分支预见——AI生成场景探索的新型交互概念

文献标题

Branching Foresight - A Novel Interaction Concept for AI-generated Scenario Exploration

出版信息

• 主题领域: 气候应对与交互式人工智能情景规划
• 关键词: 气候弹性力，AI生成情景，人机交互，应对策略，迭代分支，多模态情境化，反思提示，用户体验，创造力支持，气候传播

背景与问题

• 问题/挑战: 气候未来通常让人感到认知上遥远且情感上难以承受，这使得个人难以将关切转化为建设性行动。现有工具要么需要引导，要么未能有效整合情绪调节和应对机制。
• 重要性: 应对气候焦虑并培养应对能力对于帮助个人在面对气候挑战时坚持、适应和转变至关重要。
• 动机与相关工作: 以往的参与式前瞻和AI驱动的情景生成方法缺乏对个人的可及性、反思机制的整合或对心理结果的实证评估。本文旨在通过引入一个自引导、情感支持的系统来弥合这些差距。

解决方案

• 提出的方法: Branching Foresight，一个结合AI生成的分支情景、多模态情境化和嵌入式反思提示的自引导工具，以培养气候弹性力。
• 创新性:
  1. 将适应性、持久性和转变性机制整合到一个统一的交互循环中。
  2. 使用迭代分支来演练替代未来并搭建应对策略的框架。
  3. 在单次会话、自引导的形式中评估心理结果（弹性力和气候相关情绪）。
• 流程与关键技术:
  • 用户输入个人背景信息，以生成跨越三个时间范围（+5年、+10年、+15年）的AI情景。
  • 情景配以图像和会话代理进行引导式探索。
  • 反思卡片记录应对信心和具体行动，并汇总到结果仪表盘中。
  • 系统架构包括生成层（GPT-4生成文本，Stable Diffusion生成图像）、状态层（分支树和反思）和展示层（地图、时间线、聊天界面和结果仪表盘）。

结果

• 具体发现:
  • 气候弹性力显著提升：适应性（+1.7）、转变性（+1.3）、持久性（+1.0）、总体（+1.3）。
  • 气候相关负面情绪中等至大幅度减少：气候变化焦虑（-0.20）和绝望感（-0.39）。
• 相较基线的优势: 与传统情景规划方法不同，该方法无需引导即可实现短期心理改善的可行性。
• 实验/评估:
  • 研究1（形成性演练）：识别可用性障碍并优化设计。
  • 研究2（单次会话前后测试）：N=30名参与者；测量弹性力、气候情绪、用户体验（UEQ-S）和创造力支持（CSI）。
  • 行为遥测数据追踪停留时间、聊天活动和反思信心。
• 局限性与未来工作:
  • 单次会话设计且无对照组；效果可能反映新颖性或需求特性。
  • 生成未来的可信度不均；自由文本输入的个性化挑战。
  • 未来方向包括沉浸式VR环境、可触控界面和扩展的分支逻辑。

总结

Branching Foresight结合了迭代分支、多模态情境化和结构化反思，以支持气候弹性力。在单次会话研究中，参与者在感知应对能力方面显著提升，负面情绪减少，并对可用性和创造力支持给予了积极评价。定位工具（地图、时间线、结果仪表盘）增强了清晰度，而反思提示帮助将未来转化为可操作的步骤。该系统弥合了传统参与式前瞻与AI生成叙事之间的差距，提供了一种可扩展的、自引导的气候应对方法。未来工作旨在增强现实感，扩展交互模式，并探索超越气候变化的更广泛应用。