論文の概要: Positive Ratings, Hidden Concerns: Employee Voice Disclosure in AI-Mediated Organizational Listening

• arxiv url: http://arxiv.org/abs/2609.38788v1
• Date: Wed, 30 Sep 2026 02:18:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.033418
• Title: Positive Ratings, Hidden Concerns: Employee Voice Disclosure in AI-Mediated Organizational Listening
• Title（参考訳）: ポジティブな評価と隠れた懸念:AIによる組織リスニングにおける従業員の声の開示
• Abstract要約: 組織は、構造化された調査とともに、会話型のAIエージェントを通じて従業員に耳を傾け始めた。 開示が階層的リスクをもたらすという従業員の発言に、これらのチャネルがどのような変化をもたらすのかは、ほとんど分かっていない。 本研究では,有界開示の基盤モデルを構築し,音声・チャンネル・聴取研究のための4つの提案を導出する。
• 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: Organizations started listening to employees through conversational AI agents alongside structured surveys. Little is known about what these channels change in what employees say when disclosure carries hierarchical risk. We report a field study inside a global management consulting firm whose process pairs a pre-survey with an adaptive AI voice interview on the same themes within one session. Across 44 first-session interviews (132 matched theme observations), 20-41% of sessions showed a favorable rating co-occurring with a substantive concern voiced later, depending on the favorability threshold. The Gioia analysis drew on 158 protective quotes from 65 eligible sessions. Disclosure rarely arrived unguarded: employees softened concerns, deflected accountability, and bounded how far they went, and this protective work tracked the perceived legitimacy of the listening structure. We develop a grounded model of bounded disclosure and derive four propositions for voice, channel and listening research. Silence, we argue, can persist inside expression.
• Abstract（参考訳）: 組織は、構造化された調査とともに、会話型のAIエージェントを通じて従業員に耳を傾け始めた。 開示が階層的リスクをもたらすという従業員の発言に、これらのチャネルがどのような変化をもたらすのかは、ほとんど分かっていない。 我々は,グローバルマネジメントコンサルティング会社内の現場調査を報告し,そのプロセスは,1セッションで同じテーマに関するAI音声インタビューと事前調査を組み合わせている。 44回の初回インタビュー(132回がテーマ観察に一致)では,20～41%のセッションが好意的な評価を示し,その後,好意的な評価が得られた。 Gioiaの分析は、65のセッションから158の保護的な引用を引用した。 従業員は懸念を和らげ、説明責任を逸脱し、どこまで進んだかを見極め、この保護作業は聞き取り構造の正当性を追跡した。 本研究では,有界開示の基盤モデルを構築し,音声・チャンネル・聴取研究のための4つの提案を導出する。 沈黙は表現の中で持続することができると我々は主張する。

