《如果这个人有自杀倾向，我该怎么办？》：设计计算方法帮助在线志愿者应对自杀倾向

文献标题

“If This Person is Suicidal, What Do I Do?”: Designing Computational Approaches to Help Online Volunteers Respond to Suicidality

文献信息

• 主题领域: 人机交互（HCI）、在线心理健康支持、人工智能辅助技术
• 关键词: 自杀风险、心理健康、线上社区、社交支持、人工智能、内容审核

研究背景与问题

• 问题或挑战:

  • 尽管许多在线平台为心理健康支持提供空间，但由于对讨论自杀行为的严格限制，志愿者在为有自杀倾向的人提供帮助时面临困境。志愿者需要应对复杂的情感和行为，但缺乏专门的支持。
  • 当前的技术，例如自杀检测模型和聊天机器人，更多被用于内容审核或替代人工支持，而非真正辅助志愿者。

• 重要性:

  • 根据美国疾病控制与预防中心 (CDC) 数据，仅2021年，就有约1200万美国成年人有自杀念头，达到170万人尝试自杀，近5万人因自杀死亡。
  • 在线平台是许多寻求帮助的人的重要资源，尤其对于不愿或无法使用医疗资源的人。

• 研究动机与相关工作:

  • 现有研究多关注寻求支持者的需求，而对提供支持的志愿者的困难与需求研究不足。
  • 自杀预防技术多集中在自动化干预，而对志愿者在实际操作中的辅助作用评价较少。

解决方案

• 提出的方法或解决方案:

  • 通过两阶段研究探讨志愿者识别和响应自杀风险的实践与挑战，并评估技术设计（例如 AI）如何提供支持。
  • 设计基于自杀检测的技术方案，并通过 Speed Dating 方法收集志愿者反馈，分析有效的设计方向。

• 创新之处:

  • 重点放在人类基础结构（human care infrastructure）的优化，而非单纯研发替代人工的技术。
  • 深入探讨志愿者如何在限制讨论自杀的政策下工作，并试验支持志愿者的协作性技术设计。

• 实施步骤与关键技术:

  • 阶段一：访谈与模拟聊天，探索志愿者如何评估自杀严重性及其响应策略。
  • 阶段二：提出18个技术设计概念并对其进行评估，包括情绪支持、训练工具、自杀检测模型等。
  • 结合参与式设计（Speed Dating）的方式，获取志愿者的真实反馈，从而调整解决方案方向。

研究成果

• 具体成果:

  • 在线志愿者能够准确区分自杀的严重程度，但缺乏适当的指导和支持。
  • 自杀检测模型对于减轻志愿者压力有帮助，但其自动决策可能不符合志愿者的实际需求，甚至可能带来隐私问题和无意伤害。
  • 使用基于模拟器的训练聊天机器人是受欢迎的解决方案，可帮助志愿者更好地准备与自杀倾向者的对话。

• 比较优势:

  • 提出的技术设计方案在支持志愿者的实践中更为现实和情境化，比单纯自动化或内容审核的技术更贴合需求。
  • 鼓励建立去医疗化的支持空间，为因各种原因拒绝传统医疗支持的自杀倾向者提供安全环境。

• 实验或评估结果:

  • 志愿者认为通过 AI 模拟器进行训练是可行且有益的，能够减少他们首次与真正寻求支持者互动时的压力。
  • 各种情绪支持工具可以有效减轻志愿者的负担，但对隐私保护与算法的适用边界持保留意见。

• 局限性与未来方向:

  • 局限性:

    • 样本量小，可能存在选择偏差，参与者对自杀研究兴趣较高，可能不代表普通志愿者群体。
    • 使用的设计概念由研究团队提出，采用开放式共创设计可能获得更丰富的参与者观点。

  • 未来方向:

    • 调研更加多样化的志愿者群体，如不同国家和文化背景的志愿者。
    • 探讨如何平衡技术辅助与人类自主性，以避免可能的隐私问题和对支持者或寻求者的不当干预。
    • 继续优化在线自杀倾向支持的技术，尤其是在非专业志愿者的心理健康负担方面。