論文の概要: AI-Mediated Employee Voice and Performance: Disentangling Informational and Affective Pathways

• arxiv url: http://arxiv.org/abs/2610.25548v1
• Date: Sun, 18 Oct 2026 21:41:49 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:41:56.080213
• Title: AI-Mediated Employee Voice and Performance: Disentangling Informational and Affective Pathways
• Title（参考訳）: AIを利用した従業員の声とパフォーマンス - 情報と感情の経路を遠ざける
• Abstract要約: 本研究は,従来の音声は知識抽出とリレーショナルシグナリングという2つの異なる関数を束ねていることを理論的に論じる。 我々は,グローバル戦略コンサルティング会社において,約2000人のクライアント対応コンサルタントを対象とするランダムなフィールド介入を提案する。 デュアルメディエーションモデルでは, プロセス改善によって音声がパフォーマンスに影響を及ぼし, (2) 感情的幸福感がもたらされる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Employee voice -- the discretionary expression of ideas, concerns, and suggestions intended to improve organizational functioning -- creates value inside firms, yet organizations increasingly replace or augment human-led listening with AI-enabled systems that collect, analyze, and route employee input at scale. Whether algorithmic listening replicates the value-creation mechanisms of human voice, and whether it alters the pathways through which voice translates into performance, remains an open question. This research proposal theorizes that traditional voice bundles two distinct functions, knowledge extraction and relational signaling, and that AI mediation may decouple them: strengthening the informational pathway (implemented improvement measures) while weakening the affective pathway (the experience of being heard). We propose a randomized field intervention at a global strategy consulting firm, covering approximately 2,000 client-facing consultants, that varies the form of listening across three conditions -- no structured voice, human-led survey-based voice, and AI-enabled conversational voice -- and links weekly team survey data to longitudinal performance ratings. A dual-mediation model is tested in which voice affects performance through (1) implemented process improvements and (2) affective well-being. The study extends voice theory to knowledge-intensive professional services, disentangles the micro-mechanisms of voice, and provides causal evidence on whether AI can serve as an effective listener.
• Abstract（参考訳）: 組織機能の改善を目的とした、アイデアや関心、提案の裁量的な表現である従業員の声は、企業内の価値を生み出す一方で、大規模な従業員の入力を収集し、分析し、ルートするAI対応システムによって、組織はますます人間主導のリスニングを置き換え、強化している。 アルゴリズム的聴取が人間の声の価値創造メカニズムを再現するかどうか、そしてそれが声がパフォーマンスに変換する経路を変えるかどうかは、未解決の問題である。 この研究は、従来の音声は知識抽出とリレーショナルシグナリングという2つの異なる機能を持ち、AIメディエーションは、情報伝達経路の強化(改善策の実施)と感情伝達経路の弱化(聴取経験)の2つを分離する可能性があることを理論的に論じる。 我々は、グローバル戦略コンサルティング会社におけるランダムなフィールド介入を提案し、約2000人のクライアント対応コンサルタントをカバーし、構造化された音声、人間主導のサーベイベース音声、AI対応の会話音声の3つの条件にわたるリスニングの形式を変え、毎週のチーム調査データを経時的なパフォーマンス評価にリンクする。 1) 実施したプロセス改善と(2) 情緒的幸福感を通して, 音声がパフォーマンスに影響を及ぼすような二重修復モデルが試験された。 この研究は、音声理論を知識集約型プロフェッショナルサービスに拡張し、音声のマイクロメカニズムを解体し、AIが効果的なリスナーとして機能できるかどうかの因果的証拠を提供する。

