基于关怀的生态反馈结合生成式AI：通过情感依附培养环保行为

文献标题

Care-Based Eco-Feedback Augmented with Generative AI: Fostering Pro-Environmental Behavior through Emotional Attachment

文献信息

• 主题领域: 可持续人机交互 (Sustainable HCI)、数据驱动的环境行为改变
• 关键词: eco-feedback, care-based intervention, generative AI, conversational interaction, gamification, emotional attachment

研究背景与问题

• 观察与问题: 作者指出传统的eco-feedback系统通常依赖数据驱动的方式以提升用户对能源消耗的意识，但这些方法容易忽视用户的情感连接，且对不具备环境意识的群体效果有限。
• 重要性: 随着全球能源危机愈演愈烈，减少能源消耗对于实现净零排放目标至关重要。然而，由于传统反馈形式可能无法激发长期行为，亟需一种新方法以适应更广泛的人群。
• 研究动机: 填补了关于"情感依赖如何影响能源节约行为的"实证研究空白；探索使用具有生成式人工智能能力的互动设计以增加用户行为改变的积极性。

解决方案

• 方法与解决方案:
  提出一种新的基于关怀的eco-feedback系统，核心是一个受用户能源节约行为影响的数字化角色——名为Infi的虚拟宠物。系统融入生成式人工智能技术，以支持用户与虚拟角色的情感互动，比如用类似Tamagotchi的体验吸引用户。
• 创新之处:
  1. 与现有care-based设计相比，首次融合AI生成式对话技术以增强用户与系统的情感纽带。
  2. 构建并实证了从动机组件（系统设计）到行为结果（节能行为）的路径模型。
  3. 针对不同环境意识水平的用户群体，分析设计的差异化效果。
• 实施步骤与关键技术:
  1. 设计原则: 基于张平(Ping Zhang)提出的用户动机设计原则，包括自主性、反馈机制、社会联系、群体影响力及情感触发。
  2. 具体设计:
     • 系统通过智能电表连接用户的节能数据。
     • 用户互动包括回答节能问卷、与Infi的聊天等。每次互动会提升Infi的“生命力”或显示用户节能水平提升的可视化反馈。
  3. 生成式对话技术的应用: 用OpenAI的GPT-3.5 API支持两端对话，创建趣味且有教育意义的互动。

研究成果

• 具体成果:

  1. 系统效能验证: 通过随机对照实验与后续问卷调查发现，带AI交互的care-based设计显著增强用户的情感依附关系且增加节能行为动机。
  2. 用户差异化表现: 不同环境意识用户中，情感依附对节能行为的影响程度不同，对低环境意识用户效果更为显著。
  3. 延续性测试: 在后续三个月的跟踪研究中，系统有效提高了用户报告的节能行为。

• 与现有解决方案相比的优势:

  1. 增强用户与系统的情感连接显著提升节能行为，不只是信息驱动。
  2. 面向低环境意识用户的设计策略补足传统反馈的不足。
  3. 生成式对话具备互动灵活性与深度使反馈更为个性化。

• 实验与评估结果:

  1. 使用720名参与者的随机对照实验，系统的GenAI版本组用户情感依附均值为4.51（显著高于对照组3.17）。
  2. 系统既增加了自我节能行为意图，也促进了真实的行为改变，例如捐赠或减少实际能源消耗。

• 局限性与未来方向:

  1. 地域限制: 实验只在美国进行，需扩大至更多文化背景的用户验证。
  2. 技术挑战: 系统设计需优化对GenAI模型依赖带来的技术问题，例如聊天中偶发的消息截断或生成内容重复。
  3. 心理反作用: 少数用户表现出对情感驱动反馈的抵触，未来需要消除负面生态焦虑或其他心理障碍。

研究贡献与应用建议

1. 支持设计者将情感依附作为能动性要素融入eco-feedback设计，例如通过虚拟角色来实现用户关怀感。
2. 提倡平衡用户的情感体验与行为定向设计，避免潜在的负面心理效应。
3. 鼓励未来研究探索其他设计元素（例如个性化或拥有感）对用户行为改变的深远影响。