MétaCan
Menu
Retour à la cohorte
Enregistrement W4414517301 · doi:10.1016/j.chbr.2025.100807

How humorous is AI? Exploring ChatGPT's role in humor generation and human-AI interaction

2025· article· en· W4414517301 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueComputers in Human Behavior Reports · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensQueen's University
Organismes subventionnairesPeking UniversityChina Postdoctoral Science FoundationSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of China
Mots-clésHumor researchInterpersonal communicationCoping (psychology)CognitionInterpersonal relationshipInterpersonal interactionSocial relation

Résumé

récupéré en direct d'OpenAlex

The rapid evolution of artificial intelligence has raised important questions about its ability to replicate nuanced human cognitive functions -- particularly humor generation. This research investigates GPT-4o, an advanced language model, focusing on its capacity to generate humor, how it compares to human-generated humor, and its potential applications in human-AI interaction. The main variables include humor generation, coping, strategy, and interpersonal conflict. We hypothesize that GPT-4o outperforms humans in humor generation and can help individuals manage interpersonal conflicts by effectively using humor, based on a theoretical framework that integrates humor theory and human-AI interaction models. Drawing on data from a racially diverse sample from the U.S. the research employs experimental methods across four studies. Study 1 compares GPT-4o and human humor generation using textual and visual prompts. Study 2 examines how social context (positive vs. negative) influences humor coping strategies in both AI and human responses. Study 3 identifies the most effective humor types in negative social contexts. Study 4 explores GPT-4o's role in managing interpersonal conflict through humor in human-AI interaction. Findings reveal that GPT-4o excels in generating sentence-based humor, particularly in response to negative social contexts, and outperforms humans in humor coping strategies. In response to negative contexts, both humans and GPT-4o identify self-enhancing humor as the most effective strategy. Furthermore, GPT-4o demonstrates effectiveness in conflict resolution, as evidenced by positive feedback from both humor senders and recipients. These results offer theoretical and practical insights into AI's emerging role in emotional support, stress reduction, and socially sensitive communication. • GPT-4o outperforms humans in text-based humor but not image-based humor. • GPT-4o generates better humor than humans, especially in negative situations. • Self-enhancing humor is the most effective strategy for both GPT-4o and humans. • Senders and recipients rated GPT-4o's humor funniest, most effective and likable.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,078
Tête enseignante GPT0,387
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle