DiaryMate: 理解人类与AI协作进行个人日记记录中的用户感知和体验

文献标题

DiaryMate: Understanding User Perceptions and Experience in Human-AI Collaboration for Personal Journaling

文献信息

• 主题领域: 人机交互 (HCI)，基于大语言模型（LLM）的协作写作，个人日记书写辅助
• 关键词: 日记、个人书写、生成式语言模型、AI协作写作、自我反思、用户体验、情感支持

研究背景与问题

• 问题或挑战:

  1. 生成式语言模型（LLM）的快速发展使其从简单的编辑工具演变为与人类作者协作的伙伴，但其在个人书写领域的应用尚未得到充分探索。
  2. 在包含高度主观性和情感需求的个人日记写作中，引入LLM可能引发用户过度依赖AI建议的问题。
  3. 当前研究更多聚焦于创意书写或专业书写，而缺乏对个人书写中用户感受和体验的理解。

• 重要性: 日记书写是一种丰富的自我表达和情感探索工具，能促进心理健康。然而，并非所有用户都能轻松地表达情感或进行反思。引入LLM可能降低这些障碍，但也可能改变用户的书写习惯和情感表达，需要设计更为用户友好的交互方式。

• 研究动机: 鉴于人机交互领域对LLM的广泛兴趣，研究希望探索LLM如何能在个人日记写作情境中为用户提供支持，同时理解用户对LLM在这一特定领域的感受和体验。

解决方案

• 提出的方法或解决方案:

  1. 设计并开发了一款名为DiaryMate的网络应用，通过HyperCLOVA（一种支持韩语的LLM）为用户提供日记书写辅助功能，包括基于关键词生成句子和自动推荐下一句功能。
  2. DiaryMate作为技术探针（Technology Probe），通过真实情境下的操作来理解用户如何与LLM交互。

• 创新之处:

  1. DiaryMate结合了引导式（基于用户输入的关键词）和非引导式（根据上下文自动生成）文本生成能力。
  2. 试图将LLM应用于高度个性化的书写场景，研究其如何影响用户的情感表达与自我反思。

• 实施步骤与关键技术:

  1. 设计两个主要功能模块：
     • 基于关键词生成句子：允许用户通过输入关键词生成符合需求的句子。
     • 推荐下一句：自动基于用户内容生成上下文连贯的句子。
  2. 通过HyperCLOVA生成内容，并允许用户根据具体需求调节生成输出的“温度”（决定输出内容的多样性）。
  3. 进行10天的用户实地研究（N=24），收集定量日志数据和定性访谈数据。
  4. 构建用户反馈模块，用于总结和回应用户的书写内容。

研究成果

• 具体成果:

  1. DiaryMate成功支持了日记书写，帮助用户克服起始困难，提供表达复杂情感的支持。
  2. 实地实验显示，用户尤其看重系统提供的视角多元化功能，共计生成了932次LLM输出，其中434条被实际使用。
  3. 研究发现用户在书写过程中会更早使用关键词生成的句子，而在写作后半段更倾向于利用推荐的下一句生成内容。

• 优势:

  1. LLM在引导用户从多视角反思其经历时表现出显著优势。
  2. 非人类的交互特性让用户感到更为自然和舒适，能够更加真实地展开情感表达。
  3. 系统提高了用户探讨自我情感的深度，提示了技术辅助书写的新可能性。

• 实验或评估结果:

  1. 用户报告称LLM提供的建议有助于发现难以用语言表达的潜在情感。
  2. 一些用户认为LLM是“情感伙伴”，能给予共鸣和安慰。
  3. 系统输出的多样化内容与用户独自书写相比显著提高了日记长度（尤其是使用推荐下一句功能时）。

• 局限性与未来方向:

  1. 局限性：
     • 样本以大学生为主，可能在AI认知和书写习惯上存在偏差，难以普遍推广。
     • 研究为期10天，未能充分检验LLM辅助书写的长期影响。
  2. 未来方向：
     • 考虑加入用户心理健康的增强建议模块，例如生成反思性问题。
     • 开发更细粒度的参数调节（如情感语气控制）。
     • 长期跟踪LLM对用户日记书写习惯和自我认知的潜在影响。
     • 探讨技术与实际心理咨询工作结合的可能性。

输出建议

设计基于LLM辅助的日记写作系统需明确技术边界与伦理考量，同时注重为用户提供灵活的控制选项，避免过度依赖AI。未来研究可进一步优化与扩展DiaryMate的设计，使其更全面地支持用户进行情感表达与反思。