自己開示のテーマと意味内容は相手が人間・ロボット・身体なしエージェントで変わるか

- 社会的ロボット・人工エージェントへの自己開示内容が、エージェントの embodiment（身体性）によって変化するかを調べた研究。 - 人間・humanoid social robot・disembodied conversational agent の3者への自己開示会話データを分析。 - sentence embeddings と clustering で開示のテーマを抽出し、large language model でラベル付け・説明を実施。 - テーマ分布と意味構造が embodiment 間で異なるかを比較した。

- 従来は embodiment が人間の行動に与える影響が議論されてきたが、自己開示の『内容・意味』に着目した点が特徴。 - 3つの controlled experiments の会話データを横断的に比較する枠組みを提示。 - sentence embeddings・clustering・large language model を組み合わせ、テーマ抽出と意味構造分析を統合。 - 具体的な先行研究名は要旨からは不明。

- 3つの controlled experiments から人間・humanoid social robot・disembodied conversational agent への自己開示会話データを収集。 - sentence embeddings で文をベクトル化し、clustering により開示テーマを抽出。 - 抽出テーマを large language model でラベル付け・説明。 - テーマ分布の比較と semantic similarity 分析により、embodiment 間の意味構造の差異を評価。

- テーマ分布が embodiment 間で有意に異なるかを統計的に比較。 - semantic similarity 分析により、開示表現の類似度を評価。 - 結果、テーマ分布に有意差はなく、開示は非常に類似した表現でなされることを確認。 - 3つの controlled experiments のデータを用いて検証。

- embodiment は human-robot / human-agent interaction における人間の行動に影響し得るが、自己開示のテーマ的焦点と意味構造は一貫して保たれる可能性を示唆。 - 人間相手でも人工 interlocutor 相手でも同様の開示傾向が維持されるという解釈。 - 具体的な限界や議論の詳細は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として sentence embeddings、clustering、large language model を用いた会話分析。 - 同分野の定番として human-robot interaction における self-disclosure 研究や embodiment 効果の研究を挙げる。 - 具体的な論文名は要旨からは不明。