Knowledge sharing is an important aspect in most meetings. Personal characteristics of some participants, such as their (in)ability or (un)willingness to take the floor, may have a negative effect on the quality of knowledge sharing; some people tend to talk too much, while others have difficulties in making themselves heard. A robotic facilitator can be used to distribute the floor time more efficiently. While current research is mostly focused on encouraging participants to talk, this paper suggests interruption functionality to discourage speakers from talking. The facilitator gathers turn-taking signals from the participants and expresses them on their behalf. It hides the identity of individuals, making it easier for everyone to take action. The facilitator represents the signals coherently for all signalers, which equalizes the differences in social signalling skills, and makes it easier for the speaker to interpret the signals. It continuously gathers feedback from all participants, and thereby can represent the collective mood of the audience and smooth out outlier reactions. The facilitator can be programmed to act in a germane, courteous and attentive manner, which helps keeping the meeting mood high.


翻译:知识分享是大多数会议中的一个重要方面。一些与会者的个人特点,例如他们能力或愿意性等方面,可能对知识分享的质量产生负面影响。有些人往往会讲得太多,而另一些人则很难让自己的声音被听到。因此,可以使用机器人作为会议主持人来更加有效地分配开口时间。虽然当前的研究大多集中在鼓励参与者进行讲话,但本文建议添加打断功能来阻止讲者过多发言。机器人主持人从参与者那里收集轮流发言的信号,并代表他们表达这些信号。它隐藏了个人身份,使每个人更容易采取行动。机器人主持人为所有信号发出者表示信号,这样可以弥合社交信号技能方面的不同之处,并使讲话者更容易解读信号。它还持续收集来自所有参与者的反馈,通过这种方式可以代表受众的集体心情,并缓解异常反应。机器人主持人可以被编程为以得当、有礼貌和专注的方式行事,这有助于保持会议的良好氛围。

0
下载
关闭预览

相关内容

通过学习、实践或探索所获得的认识、判断或技能。
【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
CCF&淡马锡基金会:智能媒体计算国际研讨会
中国计算机学会
0+阅读 · 2022年5月26日
CCF-TF 智能媒体计算国际研讨会
CCF多媒体专委会
0+阅读 · 2022年5月23日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
13+阅读 · 2022年10月20日
Arxiv
35+阅读 · 2021年8月2日
VIP会员
相关VIP内容
【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
CCF&淡马锡基金会:智能媒体计算国际研讨会
中国计算机学会
0+阅读 · 2022年5月26日
CCF-TF 智能媒体计算国际研讨会
CCF多媒体专委会
0+阅读 · 2022年5月23日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员