論文の概要: Out of sync: Accommodation, evaluation, and emergence in five weeks with an agentic AI teammate

• arxiv url: http://arxiv.org/abs/2610.41057v1
• Date: Thu, 29 Oct 2026 22:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.549956
• Title: Out of sync: Accommodation, evaluation, and emergence in five weeks with an agentic AI teammate
• Title（参考訳）: シンクアウト:エージェントAIチームメイトとの5週間の宿泊、評価、出現
• Abstract要約: 教育におけるエージェントAIがリアクティブツールから、イニシアチブを取り入れて継続するパートナへと移行するにつれ、学習者が人工知能とどのように関連し、評価し、利益をもたらすかが中心的な疑問である。 我々は,17人の学生チームが週次セッションを通じて永続的なチームメイトとコラボレーションした,学部の学習分析コースで縦断実験を行った。
• 参考スコア（独自算出の注目度）: 0.8749675983608171
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As agentic AI in education shifts from reactive tools toward partners that take initiative and persist over time, a central question is how learners relate to, evaluate, and benefit from artificial agency. We conducted a longitudinal experiment in an undergraduate learning analytics course, in which 17 student teams (N = 48) collaborated with a persistent LLM-based teammate across weekly sessions. The agent decided when to intervene through a trigger-based architecture, and its social role was manipulated between teams: a Cognitive Agent that challenged quick consensus or a Supportive Agent that invited quieter members to contribute. Combining chat discourse, post-session surveys, and spoken reflections, we identified distinct patterns unfolding across three timescales. Students accommodated their language to the agent's role immediately, using more social language toward the Supportive Agent from the first session. Their helpfulness evaluations were recalibrated from session to session in relation to the agent's observed behavior, rather than remaining anchored to students' pre-existing attitudes toward AI. A slower crossover emerged in perceived collaboration process and positive-affect word use in reflections: Supportive-Agent teams began below Cognitive-Agent teams and ended above them, although students rated the Supportive Agent less helpful throughout. Because these responses follow different trajectories, single-session evaluations of agentic AI may miss changes that emerge only through repeated interaction.
• Abstract（参考訳）: 教育におけるエージェントAIがリアクティブツールから、イニシアチブを取り入れて継続するパートナへと移行するにつれ、学習者が人工知能とどのように関連し、評価し、利益をもたらすかが中心的な疑問である。 学生17名(N=48)が,LLMベースのチームメイトと週次セッションでコラボレーションした。 エージェントはいつトリガーベースのアーキテクチャに介入するかを決め、その社会的役割はチーム間で操作された。 会話談話,セッション後調査,および音声反射を組み合わせることで,3つの時間尺度で展開する異なるパターンを同定した。 学生は、最初のセッションから支援エージェントに向けてよりソーシャルな言語を使用して、エージェントの役割に自身の言語を即時に受け入れた。 その有用性評価は,AIに対する既成の態度に固執するのではなく,エージェントの観察行動に関連するセッションからセッションへと再検討された。 支援的エージェントのチームは認知的エージェントのチームより下から始まり、その上で終わった。 これらの応答は異なる軌道に従うため、エージェントAIの単一セッション評価は、反復的な相互作用によってのみ現れる変化を見逃す可能性がある。

関連論文リスト

• LIBERO-Agent: Evaluating General-Purpose Agents for Direct Embodied Manipulation [69.6306613959287]
  汎用エージェントは、フィードバックから行動の計画、使用、修正を行うことができるが、これらの機能がデジタル環境から具体的操作へ移行するかどうかは不明だ。 本稿では,ロボット操作タスクにおけるエージェント評価のためのエージェントネイティブベンチマークであるLIBERO-Agentを紹介する。
  論文  参考訳（メタデータ） (2026-09-30T11:10:10Z)
• 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)
• Exploring How Agent Voice Accents Shape Human-AI Collaboration in K-12 Group Learning [1.9611798286316813]
  本研究では,異なるアクセントを持つGenAI音声エージェントが協調とエージェント知覚にどのように影響するかを検討する。 インディアンやアフリカ系アメリカ人のエージェントは、より容易に人格化され、仲間として統合された。
  論文  参考訳（メタデータ） (2026-06-11T02:01:52Z)
• Persuasion Propagation in LLM Agents [23.64887423923855]
  教義レベルの介入が下流の作業行動にどのように影響するかを考察する。 ウェブ調査やコーディングタスクを通じて、オンザフライの説得は弱く一貫性のない行動効果をもたらすことが判明した。 信念状態がタスク時に明示的に指定されると、信念に満たされたエージェントは、平均26.9%の検索率で行動し、16.9%のユニークソースを中立に満たされたエージェントより訪問する。
  論文  参考訳（メタデータ） (2026-01-31T18:33:14Z)
• The Social Laboratory: A Psychometric Framework for Multi-Agent LLM Evaluation [0.16921396880325779]
  マルチエージェント討論を制御された「社会実験室」として活用する新しい評価枠組みを導入する。 特に認知活動において、割り当てられたペルソナが安定した、測定可能な心理測定プロファイルを誘導することを示す。 この研究は、動的、心理学的に基礎付けられた評価プロトコルの新しいクラスの青写真を提供する。
  論文  参考訳（メタデータ） (2025-10-01T07:10:28Z)
• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• When Trust Collides: Decoding Human-LLM Cooperation Dynamics through the Prisoner's Dilemma [10.143277649817096]
  本研究では,大規模言語モデル(LLM)エージェントに対する人間の協調的態度と行動について検討する。 その結果, エージェントアイデンティティがほとんどの協調行動に有意な影響を及ぼすことが明らかとなった。 これらの知見は,自律エージェントとの競争におけるヒト適応の理解に寄与する。
  論文  参考訳（メタデータ） (2025-03-10T13:37:36Z)
• 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)

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。