代理的伟大链:代理的隐喻表现在对话众包中的作用
文献标题
Great Chain of Agents: The Role of Metaphorical Representation of Agents in Conversational Crowdsourcing
文献信息
- 主题领域: 人机交互与众包任务的会话代理研究
- 关键词: 概念隐喻, 会话代理, 众包, 用户参与度, 信任, 存在链理论, 人机交互, 人工智能交互
研究背景与问题
-
发现的问题或挑战:
现有研究主要关注人类形态的隐喻表达,而忽略了非人类隐喻的广泛使用。此外,对于非人类隐喻会如何影响用户对会话代理的体验(如参与度、认知负荷、内在动机和信任)缺乏系统性研究。 -
为什么重要:
会话代理广泛应用于多领域,其设计对任务执行效率和用户体验至关重要。如果能够更好地理解隐喻如何塑造用户对代理的体验,将能为代理设计提供新的视角和设计框架。 -
研究动机与相关工作:
概念隐喻理论和“存在链”(Great Chain of Being)框架为理解隐喻在人工智能和人机交互领域的作用提供了启发性视角。此外,相关工作的发现表明不同隐喻表现的“温暖与能力”显著影响了用户的期待和对技术的接受度。
解决方案
-
提出的方法或解决方案:
作者通过采用“存在链”框架(包含神、人类、动物、植物及无机物的层级体系)对比了会话代理的不同隐喻表现如何影响用户体验。具体实验中设计了12个条件(6种隐喻×2种任务类型),并从众包平台(Prolific)招募了341名参与者进行实验。 -
创新之处:
- 首次通过“存在链”框架系统研究非人类隐喻在会话代理中的表现。
- 阐述了不同隐喻给用户带来的认知负荷、动机和参与度的权衡关系。
- 探讨了以人为中心的隐喻设计以外的潜力。
-
实施步骤与技术:
- 通过初步研究选择代表性隐喻角色(如狗、书、鳄梨等)。
- 使用文本型会话代理工具TickTalkTurk,模拟两类典型微任务(信息查找与图像分类)。
- 通过问卷和实验数据测量用户参与度(UES-SF)、内在动机(IMI)、认知负荷(NASA-TLX)以及信任度(TiA)。
研究成果
-
具体成果:
- 隐喻角色影响:
- 动物隐喻(如狗)提高了用户参与度和审美吸引力,但增加了认知负荷。
- 无机物隐喻(如书)降低了认知负荷,但削弱了用户的兴趣和内在享受。
- “神”隐喻在提高使用者期待的同时导致了较高的认知负荷和较低的可用性感知。
- 任务类型影响:
- 图像分类任务较信息查找任务吸引力更高,但认知消耗也更大。
- 隐喻角色影响:
-
与现有解决方案的比较:
研究证明非人类隐喻表现的潜力,并指出未来设计选择中需要考虑参与度与认知负荷之间的平衡。相比于人类隐喻表现(如“专业人士”),动物隐喻和无机物隐喻表现出独特优势。 -
实验或评估结果:
- 显著性统计分析表明,隐喻设计对用户体验影响显著(如兴趣享受得分、认知负荷得分等)。
- 不同隐喻和任务类型的设计并未显著影响最终任务完成的精确度和时间。
-
局限性与未来方向:
- 局限性:
- 隐喻理解可能受到文化背景影响(本研究限制于英语母语者)。
- 人类隐喻角色选择中未充分考虑性别和文化影响。
- 未来方向:
- 扩展到更多类型任务和动态多模态交互。
- 探讨个性化隐喻设计是否对用户体验有更大提升。
- 研究神隐喻中可能增加温暖较高的设计。
- 局限性:
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。
研究问题
3- 非人类隐喻对对话式代理的用户体验(如参与度、认知负荷、内在动机和信任)有何影响?分类: LLM 提示工程与编写工具同类问题arrow_forward
- 不同类型的任务(如信息检索和图像分类)如何与隐喻设计互动影响用户体验?分类: LLM 提示工程与编写工具同类问题arrow_forward
- “存在链”框架能否为突破人类隐喻中心的设计提供有效理论工具?分类: LLM 提示工程与编写工具同类问题arrow_forward
现实痛点
1- 用户与对话式代理交互时,现有设计多集中于人类隐喻,忽视其他可能性。分类: LLM 提示工程与编写工具同类问题arrow_forward
- 67%
触动你心:社交媒体客服的情感意识聊天机器人
CHI '18· 对话式聊天机器人 +1
- 67%
单个或多个对话代理?交互连贯性比较
CHI '18· 对话式聊天机器人 +1
- 67%
韧性聊天机器人:对话中断的修复策略偏好
CHI '19· 对话式聊天机器人
- 67%
什么构成了一次好的对话?设计真正对话代理的挑战
CHI '19· 对话式聊天机器人 +1
- 67%
如果你说得没错:构建和评估具有主动倾听技能的访谈聊天机器人
CHI '20· 对话式聊天机器人 +1
- 67%
群聊中的机器人:通过聊天机器人提高效率和参与度来促进群聊讨论
CHI '20· 对话式聊天机器人 +1
- 67%
说服性对话的影响:测试机器人身份和询问策略
CHI '20· 对话式聊天机器人 +1
- 67%
"我听到你了,我感受到你了":通过聊天机器人鼓励深层次的自我披露
CHI '20· 对话式聊天机器人 +1
- 67%
探索半监督学习在预测听众回应中的应用
CHI '21· 对话式聊天机器人 +1
- 67%
对话代理的启发式评估
CHI '21· 对话式聊天机器人 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)