感知技术同理心量表（PETS）：衡量系统对用户的同理心

文献标题

Perceived Empathy of Technology Scale (PETS): Measuring Empathy of Systems Toward the User.

文献信息

• 主题领域: 人机交互 (Human-Computer Interaction)，情感计算（Affective Computing）
• 关键词: 人机交互、情感计算、技术同理心、量表开发、用户体验、可靠性验证、验证性因素分析、信任

研究背景与问题

• 问题或挑战: 作者发现，尽管现有方法通常能够测量人与人之间的同理心，但对互动系统的感知同理心仍缺乏可靠且经过验证的量表。现阶段许多研究使用的是为测量人类同理心设计的量表，这些量表通常未针对系统情境充分调整，因此在评估系统的感知同理心时存在效度问题。
• 重要性: 随着情感计算和人工智能技术的进步，诸如对话代理（Conversational Agent）和社会机器人等交互系统展示了向用户表达某种形式的“同理心”的能力。衡量这些系统的感知同理心有助于评估其应用效果，并支持开发更具情感智能的技术。
• 研究动机: 作者希望通过开发一个专门设计的量表，解决上述不足，从用户感知的角度量化系统的同理心，并使其应用具有通用性。

解决方案

• 方法或解决方案:
  • 作者提出并开发了一种新的量表——Perceived Empathy of Technology Scale（PETS，技术感知同理心量表）。
  • PETS分为两大因子：情感响应（Emotional Responsiveness，PETS-ER）和理解与信任（Understanding and Trust，PETS-UT）。
• 创新之处:
  • 量表从头开发，而不是简单调整现有的人类同理心量表。
  • PETS的开发严格遵循Boateng等人提出的量表开发多阶段系统方法，经历了专家访谈、项目生成、项目验证、因素分析、验证和信度测试等多重过程。
  • 针对交互系统特别设计了22个包含不同同理心水平的场景，以确保量表的广泛适用性。
• 实施步骤:
  1. 项目生成: 对18位专家的半结构化访谈提取的数据进行编码，生成初始的100个项目。
  2. 内容验证: 邀请8位领域专家对项目内容相关性进行评分，使用内容效度指标（CVI）进行筛选，将100个项目缩减至38个。
  3. 项目测试和削减: 使用324位参与者对38个项目进行了评分，通过探索性因素分析（EFA），将项目进一步缩减至10个。
  4. 验证性因素分析（CFA）: 使用对独立样本的两次测试，最终确认10个项目的双因子结构。
  5. 验证与信度测试: 包括内部一致性（Cronbach's α）测试、分半信度、重测信度、区分效度和收敛效度等。

研究成果

• 具体成果:
  • 开发出一个10项双因子量表：PETS，其双因子分别为PETS-ER（6个条目）和PETS-UT（4个条目）。
  • 量表被验证具有良好的内部一致性（α=0.96），以及显著的测试-重测信度（ICC=0.94）。
  • 量表可有效区分“高同理心”和“低同理心”的交互系统场景。
• 与现有解决方案相比的优势:
  • PETS解决了现有量表效度上的不足，专门从用户感知角度测量技术系统的同理心。
  • 其广泛适用性通过22种不同场景的测试得以验证，包括对会话代理、社会机器人和功能性应用等场景的评估。
• 实验或评估结果:
  • 实验场景中，用户对具备同理心系统的感知评分显著高于无同理心的系统。
  • PETS的双因子结构在多个样本中都得到了良好验证。
  • 在检验收敛效度时，发现PETS-ER与情感理解强相关，而PETS-UT更倾向测试用户对系统信任及目标理解的感知。
• 局限性与未来方向:
  1. 局限性:
     • 研究基于视频和音频而非真实交互系统，因此在实际应用场景中的表现可能与实验不同。
     • 当前量表仅包含正向条目，潜在引入了正偏响应的问题。
     • 没有同时纳入负面的、或者可能含恶意使用的同理心维度。
  2. 未来方向:
     • 在真实系统与动态交互情况下进一步验证量表的效度。
     • 为量表添加可能反映恶意使用的条目。
     • 探讨量表在预测用户行为（如信任建立、行为改变）方面的效能。
     • 对接更多实际应用场景（如心理治疗机器人、教育助手）。

总结

PETS对于量化技术系统的感知同理心提供了一个全面、可靠且通用的工具，将进一步支持交互技术领域的发展，并对开发情感智能系统的过程具有重要价值。同时，这项研究也为如何设计、验证和优化情感计算相关量表提供了清晰的框架和深刻的启示。