論文の概要: Human and LLM Facilitation in Collaborative Design Meetings: A Computational Behavioral Comparison

• arxiv url: http://arxiv.org/abs/2610.13082v2
• Date: Wed, 14 Oct 2026 11:58:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.001273
• Title: Human and LLM Facilitation in Collaborative Design Meetings: A Computational Behavioral Comparison
• Title（参考訳）: 共同デザインミーティングにおける人間とLLMのファシリテーション:計算行動の比較
• Abstract要約: 我々は、Llama 3.1 8B Instruct responseとシナリオベースの協調デザインミーティングから、ヒューマンプロジェクトマネージャファシリテーションの転換を比較した。 この分析は、文脈的意味距離、語彙的エラボレーション・プロキシ、共感とヘッジの語彙密度、話題の発散、位相-語彙のアライメントの5つの確認次元をカバーする。
• 参考スコア（独自算出の注目度）: 3.561019731210981
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly being explored as facilitators of group discussion and collaborative work, but the behavioral differences between LLM-generated and human facilitation remain insufficiently characterized. We compare human Project Manager facilitation turns from scenario-based collaborative design meetings with Llama 3.1 8B Instruct responses across 199 paired contexts from the AMI Meeting Corpus. The analysis covers five confirmatory dimensions: contextual semantic distance, a lexical elaboration proxy, empathyand-hedge lexical density, topic divergence, and phase-vocabulary alignment. An exploratory directiveness measure failed domain validation and is not interpreted. The sampled human Project Manager turns were higher on contextual semantic distance (r = 0.644) and on empathyand-hedge lexical density (r = 0.203). The second contrast is carried mainly by hedge terms, so we read it as lexical hedging rather than psychological empathy. Llama-generated facilitation was higher on topic divergence (r = 0.703), the lexical elaboration proxy (r = 0.288; lengthconfounded), and instruction-conditioned phase-vocabulary alignment (r = 0.382). A secondary no-phase check left the Llama-higher phase contrast in place. The system prompt still requested a facilitation move, so that check is not evidence of spontaneous phase awareness. These differences should not be interpreted as a ranking of facilitation quality. The resulting behavioral profile provides a reference point for later comparisons of LLM facilitators, human facilitators, prompts, models, and collaborative settings.
• Abstract（参考訳）: グループディスカッションや協調作業のファシリテーターとして大規模言語モデル (LLM) が研究されているが、LLM生成と人間のファシリテーションの行動的差異はいまだ不十分である。 我々は,人間プロジェクトマネージャのファシリテーションをシナリオベースの共同設計ミーティングからLlama 3.1 8Bの回答をAMI Meeting Corpusから199のペアコンテキストで比較する。 この分析は、文脈的意味距離、語彙的エラボレーション・プロキシ、共感とヘッジの語彙密度、話題の発散、位相-語彙のアライメントの5つの確認次元をカバーする。 探索的指示性尺度はドメイン検証に失敗し、解釈されない。 人間のプロジェクトマネージャのターンは、文脈意味距離(r = 0.644)と共感とヘッジの語彙密度(r = 0.203)が高い。 第2のコントラストは、主にヘッジ用語によって運ばれているので、心理学的な共感ではなく、語彙的なヘッジとして読みます。 ラマ生成ファシリテーションは、トピックの発散(r = 0.703)、語彙的共振プロキシ(r = 0.288; lengthcon founded)、命令条件付き位相-語彙アライメント(r = 0.382)において高い値を示した。 第二のノーフェーズチェックは、ラマ・ハイフェーズのコントラストを残した。 システムはまだファシリテーションの動きを要求しており、チェックは自発的な位相認識の証拠ではない。 これらの違いは、ファシリテーション品質のランキングと解釈してはならない。 結果として生じる行動プロファイルは、後のLLMファシリテータ、人間のファシリテータ、プロンプト、モデル、協調的な設定の比較のための参照ポイントを提供する。

関連論文リスト

• Do LLMs Change Their Minds Like Humans? Diagnosing Human--LLM Divergence in Single-Turn Persuasion Judgments [10.717755637740948]
  大規模言語モデル (LLMs) は、社会シミュレーションの参加者のためのプロキシとして、ますます多くデプロイされている。 自然発生型オンライン説得コーパスを用いて体系的な比較を行う。 以上の結果から,LSMは人間とわずかに一致していることがわかった。
  論文  参考訳（メタデータ） (2026-08-30T14:08:06Z)
• Articulate Intuition or Genuine Analysis? Benchmarking Epistemic Reliability in LLM-as-a-Judge Peer Reviews [37.684628465527545]
  我々は、Kahnemanの二重プロセス理論をピアレビューとリリースのための構造化ルーリックとして運用する。 評価基準は3,563で、理論的に動機付けられた9つのテキスト次元、8つのバイアス診断、連続的推論品質スコアで評価された。
  論文  参考訳（メタデータ） (2026-07-12T00:03:42Z)
• Towards Human-Like Interactive Speech Recognition With Agentic Correction and Semantic Evaluation [53.844308305341166]
  単一パスのASRフロントエンドと意味的訂正,意図のルーティング,推論に基づく編集を組み合わせた閉ループフレームワークである textbfAgentic ASR を提案する。 複数言語、名前付き集中型、コードスイッチングベンチマークの実験は、反復的相互作用が意味的誤りを一貫して減少させることを示している。
  論文  参考訳（メタデータ） (2026-05-28T06:23:31Z)
• Semantic Delta: An Interpretable Signal Differentiating Human and LLMs Dialogue [3.9431873099460826]
  意味圏分布から導出した軽量な計量法を提案する。 セマンティックデルタを対話における2つの最も支配的なカテゴリ強度の差として定義する。 結果は、AI生成したテキストが人間のテキストよりも高いデルタを生成することを示す。
  論文  参考訳（メタデータ） (2026-03-20T11:01:47Z)
• Scaling Data Diversity for Fine-Tuning Language Models in Human Alignment [84.32768080422349]
  人間の好みの調整は、大きな言語モデルが誤解を招くか有害なコンテンツを生成するのを防ぐ。 本研究では, 微調整後のLLMの最終性能と線形相関を示唆し, 即時多様性の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2024-03-17T07:08:55Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Is Supervised Syntactic Parsing Beneficial for Language Understanding? An Empirical Investigation [71.70562795158625]
  従来のNLPは、高レベルセマンティック言語理解(LU)の成功に必要な構文解析を長い間保持(教師付き)してきた。 近年のエンドツーエンドニューラルネットワークの出現、言語モデリング(LM)による自己監視、および幅広いLUタスクにおける成功は、この信念に疑問を投げかけている。 本研究では,LM-Pretrained Transformer Network の文脈における意味的LUに対する教師あり構文解析の有用性を実証的に検討する。
  論文  参考訳（メタデータ） (2020-08-15T21:03:36Z)

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。