SeeSawBot：一种跨私有Slack频道和共享Slack频道运行的LLM驱动聊天机器人，用于支持团队动态

文献标题

SeeSawBot: An LLM-Driven Chatbot Mediating Across Private and Shared Slack Channels to Support Team Dynamics

出版信息

• 主题领域: 团队协作中的人工智能介导通信
• 关键词: 基于LLM的聊天机器人、跨空间调解、团队动态、Slack、人机协作、边界物件、情感劳动、群体过程、计算介体、团队合作

背景与问题

• 问题/挑战: 现有的计算介体主要关注干预的时间、内容以及对象，却忽视了通信的空间维度（私人空间与公共空间）。这一缺陷限制了它们在团队协作中处理关系动态和空间转换的能力。
• 重要性: 理解并设计空间调解对于改善团队动态、促进包容性以及重新分配协作环境中的情感劳动至关重要。
• 动机与相关研究: 先前研究探索了用于结构化群体流程、个性化互动以及干预时机的计算介体。然而，这些系统通常局限于公共空间或私人空间，无法有效处理跨空间的互动。本研究基于社会学关于前台/后台行为和隐私边界的理论，旨在解决这一不足。

解决方案

• 提出的方法: SeeSawBot，一个基于LLM的聊天机器人，通过跨越私人消息和公共Slack频道进行调解，以支持团队动态并连接通信空间。
• 创新点:
  1. 将跨空间调解引入计算介体设计变量。
  2. 展示了人工智能如何同时作为边界物件（共享的人工制品）和边界行为体（主动参与和权威协商）。
  3. 探讨干预的空间位置如何影响自主性、代理性和合法性的感知。
  4. 提供适应性和上下文敏感的人工智能调解设计原则。
• 过程与关键技术:
  • 进行了一个形成性研究（n=10）以指导SeeSawBot的设计。
  • 在18个学生Slack团队（n=105）中部署SeeSawBot，为期8周，收集了双周调查和部署后访谈数据。
  • 根据用户反馈迭代优化SeeSawBot的功能（例如参与提示、任务感知响应）。
  • 使用主题分析法分析数据，以理解跨空间信息流、关系角色和时间动态。

结果

• 具体发现:
  • 跨空间调解实现了分布式意义建构、个性化指导以及团队间翻译。
  • SeeSawBot通过充当社交网关、参与平衡器、社交缓冲器和反思镜，重新分配了情感劳动。
  • 团队将SeeSawBot整合到工作流程中，其角色随着团队发展阶段（形成、风暴、规范、执行、解散）而演变。
• 相较基线的优势:
  • 实现了私人与公共通信空间之间的无缝过渡，解决了之前系统忽略的关系和空间问题。
  • 支持个人和团队层面的反思，促进包容性并降低问责中的社会风险。
• 实验/评估:
  • 双周调查（n=63, 51, 57, 52）捕捉了SeeSawBot对团队动态影响的纵向反馈。
  • 部署后访谈（n=9）提供了关于权威、信任和情感劳动重新分配的深入见解。
  • 迭代设计过程结合用户反馈优化了SeeSawBot的功能和干预策略。
• 局限性与未来工作:
  • 部署强调自然使用，限制了对特定设计因素（如空间位置）的受控评估。
  • 由于基于LLM的系统的可变性，偶尔出现错误和意外行为。
  • 未来工作可以包括受控研究以分离设计效果，并扩展SeeSawBot的知识库以适应更广泛的应用场景。

总结

本文介绍了SeeSawBot，一个旨在跨越私人和公共Slack频道进行调解的基于LLM的聊天机器人，解决了计算调解中被忽视的空间维度问题。通过在学生团队中的8周部署，研究表明跨空间调解能够促进分布式意义建构、重新分配情感劳动并适应不断变化的团队动态。SeeSawBot既作为边界物件又作为边界行为体，影响了参与、权威和情感劳动。研究结果强调了空间位置作为设计变量的重要性，并为未来的跨空间计算介体提供了可操作的设计原则。