探索基于聊天机器人的社交接触对减少精神疾病污名的影响

文献标题

Exploring Effects of Chatbot-based Social Contact on Reducing Mental Illness Stigma

文献信息

• 主题领域: 以聊天机器人促进社会接触减少心理疾病污名化
• 关键词: 聊天机器人, 社会污名, 心理疾病, 自我披露, 故事叙述

研究背景与问题

• 发现的问题或挑战:

  1. 心理疾病的污名化（例如认为患者危险或对自身疾病负有责任）阻碍其求助与恢复。
  2. 当前的多种反污名化干预手段，如公众接触活动，往往受到资源和规模限制。
  3. 聊天机器人虽然在心理健康的干预中显示出潜力，但其在减少社会污名方面的效用未被充分研究。
  4. 实际上，尚不明确第一人称与第三人称的聊天机器人交互如何影响污名化的改善。

• 重要性与研究动机: 减少心理健康污名能够改善患者的社会支持网络和求助行为，而成本低且易扩展的聊天机器人可能成为一种创新的反污名工具。探索其设计优化有助于为心理健康互动研究带来新视角。

• 相关工作:

  • 通过叙述（故事分享）和社会接触能够有效减少心理疾病污名。
  • 聊天机器人已经被用于认知行为治疗、心理健康匿名支持等领域，但对污名化的直接干预少有研究。

解决方案

• 提出的解决方案: 作者设计了两种聊天机器人，一个以第一人称代入受到心理疾病挑战的角色进行互动，另一个以第三人称叙述这些故事并作为信息的中介者。

• 创新之处:

  1. 提出并比较两种不同叙述角色的聊天机器人（第一人称和第三人称）对社会污名化的影响。
  2. 通过聊天机器人模拟社会接触，以测试其在促进自我披露和减少污名化态度中的潜力。
  3. 综合问卷调查、互动日志和访谈数据三方法，全面评估影响。

• 实施步骤:

  1. 设计故事：基于心理疾病《诊断与统计手册》（DSM-5）和前人研究的情境与症状，编写7个关于角色Kenta的心理健康故事。
  2. 研究分组：参与者分为三组：使用第一人称聊天机器人的组（FP）、使用第三人称聊天机器人的组（TP）和使用网页调查的控制组。
  3. 数据收集：通过为期两周的实验，涵盖每天的任务完成日志、问卷调查，以及后续访谈。
  4. 评价指标：
     • 是否促成自我披露。
     • 参与者污名化态度的变化，包括责任归因、情绪反应（如同情心、恐惧等）与行为意图（如帮助意愿）等。

研究成果

• 具体成果:

  1. 第一人称（FP）聊天机器人更有效地促进了社会接触，激发了更多参与者的自我披露，并推动了对故事角色的同情和支持。
  2. 与控制组相比，FP和TP聊天机器人显著减少了参与者对心理疾病角色的责任归因（从“内部归因”到“外部归因”）。
  3. FP Chatbot 显著降低了参与者对患者的恐惧情绪，并减少了社会距离感；相较而言，TP Chatbot 虽然在促进帮助意愿上有所贡献，但其效果不及 FP。
  4. 网页调查反而增加了部分参与者对心理疾病个体的社会距离感。

• 优势:

  • 第一人称机器人能更好地模拟“社会接触”，引导用户将角色视为“可信任的对象”，进而减少污名化态度。
  • 聊天机器人较成本低、可重复扩大覆盖的特点，为大规模反污名干预提供了技术可能性。

• 实验及评估结果:

  • 研究的数据来自三种来源：预/后测问卷数据、互动日志和半结构化访谈结果，结果明确了FP Chatbot在减少污名化、激发同情和促进自我披露方面的优势。

• 局限性与未来方向:

  1. 单一人物角色（Kenta）的故事可能导致对心理疾病经历多样化的低覆盖。
  2. 部分用户可能对严重负面情节（如自残念头）产生情绪压力，可能影响干预效果。
  3. 聊天机器人的角色设定（如第一人称、第三人称）需要结合具体情境优化。未来可探索更广泛的应用包括针对其他污名化群体（如LGBT社区、身体残疾人群）。