Simple Science

La science de pointe expliquée simplement

# Informatique# Calcul et langage# Intelligence artificielle# Ordinateurs et société

Histoires Personnalisées : Se Connecter à Travers l'Identité

Cette étude examine comment des histoires personnalisées captivent des lecteurs divers.

Sarfaroz Yunusov, Hamza Sidat, Ali Emami

― 7 min lire


Histoires personnaliséesHistoires personnaliséespour lecteurs engagéscommunes.les lecteurs grâce à des identitésDes histoires personnalisées relient
Table des matières

Les histoires personnalisées peuvent vraiment toucher les lecteurs en reflétant leur identité et leurs expériences. Cette étude se penche sur comment les grands modèles de langage (LLMs) créent ces histoires, avec l'objectif de combler les lacunes en termes de Diversité dans la littérature. En générant des Récits adaptés aux individus selon leur nom, genre, âge, ethnicité, intérêts et valeurs, on explore comment ces narrations captivent les lecteurs. On présente une collection de 1 500 histoires courtes personnalisées.

Contexte

Le besoin de récits diversifiés dans la littérature est crucial. Beaucoup de narrations ne représentent pas la large gamme d'expériences présentes dans la société, ce qui entraîne un manque de connexion pour de nombreux lecteurs. Les histoires personnalisées peuvent fournir ce qui manque souvent, permettant aux identités individuelles de briller. Elles peuvent valider les expériences des lecteurs et les faire se sentir vus, surtout dans des contextes éducatifs où la représentation peut enrichir l'apprentissage.

Objectif de l'Étude

Le but de cette étude est de comprendre à quel point les LLMs peuvent produire des histoires qui résonnent avec différents lecteurs. On évalue si ces histoires personnalisées sont plus captivantes que celles génériques. L'étude examine comment les récits personnalisés peuvent améliorer l'expérience et la compréhension du lecteur.

Collecte de Données

On a collecté un ensemble de données de 1 500 histoires personnalisées. Chaque histoire repose sur une leçon morale et inclut des traits d'identité comme le nom, l'âge, le genre, l'ethnicité et les intérêts personnels. L'ensemble de données comprend trois types d'histoires : écrites par des humains, générées par un LLM de manière générique, et générées par un LLM de manière personnalisée.

Types d'histoires

  1. Histoires Génériques Écrites par des Humains : Ce sont des histoires écrites par des humains qui suivent une structure traditionnelle mais n'incorporent pas d'éléments d'identité spécifiques.
  2. Histoires Génériques Générées par LLM : Similaires aux histoires écrites par des humains, mais générées par des LLM, manquant de personnalisation.
  3. Histoires Personnalisées Générées par LLM : Ces histoires incluent des éléments d'identité spécifiques, les rendant plus proches des lecteurs individuels.

Méthodologie

Pour évaluer l'efficacité de la personnalisation dans les histoires, on a mené deux expériences principales : Validation de la Personnalisation et Impact de la Personnalisation. Dans la première expérience, on a évalué si des Évaluateurs humains pouvaient identifier les éléments personnalisés dans les histoires. La seconde expérience s'est concentrée sur comment les histoires personnalisées affectaient l'Engagement et la satisfaction du lecteur.

Évaluateurs

Un groupe de 26 évaluateurs divers a participé à l'étude. Ils ont passé en revue une sélection d'histoires parmi les trois types. Ils ont donné leur avis sur la façon dont les histoires les touchaient, en se concentrant sur des aspects comme l'engagement et la pertinence personnelle.

Résultats

Efficacité de la Personnalisation

Nos résultats montrent que les histoires personnalisées étaient plus efficaces pour connecter avec les lecteurs. Les évaluateurs humains ont constamment attribué des notes plus élevées aux histoires personnalisées qu'aux histoires écrites par des humains ou générées par LLM. Cette tendance était vraie sur divers indicateurs d'engagement, montrant que les lecteurs trouvaient plus de valeur dans les histoires qui reflétaient leurs identités.

Compréhension Morale

L'étude a également examiné si l'ajout d'éléments personnels affectait la compréhension de la leçon morale de l'histoire. Les résultats n'ont montré aucun inconvénient significatif en matière de compréhension. Les évaluateurs pouvaient identifier le message principal dans les histoires personnalisées aussi facilement que dans les histoires génériques.

Diversité Textuelle

Les histoires personnalisées ont montré un niveau de diversité textuelle plus élevé par rapport aux histoires génériques. Cela suggère qu'incorporer des éléments personnels peut conduire à des récits plus riches, améliorant l'expérience globale du lecteur.

