[論文レビュー] Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing

Zhihan Jiang, Qianhui Chen+3 more|arXiv (Cornell University)|Feb 5, 2026

Social Robot Interaction and HRI被引用数 0

ひとこと要約

論文は、戦略的な間を置く静寂を通じてアクティブリスニングを実装する文脈認識型ペーシングフレームワークを対話エージェントに設計・評価し、静的ペーシングよりも二つの支援シナリオで知覚された相互作用品質の向上を示す。

ABSTRACT

In human conversation, empathic dialogue requires nuanced temporal cues indicating whether the conversational partner is paying attention. This type of "active listening" is overlooked in the design of Conversational Agents (CAs), which use the same pacing for one conversation. To model the temporal cues in human conversation, we need CAs that dynamically adjust response pacing according to user input. We qualitatively analyzed ten cases of active listening to distill five context-aware pacing strategies: Reflective Silence, Facilitative Silence, Empathic Silence, Holding Space, and Immediate Response. In a between-subjects study (N=50) with two conversational scenarios (relationship and career-support), the context-aware agent scored higher than static-pacing control on perceived human-likeness, smoothness, and interactivity, supporting deeper self-disclosure and higher engagement. In the career support scenario, the CA yielded higher perceived listening quality and affective trust. This work shows how insights from human conversation like context-aware pacing can empower the design of more empathic human-AI communication.

研究の動機と目的

• ペーシング（応答のタイミング）が人間とAIの対話におけるアクティブリスニングの合図としてどのように機能するかを 系統的に検討する。
• ユーザーの感情や情報ニーズを反映し応答する文脈認識型ペーシング戦略を特定する。
• 人間の会話から得られた洞察を実装可能なCA設計へ翻訳する。
• 文脈認識型ペーシングが二つのシナリオにおけるユーザー体験と開示行動へ及ぼす影響を実証的に評価する。

提案手法

• 実世界のアクティブリスニング事例十件の質的分析を通じてペーシング戦略を特定する。
• 文脈認識型ペーシングを実装するLLMベースの対話エージェントを開発し、五つの戦略：Reflective Silence、Facilitative Silence、Empathic Silence、Holding Space、Immediate Response を実装する。
• 戦略を八つの具体的な戦術へ落とし込む（例：Recognize、Reconfirm、Reengage、Reposition、Reconsider、Resonate、Holding、Resolve）。
• 対照群デザインの実験研究（N=50）を実施し、二つの支援シナリオ（キャリアと関係）で文脈認識型ペーシングCAと静的ペーシングCAを比較する。
• 知覚された相互作用品質（リスニング品質、感情的/認知的信頼、人間らしさ、滑らかさ、相互作用性）と対話行動（自己開示の深さ、関与の程度）を定量的に評価する。
• ケース間でのペーシング分布と遷移パターンを分析して設計指針を導出する。

実験結果

リサーチクエスチョン

• RQ1 RQ1: 文脈認識型ペーシング戦略は、ユーザーの知覚される相互作用品質と体験（リスニング品質、感情的信頼、認知的信頼、人間らしさ、滑らかさ、相互作用性）およびエンゲージメントにどのような影響を与えるか。
• RQ2 RQ2: 文脈認識型ペーシングは、テキストベースの支援対話における自己開示の深さとエンゲージメントの程度といったユーザーの対話行動にどのような影響を与えるか。

主な発見

• 文脈認識型ペーシングCAは、静的ペーシング対照よりも知覚される人間らしさ、滑らかさ、相互作用性が高かった。
• キャリア支援のシナリオでは、文脈認識型ペーシングCAが知覚されるリスニング品質と感情的信頼を高めた。
• 五つの文脈認識型ペーシング戦略が特定・実装のために操作可能とされた：Reflective Silence、Facilitative Silence、Empathic Silence、Holding Space、Immediate Response。
• ペーシングは、ResolveとReconfirmが最も頻繁に現れ、Holdingや他の高強度戦略は入力の情動的強度に応じて選択的に使用された。
• 二つのペーシング遷移パターンが出現した：Conversational Inertia（情報中心の動きが継続）とSupportive Arcs（情動調整の連結）。