[論文レビュー] From Fixed to Flexible: Shaping AI Personality in Context-Sensitive Interaction

Shakyani Jayasiriwardene, Hongyu Zhou+7 more|arXiv (Cornell University)|Jan 13, 2026

Social Robot Interaction and HRI被引用数 0

ひとこと要約

要約: 本論文は、リアルタイムでユーザー主導のシステムを提示し、AIチャットボットの人格を八つの次元で三つのタスク文脈にわたって調整可能にし、期待とパーソナライズの推移がどう現れるかを分析します。

ABSTRACT

Conversational agents are increasingly expected to adapt across contexts and evolve their personalities through interactions, yet most remain static once configured. We present an exploratory study of how user expectations form and evolve when agent personality is made dynamically adjustable. To investigate this, we designed a prototype conversational interface that enabled users to adjust an agent's personality along eight research-grounded dimensions across three task contexts: informational, emotional, and appraisal. We conducted an online mixed-methods study with 60 participants, employing latent profile analysis to characterize personality classes and trajectory analysis to trace evolving patterns of personality adjustment. These approaches revealed distinct personality profiles at initial and final configuration stages, and adjustment trajectories, shaped by context-sensitivity. Participants also valued the autonomy, perceived the agent as more anthropomorphic, and reported greater trust. Our findings highlight the importance of designing conversational agents that adapt alongside their users, advancing more responsive and human-centred AI.

研究の動機と目的

• 異なるタスク条件の下で、ユーザーが会話型AIの人格に対する期待をどのように形成するかを調査する。
• 文脈依存の相互作用において、動的に調整可能な人格との対話中にユーザーの期待がどのように進化するかを検討する。
• リアルタイムの人格調整を可能にするインターフェースのユーザー認識を評価する。
• 文脈間でのベースライン人格好みと調整パターンを特徴づける。
• 信頼と対話品質における情動的人間性化の役割を理解する。

提案手法

• リアルタイムの人格調整が可能なGPT-4.1搭載チャットボットを開発。八つの次元：Decency, Profoundness, Instability, Vibrancy, Engagement, Neuroticism, Serviceability, Subservienceで調整可能。
• 各次元ごとに五点スライダーを実装し、会話のターンごとに一つの次元だけ変更できるようにして効果を分離。
• スライダー値をチャットボットの応答に翻訳する構造化されたシステムプロンプトを用いた。
• Cutrona and Suhr (1992)に基づく三つのタスク文脈（Informational, Emotional, Appraisal）をGPT-4.1と組み合わせてシナリオを生成。
• オンラインの混合-methodsデータを60名の参加者から収集（自己報告と対話ログを含む）。
• 条件・段階ごとに潜在クラス分析（LPA）を適用して人格構成クラスを特定し、遷移を視覚化するサンキーダイアグラムを作成。
• k-meansクラスタリングを用いた軌跡分析を実施し、調整戦略（Steady Anchors, Adaptive Explorers, Reactive Shifters）を同定。
• タスク後アンケートを通じて特性の重要度を分析し、条件間の純変化のヒートマップを作成。

Figure 1 . The main conversational interface. (A) Slider panel for configuring and fine-tuning the agent’s personality across eight dimensions. (B) Conversational area for task-based interaction with the agent. (C) Information panel providing step-by-step instructions and guidance for using the inte

実験結果

リサーチクエスチョン

• RQ1 RQ1: 異なるタスク条件に基づき、対話型AIの人格に対するユーザーの期待はどのように形成されるか？
• RQ2 RQ2: 文脈依存の会話中に、対話型AI人格へのユーザー期待は動的にどのように進化するか？
• RQ3 RQ3: 動的に調整可能な人格特性を備える対話AIインタフェースをユーザーはどのように認識するか？

主な発見

• 文脈によってユーザーの期待が異なり、ヘルパー・ガイド・アシスタントなどの社会的役割と一致する。
• EngagementとServiceabilityは全条件で基礎的な好みであり、Decencyは評価文脈で特に顕著。
• 文脈を超えて、参加者はEngagementとServiceabilityといった共通特性に収斂し、細かな調整可能な次元を求める。
• 三つの調整軌跡が観察される：Steady Anchors、Adaptive Explorers、Reactive Shifters。文脈依存で顕著さが異なる。
• 調整した特性は、EngagementとDecencyが最も変化しにくい一方、Neuroticism、Subservience、Instabilityがより動くことを示す。
• 情動的人間化は、適応的なインタフェースで信頼と能力の両方に寄与する。

Figure 2 . Overview of the user study procedure, from consent and pre-task measures through task-based chatbot interactions, post-task surveys, and post-study questionnaire.