协作挺身而出：网络欺凌挺身教育的对话策略探索

文献标题

Collaborative Upstanding: Exploring Conversational Strategies for Cyberbullying Upstanding Education

出版信息

• 主题领域: 人工智能与人类协作，用于网络欺凌干预和正义教育。
• 关键词: 网络欺凌、旁观者干预、正义行为、聊天机器人、人机协作、对话式人工智能、教育技术、社会计算、情境障碍、公众干预。

背景与问题

• 问题/挑战: 网络欺凌在社交媒体上仍然是一个严重问题，尽管旁观者干预（正义行为）被证明有效，但旁观者面临诸如自我效能感不足、缺乏干预知识以及害怕后果等障碍。现有的教育框架和系统通常聚焦于单一干预阶段，缺乏情境化、交互式解决方案。
• 重要性: 鼓励正义行为可以减轻网络欺凌对受害者的有害影响，并营造一个支持性的在线环境。解决正义行为的障碍对于赋能旁观者有效行动至关重要。
• 动机与相关研究: 先前研究探讨了旁观者干预模型、如STAC的教育框架，以及人工智能在角色扮演和培训中的潜力。然而，目前尚无研究实施并评估用于实时旁观者培训的聊天机器人。本论文基于这些研究空白，提出一种利用对话式人工智能的协作正义行为方法。

解决方案

• 提出的方法: ConCUR（CONversational Collaborative Upstanding in Real-time），一种聊天机器人系统，旨在通过协作撰写正义行为信息并灵活、迭代地解决障碍，引导旁观者完成正义行为过程。
• 创新点:
  1. 引入一种协作正义行为方法，让旁观者与人工智能协同工作，共同应对障碍。
  2. 实施一种“如何做优先”的对话结构，优先提供可操作的指导。
  3. 确定克服正义行为障碍的有效对话策略。
  4. 在实验室环境中对人机协作正义行为进行实证评估。
• 流程与关键技术:
  • 研究1：配对角色扮演研究（n=24），识别人类协作正义行为中的障碍和对话策略。
  • 研究2：实施并评估ConCUR（n=20），重点研究“如何做优先”的交互及其对动机和自我效能的影响。
  • 通过定性和主题编码分析对话模式、障碍和策略。

结果

• 具体发现:
  • 研究1：识别了主要障碍（如“如何做”挑战、自我效能感不足、害怕后果）以及有效的对话策略（如探询问题、帮助情境解读、认知重构）。
  • 研究2：90%的参与者在实验室环境中成功发布了公开评论，许多人报告动机和信心有所提高，未来更愿意采取正义行为。
• 相较基线的优势:
  • “如何做优先”方法能够同时解决多个障碍，而传统的顺序模型无法实现。
  • ConCUR促进了实用技能的培养，提高了参与者的自我效能感和干预意愿。
• 实验/评估:
  • 研究1：24名年龄在18至21岁的参与者进行配对角色扮演，分析聊天记录和访谈以识别障碍和策略。
  • 研究2：20名年龄在18至22岁的参与者进行实验室研究，评估ConCUR在促进公开正义行为中的效果。
  • 评估指标包括任务完成率、参与者反馈以及对聊天交互的定性分析。
• 局限性与未来工作:
  • 实验室环境可能无法完全代表现实行为；未测量长期效果。
  • 对正义行为信息质量的评估有限。
  • 未来工作应探索真实世界部署、多结果干预模型以及应对不断变化的在线伤害动态。

总结

本文介绍了ConCUR，一种通过协作、以“如何做优先”为核心的对话交互促进网络欺凌正义行为的聊天机器人系统。两项研究识别了正义行为的主要障碍，如“如何做”挑战和自我效能感不足，并证明了对话策略在克服这些障碍中的有效性。ConCUR提高了参与者的干预动机和信心，90%的参与者在实验室环境中成功发布了公开评论。研究结果表明，灵活、迭代且情境化的对话式人工智能系统在正义行为教育中具有重要作用。未来研究应探索真实世界应用、长期影响以及适应不断变化的在线伤害情境。