共同努力实现相互依赖:基于聊天机器人的自闭症谱系个体与神经典型个体之间平衡社交互动的支持

对话式聊天机器人认知障碍与神经多样性(自闭症、ADHD、阅读困难)参与式设计(Participatory Design)精神科医生与心理咨询师特殊教育教师辅助技术专家

研究背景与问题

  • 作者发现了哪些问题或挑战?

    • 社会互动在神经多样性人群(neurodivergent individuals)和神经典型人群(neurotypical individuals)之间存在显著障碍,包括沟通风格、社交期望的差异,以及对这些互动的不确定感。
    • 现有的社会支持技术和干预措施普遍集中于让神经多样人士适应神经典型的社会规范,同时忽视了双向沟通和相互理解的重要性。
    • 基于这些技术的“单向适应”框架可能将神经多样人士的行为视为需要被“纠正的缺点”,带来心理压力并可能导致社会孤立。
  • 为什么这个问题很重要?

    • 神经多样人士在社交中更有可能经历孤立和排斥,影响他们的生活质量和心理健康。
    • 社会互动是双向的,只有通过双方的共同努力和理解,才能创建包容且富有弹性的社区。
  • 研究动机与相关工作

    • 研究者提出应采用“双重共情”(double empathy)框架,关注双向的适应,而不仅仅是让神经多样人士适应神经典型人的行为。
    • 作者希望探索一种平衡的设计方法,利用聊天机器人促进神经多样和神经典型人群之间的关系,减轻社交中的不确定性和期望差异。

解决方案

  • 作者提出了哪些方法或解决方案?

    • 作者设计了三种不同的社交支持聊天机器人(Friend、Coach、Personal Assistant),以应对社交互动中的主要障碍。
    • 使用5天日记研究和半结构化访谈,了解神经多样与神经典型参与者对社交障碍的看法,以及他们对社交支持聊天机器人的需求和偏好。
    • 提出了防止聊天机器人陷入替代真实人际关系、单向支持、以及仅推广神经典型标准的设计建议。
  • 该解决方案的创新之处是什么?

    • 打破传统技术中“单向适应”的框架,强调神经多样人士作为双向社交支持提供者的角色,推动社会交互中的“互相依存”(interdependence)。
    • 引入聊天机器人作为一种促进双向支持和反思的工具,而不仅仅为了修正行为或替代人际交往。
  • 实施步骤是什么?使用了哪些关键技术?

    • 设计三个聊天机器人原型:
      • Friend:以情感支持为主,模仿朋友角色,倾听用户反思。
      • Coach:提供一般性的社交建议。
      • Personal Assistant:提供个性化、实用的支持和社交建议。
    • 研究过程:
      • 对16名参与者(包括8位神经典型和8位神经多样人士)进行5天的日记收集。
      • 在访谈中收集对不同聊天机器人的反应和意见。
    • 数据分析:
      • 采用主题分析法,通过独立编码和跨研究者协调验证可靠性。

研究成果

  • 取得了哪些具体成果?

    • 社交成功关键因素:
      • 双方都认为“给予和接受支持”很重要,但神经典型人群更多强调“给予”,而神经多样参与者则强调双向的、互惠的支持。
      • 社交网络的重要性得到一致认可,但神经多样人群在获得社交网络支持方面面临明显不足。
    • 社交互动的主要障碍:
      • 社交不确定性:双方在表达、行动和理解上都面临不确定性。
      • 社交期望冲突:神经典型人更关注隐性社交规范,神经多样人士更注重基本的社交礼仪。
      • 正式社交技能培训的差距:神经多样人群普遍接受了社交技能培训,而神经典型参与者则较少。
    • 聊天机器人的偏好与使用场景:
      • 神经多样参与者偏好Friend聊天机器人,神经典型参与者更倾向于Coach和Personal Assistant。
      • 参与者认为聊天机器人可在活动建议、互动反思和提振情绪方面提供帮助。
  • 与现有解决方案相比,它有哪些优势?

    • 不再仅仅聚焦于矫正神经多样人士的行为,而是推动双方的共同反思与适应。
    • 建议整合情感反思与行为指导,服务于双向支持。
  • 实验或评估结果是什么?

    • 13名参与者指出,聊天机器人的反思性问题对提高自我意识和理解他人非常有帮助。
    • 提议的聊天机器人能够缓解社交互动中的不确定性并促进交互的频率和质量。
  • 局限性与未来方向:

    • 样本规模有限且仅涵盖具有智力障碍的神经多样人士,可能无法概括所有神经多样人群的需求。
    • 采用预设的对话脚本可能显得生硬,未来可以引入实时交互的语言模型以改进灵活性。
    • 研究主要集中于延迟的社交支持,未来可探索实时支持技术的潜力。

总结与展望

该研究系统化地探讨了神经多样与神经典型人群之间社交互动的障碍及解决方案,并通过创新设计社交支持聊天机器人,为减少社交不确定性、促进双向理解与互相依存提供了实践依据。未来工作可以进一步扩展样本组别,引入高级自然语言处理技术,并在多样化的社交场景中测试这些新技术的应用效果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/188580/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713344
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
对话式聊天机器人、认知障碍与神经多样性(自闭症、ADHD、阅读困难)、参与式设计(Participatory Design)
work
职业/产业
精神科医生与心理咨询师、特殊教育教师、辅助技术专家
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文