来自未来的自我：利用基于大语言模型的代理增强信件交换练习以提升年轻人的职业探索

视频

DOI

年轻人在职业探索中经常遇到挑战。自我引导的干预措施，如信件交换练习，参与者通过与想象中的未来自我交换信件来设想并采纳未来自我的视角，可以支持职业发展。然而，如果没有结构化的指导，这种干预措施的广泛应用可能会受到限制。为了解决这个问题，我们将模拟参与者未来自我的大型语言模型（LLM）代理整合到信件交换练习中，并评估了它们的有效性。一项为期一周的实验（N=36）比较了三种情况：（1）参与者手动从未来自我的角度给自己写回信（基线），（2）未来自我代理为参与者生成信件，（3）未来自我代理与参与者进行聊天对话。结果表明，与未来自我代理交换信件增强了参与者在练习中的参与度，而干预措施对未来定向、职业自我概念和心理支持的整体益处在各种情况下保持可比性。我们讨论了支持年轻人职业探索的AI增强干预措施的设计意义。