为图像为基础的性虐待幸存者设计和评估聊天机器人

文献标题

设计并评估支持影像性虐待幸存者的聊天机器人

文献信息

• 主题领域: 人机交互 (Human Computer Interaction, HCI)、社交技术、心理健康支持、性暴力预防
• 关键词: 影像性虐待、报复性色情、聊天机器人、信息支持、情感支持

研究背景与问题

• 主要问题或挑战:

  1. 影像性虐待（IBSA）是指未经同意传播或创建私密性影像，其对幸存者造成了严重的心理、社会和物理问题，包括抑郁、焦虑和自我责备等。
  2. 幸存者在寻求帮助时常遇到社会污名化、自责、以及缺乏合法保护和情感支持的现象。
  3. 线上平台尽管可报告和移除图像，但通常技术难以掌握，且帮助系统的可获得性和易用性较低。此外，情感支持稀缺，导致很多人选择沉默。

• 研究重要性:

  1. 调查显示少于10%的幸存者能成功利用法律或线上工具有效应对。
  2. 提供及时、无负担的常备支持工具，如聊天机器人，可以解决现有帮助不可用性和幸存者情感创伤的问题。

• 研究动机与相关工作:

  1. 许多支持性聊天机器人已被用于提供心理健康支持和法律援助。
  2. 研究诉求在于探索这种技术是否可以在影像性虐待情境中实现信息和情感支持。
  3. 作者分析了既有9款用于性暴力幸存者的聊天机器人，并与多名专业心理咨询师合作，以获取设计指引。

解决方案

• 提出的方法或解决方案:

  1. 开发了一种整合规则驱动模块和基于检索模块的混合式聊天机器人，旨在为影像性虐待幸存者提供信息指导和情感安慰。
  2. 聊天机器人包括7个模块：资源信息、应对方法、投诉信写作指导、影像性虐待知识、法律程序说明、幸存者故事分享、以及幸存者权益。

• 创新之处:

  1. 聊天机器人不仅在技术方面创新（利用混合模块实现信息引导与情感交互），还提供专业性较高的支持，整合了社会政策资源。
  2. 机器人设计了针对影像性虐待幸存者独特需求的模块，例如帮助撰写投诉信和提供针对情境化的心理支持话语。
  3. 使用AI技术在文本分析的基础上优化了聊天体验，并提供个性化响应。

• 实施步骤:

  1. 设计阶段: 结合专家建议和7大功能模块，分析整理参考聊天机器人，并设计以幸存者为核心的信息结构。
  2. 开发阶段:
     • 基于规则的模块：构建按程序流的决策树结构。
     • 基于检索的模块：基于深度学习（BERT模型）进行用户输入分类，匹配相关性回复。
  3. 推出混合实现: 将基于规则和基于检索模块结合，当检索信息无法满足用户需求时，直接转向信息结构引导。
  4. 用户评估: 比较聊天机器人与互联网搜索在信息和情感支持方面的效果。

研究成果

• 具体成果:

  1. 信息支持: 参与者认为聊天机器人超越网络搜索，尤其在信息组织、获取及时性和内容简洁性方面表现优异。
  2. 情感支持: 聊天机器人提供的安慰性语言有效温暖了参与者，与人类提供的情感支持接近。
  3. 方法优势: 基于混合实现技术，机器人允许用户同时通过关键词快速查询信息，并结合模块化对话深入了解其他资源。

• 与现有解决方案的优势:

  1. 提供结构化信息，不再依赖幸存者自行构建应对策略。
  2. 混合式实现解决了仅基于规则的聊天机器人在面对复杂心理支持场景时的局限性。
  3. 实时获取24小时支持，没有时间和地点的局限性。

• 实验或评估结果:

  1. 用户研究结果:
     • 聊天机器人在“可访问性”、“操作便捷性”和“准确性”等11个信息指标上显著优于互联网搜索，但在“可信赖性”和“客观性”上稍逊。
     • 聊天机器人在9项情感维度（如减少责备、接受立场）中均超越网络搜索。
  2. 改进建议: 需要在未来设计中明确机器人开发机构，增进可信性；情感支持模块也需进一步优化以适应幸存者的心理状态。

• 局限性与未来方向:

  1. 当前局限性:
     • 实验仅限于非幸存者进行的假想情境下用户测试，未来需直接面向实际幸存者展开测试。
     • 场景基于单一类型的影像性虐待案例展开，后续需要扩展至不同背景。
  2. 改进方向:
     • 更精准调整检索模块以处理开放性的用户输入。
     • 为幸存者提供更加友好的情感互动，比如定制化建议、实际案例对接。

总结

• 通过人机交互的创新实践，本研究揭示了混合式聊天机器人在信息和情感支持方面的潜力与实际可行性。其设计理念和方法为有技术需求的性暴力幸存者提供了新颖的解决方案，同时为人机交互社区的相关研究扩展了应用场景和设计指引。