探索面向老年人的基于LLM的正念练习AI助手设计

文献标题

Exploring the Design of a LLM-Based AI Assistant for Mindfulness Practice With Older Adults

出版信息

• 主题领域: 人机交互（HCI）及人工智能在心理健康与幸福感中的应用。
• 关键词: 大型语言模型（LLM）、正念、老年人、参与式设计、社会情感对齐、AI引导的幸福感、个性化、信任、情绪调节、可访问性。

背景与问题

• 问题/挑战: 现有的正念技术通常缺乏对话式互动和个性化，这对老年人至关重要。目前的人工智能系统存在社会情感不匹配的风险，进而引发关于信任、自主性和人际连接的担忧。
• 重要性: 正念技术可以通过应对身体和心理健康挑战来促进健康老龄化。设计与老年人价值观和需求相契合的人工智能系统对于实现有意义的互动和幸福感支持至关重要。
• 动机与相关研究: 先前研究探讨了正念技术和对话式人工智能，但尚未充分研究基于LLM的老年人正念系统。本研究旨在弥补这一空白，探索生成式人工智能如何在考虑年龄特定的社会情感动态的同时支持幸福感。

解决方案

• 提出的方法: 开发并通过参与式评估LugnAI，一个基于LLM的原型AI助手，旨在为老年人引导正念练习。
• 创新点:
  1. 通过参与式工作坊调查老年人对AI引导正念的看法。
  2. 识别老年人特定的设计偏好和抗拒点。
  3. 制定基于LLM的正念技术的社会情感对齐原则。
  4. 提出参与者驱动的设计考虑，涵盖个性化、可访问性和人际连接。
• 流程与关键技术:
  • 与16位老年人（年龄65岁及以上）开展两次参与式工作坊。
  • 使用检索增强生成（RAG）工作流和瑞典语正念材料开发LugnAI。
  • 通过个人会话、焦点小组讨论和共同设计活动评估用户互动、偏好和抗拒点。
  • 应用反思性主题分析识别主题并制定设计考虑。

结果

• 具体发现:
  • 参与者重视个性化，但强调可选的用户控制功能以保持自主性。
  • 感官偏好（如语音语调、视觉效果、音景）差异显著，需要情境适应性。
  • 信任是关系性的，通过透明性、感知的实用性和对技术的舒适度逐步建立。
  • 对AI陪伴的抗拒突显了保持人际连接的重要性。
  • 技术中断（如语音识别错误）降低了沉浸感和信任度。
• 相较基线的优势:
  • LugnAI提供了对话式、个性化的正念指导，与静态、预录的正念应用形成对比。
  • 情境响应性增强了与传统系统相比的相关性。
• 实验/评估:
  • 工作坊包括与LugnAI的个人互动、焦点小组讨论和共同设计活动。
  • 参与者完成了聊天机器人可用性问卷（CUQ）并提供了定性反馈。
  • 研究涉及16名参与者，其中15人参加了工作坊1，10人参加了工作坊2。
• 局限性与未来工作:
  • 参与者群体规模小且人口统计有限；未来研究需涵盖更广泛的多样性。
  • 工作坊环境可能无法完全反映自然的家庭正念使用场景。
  • 原型依赖单一LLM提供商（OpenAI）和精选的瑞典语材料，限制了普适性。
  • 未来研究应探索长期使用、多模态互动和多样化参与者群体。

总结

本研究通过参与式工作坊探讨了老年人对基于LLM的AI正念助手（LugnAI）的看法。研究发现信任、个性化和感官适应性对于实现有意义的互动至关重要，同时保持人际连接和自主性仍然是核心要素。参与者表达了多样化的偏好和抗拒点，突显了在AI设计中实现社会情感对齐的重要性。研究提出了九项设计考虑，涵盖个性化、可访问性和情绪调节实践。这些洞见为HCI和AI领域的幸福感技术研究提供了贡献，并为未来开发面向老年人及其他群体的基于LLM的系统提供了指导。