Mit dem Aufkommen neuer Technologien der künstlichen Intelligenz (KI) hat sich die Forschung zum Potenzial von KI als Teamkollegen neben Menschen ausgeweitet. Besonders bemerkenswert ist die jüngste Einführung leistungsfähiger großer Sprachmodelle (LLMs), die ein starkes Potenzial in der Mensch-KI-Teamarbeit zeigen, bei der Kommunikation entscheidend ist. Diese neuartige Technologie wurde jedoch bislang weder in der Mensch-KI-Teamarbeit noch als Teamkollege validiert, was ihre Anwendung in Forschung und Praxis erschwert. Dieser Artikel präsentiert ein empirisches Online-Experiment (N = 778), bei dem die Teilnehmer in einer Echtzeit- und voneinander abhängigen Interaktion mit einem kommerziell verfügbaren LLM engagiert waren, wobei die Darstellung des LLM entweder als Werkzeug oder als Teamkollege variiert wurde. Die Ergebnisse zeigen, dass die Präsentation eines LLM als Teamkollege im Vergleich zu einem Werkzeug das Vertrauen signifikant erhöht und die Stimmung, die Menschen im Gespräch mit ihrer KI haben, erheblich beeinflusst, wobei LLM-Teamkollegen eine positivere Stimmung erzeugten. Wahrnehmungen von Vertrauen, Akzeptanz und Leistung waren generell hoch bei als Teamkollegen dargestellten LLMs. Trotz dieser Auswirkungen sagten die bisherigen Erfahrungen der Teilnehmer mit KI-Technologie noch immer die Wahrnehmungen voraus, die sie gegenüber ihrem KI-Teamkollegen bildeten. Basierend auf diesen Erkenntnissen präsentiert dieser Artikel ein wichtiges empirisches Ergebnis: Die Darstellung von hochleistungsfähiger KI, wie LLMs, als Teamkollegen kann Wahrnehmung und Interaktion verbessern im Vergleich zur Darstellung als Werkzeug. Im Anschluss wird diskutiert, wie zukünftige Forschung weiterhin herausfinden kann, wann und wie LLMs und andere KI-Technologien als Teamkollegen eingeführt werden sollten.
Building similarity graph...
Analyzing shared references across papers
Loading...
Christopher Flathmann
Nathan J. McNeese
Subhasree Sengupta
ACM Transactions on Interactive Intelligent Systems
Clemson University
Building similarity graph...
Analyzing shared references across papers
Loading...
Flathmann et al. (Thu,) haben diese Fragestellung untersucht.
www.synapsesocial.com/papers/68bb5f7a6d6d5674bcd03b00 — DOI: https://doi.org/10.1145/3764591
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: