arXiv cs.CL· Hunter McNichols, Fareya Ikram, Kai Du, Andrew Lan·· 11 小时前AI 评分26
Principal Trait Analysis：从人机协作对话中识别用户行为特征
Principal Trait Analysis: Identifying User Behavioral Traits in Human-AI Collaboration
AI 导读
研究者提出 Principal Trait Analysis（PTA），一种数据驱动方法，可从人机协作对话中提取可解释的行为特征，并依据这些特征为用户打分、筛选出覆盖用户间差异最大的特征集。该方法在两个人机协作编程数据集上评估，考察这些特征如何预测后续任务成功与学习效果，以及随时间如何演变。PTA 虽为无监督方法，但支持在特征识别阶段注入领域专业知识。
正文 · AI 翻译
摘要：人机（AI）协作有多种形式，既出现在专业场景，也出现在教育场景中。识别人类用户如何与 AI 交互，以及他们的行为如何影响任务成功和学习成果，具有重要意义。现有方法往往依赖预定义的行为类别，或推导出行为模式却未建立其与结果之间的关系。在本工作中，我们提出主特质分析（PTA），一种数据驱动的方法，用于从人机协作对话中识别可解释的行为特质。我们的方法分析大量人机协作会话轨迹语料，推导出数据集中的共性特质，为每位人类协作者在多大程度上与这些特质相符进行打分，并选出一组能覆盖用户间最大方差的特质。尽管该方法是无监督且数据驱动的，它也允许在特质识别过程中注入领域专业知识。我们在两个人机协作编程数据集上评估 PTA，并研究这些特质如何预测未来任务成功、学习成果以及随时间演变。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2608.11460 [cs.CL] |
| （或 arXiv:2608.11460v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.11460 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Fareya Ikram [查看邮箱]
[v1]
2026年8月11日星期二 21:49:35 UTC（2,903 KB）
[v2]
2026年11月4日星期三 01:29:50 UTC（5,592 KB）
来源：arXiv cs.CL · arxiv.org