Jul, 2023

话语的黏着力：利用认知偏差和计算语言学预测决策和同义词的使用

PDF
TL;DR本研究利用认知心理学和信息系统研究来预测数字平台上用户参与和决策过程。通过使用自然语言处理技术和认知偏差研究的见解，我们研究用户与数字内容中的同义词的互动。通过综合用户调查，我们评估了这种模型预测用户参与的能力，发现准确代表核心思想的同义词更易理解，能引起情绪反应，并且常常遇到，能提升用户参与度。重要的是，我们的研究提供了对人机交互、数字行为和决策过程的新视角。我们的结果强调了认知偏差作为用户参与的有力指标的潜力，并强调了它们在教育和营销等领域中设计有效数字内容的重要性。
user engagementdecision-makingdigital platformscognitive biasessynonyms
发现论文，激发创造
  • 数字信息参与的预测模型：融合认知偏见、计算语言学和自然语言处理预测用户对英文单词的参与度

    本研究介绍并经验证一个新的数字信息参与（IE）预测模型 - READ 模型，该模型由信息参与的四个关键属性构成：代表性，易用性，情感和分发。该模型融合了累积展望理论的理论框架，将关键认知偏差与计算语言学和自然语言处理相结合，以开发对信息参与的多维视角。通过 WordNet 数据库中随机选取的 50 对同义词（总共 100 个单词）实施了严格的测试协议。通过大规模在线调查（n = 80,500）评估了这些单词的参与水平，以得出经验性 IE 指标。然后计算了每个单词的 READ 属性，并测试了其预测效果。研究结果证实了 READ 模型的稳健性，以 84％的准确率准确预测了一个单词的 IE 水平，区分了一对同义词中更具吸引力的单词。 READ 模型的潜力在于各个领域，包括商业，教育，政府和医疗，它可以增强内容的参与度，并促进 AI 语言模型的发展和生成文本工作。未来研究应解决该模型在不同领域和语言中的可扩展性和适应性问题，从而扩大其适用性和效力。

    Jul, 2023

  • 言辞的力量：词汇选择对信息参与和决策的影响

    本研究探讨了信息参与度对决策制定的影响，分析了词语选择在信息参与度中的作用，基于 User Engagement Theory 和 Information Behavior Theory 构建了一个理论框架并使用大规模用户调查验证了该框架，结果表明信息的表达方式特别是词语选择对数字化信息的解释、互动和使用具有重要的影响。

    May, 2023

  • 自然语言语料库所自动生成的语义带有类似人类的偏见

    这份研究首次展示，应用标准机器学习到日常语言时会形成类似于人类的语义偏见，同时该研究还提供了用于评估文本偏见的新方法。

    Aug, 2016

  • 人类语言技术中偏差评估技术障碍的克服工具

    本文研究了当前用于检测和缓解词嵌入偏差的工具和技术，发现它们对非技术人员存在很高的技术门槛，因此提出开发一种旨在降低技术门槛、提供专业探索力量以应对专家、科学家和普通人日益增长的审核需求的工具。

    Jul, 2022

  • 人类和语言模型中的抵押品促进

    使用来自 3 个心理语言学实验的刺激，发现当高度异常的单词与前面的语境或最有可能的延续相关时，8 个现代转换器语言模型（BERT、ALBERT、RoBERTa、XLM-R、GPT-2、GPT-Neo、GPT-J 和 XGLM）也几乎总是表现出类似的加工优势，这个现象对于我们对于人类语言理解和语言模型预测的理解都有重要意义。

    Nov, 2022

  • 与接下来短语建议的交互：建议系统如何协助和影响写作的认知过程

    本研究通过定性分析，使用 Hayes 的认知过程模型研究了作者与 next-phrase suggestion 系统交互时的认知过程，得到了 “writer-suggestion interaction” 理论模型，为使用 GPT-2 和因果语言模型进行电影评论写作任务提供了方向。

    Aug, 2022

  • 快与慢的决策：认知偏见在 AI 辅助决策中的作用

    利用认知科学的知识建立数学模型并提供了一个普遍的框架，用于理解认知偏差和人工智能精度之间的相互作用，特别是锚定偏差，通过一项有效的时间分配策略，成功提高了人工智能的协作性能。

    Oct, 2020

  • 社会科学的词嵌入：跨学科调查

    研究机器学习模型，学习低维表示模式，将词嵌入技术应用于人类行为挖掘，探讨其优势和趋势，并警示相似性度量常常在单独层面返回一致结果，但在聚合层面则有可能产生不同结果。

    Jul, 2022

  • 利用人类相似度评判修剪词向量以提高可解释性

    通过一种有监督学习方法，针对特定领域（例如运动、职业），识别出一组强烈改善人类相似度判断预测的模型特征子集，并通过两种方法解释所保留特征的语义，从而揭示了人类如何根据性别包容性和国际性来区分运动类别，以及不同领域中特征对不同语义维度的预测能力。对于职业特征而言，最能预测认知、情感和社会维度，而对于水果或蔬菜特征而言，则最能预测味觉维度。讨论了对于人工智能系统与人类知识之间的对齐的意义。

    Oct, 2023

  • BIASeD: 将非理性引入自动化系统设计

    本文主张人工智能系统需要模拟、理解、甚至复制人类的认知偏差，在人机协作中扮演更加重要的角色，并提出了关于人类认知偏差和人工智能之间相互作用的研究议程及三个感兴趣的广泛领域，并为具有更好对人类偏见的人工智能系统的设计方向提出了研究方向。

    Oct, 2022