当运动伙伴是虚拟的：人工智能代理与人类同伴在长期体育活动研究中的对比

文献标题

When Workout Buddies Are Virtual: AI Agents and Human Peers in a Longitudinal Physical Activity Study

出版信息

• 主题领域: 基于人工智能的虚拟同伴在促进身体活动中的长期效果评估。
• 关键词: 身体活动、社会支持、人工智能代理、人机交互、模拟运动同伴、动机、自我决定理论、社会临场感、工作联盟、纵向研究。

背景与问题

• 问题/挑战: 身体活动不足是全球健康问题，而可扩展的长期激励策略有限。尽管对话式人工智能代理作为运动伴侣显示出潜力，但其长期效果和关系动态尚不明确。
• 意义: 解决身体活动不足问题有助于改善全球健康状况。理解人工智能代理和人类同伴在维持动机方面的不同作用，可以为设计有效干预措施提供指导。
• 动机与相关工作: 先前研究强调了社会支持在身体活动中的重要性，人类同伴提供真实的责任感但可用性不稳定。人工智能代理提供可扩展的支持，但在真实性和可信度方面面临挑战。本研究通过比较人类和人工智能同伴在六个月内的表现，探讨这些差距。

解决方案

• 提出的方法: 由大型语言模型（LLMs）驱动的模拟运动同伴（SEPs），设计为共同参与者而非教练，与人类同伴和对照组进行比较评估。
• 创新性:
  1. 对LLM驱动的SEPs在身体活动中的长期实证评估。
  2. 发现“伙伴悖论”：人类在社会临场感方面表现出色，而人工智能在可靠性方面更胜一筹。
  3. 提供关于视觉外观和对话风格如何影响对人工智能同伴感知的见解。
• 程序和关键技术:
  • 进行为期六个月的随机对照试验，280名参与者分为四种条件：无同伴（对照组）、人类同伴（HUM）、具有类人化身的SEP（SEPH）和具有赛博化身的SEP（SEPC）。
  • 使用定制的iOS应用程序（Excero）跟踪步数并促进互动。
  • 通过步数、经过验证的心理量表（IMI、SPS、WAI）和半结构化访谈测量结果。
  • 使用线性混合效应模型、混合ANOVA和主题分析对数据进行分析。

结果

• 具体发现:
  • 在部署和随访阶段，人类同伴（HUM）的步数高于赛博SEP（SEPC）。
  • 人工智能同伴（SEPH、SEPC）在工作联盟评分上优于人类同伴，但在社会临场感评分上较低。
  • 参与SEP条件的受试者欣赏持续的鼓励，但难以将人工智能视为真实的运动伙伴。
• 相较基线的优势:
  • 在部署阶段，人类和人工智能同伴均优于无同伴对照组，促进了身体活动。
  • 人工智能同伴提供了更稳定、不带评判性的支持，而人类同伴则提供了真实但不一致的责任感。
• 实验/评估:
  • 定量分析：在基线、部署和随访阶段分析步数和心理量表（IMI、SPS、WAI）。
  • 定性分析：对30次研究后访谈进行主题分析，识别关系动态、可信度和视觉评估的主题。
• 局限性与未来工作:
  • 样本局限于学术环境中的年轻人，结果可能无法推广到其他人群。
  • 研究存在流失率，并主要依赖步数作为行为测量指标。
  • 未来研究应探索更长期的效果、多样化人群和更丰富的交互设计。

总结

本研究探讨了由人工智能驱动的模拟运动同伴（SEPs）和人类同伴在六个月内支持身体活动的效果。人类同伴在促进社会临场感方面表现出色，而人工智能同伴提供了可靠且持续的支持，形成了更强的工作联盟。这些发现突出了互补的优势：人类提供真实的连接，而人工智能提供稳定的鼓励。研究建议，人工智能同伴不应模仿人类的真实性，而是通过可靠性增强其作用，为结合人类和人工智能优势的混合设计铺平道路，以维持长期动机。