ExploreSelf: 通过大型语言模型的自适应指导促进用户驱动的个人挑战探索和反思

研究背景与问题

• 问题或挑战: 论文指出，尽管通过书写表达压力和情感已被证明可以提升心理与身体健康，但许多人在参与反思性书写干预时存在困难。这主要是因为组织思想和情感的认知负担较重，促使个体可能退出这一过程。此外，传统的写作支持方法（例如预定义的提示）缺乏灵活性，无法充分考虑用户的具体情境。
• 重要性: 这种反思性书写能够促进自我理解，帮助个人从负面事件中找到意义，这对于心理健康和个人成长非常重要。然而，当前的方法不足以支持多样化的反思路径，并且容易因不适当的指导失去用户的参与。
• 研究动机与相关工作:
  • 使用大的语言模型（LLMs）为书写过程提供定制化指导已展现出潜力。现有研究主要集中于创意写作，但关于用于自我表达和心理健康支持的LLM研究较少。
  • 与曾经的聊天机器人等方法相比，ExploreSelf关注用户驱动的书写和探索，而不是单纯的对话形式。

解决方案

• 提出的解决方案:
  • 设计了一种名为ExploreSelf的互动书写系统，该系统结合LLM的生成能力，支持用户探索和反思个人挑战。用户可以基于初始叙述拓展主题，通过基于LLM生成的自反型问题进行深入反思。
  • 系统提供关键词和即时评论作为辅助指导，并且可以生成主题探索的总结，从而帮助用户组织和梳理自己的思维。
• 创新之处:
  • 相较于传统书写支持工具，ExploreSelf注重用户的主动性，使用户能够自由选择反思方向。
  • 通过动态生成问题和提示，系统避免对内容的直接干预，鼓励用户表达自己的语言风格和思维结构。
  • 设计与实施从心理学咨询和用户驱动设计中获取灵感，提供灵活的导航组件（如主题选择、自问自答风格的问题、关键词及总结）。
• 实施步骤与关键技术:
  • 功能设计:
    • 用户输入初始叙述。
    • 系统生成相关主题，用户选择探索方向。
    • 对每个主题生成多个疑问，指导用户多角度思考。
    • 提供关键词和即时评论以降低情感负担。
    • 根据用户记录生成总结以帮助梳理思路。
  • 技术实现:
    • 后端使用OpenAI的GPT-4 API管理关键生成任务。
    • 根据“链式思维提示”优化LLM生成，提高输出的上下文相关性和质量。
    • 前端使用React构建交互界面，提供流畅的用户体验。

研究成果

• 具体成果:
  • 从19位参与者的实验中发现，ExploreSelf帮助用户更有意义地参与到反思书写过程，显著提升了用户对探索过程的控制感，并拓展了其自我反思的深度。
  • 参与者能够自主决定探索路径，既可以深入现有主题，也可以探索新主题。此外，他们对提供的关键词和即时评论的动态指导感到满意。
• 与现有解决方案相比的优势:
  • ExploreSelf更加注重用户的主动性，通过开放式探索实现了主题和问题的深度灵活性，与传统的固定式提示工具和聊天机制不同。
  • 与过去的LLM驱动方法相比，ExploreSelf降低了对单一会话或生成质量的依赖，允许用户在多路径中切换和扩展。
• 实验或评估结果:
  • 使用Pathways Subscale指标评估视觉化设计对用户感知控制力的提升，用户在探索后平均分数显著提高（从22.32增至24.95）。
  • 互动日志显示出个体化的使用模式（如主题选择、问题生成及关键词解锁），验证了系统的多样化交互特性。
• 局限性与未来方向:
  • 局限性:
    • 当前研究仅基于单次实验，未探索多次对话及长期使用的影响。
    • 研究集中于韩国用户，未评估系统在其他文化语境中的适用性或潜在偏差。
    • 对于严重心理问题的用户（如创伤或抑郁），反思性情感是否安全尚未充分考察。
  • 未来方向：
    • 探索支持多次、长期使用的设计方法，包括跨会话记忆及数据摘要优化。
    • 为不同文化和语言背景的用户制定个性化方案，减少潜在语言模型的文化偏差。
    • 针对复杂或敏感挑战开发安全机制，例如增加心理学相关专业的模糊指导策略或多种选择的提示。

总之，ExploreSelf展示了结合用户主动性与LLM自适应支持的反思性书写系统的潜力，为未来心理健康技术的发展提供了新的思路。