通过基于人工智能的持续反馈提升儿童在语音睡眠日记中的响应质量

文献标题

Enhancing Response Quality by Children in Voice-based Sleep Diaries via AI-based Continuous Feedback

出版信息

• 主题领域: 利用人工智能驱动的反馈机制提升儿童在语音自报告系统中的响应质量。
• 关键词: 语音日记、持续反馈、响应质量、儿童与计算机交互、自报告、儿科医疗、符号反馈、数字反馈、教育中的人工智能、对话代理。

背景与问题

• 问题/挑战: 儿童在自报告工具（如睡眠日记）中的回答常常不完整、模糊或不一致，限制了其临床实用性。由于儿童认知和自我调节能力的发展，维持高质量的回答尤其具有挑战性。
• 重要性: 高质量的自报告对于准确的临床评估至关重要，尤其是在睡眠障碍治疗等儿科医疗领域。解决响应质量问题可以提高数据可靠性并支持更好的临床结果。
• 动机与相关研究: 先前研究表明反馈可以改善任务表现和参与度，但其在儿童语音自报告中的应用仍未被充分探索。现有研究强调需要设计针对儿童的反馈机制，平衡清晰性与参与性。

解决方案

• 提出的方法: 一个由人工智能驱动的语音睡眠日记系统，提供“实时”持续反馈，以提高儿童在多个问题和多天内的响应质量。
• 创新点:
  1. 在儿童语音自报告系统中引入实时、持续反馈。
  2. 对符号反馈（表情符号）和数字反馈对响应质量的影响进行实证比较。
  3. 通过实地研究展示结合反馈机制在多天内持续改善响应质量的效果。
• 流程与关键技术:
  1. 通过共同设计研究探索儿童对反馈类型（数字、符号、进度）的偏好。
  2. 实验室实验比较表情符号反馈、数字反馈和无反馈条件对问题响应质量的影响。
  3. 进行为期八天的实地研究，测试结合反馈系统（表情符号+数字反馈）对多天内响应质量的持续影响。

结果

• 具体发现:
  • 数字反馈产生了最高的平均响应质量（M=3.98），其次是表情符号反馈（M=3.75），无反馈条件最低（M=2.81）。
  • 持续反馈在单次会话中提高了问题响应质量，并在多天内保持或改善了质量。
  • 反馈条件显示出响应质量的正向轨迹，而无反馈条件则表现为停滞或下降。
• 相较基线的优势: 数字反馈和符号反馈在改善响应质量方面均显著优于无反馈条件。实地研究中的结合反馈在多天内保持了更高的质量，与无反馈相比效果更好。
• 实验/评估:
  • 共同设计研究中，14名儿童（年龄7至12岁）表达了对符号反馈的偏好。
  • 实验室研究中，36名儿童（年龄7至12岁）采用被试内设计比较反馈类型。
  • 实地研究中，24名儿童（年龄8至12岁）采用被试内交叉设计，在八天内评估持续效果。
• 局限性与未来工作:
  • 样本多样性有限且研究时间较短；需要更长期的研究。
  • 缺乏结合反馈与单一反馈类型的直接比较。
  • 结果可能无法推广至临床人群或非西方背景。

总结

本文提出了一种由人工智能驱动的语音睡眠日记系统，通过“实时”持续反馈提升儿童在自报告中的响应质量。通过共同设计、实验室和实地研究，作者证明了符号（表情符号）和数字反馈均能提高问题响应质量，并在多天内保持质量。结合反馈在维持参与度和质量方面尤为有效。研究结果强调了在情感参与与认知清晰之间的平衡重要性，并建议适应性、多层次的反馈系统可以改善儿科医疗及其他领域的儿童自报告质量。