Balancing Domestic and Global Perspectives: Evaluating Dual-Calibration and LLM-Generated Nudges for Diverse News Recommendation

Deze studie toont aan dat een combinatie van een algoritmische 'dual-calibration' nudging en een LLM-gebaseerde presentatie in een vijfweekse experimentele studie met 120 Amerikaanse nieuwslezers succesvol de diversiteit in nieuwsconsumptie (nationaal en internationaal) kan vergroten en op lange termijn de leesgewoonten kan verschuiven naar een meer gebalanceerd nieuwsbeeld.

Ruixuan Sun, Matthew Zent, Minzhu Zhao, Thanmayee Boyapati, Xinyi Li, Joseph A. KonstanMon, 09 Ma🤖 cs.AI

Challenges in Synchronous & Remote Collaboration Around Visualization

Dit artikel schetst zestien uitdagingen voor synchronische en remote samenwerking rondom visualisatie, gebaseerd op het perspectief van 29 experts en georganiseerd rondom vijf kernactiviteiten die worden beïnvloed door XR en AI, als leidraad voor toekomstig onderzoek.

Matthew Brehmer, Maxime Cordeil, Christophe Hurter, Takayuki Itoh, Wolfgang Büschel, Mahmood Jasim, Arnaud Prouzeau, David Saffo, Lyn Bartram, Sheelagh Carpendale, Chen Zhu-Tian, Andrew Cunningham, Tim Dwyer, Samuel Huron, Masahiko Itoh, Alark Joshi, Kiyoshi Kiyokawa, Hideaki Kuzuoka, Bongshin Lee, Gabriela Molina León, Harald Reiterer, Bektur Ryskeldiev, Jonathan Schwabish, Brian A. Smith, Yasuyuki Sumi, Ryo Suzuki, Anthony Tang, Yalong Yang, Jian ZhaoMon, 09 Ma💻 cs

Measuring Perceptions of Fairness in AI Systems: The Effects of Infra-marginality

Deze studie met 85 deelnemers in een medisch scenario toont aan dat mensen eerlijkheid in AI-systemen niet enkel baseren op statistische uitkomsten, maar sterk beïnvloed worden door hun overtuigingen over de onderliggende oorzaken van verschillen in data-distributies, wat impliceert dat eerlijkheidsdefinities rekening moeten houden met deze context om te aligneren met menselijke verwachtingen.

Schrasing Tong, Minseok Jung, Ilaria Liccardi, Lalana KagalMon, 09 Ma💻 cs

Who We Are, Where We Are: Mental Health at the Intersection of Person, Situation, and Large Language Models

Dit artikel presenteert een interpreteerbaar model dat psychologische theorieën combineert met taaldata van sociale media om dynamische mentale gezondheid te voorspellen door individuele eigenschappen en situationele context te integreren, waarbij theoriegedreven kenmerken concurrerende prestaties leveren met een hogere begrijpelijkheid dan pure taalembeddings.

Nikita Soni, August Håkan Nilsson, Syeda Mahwish, Vasudha Varadarajan, H. Andrew Schwartz, Ryan L. BoydMon, 09 Ma🤖 cs.AI

Exploring Socially Assistive Peer Mediation Robots for Teaching Conflict Resolution to Elementary School Students

Dit verkennende onderzoek met twaalf basisschoolleerlingen toont aan dat sociale assistente robots een veelbelovende, toegankelijke optie zijn voor het oefenen van peer mediation en conflictoplossing, waarbij de meeste deelnemers positieve feedback gaven en de activiteit hen hielp zich beter te voelen en vrienden te helpen, hoewel variaties in leesvaardigheid en het ontbreken van statistische verschillen tussen robot- en tabletcondities belangrijke overwegingen zijn voor toekomstig ontwerp.

Kaleen Shrestha, Harish Dukkipati, Avni Hulyalkar, Kyla Penamante, Ankita Samanta, Maja MataricMon, 09 Ma💻 cs

Structured Exploration vs. Generative Flexibility: A Field Study Comparing Bandit and LLM Architectures for Personalised Health Behaviour Interventions

Een veldstudie met 54 deelnemers toont aan dat, hoewel door LLM's gegenereerde berichten voor fysieke activiteit als nuttiger worden ervaren dan sjablonen, de toevoeging van gestructureerde bandit-optimatie voor het selecteren van gedragsveranderingstechnieken geen extra waarneembare meerwaarde biedt ten opzichte van onbeperkte generatieve modellen.

Dominik P. Hofer, Haochen Song, Rania Islambouli, Laura Hawkins, Ananya Bhattacharjee, Meredith Franklin, Joseph Jay Williams, Jan D. SmeddinckMon, 09 Ma🤖 cs.AI