関連論文リスト

• Despite Instructions: Frontier Agents Improvise Covert Channels at Test Time [64.61749234961134]
  セキュリティに敏感なアプリケーションでは、言語モデルエージェントは機密情報を開示することなく調整する必要があることが多い。 送信者が4つの秘密状態のうちの1つを観測し、同一の公開レポートの4つの要約のうちの1つを選択する。 モデルペアは、受信機が正しく推測したかどうかを示す1ビットのフィードバックのみを使用して、秘密を伝えることができる。
  論文  参考訳（メタデータ） (2026-09-26T15:06:44Z)
• MP-Bench: Evaluating Voice Agents as a Multiparty Conversation Participant [138.90198190949545]
  MP-Benchは,対話型音声システムに対して,マルチパーティ・コンテクスト内でのアクティブな参加者としての評価を目的とした,最初のベンチマークである。 MP-Benchは、ターンテイキングの認識と応答の適切性という2つの主要な側面に沿ってエージェントの振る舞いを評価する。 リアルタイム音声エージェントは、マルチパーティの理解において22%以下にとどまり、マルチパーティのターンテイクにおいてほぼチャンスであることがわかった。
  論文  参考訳（メタデータ） (2026-09-11T17:11:55Z)
• Hear2Act: Benchmarking When Prosody Should Change What an Assistant Does [27.909684871924004]
  本稿では,テキストと音声アシスタントの統一評価プロトコルであるHear2Actを紹介する。 我々は、転写、音声、および関心状態アクセスに基づく意思決定を評価する。 語彙的証拠が不十分な場合には韻律が重要であることを示す。
  論文  参考訳（メタデータ） (2026-08-20T00:16:36Z)
• When the Interviewer Is a Bot: Behavior, Breakdowns, and Trust in MLLM-Led Interviews [9.297183319694806]
  我々は,インタビュアーが市販のリアルタイムマルチモーダルLLM(MLLM)である場合に実際に何が起こるか,実証的研究を報告する。 InterviewBotは音声による面接システムで、研究者が作成したアウトラインでリアルタイムのMLLMをラップする。 実践的な研究では、参加者はボット主導の半構造化インタビューを完了し、その経験に関する人間主導のリフレクションセッションを完了した。
  論文  参考訳（メタデータ） (2026-08-11T03:01:36Z)
• Artificial Intelligence can Recognize Whether a Job Applicant is Selling and/or Lying According to Facial Expressions and Head Movements Much More Correctly Than Human Interviewers [3.375570167738047]
  コンピュータビジョンによる深層学習モデルを構築し,求職者の表情や頭の動きの時間的パターンを抽出した。 提案モデルでは, 正直なIMでは91%, 虚偽IMでは84%のばらつきが説明され, 自己申告したIMスコアと人間面接者との相関が強くなった。
  論文  参考訳（メタデータ） (2026-05-17T14:03:08Z)
• 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)
• The Interspeech 2026 Audio Reasoning Challenge: Evaluating Reasoning Process Quality for Audio Reasoning Models and Agents [83.79481911755481]
  We organized the Audio Reasoning Challenge at Interspeech 2026。 この課題は、推論チェーンの事実とロジックを評価する新しいインスタンスレベルのプロトコルであるMMAR-Rubricsを導入した。 シングルモデルとエージェントのトラックが特徴で、18カ国から156チームが参加している。
  論文  参考訳（メタデータ） (2026-02-15T16:38:09Z)
• Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing [17.874659591744486]
  会話エージェント(CA)の設計において「アクティブリスニング」は見過ごされる 提案手法は, 反射サイレンス, ファシリテートサイレンス, 共感サイレンス, ホールディングスペース, 即時応答の5つである。 この研究は、コンテキスト認識のペアリングのような人間の会話からの洞察が、より共感的な人間とAIコミュニケーションの設計を促進する方法を示している。
  論文  参考訳（メタデータ） (2026-02-05T19:08:06Z)
• Speech-Hands: A Self-Reflection Voice Agentic Approach to Speech Recognition and Audio Reasoning with Omni Perception [142.4692205981783]
  我々は,外部の音声知覚をいつ信頼するか,いつ外部の音声知覚を相談するかを知るという,一貫したスキルを学習する音声認識フレームワークを導入する。 音声認識と外部の音声理解タスクの両方でオムニモデルを鼻で微調整することは、しばしば性能を低下させる。 これを解決するために、我々のフレームワークであるSpeech-Handsは、問題を明示的な自己回帰決定として再考する。この学習可能なプリミティブは、モデルが欠陥のある外部候補によって脱線されるのを防ぐのに有効である。
  論文  参考訳（メタデータ） (2026-01-14T12:06:50Z)
• AudioTrust: Benchmarking the Multifaceted Trustworthiness of Audio Large Language Models [125.44235244336623]
  オーディオ大言語モデル(ALLMs)は広く採用されているが、信頼性は未定である。 音色,アクセント,背景雑音などの非意味的音響的手がかりから生じるALMの有意な信頼性リスクを同定した。 本稿では,AudioTrustを提案する。
  論文  参考訳（メタデータ） (2025-05-22T04:27:46Z)
• TalkTive: A Conversational Agent Using Backchannels to Engage Older Adults in Neurocognitive Disorders Screening [51.97352212369947]
  高齢者とヒトの認知的評価に関する246の会話を分析した。 反応性バックチャネルと活性性バックチャネルのカテゴリーを抽出した。 これは、バックチャネルのタイミングと形式の両方を予測することができるCAであるTalkTiveの開発に使用される。
  論文  参考訳（メタデータ） (2022-02-16T17:55:34Z)

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。