情報処理学会 インタラクション2026

フィルターバブルの軽減を目的として，多様な視点を提示するインタラクティブマップ型SNS検索システムの開発を進めている．本研究ではその効果を検証するための予備的評価として，大規模言語モデル（LLM）によって設定した複数のペルソナを被験者とし，システムを継続的に利用した際に生じる閲覧投稿の選択傾向の変化を観察した．具体的には，指定した検索ワードに対するSNS検索結果100件からLLMが自動生成したインタラクティブマップの軸名や各投稿の座標値を，プロンプトでキャラクター設定したペルソナに提示し，ペルソナが興味のある投稿10件を順次閲覧する形式とした．閲覧後には，理解・共感・反感などの反応があれば，自身の設定に反映するよう指示した．また，一部のペルソナには実験前に「マップ全体を広く見るように」という追加指示を与えた．7日間の実験の結果，この追加指示は初期段階では一定の効果を示したものの後半では薄れていき，ペルソナが元来のキャラクター設定に基づく嗜好へと回帰する傾向が確認された．LLM設定ペルソナによる評価は，実際の人間の行動と異なる可能性を含む一方で，多様な属性・人格を容易に設定できるという利点がある．今後は，人間被験者による評価結果との比較を通じてこの方法の妥当性と限界をさらに検討する．