ randomized field experiment embedded in a public German Santa Claus telephone hotline. Children's calls were randomly routed to one of four LLM voice agents varying persona (Santa, high authority, vs. Helper, low authority) and framing (persuasive nudges toward prosocial wishes vs. neutral). Of 1,072 logged calls, 89 conversations (median age 6) met inclusion criteria. Persuasive framing raised the probability of a prosocial wish from 11.6% to 45.7%, robust to controls. Persona authority showed a near-zero effect: Santa did not outperform the Helper. Persona instead shaped engagement; children hung up on the Helper far more often within the first minute (65% vs. 39%). Where context already lends an agent legitimacy, how it speaks shapes children's compliance more than who it claims to be.
- Abstract（参考訳）: 会話エージェントはますます子供と相互作用するが、彼らのデザインが子供の説得への感受性をいかに形作るかを示す証拠は、ほとんど完全に研究室から来ている。
サンタクロースの公衆電話ホットラインに埋もれた2ドル(約2万2000円)のランダムフィールド実験を報告した。
子どもの電話は、4つのLLM音声エージェントのうちの1つ(サンタ、高権威、ヘルパー、低権威、フレーミング)にランダムにルートされた。
1,072件の通話のうち、89件の会話(6歳)が包括的基準を満たした。
説得力のあるフレーミングは、社会的願望の確率を11.6%から45.7%に引き上げ、コントロールが堅牢になった。
ペルソナ当局はほぼゼロ効果を示し、サンタはヘルパーを上回りませんでした。
ペルソナはエンゲージメントを形作り、子どもたちは1分以内にヘルパーにハングアップする(65%対39%)。
文脈が既にエージェントの正当性を与えている場合、その話し方は、主張するよりも子供のコンプライアンスを形作っている。
関連論文リスト
- DuplexWorld: Can voice agents help you get through the day? [36.94429692322632]
音声合成(S2S)音声エージェントは、顧客ケアや消費者のための日次コンパニオンとして、ますますエンタープライズに組み込まれつつある。
既存のベンチマークでは、本当に重要な軸に沿って音声エージェントを評価することができず、データベースに対するエージェントツールの呼び出しのテストとして形作られています。
私たちは、日常的な活動がもたらす会話の多様性を適切に説明できないと信じており、エージェントがデータベース操作を超えたタスクをいかに忠実に支援できるかを決してテストしません。
論文 参考訳（メタデータ） (2026-08-11T09:34:39Z) - 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) - PersonaGym: Evaluating Persona Agents and LLMs [44.058616871217595]
本稿では、ペルソナエージェントのための最初の動的評価フレームワークであるPersonaGymと、意思決定理論に基づく人手による自動計量であるPersonaScoreを紹介する。
200人1万質問10件のLLMを評価した結果,有意義な進歩の可能性が示唆された。
論文 参考訳（メタデータ） (2024-07-25T22:24:45Z) - Who Said What? An Automated Approach to Analyzing Speech in Preschool Classrooms [0.4207829324073153]
本稿では,ソフトウェアを用いて話者を分類し,発話の書き起こしを行う自動フレームワークを提案する。
筆者らは,110分間の授業記録において,本フレームワークと人間専門家の結果を比較した。
その結果, 子どもの言語発達を支援する授業音声の分析において, かなり進歩したことが示唆された。
論文 参考訳（メタデータ） (2024-01-14T18:27:37Z) - GPT-3-driven pedagogical agents for training children's curious
question-asking skills [23.284865179388024]
本研究では,この課題を自然文で LLM に説明するための "prompt-based" 手法を用いて,その内容の生成について検討する。
我々は,1) 「クローズド」 キューを提案する手作りコンテンツ,2) 同じタイプのキューを提案するGPT-3生成コンテンツ,3) 「オープン」 キューを提案するGPT-3生成コンテンツ,の3つを比較した。
論文 参考訳（メタデータ） (2022-11-25T16:41:59Z) - Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
我々は、数ショット$textit language coordinate$のタスクについて研究する。
リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。
これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
論文 参考訳（メタデータ） (2021-07-12T19:26:11Z)
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。