恢复、探索与转变:年轻人如何通过 Character.AI 寻求娱乐、情感与自我发现
荣誉提名生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作AI 伦理、公平与问责包容性设计(Inclusive Design)面向青少年的心理健康技术大学教授与研究人员HCI 研究员自由职业者(设计、写作、翻译)
文献标题
Restoration, Exploration and Transformation: How Youth Engage Character.AI for Fun, Feels and Finding themselves
出版信息
- 主题领域: 青少年如何利用生成式人工智能进行创造性、情感性和身份驱动的活动。
- 关键词: 生成式人工智能, 青少年参与, Character.AI, 情感调节, 创造性游戏, 身份发展, 人工智能原型, 越界游戏, 数字娱乐, 人工智能对齐。
背景与问题
- 问题/挑战: 当前的研究和人工智能工具主要以成年人为中心,侧重于生产力、教育或治疗,而忽视了青少年以自发、娱乐性和自我导向的方式与人工智能互动。这种错位可能导致基于假想而非实际青少年行为设计的人工智能体验和安全措施。
- 意义: 理解青少年如何利用人工智能进行情感调节、创造性探索和身份发展,对于设计满足其需求的人工智能系统至关重要,尤其是因为青少年是生成式人工智能技术的早期采用者。
- 动机与相关研究: 以往的研究集中于由成年人设计的干预措施,忽略了青少年使用人工智能的自发性、娱乐性和创造性方式。人工智能娱乐领域的行业创新超越了研究进展,导致对青少年如何与这些系统互动以及相关风险或收益的理解存在空白。
解决方案
- 提出的方法: 本研究通过分析Character.AI的Discord服务器上4,172名用户的讨论,探讨青少年如何利用人工智能进行情感调节、创造性实验和身份探索。
- 创新点:
- 提供了青少年如何利用Character.AI进行娱乐性、情感性和创造性实践的描述性分析。
- 提出了一个包含三种参与意图的框架:恢复(Restoration)、探索(Exploration)和转变(Transformation)(R/E/T)。
- 开发了一个包含七种青少年创建角色原型的分类法。
- 过程与关键技术:
- 采用混合方法,结合定量人口统计分析和定性主题分析。
- 数据来源包括Discord频道中的自我介绍、功能请求和角色故事。
- 使用亲和图法识别主题和原型,并通过迭代优化和理论整合完善结果。
结果
- 具体发现:
- 最活跃用户中有50%为13–17岁,61.9%为女性或非二元性别。
- 59%的青少年用户创建了自己的角色,表明其具有积极的创造性参与。
- 确定了七种角色原型:抚慰者(Soother)、叙述者(Narrator)、捣蛋鬼(Trickster)、偶像(Icon)、暗黑灵魂(Dark Soul)、代理人(Proxy)和镜像者(Mirror)。
- 提出了R/E/T框架以描述青少年的参与意图:恢复(情感调节)、探索(创造性和边界测试的游戏)和转变(身份发展)。
- 相较基线的优势: 提供了以青少年为中心的人工智能参与理解,超越了以成年人为中心的框架,突出青少年使用人工智能的娱乐性、创造性和身份驱动方式。
- 实验/评估:
- 分析了4,172份用户自我介绍和148篇来自18岁以下青少年的帖子。
- 数据来源于Character.AI的Discord服务器,涵盖八个月的观察期和三个月的目标数据收集期。
- 局限性与未来工作:
- 研究基于Discord上少数活跃用户的自我报告数据,可能无法代表所有青少年用户。
- 研究聚焦于Character.AI,适用性可能无法扩展至其他平台。
- 未来研究应探索以青少年为中心的设计方法、人工智能创作工具、基于意图的对齐方式,以及青少年与人工智能互动的长期影响。
总结
本研究探讨了青少年如何与Character.AI互动,发现该平台最活跃的用户主要是青少年,他们利用人工智能进行情感调节、创造性游戏和身份探索。研究提出了R/E/T框架(恢复、探索、转变)以及七种角色原型分类法,以描述青少年的意图和行为。通过突出青少年的声音,本研究强调了设计符合青少年发展需求和娱乐参与方式的人工智能系统的必要性。这些发现为设计能够赋能青少年成为创造性合作者的人工智能体验提供了可操作的见解,同时解决了当前系统中的风险和错位问题。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790508
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作、AI 伦理、公平与问责、包容性设计(Inclusive Design)
work
职业/产业
大学教授与研究人员、HCI 研究员、自由职业者(设计、写作、翻译)
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文