Biais des Évaluateurs

Lors de l'évaluation des histoires, on a noté des biais sur la manière dont différents types de personnages étaient notés. Par exemple, les histoires mettant en avant des personnages non binaires ont reçu des notes plus élevées en matière de pertinence personnelle par rapport aux personnages masculins. De plus, certains arrière-plans ethniques ont reçu des évaluations plus favorables que d'autres. Cela indique que les biais peuvent influencer la réception des histoires, ce qui est important à considérer dans les travaux futurs.

Implications pour la Littérature

L'étude souligne l'importance des récits personnalisés dans la littérature moderne. En offrant des histoires qui reflètent une variété d'identités et d'expériences, les écrivains et éducateurs peuvent favoriser des connexions plus profondes avec leurs publics. Cela est particulièrement significatif pour les enfants et les jeunes adultes qui développent leurs propres identités.

Applications Plus Larges

Au-delà de la littérature, les récits personnalisés pourraient jouer un rôle dans divers domaines comme la communication en santé et le marketing. En santé, ils pourraient aider les patients à mieux comprendre leurs conditions, favorisant des connexions plus fortes avec les prestataires. En marketing, ils peuvent améliorer la relation entre les marques et les consommateurs en résonnant avec leurs intérêts et leurs parcours.

Limites

Bien que les résultats soient prometteurs, l'étude a des limites. L'ensemble de données était principalement composé d'étudiants universitaires, ce qui pourrait ne pas représenter pleinement la population générale. De plus, on s'est concentré uniquement sur certains traits d'identité comme l'âge, le genre et les intérêts, laissant de côté d'autres facteurs significatifs comme la résonance émotionnelle.

Conclusion

Notre étude indique que les récits personnalisés générés par les LLMs peuvent efficacement engager les lecteurs en reflétant leurs identités. Les évaluations positives de ces histoires suggèrent qu'il existe un véritable besoin de diversité dans la littérature. À l'avenir, il est essentiel de continuer à explorer le potentiel du storytelling personnalisé pour enrichir l'expérience de lecture de tous les individus. Les recherches futures devraient se pencher sur des aspects d'identité plus variés et élargir le public d'évaluateurs pour capter des perspectives plus larges sur la narration.

Directions Futures

À l'avenir, il y a plusieurs domaines à améliorer et explorer dans le storytelling personnalisé :

  1. Élargir la Diversité Démographique : Les études futures devraient inclure des évaluateurs plus divers pour obtenir un aperçu plus large de la façon dont différents groupes perçoivent les récits personnalisés.

  2. Incorporer D'autres Traits d'Identité : La recherche pourrait explorer comment d'autres facteurs, comme les traits de personnalité ou les réponses émotionnelles, influencent l'engagement et la satisfaction avec les histoires personnalisées.

  3. Histoires Plus Longues : Investiguer comment la personnalisation fonctionne dans des histoires plus longues et dans différents genres pourrait fournir des idées sur l'applicabilité plus large de ces résultats.

  4. Considérations Éthiques : Alors que l'on continue d'explorer les récits personnalisés, il est important d'aborder les préoccupations éthiques, notamment en ce qui concerne la confidentialité des données et le potentiel de renforcement des stéréotypes.

En se concentrant sur ces domaines, on peut davantage développer le rôle des récits personnalisés dans la littérature et au-delà, améliorant finalement la compréhension et la connexion entre des publics divers.

Source originale

Titre: MirrorStories: Reflecting Diversity through Personalized Narrative Generation with Large Language Models

Résumé: This study explores the effectiveness of Large Language Models (LLMs) in creating personalized "mirror stories" that reflect and resonate with individual readers' identities, addressing the significant lack of diversity in literature. We present MirrorStories, a corpus of 1,500 personalized short stories generated by integrating elements such as name, gender, age, ethnicity, reader interest, and story moral. We demonstrate that LLMs can effectively incorporate diverse identity elements into narratives, with human evaluators identifying personalized elements in the stories with high accuracy. Through a comprehensive evaluation involving 26 diverse human judges, we compare the effectiveness of MirrorStories against generic narratives. We find that personalized LLM-generated stories not only outscore generic human-written and LLM-generated ones across all metrics of engagement (with average ratings of 4.22 versus 3.37 on a 5-point scale), but also achieve higher textual diversity while preserving the intended moral. We also provide analyses that include bias assessments and a study on the potential for integrating images into personalized stories.

Auteurs: Sarfaroz Yunusov, Hamza Sidat, Ali Emami

Dernière mise à jour: 2024-09-23 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2409.13935

Source PDF: https://arxiv.org/pdf/2409.13935

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires