ChaCha：利用大型语言模型提示儿童分享他们对个人事件的情绪

文献标题

ChaCha: Leveraging Large Language Models to Prompt Children to Share Their Emotions about Personal Events

文献信息

• 主题领域: 人机交互 (HCI)，儿童情感表达，会话代理
• 关键词: Chatbots, Children, Emotional Sharing, Large Language Models, Conversational Agents, Emotion Regulation, Human-centered Computing

研究背景与问题

• 发现的问题或挑战:

  • 与儿童进行情感沟通存在困难，尤其是在他们仍在发展交流技巧的情况下。家长通常缺乏支持或工具来促进这样的沟通，从而影响儿童的心理健康。
  • 当前技术如情感检测系统主要侧重于收集儿童的情感数据，但缺乏帮助儿童练习并表达情感的机制。
  • COVID-19对儿童的社交活动及日常生活产生负面影响，进一步加剧了情感调节的难题。

• 重要性:

  • 情感表达对儿童的社交和心理发展至关重要。能够准确识别并分享情感不仅使儿童能够缓解负面情绪，还增强了他们的沟通和问题解决能力。

• 研究动机与相关工作:

  • 儿童情感相关的技术研究主要集中在情感检测，例如基于聊天机器人或材料探测情感，但缺乏帮助儿童在开放交谈中表达情感。
  • 本研究受John Gottman的情感辅导指南启发，有意设计一种技术工具，引导儿童识别和分享情感并与父母沟通。
  • 对大语言模型 (LLMs) 的应用，如 GPT-4 展示了更自然的人机对话潜力，适合辅助儿童自由表达情感。

解决方案

• 提出的解决方案:

  • ChaCha，一个驱动于LLMs的聊天机器人，旨在通过自由形式的对话帮助儿童分享个人事件及其相关情感。
  • Chatbot包含多个对话阶段，分别设计用于情感识别、负面情感解决方案探索以及引导儿童与父母分享情感。

• 创新点:

  1. 采用LLMs提供更加流畅、灵活的自由形式对话，而非限制性的规则或基于模板的会话。
  2. 通过多个阶段引导会话，确保情感的逐步识别和处理，比如探索事件、定义情感标签、解决问题或记录幸福时刻。
  3. 对儿童心理健康专业人士的反馈作出整合，设计引导性但不替代父母角色的对话系统。

• 实施步骤和关键技术:

  • 阶段设计:
    • Explore: 建立儿童与聊天机器人之间的亲和关系并引导分享关键事件。
    • Label: 协助标记每个事件带来的情感，通过开放式提问和情感选项引导。
    • Find 和 Record: 分别针对负面情感和正面情感提供解决方案探索或记录建议。
    • Share: 鼓励儿童与其父母分享情感并讨论分享的重要性。
  • 技术核心:
    • 利用GPT-4生成对话内容，并通过状态机监控对话流程的顺序和逻辑。
    • 运用动态提示技术设计具体任务场景，例如协助情感标签生成或解决问题。
    • 创建儿童友好的对话规则，包括限制信息长度、使用简单语言和适度使用表情。

研究成果

• 具体成果:

  • ChaCha能够有效引导20名儿童表达个人事件的相关情感，包括家庭旅行、成就、日常活动和面对焦虑时的体验。
  • 在测试中，儿童视ChaCha为可信赖的朋友，并乐于分享一些未曾与父母诉说的感受与故事。

• 优势:

  • 与传统基于规则的聊天机器人相比，ChaCha通过LLMs生成动态且人性化的回应，显著提高了儿童的参与度和信任度。
  • 引导儿童反思事件及其情感，并通过分享负面情感的解决策略和记录正面感受，提升情感处理能力。

• 实验或评估结果:

  • 儿童平均聊天30分钟，83%的受访儿童表示愿意在未来继续与ChaCha对话。
  • 多数参与者认为ChaCha能够很好地倾听并共情他们的情感，部分表示从ChaCha的互动中获得表达情感的信心。

• 局限性与未来方向:

  • 局限性:
    • 测试环境局限于实验室，未能验证长时间自然使用的效果。
    • 模型偶尔生成不符合情境的内容，需进一步精细控制LLMs行为。
    • 对韩国儿童的研究可能存在文化偏差，需扩展到其他国家或语言环境验证普适性。
  • 未来方向:
    • 探索长期应用场景：如何确保情感辅导的一致性并扩展到个性化服务。
    • 增强与父母的互动设计，加强家长和孩子之间的情感沟通并提供动态关怀方案。
    • 设置强大的安全网以规避生成不适内容，并确保对话对儿童心理健康具有积极影响。

总结而言，ChaCha提供了一个创新且适应儿童需求的对话流程，通过大语言模型展现了技术对儿童情感表达的支持潜力，同时为未来儿童友好型聊天机器人的设计提供了明确的方向。