論文の概要: Designing Adaptive Affective Chatbots for Online Learning: Trade-offs Between User Control, Automation, and Transparency
- arxiv url: http://arxiv.org/abs/2610.03803v1
- Date: Thu, 01 Oct 2026 11:34:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 05:10:31.763535
- Title: Designing Adaptive Affective Chatbots for Online Learning: Trade-offs Between User Control, Automation, and Transparency
- Title（参考訳）: オンライン学習のための適応型感情型チャットボットの設計--ユーザコントロール,自動化,透明性のトレードオフ
- Abstract要約: オンライン学生はフラストレーション、孤立、モチベーションといった感情的な課題に直面していることが多い。
ほとんどの学習支援チャットボットは、主に認知支援に焦点を当てており、学習者の感情的および動機的な経験に限られた注意を払っている。
ユーザ制御、AI駆動、ハイブリッド協調制御という3つの適応型設計代替案を開発し、自動化、透明性、ユーザコントロールの主なトレードオフについて検討する。
- 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: Online students often face emotional challenges such as frustration, isolation, and fluctuating motivation, which can hinder sustained engagement in online learning. While affective chatbots have shown promise in healthcare and wellness, most learning support chatbots focus primarily on cognitive assistance with limited attention to learners' emotional and motivational experiences. In this work, we investigate how adaptive affective chatbot support can be designed for online learning through an iterative design process. Through a mixed-methods needfinding study (n=38), we identified substantial variation in how learners respond to affective support, with no single strategy universally preferred. This led us to develop three adaptive design alternatives: user-controlled, AI-driven, and hybrid co-controlled adaptation, and examine key trade-offs between automation, transparency, and user control. A final evaluation (n=25) showed that 88% of participants favored the adaptive hybrid design over a non-adaptive alternative, highlighting the value of balancing transparency, user control, and interaction simplicity. We discuss design implications for adaptive affective chatbot systems in emotionally challenging online learning contexts.
- Abstract（参考訳）: オンライン学生は、フラストレーション、孤立、変動するモチベーションなどの感情的な課題に直面し、オンライン学習における持続的な関与を妨げる。
感情的なチャットボットは、医療とウェルネスにおいて有望であるが、ほとんどの学習支援チャットボットは、主に認知支援に焦点を当てており、学習者の感情的および動機的な経験に限定している。
本研究では,反復的な設計プロセスを通じて,オンライン学習に適応的な感情型チャットボットを設計する方法について検討する。
混合手法によるニーズフィンディング研究 (n=38) を通じて, 学習者が感情的支援にどう反応するかにおいて, 一つの戦略が普遍的に好まれることはなかった。
これにより、ユーザ制御、AI駆動、ハイブリッド共制御の3つの設計代替案を開発し、自動化、透明性、ユーザコントロールの主なトレードオフを検証しました。
最終的な評価(n=25)では、参加者の88%が適応的でない代替案よりも適応的ハイブリッド設計を好んでおり、透明性、ユーザコントロール、インタラクションの単純さのバランスの重要性を強調している。
本稿では,オンライン学習環境における適応型感情型チャットボットシステムの設計意義について論じる。
関連論文リスト
- Informal Learning Emerges in Everyday Human-LLM Interaction [74.53081471113929]
日常の人間とLLMの相互作用は、非公式学習の計測可能、選択的、条件付き行動シグネチャを含むことを示す。
彼らはAI評価を、回答提供効率から、ユーザが推論し、テストし、理解を構築するための認知機会の保存へとシフトする。
論文 参考訳（メタデータ） (2026-07-20T07:56:41Z) - Sentiment Analysis in Learning Management Systems Understanding Student Feedback at Scale [0.0]
非言語コミュニケーションの欠如は、教育経験の有効性を低下させる言葉によるフィードバックへの依存につながった。
本稿では,学生と教師のギャップを埋めるために,感情分析を学習管理システム(LMS)に統合することを検討する。
論文 参考訳（メタデータ） (2025-06-05T18:13:07Z) - Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor [44.499778745131046]
まず、チャットボットのトレーニングに感情的選好最適化(EPO)を用いる。
このトレーニングは、モデルが正しい反応と反感情反応の微妙な区別を識別することを可能にする。
次に,MambaCompressorを導入し,会話履歴を効果的に圧縮し,管理する。
複数のデータセットにまたがる包括的実験により、我々のモデルは共感的応答の生成や長い対話の管理において、既存のモデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-12-23T13:44:51Z) - SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。
本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。
本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
論文 参考訳（メタデータ） (2024-03-01T21:27:03Z) - Attention-based Interactive Disentangling Network for Instance-level
Emotional Voice Conversion [81.1492897350032]
感情音声変換(Emotional Voice Conversion)は、非感情成分を保存しながら、与えられた感情に応じて音声を操作することを目的とする。
本稿では,音声変換にインスタンスワイドな感情知識を活用する,意図に基づく対話型ディスタングネットワーク(AINN)を提案する。
論文 参考訳（メタデータ） (2023-12-29T08:06:45Z) - Developing Effective Educational Chatbots with ChatGPT prompts: Insights
from Preliminary Tests in a Case Study on Social Media Literacy (with
appendix) [43.55994393060723]
ChatGPTのようなゼロショット学習機能を持つ言語学習モデルの最近の進歩は、教育チャットボットを開発する新たな可能性を示している。
本稿では,混合ターンチャットボットのインタラクションを可能にするシンプルなシステムを用いたケーススタディを提案する。
本稿では,ChatGPTが複数の相互接続型学習目標を追求し,文化,年齢,教育レベルなどのユーザ特性に教育活動を適応させ,多様な教育戦略や会話スタイルを活用できる能力について検討する。
論文 参考訳（メタデータ） (2023-06-18T22:23:18Z) - "No, to the Right" -- Online Language Corrections for Robotic
Manipulation via Shared Autonomy [70.45420918526926]
LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。
LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。
提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
論文 参考訳（メタデータ） (2023-01-06T15:03:27Z) - Human Decision Makings on Curriculum Reinforcement Learning with
Difficulty Adjustment [52.07473934146584]
我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。
本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。
強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
論文 参考訳（メタデータ） (2022-08-04T23:53:51Z) - Towards an Online Empathetic Chatbot with Emotion Causes [10.700455393948818]
共感反応に対するユーザの感情を誘発する原因を学習することが重要である。
オンライン環境で感情の原因を収集するために、カウンセリング戦略を活用する。
提案手法の有効性を,複数のSOTA法との比較により検証した。
論文 参考訳（メタデータ） (2021-05-11T02:52:46Z)
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。