微叙事：一种激发人们生活经历故事的可扩展方法

研究背景与问题

• 问题或挑战：现有的数据收集方法面临难以同时达到数据的质量和规模之间的平衡。尤其是在设计与人机交互（HCI）研究中，收集大量参与者的定性数据仍然有显著的资源成本。例如面试、日记研究等方法虽然能提供深度见解，但耗费大量时间和成本；问卷和生态即时评估（EMA）则虽然能大规模获取数据，但定性信息的深度不足。
• 重要性：深度了解人们真实的生活体验对于心理健康研究和解决社会问题至关重要。当前急需一种能够在大规模应用中同时实现数据质量与低参与成本的工具，尤其是对年轻人或弱势群体来说。
• 研究动机与相关工作：该研究受到心理学中微型叙事模板（vignette studies）的启发，试图议题特化地收集参与者生成的叙事，同时减轻参与者的认知负担。此外，近年来生成式人工智能（如大型语言模型，LLMs）的进步为此类创新提供了技术支持。

解决方案

• 方法或解决方案：
  • 提出了一个基于人机协同设计的微型叙事收集方法，利用人工智能支持参与者生成能够表达自己生活体验的个人叙事。
  • 方法通过三个阶段进行工作流程化设计，包括问题提出、AI生成叙事以及参与者的叙事审查和定制。
• 创新之处：
  • 利用大型语言模型（LLMs）对叙事生成的过程中的认知负担进行分解，使非专业写作者能够流畅生成叙事。
  • 独特的人机交互框架，让参与者不仅能舒适地表达自己的体验，还能控制和修改结果叙事，从而确保输出与个人记录一致。
• 实施步骤与技术：
  1. 阶段一：通过AI问答的方式收集情境“碎片”（如发生的事件的细节以及心理感受等）。
  2. 阶段二：利用LLM将这些“碎片”整合为连贯的微型叙事。系统根据预设模板生成不同“语调”的叙事版本。
  3. 阶段三：参与者审查叙事并选择最适合的版本，也可进一步调整以确保叙事真实表达个人感受。

研究成果

• 具体成果：
  • 基于三个实证性研究（包括两个初始试验和一个比较实验），验证了微型叙事工具的可行性和接受度：
    • 初始试验中，参与者在AI支持下生成叙事，收到了高比例的积极反馈。
    • 比较实验显示与传统开放型问卷相比，微型叙事方法在多维度上表现更优，如参与者的叙事易用性及情感表达准确性。
  • 非正式专家咨询揭示此工具在心理健康干预设计、行为分析、临床研究中的潜在广泛应用场景。
• 优势：
  • 与传统开放式问卷相比，微型叙事被认为更有助于表达情感和情境，且参与者更倾向推荐此方法。
  • 在试验中，参与者报告该方法能增强自我反思和情感整理。
• 实验与评估结果：
  • 在随机分配实验中，微型叙事被参与者认为比开放型问卷更适合年轻人、更能捕捉叙事“声音”、且具有较高的个人帮助感（如“意义感”）。
• 局限性与未来方向：
  • 伦理与安全性问题：研究中未引发重大伦理争议，但未来大量部署需高度注重隐私保护与数据敏感性，尤其是在询问潜在有心理健康风险的参与者时。
  • 开放问题：关于人机合作生成的叙事数据的可信度（是否真实反映参与者意图）及叙事的分析方法尚需进一步探讨。
  • 扩展应用：研究提出了将微型叙事方法用作心理干预工具的可能性，但需结合临床心理学理论并制定严格的研发规范。

该研究展示了微型叙事作为一种新型定性数据收集方法的潜力，并为未来如何在其他领域扩展和优化此工具铺平了道路，同时也提出了需要在伦理、安全与技术层面进一步探讨的方向。