Formation aux compétences sociales avec des modèles de langage de grande taille

Social Skill Training with Large Language Models

April 5, 2024

Auteurs: Diyi Yang, Caleb Ziems, William Held, Omar Shaikh, Michael S. Bernstein, John Mitchell

cs.AI

Résumé

Les individus s'appuient sur des compétences sociales comme la résolution de conflits pour communiquer efficacement et s'épanouir tant dans leur vie professionnelle que personnelle. Cependant, les environnements de pratique pour ces compétences sociales sont généralement inaccessibles pour la plupart des gens. Comment pouvons-nous rendre la formation aux compétences sociales plus disponible, accessible et attrayante ? S'appuyant sur des recherches interdisciplinaires en communication et en psychologie, cet article de perspective identifie les obstacles liés aux compétences sociales pour accéder à des domaines spécialisés. Nous présentons ensuite une solution qui exploite les modèles de langage de grande envergure pour la formation aux compétences sociales via un cadre générique. Notre cadre AI Partner, AI Mentor, combine l'apprentissage expérientiel avec une pratique réaliste et des retours personnalisés. Ce travail appelle finalement à une innovation interdisciplinaire pour aborder les implications plus larges en matière de développement de la main-d'œuvre et d'égalité sociale.

English

People rely on social skills like conflict resolution to communicate effectively and to thrive in both work and personal life. However, practice environments for social skills are typically out of reach for most people. How can we make social skill training more available, accessible, and inviting? Drawing upon interdisciplinary research from communication and psychology, this perspective paper identifies social skill barriers to enter specialized fields. Then we present a solution that leverages large language models for social skill training via a generic framework. Our AI Partner, AI Mentor framework merges experiential learning with realistic practice and tailored feedback. This work ultimately calls for cross-disciplinary innovation to address the broader implications for workforce development and social equality.