論文の概要: A study on human-agent teaming through spoken interaction: the impact of human individual traits and agent characteristics

• arxiv url: http://arxiv.org/abs/2610.04079v1
• Date: Fri, 02 Oct 2026 21:44:01 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:04:35.979445
• Title: A study on human-agent teaming through spoken interaction: the impact of human individual traits and agent characteristics
• Title（参考訳）: 音声対話による人間とエージェントのコラボレーションに関する研究--人の特徴とエージェント特性の影響-
• Abstract要約: エージェントのコミュニケーション行動の簡易な変化が,エージェントのチームメイト類似性に対する人間の認識に影響を及ぼすかどうかを検討した。 チーム構築エージェントは、ゲーム解決の能力が同一であるにもかかわらず、その能力の観点からもチームメイトに近いものと認識された。
• 参考スコア（独自算出の注目度）: 39.030638985269086
• License:
• Abstract: Human-agent teams are collaborative systems where humans and agents work interdependently to achieve shared goals. The success of such teams is associated with the human's perception of the agent as a legitimate teammate. This perception is thought to depend not only on the agent's capabilities and reliability but also on social factors. We explore whether simple changes in an agent's communicative behavior can influence the human's perception of the agent's teammate-likeness. To this end, we developed a protocol based on a collaborative game requiring spoken interaction, in which a human subject and a virtual agent collaborate to identify a target object and place it on a board. Each subject interacted with two agents which provided the same task-relevant information but differed in behavior. While one was a neutral tool-like agent, the other was a team-building agent that used simple social strategies such as empathy, politeness, and positivity. Our analysis shows that the team-building agent was perceived as significantly more teammate-like, even in terms of its ability, despite both agents having identical capabilities for game-solving. Further, subjects with a higher propensity to trust automated systems and lower neuroticism tended to have a more favorable perception of the agent. Finally, we found that subjects tended to change their prosodic patterns when talking to the team-building agent, as a classifier based on prosodic features was able to predict the type of agent with better-than-random performance. A practically relevant conclusion is that minimal changes in spoken communication behavior of the agent, easily implemented in a variety of scenarios, can have a significant positive impact on the human's perception of its teammate-likeness.
• Abstract（参考訳）: 人間エージェントチームは、人間とエージェントが相互に働き、共通の目標を達成する、協調的なシステムである。 このようなチームの成功は、正統なチームメイトとしてのエージェントに対する人間の認識と結びついている。 この認識はエージェントの能力と信頼性だけでなく、社会的要因にも依存すると考えられている。 エージェントのコミュニケーション行動における単純な変化が、エージェントのチームメイトのような感覚に影響を及ぼすかどうかを考察する。 そこで我々は,人間と仮想エージェントが協調して対象物を識別し,ボード上に配置する,音声対話を必要とする協調ゲームに基づくプロトコルを開発した。 各被験者は、同一のタスク関連情報を提供する2つのエージェントと対話するが、行動が異なる。 1つは中立的なツールのようなエージェントで、もう1つは共感、丁寧さ、肯定といった単純な社会的戦略を使ったチーム構築エージェントでした。 分析の結果,両エージェントが同一のゲーム解決能力を有するにも関わらず,チームメイトのような能力を有することが明らかとなった。 さらに、自動化されたシステムと低神経症を信頼する確率が高い被験者は、エージェントに対するより好意的な認識を持つ傾向にあった。 最後に, 被験者がチーム構築エージェントと対話する際に, 韻律的特徴に基づく分類器が, ランダムなパフォーマンスでエージェントのタイプを予測できるため, 韻律的パターンを変える傾向があることを発見した。 実際に関係している結論は、様々なシナリオで容易に実装できるエージェントの音声通信行動の最小限の変化が、人間のチームメイトのような知覚に有意な影響を与えるということである。

関連論文リスト

• The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
  MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。 ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。 エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
  論文  参考訳（メタデータ） (2026-02-13T05:28:31Z)
• Psychological and behavioural responses in human-agent vs. human-human interactions: a systematic review and meta-analysis [2.3284555894215075]
  インタラクティブな知的エージェントは社会全体で統合されています。 人間のような能力を達成するにも拘わらず、これらのエージェントに対する人間の反応はいまだに理解されていない。 一致した人間-エージェントと人間-人間の対話における心理的・行動的反応を比較検討した最初の体系的合成を行った。
  論文  参考訳（メタデータ） (2025-09-25T20:29:36Z)
• Knowledge Boundary and Persona Dynamic Shape A Better Social Media Agent [69.12885360755408]
  パーソナライズされた知識と動的ペルソナ情報に基づくソーシャルメディアエージェントを構築する。 パーソナライズされた知識に対して、外部知識ソースを追加し、エージェントのペルソナ情報とマッチングすることにより、エージェントにパーソナライズされた世界知識を与える。 動的ペルソナ情報については、現在の行動情報を用いてエージェントのペルソナ情報を内部的に検索し、現在の行動に対する多様なペルソナ情報の干渉を低減する。
  論文  参考訳（メタデータ） (2024-03-28T10:01:23Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Warmth and competence in human-agent cooperation [0.7237068561453082]
  近年の研究では、深層強化学習で訓練されたAIエージェントが人間と協調できることが示されている。 われわれは2人プレイのソーシャルジレンマであるCoinsで深層強化学習エージェントを訓練している。 参加者の温かさと能力に対する認識は、異なるエージェントに対する表現された嗜好を予測する。
  論文  参考訳（メタデータ） (2022-01-31T18:57:08Z)
• Imitating Interactive Intelligence [24.95842455898523]
  仮想環境の簡略化を用いて、人間と自然に相互作用できる人工エージェントの設計方法を検討する。 人間とロバストに相互作用できるエージェントを構築するには、人間と対話しながらトレーニングするのが理想的です。 我々は,人間とエージェントエージェントの対話行動の相違を低減するために,逆強化学習の考え方を用いる。
  論文  参考訳（メタデータ） (2020-12-10T13:55:47Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)

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。