CoArgue：促进社区基础问答平台中潜水者对集体论证的贡献

文献标题

CoArgue: Fostering Lurkers’ Contribution to Collective Arguments in Community-based QA Platforms

文献信息

• 主题领域: 人机交互 (HCI)、社区问答 (CQA)、自然语言处理 (NLP)
• 关键词: 集体论点, 社区问答平台, 问答系统, NLP, 用户参与, 互动设计, 信息可视化, Lurker, 论证写作, 社区参与

研究背景与问题

• 发现的问题或挑战:

  • 在社区问答（CQA）平台中，基于集体智慧的论点发展依赖于充足的贡献者基础。然而，大多数高频用户是“潜水用户”（lurkers），他们很少发表内容。
  • 潜水用户在参与讨论时面临信心不足、意愿低下（比如认为自己的贡献不重要或价值不大）以及处理复杂信息的能力挑战，例如无法有效消化和产出有意义的回答内容。

• 重要性:

  • 集体论点的可持续发展需要提升潜水用户的参与度，否则会威胁CQA社区的发展和持续性。
  • 研究如何降低潜水用户的参与门槛，不仅有助于提高社区贡献，还能为其他在线社区的设计提供参考。

• 研究动机与相关工作:

  • 现有支持潜水用户的研究多聚焦于特定社区（如健康或协作类社区），但缺乏针对松散连接的CQA社区的设计。
  • 关于论证能力提升的现有工具主要专注于独立文本的生成，而非集体论点的协同构建。因此亟需设计能有效支持用户贡献集体论点的工具。

解决方案

• 提出的解决方案:

  • CoArgue系统：这是一个基于自然语言处理和交互设计的可视化系统，旨在通过激励和能力支持帮助潜水用户更高效地参与CQA平台上的集体论点。

• 创新之处:

  1. 提出一套NLP管道用于提取和组织问答讨论中的论证元素，如立场（stance）、主张（claims）和论据（premises）。
  2. 多种交互设计（如导航视图、聊天机器人和贡献视图）结合信息可视化，为用户提供个性化支持，克服用户在信心、意愿和能力上的障碍。
  3. 针对潜水用户的需求，整合了鼓励机制、内容梳理和写作指导。

• 实施步骤与关键技术:

  1. NLP管道：提取关键论证元素，包括立场分析（分为积极、中立、消极）、主张集群（通过BERT嵌入和聚类算法）以及关联论据关键词的抽取。
  2. 用户界面设计：
     • 答案视图（Answer View）：通过内容高亮显示主张和论据，帮助用户快速理解关键信息。
     • 导航视图（Navigation View）：提供整体的集体论点概览，帮助用户查看分类后的主张集群及其流行度。
     • 聊天机器人视图（Chatbot View）：通过对话形式帮助用户梳理思路并提供激励支持。
     • 写作界面（Writing Interface）：预填用户选择的主张和关键词，降低写作难度。
     • 贡献视图（Contribution View）：实时反馈用户对集体论点的贡献指标。

研究成果

• 具体成果:

  1. 相较于类似Quora的基线系统，CoArgue显著提高了潜水用户的参与动机、写作能力和互动过程中的参与度。
  2. 用户生成的内容在数量和丰富性上有提升（特别是论据的数量），用户也对自己的输出质量和参与信心有更高的评价。

• 优势:

  • CoArgue在支持潜水用户贡献集体论点方面显示出明显超越基线系统的性能，尤其是通过系统反馈有效提升了用户的参与意愿和贡献持续性。
  • 可视化和交互设计进一步降低了用户的认知负担，并为潜水用户提供了更多的参与路径。

• 实验或评估结果:

  • 用户实验表明CoArgue提供的动机支持（用户感到更多认可）和能力支持（对内容的理解能力和生成能力）均显著优于基线。
  • 在生成的内容中，用户与使用基线系统相比，写出的论据和主张数量有显著提升。
  • CoArgue整体复杂度较高，导致某些用户觉得操作有一定学习成本，但大多数用户仍然愿意再度使用。

• 局限性与未来方向:

  1. 实验参与者以年轻用户为主，需进一步拓展至其他年龄和群体的研究。
  2. 当前研究主要聚焦于科技讨论主题，未来应扩展至涵盖争议性较强或知识门槛更高的问题领域。
  3. 实验仅评估了短期使用效果，需进行长期效果研究以验证CoArgue能否持续降低潜水行为并培养更多活跃用户。
  4. 聊天机器人功能部分用户感到不够智能或互动重复，未来可通过增强语言模型的对话能力进一步优化体验。