数字治疗联盟中关系形成的情感与目标导向因素：心理健康聊天机器人的纵向研究

文献标题

Affective and Goal-Oriented Factors of Relationship Formation in the Digital Therapeutic Alliance: A Longitudinal Study of Mental Health Chatbots

出版信息

• 主题领域: 心理健康聊天机器人中的数字治疗联盟
• 关键词: 数字治疗联盟, 心理健康聊天机器人, 情感支持, 实用支持, 对话控制, 信任, 满意度, 认知行为疗法, 用户–聊天机器人关系

背景与问题

• 问题/挑战: 现有关于数字治疗联盟（DTA）的研究缺乏针对心理健康聊天机器人的定量证据。此前从传统治疗联盟模型改编的工具未能捕捉聊天机器人特有的动态特性，如对话控制和主动支架。
• 意义: 理解驱动用户与聊天机器人关系建立的相关因素对于改进心理健康聊天机器人的设计和效果至关重要，而这些机器人正日益成为可扩展的心理干预手段。
• 动机与相关工作: 尽管之前的研究探讨了聊天机器人中的同理心和信任等关系特质，但这些研究主要依赖于定性方法或改编自针对人类治疗师的测量工具。这导致了对聊天机器人特有功能如何影响关系建立以及这些关系如何影响用户福祉的理解存在空白。

解决方案

• 提出的方法: 开发并应用一个多维度的调查工具，以建模用户与聊天机器人交互中的关系和功能动态，并在一项为期四周的被试内实验中测试两个基于认知行为疗法（CBT）的聊天机器人——Wysa和Youper。
• 创新点:
  1. 将聊天机器人交互中特有的关系和功能构念进行操作化。
  2. 确定关系建立的两个主要驱动因素：情感支持和实用支持。
  3. 阐明信任和满意度是关系质量的衍生结果，而非独立预测因素。
  4. 提供初步证据表明更强的聊天机器人关系与用户福祉的长期改善相关。
• 研究程序与关键技术:
  • 选择两个具有不同对话设计的聊天机器人（Wysa和Youper）。
  • 招募56名参与者进行为期四周的被试内实验。
  • 开发一个调查工具，捕捉七个构念（如情感支持、实用支持、对话控制）。
  • 通过探索性因子分析和可靠性测试对工具进行心理测量验证。
  • 使用回归模型识别用户与聊天机器人关系建立的预测因素。
  • 探索关系强度与福祉变化（WHO-5评分）之间的关联。

结果

• 具体发现:
  • 情感支持（β = 0.63, p < 0.001）和实用支持（β = 0.32, p = 0.004）是关系建立的最强预测因素。
  • 信任（隐私和非评判性）和满意度评分较高，但作为关系的结果而非驱动因素。
  • 更强的关系与研究后期阶段（第2–4周）福祉评分（WHO-5）的更大改善相关（t = 3.06, p = 0.004）。
• 相较基线的优势: 本研究首次提供了针对聊天机器人的DTA结构的定量描述，超越了基于治疗师模型和描述性研究的范畴。
• 实验/评估:
  • 参与者交替使用Wysa和Youper各两周。
  • 在基线、中期和后期收集调查数据以评估关系构念和福祉。
  • 心理测量验证确认了七个保留构念的可靠性和有效性。
• 局限性与未来工作:
  • 两个聊天机器人之间的风格和功能差异有限，限制了某些构念（如输入偏好、口语化风格）的测量。
  • 四周的研究时长可能无法捕捉联盟形成的长期动态。
  • 样本在人口统计学或临床特征上不够多样化，限制了研究的普适性。
  • 未来工作应探索更长期的研究、更丰富的聊天机器人设计以及更多样化的人群。

总结

本研究对心理健康聊天机器人中的数字治疗联盟（DTA）进行了定量建模，确定情感支持和实用支持是用户与聊天机器人关系建立的主要驱动因素。信任和满意度作为支持性互动的结果而非独立预测因素出现。一项为期四周的被试内实验中，56名参与者使用Wysa和Youper，结果显示更强的关系与研究后期阶段福祉的改善相关。这些发现优化了DTA的理论模型，并为设计兼具同理心和效率的聊天机器人提供了可操作的建议。未来研究应扩展至长期研究和多样化人群。