パーソナライズされたストーリー: アイデンティティを通じてつながる
この研究は、パーソナライズされたストーリーが多様な読者をどう引き込むかを調べてるんだ。
Sarfaroz Yunusov, Hamza Sidat, Ali Emami
― 1 分で読む
個人に合わせたストーリーは、読者のアイデンティティや経験を反映することで、深くつながることができる。この研究では、大規模言語モデル(LLM)がどのようにこうしたストーリーを生成するのかを探り、文学における多様性のギャップを埋めることを目指している。名前、性別、年齢、人種、興味、道徳に基づいて個々に合わせたストーリーを生成することで、これらの物語がどのように読者を引きつけるのかを探る。1,500本の個人に合わせたショートストーリーをまとめている。
背景
文学における多様な物語の必要性は非常に重要。多くの物語は社会に存在する広範な経験を反映しておらず、多くの読者がつながりを感じられない。個人に合わせたストーリーは、しばしば欠けているものを提供し、個々のアイデンティティを輝かせることができる。特に教育の場では、代表性が学びを深めることができるため、読者の経験を検証し、彼らが見られていると感じさせる。
研究の目的
この研究の目標は、LLMがいかに異なる読者に響くストーリーを生み出せるかを理解すること。個人に合わせたストーリーが一般的なものよりも引きつけるかを評価している。研究では、個人に合わせた物語が読者の体験や理解をどのように向上させるかを調べている。
データ収集
1,500本の個人に合わせたストーリーのデータセットを収集した。それぞれのストーリーは道徳的な教訓に基づき、名前、年齢、性別、人種、個人的な興味などのアイデンティティ要素を含んでいる。データセットは、一般的な人間作成のストーリー、一般的なLLM生成のストーリー、個人に合わせたLLM生成のストーリーの3種類から成る。
ストーリーの種類
- 一般的な人間作成のストーリー:人間が書いた物語で、伝統的な構造に従っているが、特定のアイデンティティ要素を含まない。
- 一般的なLLM生成のストーリー:人間作成のストーリーに似ているが、LLMによって生成され、個人化されていない。
- 個人に合わせたLLM生成のストーリー:特定のアイデンティティ要素を含み、個々の読者により関連性を持たせている。
方法論
ストーリーにおける個人化の効果を評価するために、主に2つの実験を実施した:個人化の検証と個人化の影響。最初の実験では、人間の評価者がストーリーの個別化要素を特定できるかどうかを評価した。2つ目の実験では、個人に合わせたストーリーが読者の引きつけや満足にどう影響するかに焦点を当てた。
評価者
26人の多様な評価者グループが研究に参加した。彼らは3種類すべてのストーリーをレビューし、物語がどれだけ共鳴したか、引きつけや個人的関連についてフィードバックを提供した。
発見
個人化の効果
結果から、個人に合わせたストーリーが読者とより良い関係を築くのに効果的だった。評価者は、個人に合わせたストーリーを一般的な人間作成のストーリーやLLM生成のストーリーよりも高く評価することが多かった。この傾向は、さまざまなエンゲージメント指標にわたって真実で、読者は自分のアイデンティティを反映したストーリーにより価値を見出していた。
道徳の理解
また、個人要素を加えることでストーリーの道徳的教訓の理解に影響を与えるかを調べた。結果は、理解において重大な欠点は見られなかった。評価者は、個人に合わせたストーリーの主なメッセージを一般的なものと同じくらい容易に特定できた。
テクストの多様性
個人に合わせたストーリーは、一般的なものと比較してテクストの多様性が高いことが示された。これは、個人的な要素を取り入れることで物語が豊かになり、全体的な読者体験を向上させる可能性を示唆している。
評価者のバイアス
ストーリーを評価する際、キャラクターの種類に応じた評価にバイアスが見られた。たとえば、ノンバイナリーのキャラクターが登場するストーリーは、男性キャラクターに比べて個人的な関連性が高く評価された。また、特定の民族背景が他よりも好意的に評価される傾向があった。これは、バイアスがストーリーの受け入れに影響を与える可能性があることを示しており、今後の研究で考慮する必要がある。
文学への影響
この研究は、現代文学における個人に合わせた物語の重要性を強調している。さまざまなアイデンティティや経験を反映したストーリーを提供することで、作家や教育者は聴衆との深いつながりを育むことができる。これは、自分のアイデンティティを発展させている子供や若者にとって特に重要。
より広い応用
文学を超えて、個人に合わせた物語は健康コミュニケーションやマーケティングなどさまざまな分野で役立つ可能性がある。医療では、患者が自分の状態をよりよく理解できるよう支援し、プロバイダーとのつながりを強化する。マーケティングでは、ブランドと消費者の関係を強化し、彼らの興味やバックグラウンドに共鳴させることができる。
制限事項
結果は有望だが、研究には制限がある。データセットは主に大学生で構成されており、広範な人口を完全には代表していない。また、年齢、性別、興味といった特定のアイデンティティ特性のみに焦点を当て、感情的な共鳴といった他の重要な要素を省略している。
結論
私たちの研究は、LLMによって生成された個人に合わせた物語が読者のアイデンティティを反映することで効果的に引きつけられることを示している。これらの物語の肯定的な評価は、文学における多様性の真のニーズがあることを示唆している。今後は、すべての人々の読みの体験を豊かにするために、個人化されたストーリーテリングの可能性をさらに探求することが重要だ。将来の研究では、より多様なアイデンティティの側面や評価者の人口統計を広げて、物語の側面をより広く把握する必要がある。
今後の方向性
今後、個人化されたストーリーテリングにおける改善と探求のためのいくつかの分野がある:
人口統計の多様性を拡大する:未来の研究では、より多様な評価者を含めて、異なるグループが個人に合わせた物語をどう捉えるかの幅広い感覚を得るべき。
追加のアイデンティティ特性を取り入れる:研究は、性格特性や感情的な反応など他の要因が、個人に合わせたストーリーの引きつけや満足度にどう影響するかを探ることができる。
長い物語:個人化が長いストーリーや異なるジャンルでどう機能するかを調査することで、これらの発見のより広い適用可能性に関する洞察を提供できる。
倫理的考慮:個人に合わせた物語を探求し続ける中で、データプライバシーやステレオタイプを強化する可能性などの倫理的な懸念に対処することが重要。
これらの分野に焦点を当てることで、文学やその先における個人に合わせた物語の役割をさらに発展させ、さまざまな聴衆の理解やつながりを深めることができる。
タイトル: MirrorStories: Reflecting Diversity through Personalized Narrative Generation with Large Language Models
概要: 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.
著者: Sarfaroz Yunusov, Hamza Sidat, Ali Emami
最終更新: 2024-09-23 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2409.13935
ソースPDF: https://arxiv.org/pdf/2409.13935
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。