我们看到了什么?使用心理词汇学方法识别语音界面合作伙伴模型的维度
荣誉提名语音用户界面(VUI)设计智能语音助手(Alexa、Siri 等)会话代理的人格与拟人化
文献标题
What Do We See in Them? Identifying Dimensions of Partner Models for Speech Interfaces Using a Psycholexical Approach
文献信息
- 主题领域: 人机交互 (Human-Computer Interaction, HCI) 和心理学,聚焦于用户对语音交互系统的心理感知模型。
- 关键词: 合作伙伴模型,心理模型,语音界面,心理词汇法,人机对话,心理测量
研究背景与问题
-
发现的问题或挑战:
- 现有研究已经认识到语音交互系统中的“合作伙伴模型”(Partner Models)的重要性,但此概念的内在构成维度尚未明确。
- 用户如何评估语音交互系统的语言功能和社会属性仍然缺乏深入研究。
-
重要性:
- 理解语音系统的合作伙伴模型有助于设计更贴合用户需求的交互式界面。
- 可指导未来的语言互动行为研究,优化用户体验。
-
研究动机与相关工作:
- 合作伙伴模型早先研究主要关注用户对人类和机器对话能力的假设及其影响,但缺乏具体的维度。
- 相关工作揭示了语音系统设计中的人类相似性(如语音表达、对话策略)对用户认知的影响。
- 作者认为现有研究的概念化过于宽泛,需要通过具体维度赋予合作伙伴模型更多细节。
解决方案
-
方法或解决方案:
- 使用心理词汇法 (Psycholexical Approach),从语言中提取用户感知合作伙伴模型的维度。
- 利用分量分析 (Principal Component Analysis, PCA),聚类词对以识别合作伙伴模型的主要维度。
-
创新之处:
- 首次系统性地量化用户对语音交互系统的合作伙伴模型。
- 提出了合作伙伴模型的三个核心维度:能力与可靠性、人类相似性、认知灵活性。
-
实施步骤与关键技术:
- 阶段 1: 使用格子法 (Repertory Grid Technique, RGT) 让用户生成与语音系统相关的词对。生成了246个独特词对。
- 阶段 2: 整理已有调查问卷中的相关词对,生成了额外155个词对。
- 筛选词对以去除冗余、不相关或过于模糊的词对,最终保留了51个词对。
- 在线问卷研究: 用户用51个词对评价其过去使用语音系统的体验,共356名参与者。
- 主成分分析 (PCA): 通过PCA分析用户问卷回答,提取词对簇并确定核心维度。
研究成果
-
具体成果:
- 合作伙伴模型由三个主要维度组成:
- 能力与可靠性: 涉及对系统能力、精确性、可靠性等的评价。
- 人类相似性: 涉及对语音系统人类化属性(如温暖、社交性)的感知。
- 认知灵活性: 反映系统的互动性、弹性及自发性。
- 合作伙伴模型由三个主要维度组成:
-
优势:
- 提供了一个具体框架用以理解用户对语音系统的心理模型,为语音交互系统设计、语音对话行为预测提供理论支持。
- 拓展了对合作伙伴模型的概念化,为后续研究路径系统化提供基础。
-
实验或评估结果:
- 通过PCA分析,保持37个相关词对,去除冗余词对后最终提取了3个显著维度。
- 经验分析显示,三个维度共解释了49%数据方差。
-
局限性与未来方向:
- 局限性:
- 当前研究主要针对非实体化的语音系统,缺乏对机器人或虚拟人等具身体属性互动中的研究。
- 使用了一定的反思性问卷,可能掩盖具体互动中的直接心理反应。
- 未来方向:
- 拓展合作伙伴模型至更多交互场景和设备。
- 开发一个经过全面验证的测量量表,用于评估用户合作伙伴模型。
- 探讨合作伙伴模型维度间潜在的因果关系与动态变化。
- 局限性:
总结
这项研究通过心理词汇法和多方法解析,首次明确了用户对语音交互系统的心理合作伙伴模型的核心维度——能力与可靠性、人类相似性和认知灵活性。这对人机交互领域持续扩大语音系统的适用性和改善用户体验具有重大意义,同时为未来深入研究提供了理论和方法工具。
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。
help
研究问题
3- 语音交互系统的用户心理伙伴模型包含哪些核心维度?分类: 对话式 AI 与聊天机器人中的信任同类问题arrow_forward
- 如何通过心理词汇方法提取用户对语音系统的感知维度?分类: 对话式 AI 与聊天机器人中的信任同类问题arrow_forward
- “能力与可靠性”、“类人性”和“认知灵活性”这三个维度对用户评价语音系统有何解释力?分类: 对话式 AI 与聊天机器人中的信任同类问题arrow_forward
lightbulb
现实痛点
1- 用户对语音系统的社交和功能性认知模糊,体验难以满足预期。分类: 对话式 AI 与聊天机器人中的信任同类问题arrow_forward
- 100%
引发和分析用户与完美语音助手的设想对话
CHI '21· 语音用户界面(VUI)设计 +2
- 67%
使用基于图像的语言模型生成情感对话
CHI '18· 智能语音助手(Alexa、Siri 等) +1
- 67%
表面价值?探索具身对团队辅导代理效果的影响
CHI '18· 语音用户界面(VUI)设计 +1
- 67%
基于语音的对话式用户体验研究与设计
CHI '18· 语音用户界面(VUI)设计 +1
- 67%
用户特征和偏好对使用不熟悉的声音用户界面性能的影响
CHI '19· 语音用户界面(VUI)设计 +1
- 67%
理解与对话代理的情感体验
CHI '19· 智能语音助手(Alexa、Siri 等) +1
- 67%
与语音助手耳语的体验质量
CHI '20· 语音用户界面(VUI)设计 +1
- 67%
ProxiMic:通过单麦克风检测靠近麦克风的语音实现方便的语音激活
CHI '21· 语音用户界面(VUI)设计 +1
- 67%
Firefox Voice:一个基于网络的开放且可扩展的语音助手
CHI '21· 语音用户界面(VUI)设计 +1
- 67%
Aware: 使用韵律进行自然语音交互的直观设备激活
CHI '22· 语音用户界面(VUI)设计 +1
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/10.1145/3411764.3445206
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
语音用户界面(VUI)设计、智能语音助手(Alexa、Siri 等)、会话代理的人格与拟人化
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文