関連論文リスト

• Covo-Audio Technical Report [61.09708870154148]
  7BバックエンドのLALMであるCovo-Audioは、連続的なオーディオ入力を直接処理し、単一の統一アーキテクチャ内でオーディオ出力を生成する。 対話指向の変種であるCovo-Audio-Chatは、意味的に強い会話能力を示す。
  論文  参考訳（メタデータ） (2026-02-10T14:31:11Z)
• 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)
• Cloning a Conversational Voice AI Agent from Call\,Recording Datasets for Telesales [0.0]
  通話記録のコーパスから会話音声AIエージェントをクローンする手法を提案する。 我々のシステムは電話で顧客に耳を傾け、合成音声で応答し、トップパフォーマンスの人間エージェントから学んだ構造化されたプレイブックに従う。 本発明のクローン化剤は、導入、製品コミュニケーション、販売ドライブ、異物処理、閉店を含む22の基準で、人為的エージェントに対して評価される。
  論文  参考訳（メタデータ） (2025-09-05T07:36:12Z)
• Towards Inclusive Communication: A Unified Framework for Generating Spoken Language from Sign, Lip, and Audio [52.859261069569165]
  音声テキスト生成のための手話,唇の動き,音声の多様な組み合わせを扱える最初の統一フレームワークを提案する。 i)不均一な入力を効果的に処理できる統一されたモダリティ非依存アーキテクチャの設計、(ii)モダリティ間の過小評価された相乗効果の探索、特に手話理解における非手動的手がかりとしての唇運動の役割、(iii)個々のタスクに特化した最先端モデルと同等以上のパフォーマンスを達成すること、の3つの目的に焦点をあてる。
  論文  参考訳（メタデータ） (2025-08-28T06:51:42Z)
• AI Telephone Surveying: Automating Quantitative Data Collection with an AI Interviewer [1.8929175690169533]
  我々は、大規模言語モデル(LLM)、自動音声認識(ASR)、音声合成技術に基づく定量的調査を行うAIシステムを構築し、テストした。 このシステムは定量的研究のために特別に設計され、質問順のランダム化、回答順のランダム化、正確な単語化といった研究のベストプラクティスに厳格に固執した。 以上の結果から,より短い計器とより応答性の高いAIインタビュアーが,研究対象の3つの指標にまたがる改善に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-07-23T17:30:14Z)
• AudioJudge: Understanding What Works in Large Audio Model Based Speech Evaluation [55.607230723223346]
  本研究は,Large Audio Model (LAM) をAudioJudgeの裁判官として体系的に研究し,両課題に対処する統一評価フレームワークを提供することができるかどうかを検討する。 本稿では、発音、発話速度、話者識別、音声品質、自動ベンチマークのためのシステムレベルの人間の嗜好シミュレーションなど、音声特徴検出タスクにまたがるAudioJudgeについて検討する。 本稿では,多視点アンサンブルAudioJudgeを導入し,音声評価を語彙内容,音声品質,パラ言語特徴の専門判断者に分解し,人間の嗜好と最大0.91のスピアマン相関を達成させる手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T00:39:18Z)
• Automating Feedback Analysis in Surgical Training: Detection, Categorization, and Assessment [65.70317151363204]
  本研究は,非構造化現実記録からの外科的対話を再構築するための最初の枠組みを紹介する。 外科訓練では,ライブ手術中に訓練者に提供する形式的言語フィードバックは,安全性の確保,行動の即時修正,長期的スキル獲得の促進に不可欠である。 本フレームワークは,音声活動の検出,話者ダイアリゼーション,自動音声認識と,幻覚を除去する新たな拡張機能を統合する。
  論文  参考訳（メタデータ） (2024-12-01T10:35:12Z)
• A Novel Labeled Human Voice Signal Dataset for Misbehavior Detection [0.7223352886780369]
  本研究は,音声認識のための自動学習システムにおける音声トーンと配信の重要性を強調した。 これは、人間の行動が音声信号の知覚と分類に与える影響を解明することにより、音声信号解析の幅広い分野に寄与する。
  論文  参考訳（メタデータ） (2024-06-28T18:55:07Z)
• Learning to Communicate Functional States with Nonverbal Expressions for Improved Human-Robot Collaboration [3.5408317027307055]
  協調ロボットは、スムーズな対話を可能にするために、内部状態を人間に効果的に伝える必要がある。 雑音の多い人間のフィードバックに基づく強化学習アルゴリズムを提案し, 正確に解釈された非言語音声表現を生成する。
  論文  参考訳（メタデータ） (2024-04-30T04:18:21Z)
• Evaluation of Google's Voice Recognition and Sentence Classification for Health Care Applications [1.385411134620987]
  本研究では、Periopのスタッフがモバイル技術を使ってワークフローを記録できるように、マイルストーンサービス(Periop)における音声認識技術の使用について検討した。 この実験の目的は、データ入力やクエリタスクを中断することなく、Periopのスタッフがケアを提供することだった。 その結果, 個人の言い回しが最も正確であること, 個人の声を認識するための装置の訓練により, 正確性も向上することが示唆された。
  論文  参考訳（メタデータ） (2024-02-02T03:13:09Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)

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。